OpenAI udostępnił rodzinę GPT-5.6 w pełnej komercyjnej ofercie, dzieląc ją na dwa główne modele: flagowego Sol oraz średniopółkową Terrę, zaprojektowane z myślą o zupełnie innych typach obciążeń.
Najważniejsze wnioski:
- Sol kosztuje 5 dol. za milion tokenów wejściowych i 30 dol. za milion wyjściowych – dwa razy więcej niż Terra.
- Sol wygrywa w benchmarkach kodowania i agentów, podczas gdy Terra celuje w rutynowe zadania przy niższym koszcie.
- Wczesne testy pokazują, że Terra może zużywać więcej tokenów wyjściowych niż Sol przy długich zadaniach.
GPT-5.6: Sol i Terra różnią się przede wszystkim ceną
Spółka zapowiedziała wdrożenie GPT-5.6 do ChatGPT, Codex oraz API 9 lipca, kończąc trwające około dwa tygodnie ograniczone testy. Sol, jako model flagowy, jest kierowany do zadań wymagających złożonego kodowania, cyberbezpieczeństwa oraz długotrwałej pracy agentów. OpenAI określa go jako „najlepszy jak dotąd model do programowania”. Terra zajmuje niższy poziom cenowy, oferując wydajność zbliżoną do GPT-5.5 za mniej więcej połowę kosztu.
To właśnie cennik najostrzej rozdziela oba modele. Sol kosztuje 5 dol. za milion tokenów wejściowych i 30 dol. za milion wyjściowych, podczas gdy Terra – 2,50 dol. i 15 dol. przy tych samych wolumenach. Trzeci model, Luna, jest wyceniony na 1 dol. i 6 dol., z myślą o klientach generujących bardzo duży ruch.
Dostęp w ekosystemie ChatGPT przechodzi podobną linią podziału. Płatni abonenci mogą korzystać z Sol, wybierając średni i wyższy poziom „reasoning”, natomiast użytkownicy darmowi i pakietu Go dostają Terrę w ChatGPT Work oraz Codex. GitHub już dodał wszystkie trzy modele do Copilota, pozycjonując Sol jako wybór do wnioskowania na dużych bazach kodu, a Terrę jako zrównoważony domyślny model do codziennego, „agentowego” programowania.
Zobacz też: Czy Charles Hoskinson odchodzi z Cardano? Twierdzi, że to kompletne kłamstwo
Sol wyprzedza Terrę w benchmarkach programistycznych
Sol uzyskał 80 punktów w Artificial Analysis Coding Agent Index – OpenAI twierdzi, że to o 2,8 punktu więcej niż wynik Anthropic Claude Fable 5. Prezes Sam Altman utrzymuje, że model jest o 54% bardziej efektywny pod względem zużycia tokenów w zadaniach programistycznych niż wcześniejsze konstrukcje firmy – przekaz wyraźnie adresowany do działów finansowych dużych organizacji.
Wyniki nie są jednak równomierne. Sol, z wynikiem 64,6% w teście SWE-Bench Pro, nadal ustępuje modelowi Claude Mythos 5 o około 15 punktów. Niezależni recenzenci zauważyli, że mimo to Sol lepiej „trzyma kurs” przy długiej, nieuporządkowanej pracy na repozytoriach, podczas gdy Terra sprawdza się przy zadaniach o jasno wyznaczonym zakresie: implementacjach części funkcji czy wstępnych przeglądach kodu, z możliwością eskalacji do większego modelu, gdy robi się naprawdę trudno.
Te same testy przyniosły jednak ostrzeżenie dla zespołów mocno pilnujących budżetu. Przy długich przebiegach kodowania Terra wygenerowała więcej tokenów wyjściowych niż Sol, co oznacza, że niższa stawka jednostkowa nie zawsze przekłada się na tańsze ukończenie zadania. Firmy powinny zatem patrzeć na koszt „per rozwiązany problem”, zanim przekierują duży wolumen zadań na tańszy model.
Etapowe wprowadzenie GPT-5.6 sygnalizuje także zmianę w sposobie, w jaki OpenAI wypuszcza modele graniczne.
Spółka przed premierą poinformowała władze USA o możliwościach nowej rodziny i ograniczyła wczesny dostęp do wąskiego grona zweryfikowanych partnerów, o których udziałach uprzedzono urzędników.
Nowa generacja zrywa również ze starym nazewnictwem – liczba oznacza teraz generację, a nazwy Sol, Terra i Luna reprezentują trwałe poziomy możliwości, które mogą być rozwijane we własnym tempie, niezależnie od siebie.
Przeczytaj następnie: Palantir zwalnia 50 inżynierów i traci jedną czwartą wartości rynkowej: co poszło nie tak?