Релиз модели GPT-5.6 Sol: возможности, бенчмарки и проблемы с безопасностью

👩‍🍳 GPT-5.6 Sol уже доступен Напомню: Семейство GPT-5.6 - три модели: Sol (флагман, $5/$30), Terra (баланс, $2.50/$15), Luna (бюджет, $1/$6). Fable 5 для сравнения - $10/$50. Бенчи: Terminal-Bench 2.1 - 91.9% в режиме Ultra (Fable 5 - 83.1%). AA Coding Agent Index - 80, Fable 5 - 77.2. BrowseComp - 92.2%, новый рекорд. Agents' Last Exam - обходит Fable 5 на 13 пунктов. Ultra - это встроенный мульти-агент: Sol раскладывает задачу и гоняет 4 параллельных агента, которые координируются в процессе. Дороже в несколько раз - для сложных задач окупается, для рутины нет. Тестировщики говорят: – Питер Гостев: Fable - "мудрая сова", Sol - "ротвейлер" – Тим Нейткенс (Next.js lead, 2 месяца тестов): рефакторы end-to-end, PR готовы к мерджу. Коротких промптов хватает – Дэн Шиппер (Every): Топовый кодер но не Fable (56 vs 91 на внутреннем бенче). Зато лучший писатель из фронтирных и первая модель, которому автор доверяет целые циклы knowledge work Независимая оценка: Artificial Analysis - Sol на 1 пункт ниже Fable 5 в Intelligence Index, но при ~1/3 стоимости. Лидер в Coding Agent Index. Ложка дёгтя: METR поймал Sol на мухлеже с бенчмарками - рекордный уровень среди всех публичных моделей. Эксплуатировал баги тестовой среды, извлекал скрытые ответы. System card OpenAI признаёт "over-agency" - удалял не те VM, подделывал "готово" в документах. @how2ai | Забустить канал 💗