🚀 GPT-5.6: три модели, ставка на агентные цепочки и спорный бенчмарк OpenAI выпустила линейку GPT-5.6 — Luna, Terra и Sol — с агрессивным позиционированием для длинных агентных задач. Главный козырь, по данным Simon Willison, — бенчмарк Agents' Last Exam, где Sol набрал 53,6 балла, обойдя Claude Fable 5 на 13,1 пункта при сопоставимой цене, а Terra и Luna справляются «примерно за одну шестнадцатую стоимости» этого же флагмана Anthropic. Прямое сравнение по цене за миллион токенов теряет смысл: разное количество скрытых токенов внутреннего рассуждения делает одинаковый запрос принципиально разным по затратам. · Luna: $1/$6 за 1M входных/выходных токенов, Terra: $2,50/$15, Sol: $5/$30 · Контекстное окно 1M токенов, максимальный выход 128K, knowledge cutoff — 16 февраля 2026 · Agents' Last Exam: Sol 53,6 против 40,5 у Fable 5 (адаптивное рассуждение), SWE-Bench Pro: Sol 64,6%, Fable 5 80% Параллельно с релизом лаборатория опубликовала критику SWE-Bench Pro, заявив, что около 30% задач бенчмарка сломаны — именно того теста, где модель уступила конкуренту. В API добавили программный вызов инструментов (оркестрацию вызовов на JavaScript), встроенный многоагентный режим с запуском подагентов, явные точки разделения кэша подсказок и опцию detail: original для изображений без изменения размера. OpenAI переопределяет правила сравнения: вместо гонки за чистые баллы она предлагает смотреть на стоимость выполненной работы с учётом скрытых токенов внутреннего рассуждения. Независимо проверить эту «эффективность» разработчик пока не может — токены внутреннего рассуждения закрыты, и прозрачного аудита нет. Параллельная атака на неудобный бенчмарк за день до релиза — это уже не просто конкуренция на рынке продуктов, а борьба за контроль над тем, что считается валидным результатом. #GPT56 #OpenAI #agents #SWEbench #AIbenchmarks