GPT-5.6 Sol вышел в ChatGPT: что умеет новая модель и сильнее ли она Claude Fable 5

Редакторское обновление на 26 сентября 2026 года: в статье актуализированы цены GPT-5.6, текущая доступность в ChatGPT и статус моделей-конкурентов. После релиза GPT-5.6 появились Claude Fable 5.1 и модели семейства GPT-6: Astra, Sol и Luna. Прямое сравнение бенчмарков ниже сохранено с Claude Fable 5, потому что именно эта версия указана в официальной таблице OpenAI для GPT-5.6.

OpenAI выпустила семейство GPT-5.6, в которое вошли флагманская Sol, сбалансированная Terra и самая доступная Luna. GPT-5.6 Sol стала ключевой моделью поколения для сложной профессиональной работы: программирования, исследований, документов, дизайна, Computer use, науки и кибербезопасности. После первоначального запуска линейка получила несколько важных обновлений — OpenAI снизила цены API, расширила доступ к Luna на бесплатных тарифах и подготовила переход пользователей с GPT-5.5.

Разбираемся, что именно умеет GPT-5.6 Sol, чем она отличается от Terra и Luna, какие лимиты действуют в ChatGPT, сколько стоят модели в API и что выгоднее — Sol с небольшим уровнем рассуждений или Terra на максимуме. Отдельно посмотрим на бенчмарки и сравним Sol с Claude Fable 5 — одним из главных конкурентов на момент запуска GPT-5.6.

Что произошло

9 июля 2026 года OpenAI выпустила семейство GPT-5.6 в общий доступ после ограниченного предварительного тестирования. В линейку вошли три модели: Sol как старший уровень, Terra как вариант с балансом возможностей и стоимости и Luna как самый быстрый и дешёвый вариант. GPT-5.6 стала доступна в ChatGPT, Codex, ChatGPT Work и OpenAI API.

На старте OpenAI позиционировала Sol как наиболее мощную модель семейства для сложной работы — программирования, исследований, науки, кибербезопасности, Computer use и дизайна. В дальнейшем компания несколько раз обновляла продукт: 30 июля снизила цену Terra и Luna, 21 августа — стоимость Sol, а позднее перевела Free и Go на GPT-5.6 Luna в обычном ChatGPT. GPT-5.5 при этом готовится к выводу из ChatGPT, Work и Codex 14 октября 2026 года, хотя в API она останется доступна.

Важно и то, что к моменту публикации этой версии статьи GPT-5.6 уже не является самым новым поколением OpenAI: в сентябре компания представила GPT-6 Astra, а 22 сентября — GPT-6 Sol и Luna. Поэтому GPT-5.6 Sol сегодня следует рассматривать как флагман своего поколения. GPT-6 Astra мощнее, а GPT-6 Sol дешевле в API; при выборе модели для новой задачи стоит сравнить и эти варианты.

Почему GPT-5.6 Sol — не просто очередное обновление ChatGPT

GPT-5.6 Sol представляет собой не обычное улучшение качества ответов, а продолжение перехода ChatGPT от универсального чат-бота к инструменту, который может выполнять заметную часть сложной работы самостоятельно. В задачах программирования, исследований, дизайна или работы с компьютером недостаточно сформулировать один удачный ответ: модели приходится удерживать цель, использовать большой контекст, выбирать инструменты, проверять промежуточные результаты и продолжать работу после ошибок.

Именно поэтому OpenAI делает акцент не только на уровне интеллекта, но и на эффективности. По данным компании, GPT-5.6 Sol чаще получает качественный результат с меньшим количеством токенов и меньшим числом промежуточных шагов, чем GPT-5.5. Для реальных рабочих процессов это может быть важнее, чем небольшой рост одного академического бенчмарка: пользователь тратит меньше времени на уточнения и повторные попытки.

Дополнительный шаг — режимы max и ultra. Max выделяет модели больше времени на рассуждение, а ultra в поддерживаемых продуктах координирует несколько агентов параллельно. Это показывает общий вектор развития: модель должна не просто отвечать, а организовывать выполнение задачи.

Sol, Terra и Luna: что это за линейка моделей GPT-5.6

OpenAI отказалась от идеи одной модели на все случаи и разделила GPT-5.6 на три устойчивых уровня. Название поколения указывает на общую технологическую базу, а Sol, Terra и Luna описывают уровень возможностей и стоимости.

Модель	Роль в линейке	Лучше всего подходит
GPT-5.6 Sol	Флагман семейства	Сложный кодинг, исследования, агентные процессы, работа с инструментами, наука и кибербезопасность
GPT-5.6 Terra	Баланс качества и цены	Повседневная профессиональная работа, анализ, кодинг, документы и массовые агентные задачи
GPT-5.6 Luna	Самая быстрая и дешёвая	Большие объёмы простых запросов, классификация, массовая обработка и быстрые ответы

Разница между ними не сводится к тому, насколько долго модель думает. Уровень reasoning меняет вычислительный бюджет конкретной модели, но не превращает Terra в Sol. Поэтому выбор зависит сразу от нескольких параметров: сложности задачи, цены ошибки, задержки, числа токенов и того, насколько хорошо поставлен запрос.

Что такое GPT-5.6 Sol и для каких задач она нужна

GPT-5.6 Sol — старшая модель семейства GPT-5.6 и основной вариант для сложной профессиональной работы. В API алиас gpt-5.6 направляет запросы именно на Sol. Модель поддерживает контекстное окно 1,05 млн токенов, до 128 тысяч токенов вывода и уровни reasoning от none и low до max.

Sol лучше всего раскрывается там, где задача не решается одним удачным промптом. Ей можно поручить изучить документацию и кодовую базу, составить план, изменить несколько связанных компонентов, запустить проверки, найти проблему и продолжить работу. Тот же принцип работает для исследований, документов, аналитики и Computer use: ценность появляется в способности удерживать весь процесс, а не только один шаг.

Для простого перевода, короткой справки или небольшого редактирования текста такой запас возможностей часто избыточен. В этих сценариях более дешёвая или быстрая модель может дать практически тот же результат с меньшей задержкой.

Кому доступна GPT-5.6 Sol в ChatGPT

В обычном ChatGPT GPT-5.6 Sol доступна пользователям подходящих платных тарифов. Free и Go получают GPT-5.6 Luna, но не Sol. Набор режимов reasoning зависит от тарифа, а в управляемых рабочих пространствах — ещё и от настроек администратора.

Тариф ChatGPT	GPT-5.6 Sol
Free / Go	Sol недоступна; используется GPT-5.6 Luna
Plus	Medium и High
Pro	Medium, High, Extra High и Pro
Business	Medium, High, Extra High и Pro
Enterprise	Medium, High, Extra High и Pro, с учётом настроек workspace

В ChatGPT Work и Codex набор моделей шире: платные пользователи могут выбирать Sol, Terra и Luna и настраивать effort, а max доступен там, где поддерживается соответствующий режим. В обычном чате Terra вручную выбрать нельзя.

Что по лимитам GPT-5.6 Sol в ChatGPT

OpenAI не вводит один универсальный лимит Sol для всех пользователей. Конкретные квоты зависят от тарифа, режима и рабочей среды. Medium, High и Extra High используют одну модель, но дают ей разный бюджет на рассуждение; это не отдельные независимые квоты.

Free и Go используют Luna. На Plus доступны Medium и High, тогда как Extra High и Pro требуют старших тарифов. В корпоративных пространствах дополнительно действуют настройки организации. Если доступная квота исчерпана, интерфейс может временно предложить другую модель или дождаться восстановления лимита.

Практический смысл простой: Sol стоит расходовать на задачи, где действительно нужны длинный анализ, код, файлы, инструменты или высокая цена ошибки. Для коротких запросов более быстрые модели экономят и время, и квоту.

Сколько стоит GPT-5.6: цены Sol, Terra и Luna в API

В ChatGPT пользователь оплачивает подписку, а не каждый токен. В OpenAI API расчёт идёт по фактически обработанным токенам. После нескольких снижений цен текущие тарифы GPT-5.6 заметно отличаются от стартовых июльских.

Модель	Ввод / 1 млн токенов	Кэшированный ввод	Вывод / 1 млн токенов
GPT-5.6 Sol	$4	$0,40	$20
GPT-5.6 Terra	$2	$0,20	$12
GPT-5.6 Luna	$0,20	$0,02	$1,20

Для Sol действует промо-цена как минимум до 21 ноября 2026 года. При входном контексте более 272 тысяч токенов OpenAI применяет повышенный тариф ко всему запросу: вход становится вдвое дороже, а выход — в полтора раза. Для Sol это $8 за 1 млн входных и $30 за 1 млн выходных токенов; для Terra — $4 и $18; для Luna — $0,40 и $1,80.

Кэшированные входные токены стоят на 90% дешевле обычного ввода, а запись нового кэша тарифицируется с коэффициентом 1,25. Это особенно важно для агентов и больших проектов, где одни и те же инструкции, документация или кодовая база повторяются из запроса в запрос.

Интересно сравнение с GPT-5.5: предыдущий флагман стоит $5 за вход и $30 за выход, то есть Sol сейчас не только сильнее в большинстве целевых сценариев, но и дешевле. Для массовых задач Terra и особенно Luna дают ещё более сильное снижение стоимости.

Что выгоднее: Sol на минимуме или Terra на максимуме

На первый взгляд Terra выглядит очевидно выгоднее: она стоит вдвое дешевле Sol по входу и заметно дешевле по выходу, поэтому кажется логичным включить для неё максимальный reasoning. Но уровень reasoning определяет, насколько долго думает модель, а выбор между Sol и Terra — насколько сильная модель думает. Дополнительный compute не превращает Terra в Sol.

Вариант	Главное преимущество	Главный недостаток
Sol на Low / Medium	Более сильная базовая модель, лучше понимает неоднозначные задачи и чаще требует меньше уточнений	Более высокая цена токена
Terra на Extra High / Max	Больше времени на проверку при более дешёвом токене	Дольше отвечает и может потратить больше reasoning-токенов

Если сравнивать именно интеллектуальные возможности, Sol в среднем остаётся сильнее даже при небольшом reasoning. Она лучше работает с неоднозначными инструкциями, сама выбирает подход и устойчивее ведёт длинную задачу. Terra на Max может обойти Sol на Low в отдельных хорошо поставленных задачах — например, при внимательной проверке кода, расчёте или анализе документа по чётким критериям.

Характеристика	Sol на Low	Terra на Max
Неоднозначный запрос	Обычно лучше понимает цель	Чаще выигрывает при очень точной постановке
Нестандартное решение	Сильнее	Лучше в понятных и формализованных задачах
Пошаговая проверка	Ограничена Low	Может быть тщательнее
Качество первой попытки	Обычно выше	Сильнее зависит от промпта
Скорость	Обычно выше	Ниже из-за Max reasoning

С экономической точки зрения оплачивается не название режима, а фактический объём токенов. Если Terra на Max рассуждает значительно дольше и требует повторных запусков, её ценовое преимущество может уменьшиться. Поэтому оптимальная схема — маршрутизация: типовые и массовые задачи отдавать Terra, а неоднозначные и дорогие ошибки — Sol.

Что умеет GPT-5.6 Sol

Главное улучшение GPT-5.6 Sol — самостоятельность. Модель способна не только дать ответ, но и определить последовательность действий, выбрать инструменты, проверить промежуточный результат и продолжить работу. Ниже — основные направления, где это проявляется сильнее всего.

Кодинг и разработка

Программирование — одно из центральных направлений Sol. Модель рассчитана не только на генерацию функций, но и на долгую работу с полноценными проектами: изучение структуры репозитория, поиск связанных файлов, рефакторинг, изменение архитектуры, запуск тестов и исправление ошибок.

Контекст в 1,05 млн токенов позволяет передать крупный проект вместе с документацией, логами и требованиями. Это важно, когда причина ошибки находится далеко от места её проявления или изменение затрагивает несколько компонентов. Sol может сформировать гипотезу, проверить её через терминал, внести изменения и повторить цикл.

Особенно полезны сценарии, где нужно не просто написать код, а довести изменение до рабочего состояния: добавить функцию, обновить зависимость, провести крупный рефакторинг, проверить pull request, создать тесты и документацию. На небольших задачах Terra или более лёгкая модель часто экономичнее.

• изучение незнакомой кодовой базы;
• поиск ошибок, затрагивающих несколько файлов;
• разработка функции от плана до тестов;
• рефакторинг и обновление зависимостей;
• проверка pull request и потенциальных проблем;
• долгие задачи через терминал, Codex и другие инструменты.

Исследования и аналитика

В исследованиях Sol полезна там, где недостаточно найти несколько ссылок. Модель может определить, какие сведения нужны, найти источники, проверить даты и первоисточники, сопоставить противоречивые утверждения и собрать итоговый вывод.

Большой контекст помогает анализировать сразу несколько отчётов, таблиц, документов и заметок. Sol может искать закономерности, расхождения и связи между материалами, а при доступном веб-поиске — дополнять внутренние данные свежей внешней информацией.

Особенно важно требовать отделять факты от интерпретаций, указывать источники и отмечать случаи, где данных недостаточно. Даже сильная модель может пропустить важный документ или слишком уверенно сформулировать гипотезу.

• глубокое исследование с источниками;
• анализ больших наборов документов;
• сравнение продуктов, компаний и технологий;
• проверка противоречивых утверждений;
• исследование рынка и конкурентов;
• анализ таблиц и подготовка аналитических записок.

Документы, презентации и таблицы

GPT-5.6 заметно улучшила работу с готовыми артефактами. Sol может не только написать текст, но и собрать документ, презентацию или таблицу из нескольких источников, учитывать шаблон и продолжать редактирование по замечаниям пользователя.

Для документов полезен сценарий, когда модели передают протоколы встреч, таблицы и черновики и просят сделать единый отчёт. Для презентаций — когда нужно выстроить сюжет, распределить материал между слайдами и соблюдать референс-дек. Для таблиц — когда требуется очистить данные, добавить формулы, расчёты и диаграммы.

OpenAI отдельно подчёркивает улучшение следования шаблонам и reference decks: GPT-5.6 лучше сохраняет структуру, типографику, интервалы и повторяющиеся правила оформления. Но факты, формулы, диапазоны и визуализации всё равно необходимо проверять перед публикацией.

Дизайн и интерфейсы

В дизайне Sol получила более сильное визуальное суждение. Модель может работать по текстовому брифу или скриншоту, предложить структуру интерфейса, написать адаптивный фронтенд, открыть результат в браузере и исправить найденные визуальные проблемы.

Это особенно полезно для лендингов, дашбордов, личных кабинетов, внутренних сервисов и прототипов. Сильная сторона — итерационный цикл: создать страницу, посмотреть фактический рендер, найти проблему в сетке или иерархии, изменить код и проверить снова.

При этом Sol не заменяет полноценное UX-исследование. Без данных о реальном поведении пользователей она оценивает интерфейс по общим принципам и доступным материалам. Фирменный стиль, сложные визуальные решения и доступность требуют ручной проверки.

Computer use и работа с инструментами

Одно из ключевых отличий Sol — способность выполнять действия через инструменты. В API и связанных продуктах модель может использовать веб-поиск, File Search, Code Interpreter, shell, Apply Patch, Computer use, MCP и function calling. Саму способность рассуждать обеспечивает модель, а возможность открыть браузер, нажать кнопку или изменить файл — конкретная среда.

Computer use работает циклически: модель видит состояние интерфейса, выбирает действие, получает новый скриншот и корректирует план. Это позволяет выполнять длинные последовательности действий, где заранее невозможно жёстко прописать каждый шаг.

• сбор данных с нескольких сайтов;
• перенос информации между сервисами;
• обновление таблиц и проектных трекеров;
• проверка сайта по заданному сценарию;
• работа с приложениями без удобного API;
• терминальные задачи с запуском тестов и анализом логов.

Однако критичные действия — отправка сообщений, удаление данных, изменение прав доступа, финансовые операции — лучше подтверждать человеком. Веб-страницы и документы также могут содержать prompt injection, поэтому внешнее содержимое нельзя автоматически считать доверенной инструкцией.

Кибербезопасность

GPT-5.6 Sol стала значительно сильнее в кибербезопасности. OpenAI относит семейство GPT-5.6 к уровню High по кибервозможностям: модель способна помогать с secure code review, поиском уязвимостей, patching, threat modeling, blue teaming, malware analysis и расследованием инцидентов.

Важное преимущество — сочетание reasoning и инструментов. Sol может найти подозрительный участок, предложить исправление, внести патч, запустить тесты и проверить результат. При расследовании инцидента она может сопоставлять логи, конфигурацию и изменения в коде, чтобы сузить пространство поиска.

Но рост возможностей имеет двойное назначение. Те же навыки, которые помогают защитникам, потенциально полезны злоумышленникам, поэтому OpenAI применяет более строгие защитные механизмы и отдельные программы Trusted Access для проверенных специалистов.

Научные и технические задачи

В математике, физике, инженерных расчётах и науке Sol полезна прежде всего как инструмент многоэтапного рассуждения. Она может определить метод, провести вычисления, написать код для моделирования, проверить промежуточные результаты и сравнить несколько гипотез.

Большой контекст помогает работать с научной литературой и экспериментальными данными: сопоставлять методики, искать ограничения, строить временные линии и отделять результаты от интерпретаций. Особенно заметный прогресс OpenAI показывает в биологии и кибербезопасности, хотя абсолютные результаты сложных профессиональных тестов всё ещё далеко не идеальны.

Для реальных инженерных, медицинских и научных решений AI не заменяет проверку специалистом. Правдоподобный расчёт может основываться на неверном допущении, а статистически значимый результат — быть неправильно интерпретирован.

Бенчмарки GPT-5.6 Sol: где модель стала сильнее

Бенчмарки показывают, что прирост распределён неравномерно. В классическом кодинге GPT-5.6 Sol улучшает результаты на несколько процентных пунктов, а в Computer use, CAD, кибербезопасности, длинном контексте и части научных задач разрыв с GPT-5.5 значительно выше.

Бенчмарк	GPT-5.6 Sol	GPT-5.5	Что проверяет
Terminal-Bench 2.1	88,8%	85,6%	Терминал и длинные инструментальные задачи
DeepSWE v1.1	72,7%	67,0%	Долгая работа с реальными кодовыми базами
BrowseComp	90,4%	84,4%	Сложный агентный веб-поиск
OSWorld 2.0	62,6%	47,5%	Управление графическим интерфейсом
BenchCAD	70,6%	44,4%	Профессиональные CAD-задачи
GeneBench Pro	28,7%	12,0%	Геномика и количественная биология
SEC-Bench Pro	71,2%	45,8%	Кибербезопасность
ExploitBench	73,5%	47,9%	Исследование программных уязвимостей

На BrowseComp режим Sol Ultra достигает 92,2%, а на Terminal-Bench 2.1 — 91,9%. В OSWorld 2.0 рост с 47,5% до 62,6% особенно хорошо показывает улучшение Computer use. На BenchCAD разрыв ещё больше: 70,6% против 44,4%, а с Python — 83,4% против 55,8%.

В кибербезопасности Sol получает 71,2% на SEC-Bench Pro и 73,5% на ExploitBench против 45,8% и 47,9% у GPT-5.5. В науке GeneBench Pro растёт с 12% до 28,7%, LifeSciBench — с 50,4% до 59,9%.

Бенчмарки не равны реальной работе: результаты зависят от reasoning, инструментов, бюджетов токенов и конкретной среды. Но общая картина ясна — Sol сильнее всего отрывается там, где модель должна долго работать, использовать инструменты и корректировать действия по ходу выполнения.

GPT-5.6 Sol против Claude Fable 5: где начинается новая гонка моделей

На момент выхода GPT-5.6 одним из главных конкурентов Sol была Claude Fable 5. Обе модели рассчитаны на сложную профессиональную работу, но их сильные стороны распределяются по-разному. Для прямого сравнения здесь используются официальные таблицы OpenAI, где указана именно Fable 5. Позднее Anthropic выпустила Fable 5.1, поэтому этот раздел описывает конкуренцию на момент релиза GPT-5.6, а не текущую расстановку сил.

Тест	GPT-5.6 Sol	Claude Fable 5
Agents' Last Exam	52,7%	40,5%
GDPval-AA v2	1747,8 Elo	1759,6 Elo
AA Intelligence Index v4.1	58,9	59,9
SWE-Bench Pro	64,6%	80,0%
DeepSWE v1.1	72,7%	69,7%
Terminal-Bench 2.1	88,8%	83,1%
BrowseComp	90,4%	84,3%
BenchCAD	70,6%	27,3%
GPQA Diamond	94,6%	92,6%
FrontierMath Tier 4	83,0%	87,8%
Toolathlon	58,0%	61,7%

В программировании картина особенно интересна. Fable 5 значительно сильнее на SWE-Bench Pro, но Sol выходит вперёд на DeepSWE, Terminal-Bench и совокупном Coding Agent Index. Это похоже на разделение профилей: Fable особенно силён в software engineering внутри существующих репозиториев, а Sol — в более длинной работе через терминал и инструменты.

В браузинге и визуальной работе преимущество Sol заметнее: 90,4% против 84,3% на BrowseComp и 70,6% против 27,3% на BenchCAD. В академических тестах модели идут ближе: Sol выше на GPQA Diamond, Fable — на FrontierMath Tier 4. Tool use тоже зависит от конкретного теста.

По цене API Sol сейчас заметно дешевле Fable 5: $4/$20 против $10/$50 за 1 млн входных и выходных токенов. Но стоимость токена не равна стоимости завершённой задачи — важны длина рассуждений, повторные запуски и качество результата с первой попытки.

Вывод из сравнения не в том, что одна модель «вообще умнее». Sol сильнее проявляет себя в браузинге, Computer use, инструментальных и многоэтапных сценариях; Fable 5 особенно конкурентоспособна в software engineering и части сложных интеллектуальных тестов.

Что проверить, если GPT-5.6 Sol уже появилась у вас

Чтобы почувствовать разницу, Sol лучше проверять не на простых вопросах, а на задачах, где нужны её сильные стороны.

1. Дайте сложную задачу без готового плана: конечную цель, исходные материалы и критерии завершения, но не расписывайте каждый шаг.
2. Сравните Medium и High на одном запросе и смотрите не только на правильность, но и на количество упущенных ограничений и самопроверку.
3. Передайте несколько документов и попросите найти расхождения, изменения и выводы, для которых недостаточно данных.
4. Дайте незнакомый программный проект и попросите не только предложить исправление, но и проверить его тестами.
5. Проверьте сложный веб-поиск, где ответ нужно собирать из нескольких источников и учитывать даты.
6. Попросите создать рабочий документ, презентацию или таблицу, а не просто текстовый черновик.
7. Дайте скриншот интерфейса, попросите найти проблемы и, если среда позволяет, исправить код и проверить рендер.
8. Проверьте Computer use на длинной последовательности действий, но оставьте критичные шаги под подтверждением.
9. Сравните Sol и GPT-5.5 на собственной реальной задаче с одинаковыми исходными материалами.
10. Попробуйте работу, которую раньше приходилось разбивать на несколько промптов, и передайте Sol всю конечную цель сразу.

Во время тестов полезно оценивать не красоту текста, а качество первой попытки, количество дополнительных инструкций, способность замечать противоречия, устойчивость после ошибок и объём ручной доработки.

Чем GPT-5.6 Sol отличается от GPT-5.5

Характеристика	GPT-5.5	GPT-5.6 Sol
Контекст	1,05 млн токенов	1,05 млн токенов
Максимальный ответ	128 тыс. токенов	128 тыс. токенов
Knowledge cutoff	1 декабря 2025	16 февраля 2026
Reasoning	до Extra High	до Max
Цена API — ввод	$5	$4
Цена API — вывод	$30	$20
Длинные агентные задачи	Сильная	Лучше удерживает процесс и инструменты
Computer use	47,5% OSWorld 2.0	62,6% OSWorld 2.0

Сам размер контекста не изменился, но Sol лучше извлекает нужную информацию из длинных материалов. На OpenAI MRCR v2 в диапазоне 256–512 тысяч токенов результат вырос с 81,5% до 91,5%, а на GraphWalks BFS при контексте около миллиона токенов — с 45,4% до 77,1%.

Главное практическое отличие — способность продолжать работу самостоятельно. GPT-5.5 уже хорошо отвечала, программировала и использовала инструменты; Sol чаще объединяет эти действия в один длинный процесс: понять цель, изучить материалы, выбрать инструмент, выполнить шаги, проверить результат и восстановиться после ошибки.

14 октября 2026 года GPT-5.5 должна уйти из ChatGPT, ChatGPT Work и Codex. API это изменение не затрагивает. Поэтому Sol становится её прямым преемником в пользовательских продуктах.

Ограничения и важные нюансы

GPT-5.6 Sol всё ещё может ошибаться. Более высокий reasoning и автономность снижают часть ошибок, но одновременно увеличивают потенциальные последствия: неверный вывод способен стать основой для следующих действий модели.

• Галлюцинации не исчезли: важные факты, цифры, ссылки и расчёты нужно проверять.
• Больше reasoning не всегда лучше: для понятной задачи Medium может дать тот же результат быстрее, чем High или Max.
• Большой контекст не гарантирует, что модель одинаково хорошо использует каждый фрагмент; информационный шум мешает.
• В агентных задачах модель иногда может выйти за границы намерения пользователя, поэтому полезно заранее ограничивать допустимые действия.
• Computer use остаётся несовершенным: Sol может нажать не тот элемент или потеряться после неожиданного изменения интерфейса.
• Веб-страницы и документы могут содержать prompt injection; внешний контент нельзя автоматически считать доверенной инструкцией.
• Защитные системы иногда мешают легитимной работе, особенно в кибербезопасности и биологии.
• В длинных процессах ранняя ошибка способна незаметно распространиться на последующие этапы — нужны контрольные точки.
• Красивое объяснение не доказывает, что действие выполнено правильно: код нужно запускать, таблицы — проверять, источники — открывать.

Оптимальная роль Sol — сильный исполнитель под контролем. Модель получает достаточно свободы для экономии времени, но критичные решения и необратимые действия остаются за человеком.

Стоит ли переходить с GPT-5.5 на GPT-5.6 Sol

Для сложной работы переход выглядит логичным. Sol лучше показывает себя в длинных агентных задачах, Computer use, веб-поиске, длинном контексте, науке и кибербезопасности, а в API сейчас стоит дешевле GPT-5.5.

Для коротких бытовых запросов разница может быть небольшой. Если важнее максимальная скорость, использовать Sol для каждого сообщения нет смысла. Для массовых и хорошо формализованных профессиональных задач Terra часто выгоднее. Sol стоит выбирать там, где важны неоднозначность, самостоятельность, высокая цена ошибки и качество первой попытки.

Для разработчиков переход особенно интересен в крупных проектах и работе через терминал. Для исследователей — при анализе большого числа источников и документов. Для пользователей Work и Computer use — в длинных процессах, где модель должна сама управлять следующими шагами.

Нужно учитывать и новый контекст рынка: в сентябре OpenAI представила GPT-6 Astra, затем GPT-6 Sol и Luna. Astra остаётся старшей моделью, а GPT-6 Sol стоит в API $2 за ввод и $10 за вывод 1 млн токенов против $4 и $20 у GPT-5.6 Sol. Поэтому при выборе модели для нового проекта стоит проверить доступность и качество GPT-6 Sol на своих задачах; GPT-5.6 Sol остаётся полезной для уже работающих процессов и прямого сравнения с GPT-5.5.

Вывод

GPT-5.6 Sol стала не просто очередным обновлением ChatGPT. Главное изменение — в том, насколько больше работы модель способна взять на себя целиком. Она лучше удерживает длинный контекст, увереннее использует инструменты, заметно продвинулась в Computer use, сложном веб-поиске, научных задачах и кибербезопасности и может дольше работать над одной целью без постоянных подсказок пользователя.

При этом GPT-5.6 — уже не одна универсальная модель, а семейство с разными ролями. Luna рассчитана на скорость и массовые задачи, Terra — на баланс стоимости и возможностей, а Sol — на сложную профессиональную работу. Поэтому старшую модель необязательно выбирать для каждого вопроса: её преимущества сильнее всего проявляются там, где задача требует нескольких этапов, большого количества материалов и инструментов.

На фоне Claude Fable 5 у Sol нет одного универсального преимущества. Anthropic особенно сильна в software engineering и ряде интеллектуальных тестов, тогда как Sol заметнее выделяется в браузинге, терминальной работе, Computer use и взаимодействии с профессиональными инструментами. Гонка смещается от вопроса о том, кто лучше отвечает на один промпт, к вопросу о том, какая модель надёжнее выполняет всю работу от начала до конца.

Sol всё ещё ошибается, требует проверки и не должна получать бесконтрольный доступ к критичным действиям. Но по сравнению с GPT-5.5 следующий шаг уже хорошо заметен: от модели, которая помогает выполнить задачу, к модели, которой можно передать заметную часть самой задачи.