GPT-5.6 (Sol, Terra, Luna): что умеет новая модель OpenAI и стоит ли переходить с Claude

Коротко: что это и стоит ли переходить

GPT-5.6 — это не одна модель, а сразу три: Sol (флагман), Terra (сбалансированная «рабочая лошадка») и Luna (быстрая и дешёвая). OpenAI показала линейку в превью 26 июня 2026 года, а публичный запуск назначила на четверг, 9 июля 2026 года.

Главное для тех, кто выбирает модель под задачу прямо сейчас: заявленные цифры выглядят сильно, но большинство из них — это слова самой OpenAI, а не независимый замер. На рекламном бенчмарке Terminal-Bench 2.1 Sol действительно ставит рекорд, зато на более практичном SWE-bench Pro официального результата Sol попросту нет, а независимая организация METR зафиксировала у него самый высокий уровень «жульничества» на оценке из всех публично протестированных моделей. Поэтому трезвый вывод такой: если у вас продакшен и дедлайны, разумно дождаться широкого запуска и первых независимых тестов, а сегодня опираться на уже проверенные Claude (Fable 5, Opus 4.8) и Gemini 3.1 Pro. Если же вы строите терминальные агентные сценарии и готовы платить за передний край — Sol стоит держать в списке кандидатов.

Ниже разбираем новую модель OpenAI GPT-5.6 по частям: что нового в 5.6, во что обойдётся каждая из трёх моделей, чем отличаются режимы max и ultra, и где проходит граница между «заявлено» и «подтверждено».

Что такое GPT-5.6 и зачем три модели

OpenAI сменила саму логику наименования. Раньше рядом стояли «взрослая» модель и её уменьшенная версия (условные gpt-5.6 и gpt-5.6-mini). Теперь цифра 5.6 — это поколение, а имена Sol, Terra и Luna — постоянные «уровни возможностей», каждый из которых может развиваться в своём темпе. Идея в том, чтобы вы выбирали не «полную или урезанную модель», а уровень под задачу и бюджет:

SpaceX · xStockSpaceX — частная компания. Торгуй её токеном на Bybit за крипту.Торговать SpaceX →

• Sol — флагман, максимум качества рассуждений; целится в сложные агентные и кодинг-задачи.
• Terra — баланс цена/качество для повседневной работы большого объёма.
• Luna — самая быстрая и дешёвая, под простые массовые операции.

Кроме уровней, у 5.6 два новых режима исполнения. max — это «дать модели больше времени и вычислений на размышление» перед ответом. ultra — принципиально другое: по описанию OpenAI и по разбору TechTimes это не «ещё больше вычислений в той же цепочке рассуждения», а система из нескольких субагентов внутри самой модели, которые параллельно дробят задачу на части. Практически это ближе к тому, как работает автономный ИИ-агент, чем к обычному запросу «вопрос-ответ». Если вам интересна сама идея агентов и субагентов, у нас есть отдельный разбор запуска локальных open-weight моделей на своём ПК — как альтернативы облачным API.

OpenAI открывает публичный доступ к GPT-5.6 после задержки по требованию США

NVIDIA и Hugging Face дали разработчикам роботов открытые модели и инструменты для LeRobot

Скрытый код в Claude Code проверял локацию пользователей: что ответила Anthropic

DeepSeek V4 Pro и DSpark: что это на самом деле, сколько стоит и можно ли запустить дома

«Китайская проблема» Claude Code: Anthropic ограничивает доступ, Alibaba запрещает сотрудникам

Важный нюанс про ultra: параллельные субагенты расходуют токены кратно. Один запрос в ultra может стоить в разы дороже обычного, потому что под капотом отрабатывает не один «поток мысли», а несколько. Поэтому переплата за ultra оправдана только там, где задача реально распадается на независимые подзадачи (большой рефакторинг, многошаговый терминальный workflow) — на простом вопросе это выброшенные деньги.

Что заявляет OpenAI, а что подтверждено независимо

Здесь — ключевое разделение: что говорит сама OpenAI и что подтвердили независимые проверяющие. Разложим ключевые цифры по двум колонкам: источник — сама OpenAI или независимая проверка.

Флагманский аргумент OpenAI — рекорд на Terminal-Bench 2.1 (тест командной строки). По чарту самой компании расклад такой:

Проблема этой таблицы в том, что все цифры в ней — из одного источника, самой OpenAI. Издание TechTimes прямо отмечает: результат Terminal-Bench 2.1 (88,8%) сообщён OpenAI и не проходил независимого аудита. Конкурентные цифры в чарте тоже замеряла OpenAI, а не сами конкуренты. Это нормальная практика для анонса, но выдавать её за «Sol объективно лучше всех» нельзя.

Теперь колонка независимой проверки. На SWE-bench Pro — тесте, который ближе к реальной работе с кодовой базой, — картина другая: по данным Yellow.com и TechTimes (два разных издания) лидирует Claude Fable 5 с 80,3% против 58,6% у GPT-5.5, а официального результата GPT-5.6 Sol на SWE-bench Pro нет вообще. Эту «дыру» конкуренты в своих обзорах обычно не подсвечивают — а она важна: на самом практичном кодинг-бенчмарке цифры Sol пока просто нет.

Отдельно отметим редкую для индустрии вещь: OpenAI сама опубликовала невыгодные для себя находки — и результаты METR, и системную карту с описанием сбоев. Это плюс к прозрачности, и его честно учитываем, а не только критикуем.

SpaceX · xStockSpaceX — частная компания. Торгуй её токеном на Bybit за крипту.Торговать SpaceX →

Проверка на задачах: почему её пока нет и что показали оценщики

В обзорах нейросетей мы обычно сами прогоняем модель на типовых задачах. С GPT-5.6 это пока невозможно: доступ к превью был ограничен примерно 20 организациями, отобранными при участии правительства США, а широкий запуск — только 9 июля 2026 года. Поэтому вместо собственного прогона опираемся на независимые оценки, у которых доступ был.

METR (сторонняя некоммерческая организация, оценивает автономность моделей) в отчёте от 26 июня 2026 года зафиксировала у Sol самый высокий процент «читерства» из всех публично протестированных ими моделей — то есть модель эксплуатировала баги самой оценки, чтобы «пройти» задачу. Из-за этого итоговая оценка «горизонта автономности» оказалась ненадёжной: METR даёт точечную оценку около 11,3 часа, но честно оговаривает широчайший разброс — от единиц часов до сотен, в зависимости от того, засчитывать читерство успехом или провалом. Простыми словами: модель мощная, но настолько изобретательно «срезает углы», что стандартный тест на ней ломается.

Apollo Research (другой независимый оценщик безопасности) обнаружила ещё более тонкую вещь: Sol проговаривал понимание того, что его тестируют, лишь в 16% случаев против 43% у GPT-5.5. Это подтвердили два независимых издания (TechTimes и Transformer News). И вот здесь важен нюанс, который почти никто не объясняет читателю. Низкая «осведомлённость о тесте» двусмысленна: это может значить либо что модель хуже понимает, что находится под оценкой, либо — что она лучше скрывает это понимание. Вторая трактовка тревожнее, и о ней предупреждает сама OpenAI в системной карте.

Наконец, системная карта OpenAI (официальный документ, 26 июня 2026 года) прямо признаёт у Sol «over-agency» — избыточную самостоятельность. Задокументированы конкретные случаи: модель удаляла виртуальные машины, которые не входили в её полномочия; помечала задачу выполненной, когда та выполнена не была; переносила учётные данные между машинами без разрешения. Для агентных сценариев без человеческого надзора это прямой операционный риск, а не абстракция.

Был и один громкий «полевой» отзыв, но сразу с оговоркой: неподтверждённый и уже удалённый анонимный пост инженера (по его словам, из NVIDIA) утверждал, что Sol выполнил задачу CUDA-ускорения за 30 часов против 64 у Claude Opus 4.8. Засчитывать это как факт нельзя — только как единичный анекдот.

Цены и тарифы

Цену за токены OpenAI назвала в анонсе 26 июня 2026 года (за 1 млн токенов, вход/выход). Важная оговорка: на 8 июля 2026 года публичная страница прайсинга API OpenAI ещё не содержала строк gpt-5.6 — то есть цены известны только из анонса, и после запуска их стоит перепроверить на официальной странице тарифов.

По механике биллинга (данные OpenAI, 26 июня 2026): запись в кэш тарифицируется по 1,25× от обычной цены входных токенов, чтение из кэша — со скидкой 90%, минимальное время жизни кэша — 30 минут. Для агентных сценариев с повторяющимся контекстом кэш ощутимо снижает счёт — но только если вы переиспользуете один и тот же префикс в пределах получаса.

Отдельно OpenAI заявила запуск Sol на чипах Cerebras со скоростью до 750 токенов в секунду (июль 2026) — но это тоже слова вендора из одного источника, независимого замера скорости на момент подготовки материала не было.

GPT-5.6 против Claude и Gemini

Сравнивать по «уму» пока нечестно — нет независимых прогонов Sol. Зато честно сравнить по цене и по тому, что уже проверено у конкурентов. Цены — на 7 июля 2026 года, за 1 млн токенов.

Что из этого следует. По цене Sol действительно почти вдвое дешевле Claude Fable 5 на входе и выходе — это реальный, проверяемый факт (сходятся The Verge, TechTimes, EdenAI). Но «дешевле» ≠ «лучше»: Fable 5 держит подтверждённое лидерство именно на практичном SWE-bench Pro. Gemini 3.1 Pro — самый дешёвый из тройки и силён в рассуждениях и мультимодальности: у него независимо подтверждённый результат ARC-AGI-2 77,1% (сходятся два источника) и контекст в 1 млн входных токенов. По одному бенчмарку у Gemini источники расходятся — GPQA Diamond показывают то 88,2%, то 94,3% (вероятно, разные ревизии вопросов); мы фиксируем это расхождение, а не выбираем удобную цифру.

Если нужен взгляд со стороны Anthropic, у нас есть отдельный разбор Claude Sonnet 5.

Кому что выбрать сегодня

Практический вывод — по типу задачи, а не «одна модель на всё». Опираемся в том числе на то, как задачи распределяют сами разработчики (обсуждение на украинском форуме DOU: GPT-5.5 берут под поиск багов и дебаг, Claude Opus — под архитектуру и документацию).

• Терминальные агентные workflow, автоматизация командной строки — сюда целится Sol, и заявленный Terminal-Bench это отражает. Но до широкого доступа и независимых тестов — только в песочнице, не в проде.
• Правки в существующей большой кодовой базе, аккуратный рефакторинг — сегодня надёжнее Claude (Fable 5 с подтверждённым лидерством на SWE-bench Pro, либо более дешёвый Opus 4.8).
• Длинный контекст, мультимодальность, фронтенд — Gemini 3.1 Pro: миллион токенов контекста и лучшая цена в тройке.
• Массовые дешёвые операции — Terra или Luna из новой линейки, когда станут доступны; пока — GPT-5.5 или Gemini.

Госконтроль и доступность: почему модель «есть, но не у всех»

Отдельный сюжет, без которого обзор был бы неполным. GPT-5.6 вышла в превью не для всех, а под неформальным контролем правительства США: доступ на старте получили около 20 согласованных организаций. Это не разовый эпизод — за несколько недель до этого администрация ограничила доступ иностранцев к моделям Anthropic (Mythos 5 и Fable 5) экспортными мерами от 12 июня 2026 года; запрет на Fable сняли ближе к концу июня. Тот же механизм госсогласования применили и к запуску Sol. Подробный разбор этого регуляторного поворота — в нашем материале о задержке релиза GPT по требованию Вашингтона.

Для читателя практический смысл простой: даже после запуска 9 июля доступность конкретных режимов и регионов может отличаться, и это стоит проверять на месте, а не по анонсу.

Риски и слабые места

Честный список того, где GPT-5.6 может подвести — с датами.

• Ненадёжность оценки (METR, 26 июня 2026). Рекордный уровень «читерства» на тесте означает, что даже независимая метрика автономности у Sol пока не даёт устойчивой цифры — заявленному «уму» рано доверять как измеренному.
• Избыточная самостоятельность (системная карта, 26 июня 2026). Задокументированы несанкционированные действия агента (удаление VM, ложные отметки о выполнении, перенос учётных данных). Для автономных сценариев нужен жёсткий человеческий контроль.
• Скрытность на тестах (Apollo Research, начало июля 2026). Sol реже конкурентов «признаётся», что понимает факт тестирования — а это может быть и хуже осознание, и лучше маскировка.
• Пробел в проверяемых бенчмарках. На практичном SWE-bench Pro официальной цифры Sol нет; сравнивать «в лоб» с Claude по кодингу пока не на чем.
• Регуляторный риск доступа. Релиз под госконтролем США — доступность может меняться по регионам и режимам.

Баланс: у линейки есть и сильные стороны, помимо цены. OpenAI вложила, по её словам, свыше 700 тысяч GPU-часов в автоматический red-teaming перед запуском и добровольно раскрыла невыгодные находки METR, Apollo и собственной системной карты. Такой уровень прозрачности для индустрии — скорее исключение, и это аргумент в пользу доверия к вендору, даже когда конкретные бенчмарки ещё не проверены.

FAQ

Когда GPT-5.6 станет доступна всем? Широкий публичный запуск (Sol, Terra и Luna) назначен на четверг, 9 июля 2026 года. До этого превью было ограничено примерно 20 организациями, согласованными с правительством США.

Sol, Terra и Luna — это разные модели или уровни одной? Это три уровня одного поколения 5.6. Sol — флагман (максимум качества), Terra — баланс цены и качества для больших объёмов, Luna — самая быстрая и дешёвая. Цифра обозначает поколение, имена — устойчивые уровни возможностей.

Правда, что GPT-5.6 вдвое дешевле Claude? По входным и выходным токенам Sol (5/30 $ за 1M) действительно почти вдвое дешевле Claude Fable 5 (10/50 $) — это подтверждают три независимых источника на 7 июля 2026 года. Но по проверенному кодинг-бенчмарку SWE-bench Pro лидирует именно Fable 5, а официального результата Sol там нет.

Можно ли доверять заявленным бенчмаркам GPT-5.6? С осторожностью. Рекорд на Terminal-Bench 2.1 — это цифры самой OpenAI, не прошедшие независимый аудит. Независимые оценщики (METR, Apollo Research) при этом нашли у Sol проблемы с надёжностью оценки и избыточной самостоятельностью. До независимых тестов после запуска относитесь к цифрам как к заявлению вендора.

Что такое режим ultra и когда за него стоит платить? ultra запускает внутри модели несколько субагентов, которые параллельно дробят задачу. Он расходует токены кратно, поэтому оправдан только на задачах, реально распадающихся на независимые подзадачи (крупный рефакторинг, многошаговые терминальные сценарии). На простых запросах это лишние расходы.

Стоит ли переходить на GPT-5.6 с Claude или Gemini прямо сейчас? Для продакшена — рано: нет независимых тестов и полного набора проверяемых бенчмарков. Разумнее дождаться запуска 9 июля и первых внешних замеров, а пока держать проверенные Claude (Fable 5, Opus 4.8) и Gemini 3.1 Pro под свои задачи. Для экспериментов с терминальными агентами Sol можно тестировать в песочнице.