Dlaczego GPT-5.6 Sol zostało schowane? Architektura nowej generacji modeli OpenAI
Zapowiedź nowej serii modeli GPT-5.6 wywołała ogromne poruszenie na rynku, ale to oficjalne dokumenty techniczne oraz opublikowane wykresy ujawniły prawdziwy powód, dla którego flagowy model Sol został zatrzymany przez administrację rządową USA, ale również przez samo OpenAI. Wyjaśniam o co chodzi.
Nowe oprogramowanie od OpenAI wykazuje zaawansowane, autonomiczne zdolności w operacjach systemowych oraz cyberbezpieczeństwie.
Zamiast otwartej premiery, OpenAI zostało zmuszone do uruchomienia zamkniętego okresu próbnego dla wąskiej grupy zaufanych partnerów. Analiza wykresów benchmarków pozwala precyzyjnie zrozumieć, jak duży skok technologiczny dokonał się w laboratoriach firmy i dlaczego OpenAI współpracując z urzędnikami państwowymi postanowiło zamrozić publiczny debiut modelu, udostępniając go jedynie nielicznym, zaufanym podmiotom (warto zaznaczyć, że to tymczasowe rozwiązanie).
Terminal-Bench 2.1: całkowita kontrola nad wierszem poleceń
Pierwszy z wykresów przedstawia wyniki w teście Terminal-Bench 2.1. Ten benchmark sprawdza, jak model radzi sobie z autonomicznym planowaniem, koordynacją narzędzi i naprawianiem błędów bezpośrednio w środowisku wiersza poleceń. Wycinek kodu lub zadanie systemowe jest realizowane bez udziału człowieka.
Wykres jasno pokazuje, że bazowy model GPT-5.6 Sol osiąga wynik 88,8%, wyprzedzając minimalnie najgroźniejszego konkurenta (Claude Mythos 5, notabene ten model również został początkowo zablokowany przez amerykańską administrację).
Prawdziwa przewaga ujawnia się jednak po uruchomieniu struktury wieloagentowej w trybie GPT-5.6 Sol Ultra, który zdobywa aż 91,9%. Oznacza to, że model potrafi zarządzać podagentami w tle tak skutecznie, że wykonuje zadania w terminalu niemal bezbłędnie. Co ciekawe, średni model Terra (84,3%) z powodzeniem rywalizuje z najnowszym Claude Fable 5, oferując przy tym znacznie niższą cenę.
Nieoficjalnie: Claude Fable 5 może wkrótce wrócić. Waszyngton mięknie po zmianie negocjatora
ExploitBench: radykalne cięcie kosztów i tokenów
Wykres dedykowany testowi ExploitBench to prawdopodobnie najważniejszy powód interwencji rządu USA. Oś pionowa pokazuje procent maksymalnego wyniku w wyszukiwaniu luk i tworzeniu exploitów, natomiast oś pozioma mierzy liczbę tokenów wyjściowych (czyli długość wygenerowanego kodu i zużycie zasobów).
Na wykresie widać pionową, niezwykle stromą linię modelu GPT-5.6 Sol. Model ten osiąga niemal szczyt możliwości testu, zużywając przy tym zaledwie około 120 tysięcy tokenów wyjściowych. Dla porównania, konkurencyjny Mythos Preview potrzebuje do zbliżonego wyniku aż 340 tysięcy tokenów, a Claude Opus 4.8 generuje gigantyczne, rozwlekłe bloki kodu (ponad 500 tysięcy tokenów), osiągając znacznie słabszy rezultat (40%).
Sol jest bardzo precyzyjny – pisze kod krótki, zwarty i wysoce efektywny, co czyni go autonomicznym narzędziem hakerskim o bardzo niskich kosztach utrzymania. Krótko mówiąc nowy model OpenAI ma potencjał bycia cyberbronią, praktycznie tak skuteczną jak lider (model Mythos 5 od Anthropic), a jednocześnie znacznie tańszą. W takiej sytuacji obawy amerykańskiej administracji i ochrona prewencyjna zastosowana także przez samo OpenAI przed publikacją modelu stają się zrozumiałe. Potencjał nowości OpenAI w tym zakresie pokazują dodatkowe wyniki.
Seria ExploitGym: czas, koszty i tokeny pod presją
Kolejne trzy wykresy analizują zachowanie nowej rodziny modeli w środowisku ExploitGym – zaawansowanym benchmarku stworzonym wspólnie z badaczami z UC Berkeley. Test sprawdza zdolność AI do generowania zamierzonych exploitów przy określonych limitach czasowych (2 i 6 godzin).
Wykres opóźnienia (Latency): pokazuje, że przyznanie modelowi Sol dłuższego czasu na myślenie (6 godzin – linia przerywana) pozwala mu przekroczyć barierę 33% skutecznych exploitów w ciągu niespełna 360 minut. Starsze modele, jak GPT-5.4 czy GPT-5.5, zatrzymywały się na kilkunastu procentach i kapitulowały po pierwszej godzinie.
Wykres kosztów (API Cost): Sol osiąga najwyższą skuteczność (ponad 30%) przy koszcie około 90 USD za sesję. Tani model Luna (linia ciemnoniebieska) przy tym samym budżecie osiąga około 12% skuteczności, co nadal jest wynikiem lepszym niż w przypadku pełnego modelu GPT-5.4.
Wykres tokenów (Output Tokens): potwierdza architektoniczną zmianę w nowej generacji. Modele z serii 5.6 nie potrzebują milionów tokenów, by dotrzeć do celu. Sol stabilizuje swoją krzywą skuteczności już przy 700 tysiącach tokenów, podczas gdy najtańsza Luna generuje ich niemal 2 miliony, by osiągnąć trzykrotnie słabszy rezultat.
GeneBench v1: genomika i biologia ilościowa pod kontrolą AI
Ostatni zestaw trzech wykresów obrazuje testy GeneBench v1, które sprawdzają skuteczność modeli w złożonych analizach biologicznych i genomicznych wymagających bardzo długiego ciągu rozumowania naukowego.
Wykresy te pokazują kompletną dominację nowego, flagowego modelu. W relacji wyniku do czasu (Symulowane opóźnienie) GPT-5.6 Sol osiąga ponad 30% skuteczności w czasie 11 minut. Poprzednia generacja (GPT-5.5) w tym samym czasie osiągała zaledwie 23% i jej krzywa przestawała rosnąć.
Co najważniejsze, wykresy kosztów i tokenów w GeneBench v1 potwierdzają, że Sol osiąga najwyższy próg dokładności naukowej przy zużyciu zaledwie 30 tysięcy tokenów wyjściowych i koszcie poniżej 2 USD za zapytanie. Pośredni model Terra idealnie pokrywa się z krzywą wydajności starszego GPT-5.5, ale realizuje te same zadania biologiczne przy znacznie niższych kosztach operacyjnych.
Co to oznacza dla rynku i użytkowników?
Wszystkie te liczby i wykresy prowadzą do jednego, fundamentalnego wniosku: OpenAI zbudowało pierwszy tak zaawansowany model, który potrafi realizować skomplikowane cele, a nie tylko odpowiadać na pytania. Do tej pory, aby przeprowadzić zaawansowany audyt bezpieczeństwa systemu IT lub przeanalizować miliony kombinacji kodu genetycznego, firma musiała zatrudniać sztaby ludzkich ekspertów i opłacać gigantyczne rachunki za infrastrukturę chmurową. Oczywiście Agentic AI jako taka to nie jest zew nowości, ale dotychczas w bardziej zaawansowanych zastosowaniach systemy agentowe po prostu zawodziły.
Wdrożenie serii GPT-5.6 zauważalnie obniża próg wejścia w zaawansowaną automatyzację. Kiedy modele Sol i Terra zostaną w pełni uwolnione, deweloperzy i firmy otrzymają autonomiczne narzędzia zdolne do ciągłej pracy defensywnej w tle za ułamek dotychczasowej ceny. To właśnie ta niespotykana wydajność połączona z niskim kosztem operacyjnym wywołała panikę urzędników w Waszyngtonie. Rząd USA zdał sobie sprawę, że technologia, która potrafi w kilka minut znaleźć i załatać (lub wykorzystać) krytyczne podatności w najpopularniejszym oprogramowaniu na świecie, bez ścisłej kontroli może zdestabilizować globalną infrastrukturę sieciową.
OpenAI zamraża premierę GPT-5.6. Model Sol trafił pod lupę rządu USA
