GPT-5.6: هوش پیشرو که با جاه‌طلبی شما مقیاس‌پذیر است

پس از پیش‌نمایش محدود، خانواده مدل‌های GPT-5.6 را برای دسترسی عمومی عرضه می‌کنیم: پرچم‌دار جدید ما، Sol، در کنار Terra، مدلی متعادل برای کارهای روزمره، و Luna، مقرون‌به‌صرفه‌ترین مدل ما.

GPT-5.6 Sol استاندارد جدیدی را برای هوش و کارایی تعیین می‌کند و به نتایج پیشرفته‌ای در کدنویسی، کارهای دانش‌محور، امنیت سایبری و علم دست می‌یابد، در حالی که از مدل‌های پیشین و مدل‌های پیشرو رقیب با توکن‌های کمتر و با هزینه تخمینی پایین‌تر پیشی می‌گیرد. نتیجه، عملکرد قوی‌تر به ازای هر دلار است: کارهای موفق‌تر با همان هزینه، یا نتایج قابل مقایسه با هزینه کلی کمتر. ما همچنین راه جدیدی را برای تسریع کارهای بسیار دشوار معرفی می‌کنیم: «اولترا» (ultra) بالاترین تنظیم قابلیت ماست که چندین عامل را در جریان‌های کاری موازی هماهنگ می‌کند تا وظایف پیچیده را سریع‌تر به پایان برساند. استفاده قوی‌تر از رایانه و قضاوت طراحی، GPT-5.6 Sol را به کامل‌ترین همکار ما تبدیل کرده است که به آن کمک می‌کند نتایج آماده استفاده را بازرسی، اصلاح و ارائه دهد.

ما GPT-5.6 را آموزش دادیم تا از هر توکن، کار مفیدتری به دست آورد. در «آزمون نهایی عاملان» (Agents' Last Exam)، ارزیابی جریان‌های کاری حرفه‌ای طولانی‌مدت در ۵۵ حوزه، GPT-5.6 Sol با امتیاز ۵۳.۶ رکورد جدیدی را ثبت می‌کند و از Claude Fable 5 (استدلال تطبیقی) با ۱۳.۱ امتیاز پیشی می‌گیرد. حتی با استدلال متوسط، این مدل Fable 5 را با ۱۱.۴ امتیاز و تقریباً با یک‌چهارم هزینه تخمینی شکست می‌دهد. این کارایی به مدل‌های کوچک‌تر نیز گسترش می‌یابد که برای فراوان‌تر و مقرون‌به‌صرفه‌تر کردن هوش ضروری هستند: GPT-5.6 Terra و GPT-5.6 Luna با تقریباً یک‌شانزدهم هزینه، از Fable 5 بهتر عمل می‌کنند. در «شاخص هوش تحلیل مصنوعی» (Artificial Analysis Intelligence Index)، معیاری گسترده از هوش که شامل کارهای عامل‌محور، کدنویسی، استدلال علمی و قابلیت‌های عمومی می‌شود، GPT-5.6 Sol با حداکثر استدلال، در فاصله یک امتیازی Fable 5 قرار می‌گیرد، در حالی که وظایف را در ۶۱٪ زمان کمتر و تقریباً با نصف هزینه تخمینی به پایان می‌رساند.

GPT-5.6 با قوی‌ترین محافظت‌های ما تا به امروز عرضه می‌شود که برای مقاومت در برابر سوءاستفاده‌های هدفمند و تطبیق‌پذیر، بدون محدود کردن گسترده کارهای مشروع، طراحی شده‌اند. پیش از دسترسی عمومی، ما مدل‌ها و محافظت‌ها را تحت گسترده‌ترین دوره ارزیابی خود قرار دادیم که شامل تیم قرمز انسانی (human red teaming) و آزمایش خودکار در مقیاس بزرگ بود. در طول پیش‌نمایش، ما با سازمان‌های متخصص و شرکای مورد اعتماد همکاری نزدیکی داشتیم تا دفاع‌ها را تحت فشار قرار داده و محافظت‌ها را پیش از عرضه گسترده‌تر تقویت کنیم. سیستم حاصل، لایه‌های حفاظتی آموزش‌دیده در مدل را با بررسی‌های بلادرنگ، نظارت و دسترسی کالیبره شده بر اساس اعتماد و ریسک، ترکیب می‌کند.

GPT-5.6 Sol بهترین مدل کدنویسی ما تا به امروز است. در «شاخص عامل کدنویسی تحلیل مصنوعی» (Artificial Analysis Coding Agent Index)، GPT-5.6 Sol با حداکثر استدلال، با امتیاز ۸۰، استاندارد جدیدی را تعیین می‌کند که ۲.۸ امتیاز بالاتر از Fable 5 است، در حالی که از کمتر از نصف توکن‌های خروجی استفاده می‌کند، کمتر از نصف زمان را می‌گیرد و حدود یک‌سوم کمتر هزینه دارد. این مزیت در کل خانواده مدل‌ها گسترش می‌یابد: Terra کمی بالاتر از Fable 5 عمل می‌کند، در حالی که Luna از Opus 4.8 بهتر است؛ هر یک از این مدل‌ها این کار را در تقریباً یک‌سوم زمان، با حدود نصف توکن‌های خروجی و با تقریباً یک‌چهارم هزینه تخمینی انجام می‌دهند. همچنین، این مدل نتایج پیشرفته جدیدی را در Terminal-Bench 2.1 و DeepSWE، که جریان‌های کاری پیچیده خط فرمان و مهندسی با افق طولانی را در پایگاه‌های کد واقعی آزمایش می‌کنند، ثبت می‌کند.

GPT-5.6 می‌تواند برنامه‌های سبک‌وزنی را بنویسد و اجرا کند که ابزارها را هماهنگ می‌کنند، نتایج میانی را پردازش می‌کنند، پیشرفت را نظارت می‌کنند و اقدام بعدی را با پیشرفت کار انتخاب می‌کنند. این امر باعث می‌شود وظایف ابزارمحور با توکن‌های کمتر، رفت و برگشت کمتر مدل و راهنمایی کمتر پیش بروند. به جای اینکه توسعه‌دهندگان مجبور باشند هر مرحله را برنامه‌نویسی کنند یا هر پاسخ ابزار را دوباره از طریق مدل ارسال کنند، «فراخوانی ابزار برنامه‌ریزی‌شده» (Programmatic Tool Calling) در Responses API می‌تواند مقادیر زیادی از داده‌های میانی را فیلتر کند، فقط آنچه مهم است را نگه دارد و جریان کاری خود را در طول مسیر تطبیق دهد.

برای مسائلی که نیازمند سرمایه‌گذاری بیشتر زمان و محاسبات هستند، GPT-5.6 می‌تواند فراتر از این پیش‌فرض کارآمد عمل کند. تنظیم «حداکثر» (max) به GPT-5.6 حتی زمان بیشتری نسبت به «بالا» (xhigh) برای استدلال و بررسی جایگزین‌ها، انجام بررسی‌ها و بازنگری رویکرد خود می‌دهد. «اولترا» (ultra) با هماهنگ کردن چهار عامل به صورت موازی به طور پیش‌فرض، فراتر می‌رود و استفاده بیشتر از توکن را با نتایج قوی‌تر و زمان سریع‌تر برای انجام وظایف دشوار مبادله می‌کند. نمودارهای زیر، تنظیم پیش‌فرض چهار عاملی اولترا را با یک خط پایه تک‌عاملی در BrowseComp، SEC-Bench Pro و Terminal-Bench 2.1 مقایسه می‌کنند؛ BrowseComp و SEC-Bench Pro همچنین پیکربندی‌های ۱۶ عاملی را نشان می‌دهند. در هر سه ارزیابی، افزودن عوامل موازی، مرز امتیاز-تأخیر را به سمت بالا و چپ تغییر می‌دهد و به نتایج قوی‌تر در زمان کمتر دست می‌یابد. در API، توسعه‌دهندگان می‌توانند تجربیاتی مشابه اولترا را با استفاده از نسخه بتا چندعاملی در Responses API ایجاد کنند.

GPT-5.6 یک جهش بزرگ در قضاوت طراحی ارائه می‌دهد. GPT-5.6 تنها با راهنمایی‌های سطح بالا، رابط‌های کاربری زیبا، ارگونومیک و کاربردی ایجاد می‌کند. قابلیت‌های قوی‌تر آن در استفاده از رایانه به آن اجازه می‌دهد تا نتیجه رندر شده را بازرسی و اصلاح کند – نه فقط کد یا محتوای زیربنایی را تولید کند – بنابراین می‌تواند مشکلات بصری و عملکردی را شناسایی کرده و قبل از تحویل کار، جزئیات نهایی را اعمال کند.

قابلیت‌های فرانت‌اند (frontend) GPT-5.6 نیز درخواست‌های زبان طبیعی را به توضیحات و تجسم‌های تعاملی و کامل در ChatGPT Work تبدیل می‌کند.

GPT-5.6 نتایج بهتری را برای وظایف حرفه‌ای ارائه می‌دهد. این مدل، محتوای نامنظم را از اسناد و جریان‌های کاری روزمره شما مانند Slack، Notion، Microsoft 365 و Google Drive دریافت کرده و آن را به مصنوعات تخصصی و قابل اشتراک‌گذاری تبدیل می‌کند.

قدرت GPT-5.6 در کارهای دانش‌محور در ارزیابی‌هایی که تحلیل حرفه‌ای طولانی‌مدت، مرور، استفاده از ابزار و استفاده از رایانه را شامل می‌شود، خود را نشان می‌دهد. GPT-5.6 Sol نتایج پیشرفته جدیدی را در BrowseComp با ۹۲.۲٪ و OSWorld 2.0 با ۶۲.۶٪ ثبت می‌کند؛ در OSWorld، این مدل از Opus 4.8 پیشی می‌گیرد، در حالی که ۸۵٪ توکن‌های خروجی کمتری استفاده می‌کند. در اینجا، مزایای عملکرد به ازای هر دلار در کل خانواده GPT-5.6 گسترش می‌یابد. Luna تقریباً با کمتر از نصف هزینه تخمینی، با حداکثر عملکرد GPT-5.5 مطابقت دارد، در حالی که Terra با هزینه کمتر از آن پیشی می‌گیرد.

GPT-5.6 Sol کیفیت ارائه‌ها، اسناد و صفحات گسترده را بهبود می‌بخشد و خروجی‌هایی دقیق‌تر و کامل‌تر تولید می‌کند. این مدل می‌تواند ارائه‌های کاملاً قابل ویرایش را از ابتدا ایجاد کند و یک درخواست و مواد منبع را به یک روایت بصری منسجم با طرح‌بندی‌های قوی، سلسله‌مراتب و طراحی تبدیل کند.

این بهبود به ویژه هنگام پیروی از الگوها و مجموعه‌های مرجع مشهود است. GPT-5.6 می‌تواند سیستم طراحی یک مجموعه را – طرح‌بندی‌ها، تایپوگرافی، فاصله، رنگ‌ها و الگوهای محتوای تکراری، از جمله قوانین تعبیه‌شده در Slide Master – استنباط کرده و آن قراردادها را به طور مداوم در مواد جدید اعمال کند. در این مثال، هنگامی که از GPT-5.5 خواسته شد تا اعداد را بر اساس یک فایل مرجع به‌روز کند، خروجی GPT-5.5 فاقد اجزای کلیدی از اسلاید اصلی است، در حالی که GPT-5.6 ساختار مرجع را با دقت بیشتری دنبال می‌کند.

GPT-5.6 همچنین اسناد و صفحات گسترده‌ای با ظاهری زیباتر ایجاد می‌کند. این مدل فرمت‌های مرجع پیچیده را با دقت بیشتری دنبال می‌کند، که برای فعالیت‌های دانش‌محور قابل تکرار مهم است. این مدل معادلات و مدل‌های مالی را با دقت بیشتری مدیریت می‌کند و از تایپوگرافی، فاصله، سلسله‌مراتب و طرح‌بندی صفحه یا کاربرگ بهتر استفاده می‌کند.

مشتریان اولیه که GPT-5.6 را آزمایش کردند، بهبودهایی را در خروجی‌های کارهای دانش‌محور در حوزه‌های مختلف مشاهده کردند.

GPT-5.6 قوی‌ترین مدل امنیت سایبری ما تا به امروز است که به عملکرد پیشرو با توکن‌های به مراتب کمتر دست می‌یابد. در ExploitBench، که پیشرفت را از رسیدن به کد آسیب‌پذیر تا اجرای کد دلخواه اندازه‌گیری می‌کند، این مدل ۷۳.۵٪ در مقابل ۴۷.۹٪ GPT-5.5 با بودجه توکن خروجی مشابه امتیاز کسب می‌کند. در ExploitGym، که از عاملان می‌خواهد آسیب‌پذیری‌های دنیای واقعی را به اکسپلویت‌های عملی تبدیل کنند، نرخ موفقیت اوج GPT-5.5 را تقریباً دو برابر می‌کند، از ۱۵.۱٪ به ۲۴.۹٪ در محدودیت دو ساعته؛ با شش ساعت، به ۳۳.۷٪ می‌رسد. در SEC-Bench Pro، که تولید اثبات مفهوم (proof-of-concept) را در نرم‌افزارهای پیچیده آزمایش می‌کند، این مدل ۷۱.۲٪ در مقابل ۴۵.۸٪ GPT-5.5 با تأخیر بهبود یافته امتیاز کسب می‌کند.

GPT-5.6 از وظایف دفاعی مهمی مانند بررسی امن کد، وصله‌زنی، مدل‌سازی تهدید و تیم آبی (blue teaming) پشتیبانی می‌کند. افراد و سازمان‌های واجد شرایط در برنامه «دسترسی مورد اعتماد برای سایبر» (Trusted Access for Cyber) OpenAI Daybreak می‌توانند از قابلیت دفاعی بیشتری از طریق محافظت‌های دقیق‌تر برای کارهای تأیید شده در محیط‌های مجاز، از جمله دسته‌بندی و اعتبارسنجی آسیب‌پذیری، تجزیه و تحلیل بدافزار، مهندسی تشخیص و اعتبارسنجی وصله، بهره‌مند شوند.

افراد می‌توانند هویت خود را تأیید کرده و درخواست دسترسی مورد اعتماد دهند، و سازمان‌ها می‌توانند برای تیم‌های خود درخواست دهند. اعضای انفرادی برای حفظ دسترسی به پیشرفته‌ترین مدل‌های سایبری ما، باید «امنیت حساب پیشرفته» (Advanced Account Security) را فعال کنند؛ کسانی که این کار را نکنند، به دسترسی پیش‌فرض بازخواهند گشت. ما همچنین اقدامات بیشتری را برای محدود کردن دسترسی به نهادهای پرخطر و در حوزه‌های قضایی پرخطر انجام می‌دهیم.

GPT-5.6 Sol همچنین پیشرفت‌های گسترده‌ای را در تحقیقات علمی نشان می‌دهد. در ارزیابی‌های علوم زیستی، GPT-5.6 بهبودهای پارِتو (Pareto improvements) را نسبت به GPT-5.5 در زیست‌شناسی دنیای واقعی، جریان‌های کاری تحقیقات علوم زیستی و شیمی نشان می‌دهد.

GPT-5.6 قوی‌ترین مدل ما برای تسریع تحقیقات هوش مصنوعی است. در داخل اوپن‌ای‌آی، محققان از آن در سراسر چرخه توسعه استفاده می‌کنند: تشخیص خطاها، بهینه‌سازی سیستم‌های آموزشی، اجرای آزمایش‌ها و تفسیر نتایج. ما قبلاً این تسریع و پذیرش قوی‌تر را در طول دوره آزمایش داخلی GPT-5.6 مشاهده کردیم، زیرا میانگین توکن‌های خروجی روزانه به ازای هر محقق فعال بیش از دو برابر بالاترین سطح مشاهده شده برای GPT-5.5 بود.

این شیوه کار به سرعت در حال تبدیل شدن به یک استاندارد است. در شش ماه گذشته، سهم محاسبات تحقیقاتی اختصاص یافته به استنتاج کدنویسی داخلی ۱۰۰ برابر افزایش یافته است، در حالی که استفاده از توکن عامل‌محور داخلی تقریباً ۲۲ برابر افزایش یافته است. این معیارهای پذیرش به خودی خود پیشرفت تحقیقات را اندازه‌گیری نمی‌کنند، اما نشان می‌دهند که کمک هوش مصنوعی برای تحقیقات و در سایر تیم‌ها مانند فروش، بازاریابی، عملیات کاربر، مالی و غیره با چه سرعتی در حال افزایش است.

برای اندازه‌گیری مستقیم این قابلیت، ما مجموعه‌ای داخلی از ارزیابی‌ها را بر اساس وظایف واقعی تحقیقات هوش مصنوعی، از جمله اشکال‌زدایی سیستم‌های تحقیقاتی، بهینه‌سازی هسته‌ها و روش‌های آموزشی، اجرای آزمایش‌های یادگیری ماشین و بهبود مدل دیگر، توسعه دادیم.

با افزایش قابلیت‌های مدل، ما پشته ایمنی خود را تقویت می‌کنیم تا هوش پیشرفته بتواند به طور گسترده مفید باقی بماند، در حالی که نظارت بیشتری بر پرخطرترین موارد استفاده اعمال می‌شود. برای GPT-5.6، ما قوی‌ترین سیستم ایمنی خود را تا به امروز ساختیم که با قابلیت‌های هر مدل کالیبره شده و با قدرت محاسباتی بیشتری نسبت به گذشته پشتیبانی می‌شود.

مدل‌های GPT-5.6 در هر دو حوزه زیست‌شناسی و امنیت سایبری تواناتر از مدل‌های قبلی ما هستند، اما در هیچ یک از این دسته‌ها از آستانه بحرانی عبور نمی‌کنند. در امنیت سایبری، آزمایش‌های ما نشان می‌دهد که GPT-5.6 در یافتن و رفع آسیب‌پذیری‌ها بهتر از انجام حملات خودمختار و سرتاسری علیه اهداف مقاوم است – که به مدافعان فرصت می‌دهد تا سیستم‌ها را قبل از سوءاستفاده از نقاط ضعف تقویت کنند. در زیست‌شناسی، آزمایش‌های ما نشان می‌دهد که GPT-5.6 می‌تواند از تحقیقات مشروع پشتیبانی کند، اما قابلیت سرتاسری لازم برای ایجاد، مهندسی یا سنتز یک تهدید جدید بسیار خطرناک را فراهم نمی‌کند.

هر دو حوزه ذاتاً دوکاربردی هستند. در امنیت سایبری، همان قابلیت‌هایی که می‌تواند به یک مهاجم در بهره‌برداری از یک آسیب‌پذیری کمک کند، می‌تواند به یک مدافع در یافتن آن، بازتولید آن و ساخت یک راه‌حل قابل اعتماد کمک کند. بنابراین، مسدود کردن بیش از حد، خود یک خطر امنیتی ایجاد می‌کند. این کار می‌تواند مانع از آزمایش سیستم‌ها و استقرار وصله‌ها توسط مدافعان شود، در حالی که عاملان مخرب همچنان از مدل‌های دیگر، از جمله مدل‌های متن‌باز با قابلیت‌های فزاینده، و همچنین ابزارهای تثبیت‌شده استفاده می‌کنند. محافظت‌های مؤثر، زمینه و پیامدهای احتمالی یک درخواست را در نظر می‌گیرند و کارهای دفاعی مشروع را حفظ می‌کنند، در حالی که کنترل‌های قوی‌تری را در جایی که شواهد نشان‌دهنده خطر جدی آسیب است، اعمال می‌کنند.

محافظت‌های GPT-5.6 برای دقت و افزونگی بیشتر لایه‌بندی شده‌اند و برای انطباق سریع با ظهور حملات جدید طراحی شده‌اند. محافظت‌های آموزش‌دیده در مدل در کنار بررسی‌های بلادرنگ، نظارت مستمر و اجرای در سطح حساب کاربری عمل می‌کنند تا به سیستم کمک کنند حتی زمانی که یک لایه خاص آنطور که در نظر گرفته شده کار نمی‌کند، ایمن باقی بماند. در بسیاری از سیستم‌ها، تنها پرچم‌های طبقه‌بندی‌کننده (classifier flags) تصمیم می‌گیرند که چه چیزی مسدود شود، و به مدل‌های هوش پایین‌تر که تغییر آنها دشوارتر است، برای جلوگیری از آسیب تکیه می‌کنند. رویکرد ما یک ناظر استدلال (reasoning monitor) اضافه می‌کند که مکالمه را بررسی می‌کند تا پتانسیل آسیب را تعیین کند. این طراحی با هدف فعال کردن کارهای دفاعی و در عین حال مسدود کردن سوءاستفاده‌های جدی است، با حساس‌ترین قابلیت‌ها که برای کاربران تأیید شده از طریق «دسترسی مورد اعتماد» (Trusted Access) رزرو شده‌اند. از آنجا که برخی از محافظت‌ها از استدلال زمان آزمایش استفاده می‌کنند، می‌توانیم آنها را به سرعت به‌روزرسانی کنیم تا شکاف‌ها را بدون آموزش مجدد طبقه‌بندی‌کننده‌ها از ابتدا ببندیم.

ما رویکرد محافظه‌کارانه‌تری را در پیش گرفته‌ایم، زیرا به تقویت سیستم در برابر حملات تطبیقی ادامه می‌دهیم. در مقایسه با مدل‌های قبلی، محافظت‌های سایبری GPT-5.6 Sol تقریباً ده برابر فعالیت‌های بالقوه مضر بیشتری را مسدود می‌کنند. از آنجا که این اقدامات می‌توانند برای استفاده‌های بی‌ضرر اصطکاک ایجاد کنند، ما گزینه‌ای را در ChatGPT و Codex فراهم می‌کنیم تا به راحتی درخواست‌ها را در مدل‌های با قابلیت پایین‌تر دوباره امتحان کنید، و ما به کاهش تأثیر محافظت‌های خود بر استفاده‌های بی‌ضرر ادامه خواهیم داد، در حالی که یک نوار استحکام بالا را حفظ می‌کنیم. این نشان‌دهنده رویکرد استقرار تکراری ما است: شروع محافظه‌کارانه و بهبود بر اساس آنچه از استفاده در دنیای واقعی می‌آموزیم.

پیش از دسترسی عمومی، ما فشرده‌ترین ارزیابی‌های ایمنی خود را تا به امروز انجام دادیم، از جمله تیم قرمز گسترده، آزمایش قوی قابلیت و محافظت با کارشناسان خارجی، و تقریباً ۷۰۰,۰۰۰ ساعت GPU A100e از تیم قرمز خودکار جعبه سیاه (black-box automated red teaming). این امر به ما امکان داد تا نقاط ضعف احتمالی را به طور سیستماتیک بررسی کنیم، جیل‌بریک‌ها (jailbreaks) را آشکار کنیم و به ما کمک کرد تا سیستم را قبل از عرضه تقویت کنیم.

چیزی به نام امنیت کامل وجود ندارد، و کار ما برای ایمن‌سازی مدل‌های با قابلیت فزاینده ادامه دارد. نقاط ضعف جدیدی کشف خواهند شد، همانطور که جیل‌بریک‌های جدیدی که محافظت‌های موجود را دور می‌زنند نیز کشف خواهند شد. هر نسل جدید از مدل نیز راه‌های جدیدی برای حمله و سوءاستفاده ایجاد خواهد کرد. ما برای این واقعیت از طریق محافظت‌های لایه‌ای، نظارت مستمر، رفع سریع و همکاری در جامعه دفاعی آماده می‌شویم. برای GPT-5.6، ما برنامه‌های موجود پاداش باگ امنیتی و زیست‌شناسی خود را با یک فرآیند رفع سریع جدید و قوی‌ترین تلاش نظارتی خود تا به امروز همراه کرده‌ایم. یافته‌های محققان، نظارت و سوءاستفاده در دنیای واقعی به طور مداوم به ارزیابی‌های جدید و محافظت‌های قوی‌تر منجر خواهد شد.

درباره محافظت‌های ما در کارت سیستم به‌روز شده GPT-5.6 بیشتر بخوانید.

GPT-5.6 سه سطح مدل را شامل می‌شود: Sol، پرچم‌دار ما؛ Terra، مدلی با هزینه کمتر و عملکردی رقابتی با GPT-5.5؛ و Luna، سریع‌ترین و مقرون‌به‌صرفه‌ترین مدل ما. عدد، نسل را مشخص می‌کند، در حالی که Sol، Terra و Luna سطوح قابلیت پایدار هستند که می‌توانند با سرعت خود پیشرفت کنند.

GPT-5.6 از امروز در ChatGPT، Codex و OpenAI API در دسترس است. عرضه جهانی اکنون آغاز شده و به تدریج طی ۲۴ ساعت آینده به سمت دسترسی کامل ادامه خواهد یافت.

• چت: کاربران Plus، Pro، Business و Enterprise از طریق تنظیمات تلاش متوسط و بالاتر به GPT-5.6 Sol دسترسی دارند. کاربران Pro و Enterprise همچنین می‌توانند GPT-5.6 Sol Pro را برای بالاترین کیفیت نتایج در وظایف پیچیده انتخاب کنند.
• ChatGPT Work و Codex: کاربران رایگان و Go به GPT-5.6 Terra دسترسی دارند. کاربران Plus، Pro، Business و Enterprise می‌توانند از بین GPT-5.6 Sol، Terra و Luna انتخاب کرده و سطح تلاش را برای هر یک تنظیم کنند. «حداکثر» (max) برای همه کاربران با دسترسی به GPT-5.6 در ChatGPT Work و Codex در دسترس است و می‌توان آن را در تنظیمات فعال کرد. در ChatGPT Work، «اولترا» (ultra) برای کاربران Pro و Enterprise در دسترس است. در Codex، برای برنامه‌های Plus و بالاتر در دسترس است.
• API: توسعه‌دهندگان می‌توانند از طریق OpenAI API به Sol، Terra و Luna دسترسی داشته باشند. در Responses API، «فراخوانی ابزار برنامه‌ریزی‌شده» (Programmatic Tool Calling) به GPT-5.6 اجازه می‌دهد تا برنامه‌هایی را در حافظه بنویسد و اجرا کند که ابزارها را هماهنگ کرده و نتایج میانی را پردازش می‌کنند، و آن را با «عدم نگهداری داده» (Zero Data Retention - ZDR) سازگار می‌سازد. «چندعاملی» (Multi-agent)، که در ابتدا در نسخه بتا موجود است، به GPT-5.6 اجازه می‌دهد تا زیرعامل‌های همزمان را اجرا کرده و کار آنها را در یک درخواست واحد ترکیب کند.

قیمت‌گذاری GPT-5.6 به ازای هر ۱ میلیون توکن در سه اندازه مدل است: Sol ورودی ۵ دلار / خروجی ۳۰ دلار؛ Terra ورودی ۲.۵۰ دلار / خروجی ۱۵ دلار؛ و Luna ورودی ۱ دلار / خروجی ۶ دلار. GPT-5.6 همچنین ذخیره‌سازی موقت (prompt caching) قابل پیش‌بینی‌تری را معرفی می‌کند، از جمله پشتیبانی از نقاط شکست صریح کش و حداقل عمر کش ۳۰ دقیقه. برای GPT-5.6 و مدل‌های بعدی، نوشتن کش با ۱.۲۵ برابر نرخ ورودی بدون کش مدل صورت‌حساب می‌شود، در حالی که خواندن کش همچنان ۹۰٪ تخفیف ورودی کش شده را دریافت می‌کند.