ИИтак
Поиск

← Назад

модель · OpenAI · вышла 9 июля

GPT-5.6 Terra

Средняя модель линейки GPT-5.6 для программирования, агентов и повседневной работы — между флагманской Sol и бюджетной Luna

О модели

GPT-5.6 Terra — средняя из трёх моделей линейки GPT-5.6, которую OpenAI выпустила в июле 2026 года. По возможностям линейка идёт так: бюджетная Luna, затем Terra, сверху флагманская Sol. Сама OpenAI называет Terra сбалансированной моделью для повседневной работы в рабочей среде. Перед ответом она рассуждает, и глубину этих рассуждений можно выбрать из шести уровней: от «none» (сразу отвечать) до «max». По умолчанию стоит средний уровень.

По словам компании, Terra работает лучше предыдущей GPT-5.5 и при этом стоит дешевле. Кроме того, на ту же задачу она тратит меньше токенов ответа, так что за каждый доллар выходит больше результата. Для самых сложных задач в линейке есть Sol, а Terra рассчитана на случаи, когда нужен баланс качества и расходов. В рейтинге Epoch она занимает седьмое место из 266, то есть держится близко к верху.

OpenAI советует брать Terra, чтобы писать код, обрабатывать тексты, извлекать данные в заданном формате и решать агентные задачи общего назначения. Агентная задача — это когда модель сама выполняет несколько шагов подряд с помощью инструментов. Через Responses API модель подключает встроенные инструменты: поиск в интернете, поиск по файлам, генерацию картинок и запуск кода. Ещё она умеет отвечать строго по заданной схеме и вызывать функции разработчика. Кроме платформы OpenAI, модель доступна в Amazon Bedrock и Microsoft Foundry.

Нужно учитывать одну оговорку. Если в запросе больше 272 тысяч входных токенов, весь запрос оплачивается по двойной цене за вход, так что работать с очень длинными документами заметно дороже. Звук и видео модель на вход не принимает. В Amazon Bedrock набор функций зависит от того, через какой адрес API идут запросы: на одном из двух нет встроенных инструментов и ответов по схеме.

источники:GPT-5.6 Terra в документации OpenAI API ↗Карточка модели в Amazon Bedrock ↗

Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиПодробнее на английском ↗

весь рейтинг

7место из 268индекс 159вероятный разброс 157–162

  • DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗88,9%максимальное
  • LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗64,6%максимальное
  • Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗28,4%среднее
  • Surface Evolver Bench16 задач: описать для физической программы Surface Evolver форму жидкости под действием поверхностного натяжения, гравитации и ограниченийЗасчитывается частичное выполнение: отдельные баллы за корректный файл, успешный прогон симуляции и совпадение объёма, площади и энергии с эталоном.Подробнее на английском ↗83,8%очень высокое
  • FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗70,7%максимальное
  • FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗86,0%максимальное
  • FrontierCodeМодель исправляет проблему в открытом проекте, а правку оценивают по тому, приняли бы её сопровождающие проектаБалл выставляют по критериям сопровождающих и усредняют по пяти запускам; если нарушен хотя бы один обязательный критерий, за задачу ставят ноль.Подробнее на английском ↗41,3%
  • DeepSWE113 долгих задач по программированию в 91 открытом проекте на пяти языках; задачи написаны с нуля и не публиковалисьEpoch нашла, что примерно в 20% задач проверка отклоняет верные решения, поэтому реальный потолок заметно ниже 100%.Подробнее на английском ↗69,6%максимальное
  • ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗74,0%очень высокое
  • APEX-Agents480 многошаговых рабочих задач из инвестбанкинга, консалтинга и корпоративного права: агент работает с файлами, почтой, таблицамиЗадача засчитывается, только если выполнены все пункты экспертного списка критериев; проверяет их другая модель.Подробнее на английском ↗58,2%максимальное
  • Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗51,6%
  • SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗43,2%максимальное
  • ARC-AGI-2Вторая, более трудная версия головоломок на клетках: по примерам найти скрытое правило и применить его к новой картинкеНа каждое задание даётся две попытки; люди в среднем решают около 60% заданий.Подробнее на английском ↗83,9%максимальное
  • WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗78,3%высокое
  • OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗99,7%
  • BalrogМодель играет в шесть текстовых и клеточных игр, от простых головоломок до NetHack, где нужно выжить и продвинутьсяБалл — средний прогресс от 0 до 100 по всем играм; в NetHack даже лидеры продвигаются очень мало.Подробнее на английском ↗53,2%максимальное
  • SimpleBenchВопросы с подвохом на здравый смысл: пространство, время, поведение людей. 213 вопросов, у каждого шесть вариантов ответаЛюди в проверке авторов набрали около 84%, а балл модели — средняя точность по пяти прогонам.Подробнее на английском ↗38,7%
  • GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗91,1%
  • ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗96,5%максимальное

Новости о модели

все упоминания · 56

  1. OpenAI открыла доступ к модели GPT-5.6 Cyber в облаке для госструктур США

    С одобрения OpenAI клиенты облака Amazon для госструктур США могут использовать GPT-5.6 Cyber в регионе US-East через сервис ИИ-моделей Amazon Bedrock для разрешённых задач кибербезопасности.

  2. Уязвимости в PHP независимо нашли две команды с моделями OpenAI и Google

    Две критические уязвимости в самом PHP позволяют без входа в систему запустить свой код на сайте; их независимо нашли исследователь фирмы по кибербезопасности Calif с GPT-5.6 Sol и команда Wiz из Google Cloud.

  3. Google заплатила компании XBOW 250 тыс. долларов за уязвимости Chrome, найденные с GPT-5.6 Sol

    Исследователь компании XBOW с ИИ-агентами на модели OpenAI GPT-5.6 Sol за шесть дней собрал цепочку уязвимостей Chrome, потратив 40 тыс. долларов на вычисления, а Google заплатила за неё 250 тыс. долларов.

  4. OpenAI рассказала, как в MIT агенты на GPT-5.6 Sol калибруют кубиты

    Агент сам подбирает параметры, проводит измерения на шестикубитном чипе и разбирает данные. При слабом или зашумлённом сигнале он работает медленнее, и иногда ему нужна подсказка человека.

Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).