GPT-5.6: что важно знать без лишнего шума

OpenAI выпустила новое семейство моделей GPT-5.6. Это не одна модель, а три уровня:

Sol — флагманская модель для сложных задач: кодинг, research, анализ данных, cybersecurity, работа с инструментами и дизайн.

Terra — средний вариант. По смыслу — модель для повседневной работы, где нужен баланс качества и цены.

Luna — самая дешёвая и быстрая модель в линейке. Нужна для массовых запросов, где важнее стоимость.

Главные характеристики в API:

Sol:
контекст — 1 050 000 токенов
макс. вывод — 128 000 токенов
цена — $5 за input и $30 за output за 1 млн токенов

Terra:
цена — $2.50 за input и $15 за output

Luna:
цена — $1 за input и $6 за output

У всех трёх моделей дата знаний — 16 февраля 2026.

Важно: большой контекст в 1.05M токенов относится к API. В обычном ChatGPT лимиты контекста могут быть ниже и зависят от тарифа и режима.

Что изменилось по сравнению с GPT-5.5

Главный акцент — не на новом интерфейсе, а на эффективности и сложных задачах.

OpenAI отдельно выделяет:
кодинг;
работу с длинными задачами;
работу с браузером и инструментами;
computer use;
cybersecurity;
создание интерфейсов и визуальных артефактов;
документы, таблицы и презентации.

То есть модель двигается не просто в сторону “умнее отвечает”, а в сторону “лучше выполняет рабочие процессы”.

Как работает GPT-5.6 в ChatGPT

В стандартном ChatGPT выбираются не все три модели.

Sol используется в reasoning-режимах:
Medium;
High;
Extra High;
Pro.

Terra и Luna в обычном чате не выбираются напрямую. Они доступны в Work, Codex и через API.

Free и Go не получают GPT-5.6 Sol в стандартном ChatGPT. Plus получает Medium и High, но без Extra High и Pro. Pro, Business и Enterprise получают больше режимов.

Про Ultra / Pro-режимы

Главная идея — больше вычислений на сложную задачу. Это нужно не для обычного вопроса, а для задач типа:

разобрать большой проект;
написать и проверить код;
найти ошибку;
собрать исследование;
сравнить документы;
сделать сложную аналитику.

Минус очевидный: такие режимы дороже и медленнее. Их нет смысла включать для простых вопросов.

Что важно про бенчмарки

К цифрам по новым моделям стоит относиться аккуратно.

Бенчмарки показывают прирост в сложных задачах, но это не значит, что модель стала лучше абсолютно во всём. Особенно осторожно надо смотреть на агентные тесты, где модель может использовать инструменты, окружение и нестандартные стратегии.

Практический вывод простой: смотреть надо не только на красивый процент в таблице, а на свою задачу — код, тексты, анализ, дизайн, документы, агенты.
#ai #нейросети