HN780482
次世代モデル「GPT-5.6 Sol」がついにプレビュー公開！全貌をチェックしよう
Previewing GPT‑5.6 Sol: a next-generation model
minimaxir・21日前
議論
11件OpenAIが発表した次世代モデル「GPT-5.6 Sol」のシステムカードが公開されました。詳細はこちらの公式リンクから確認できます： https://deploymentsafety.openai.com/gpt-5-6-preview
最近の傾向として、こんなことに気づいたよ：
- GPT-5 miniは0.25ドル/2ドルで、12月に廃止予定。
- GPT-5.4 miniは0.75ドル/4.5ドルで、その代替とされている。
- GPT-5.4 nanoは0.2ドル/1.25ドルで、ベンチマーク上はGPT-5 miniより優秀だけど、実際の現場で使うと全く話にならない。
結局、今の5 miniユーザーは強制的に5.4 miniへ移行させられるわけだ。
彼らの「Luna」モデルも1ドル/6ドルになるそうで、同じことが起きている。
今使いたいモデルをそのまま使わせてくれないのか？GPT-5.4 miniなんて必要ない。GPT-5で十分仕事はこなせているんだ。
もしかして、最初からそんなに安くなかったってことに気づいて、じわじわと苦しめながらアップグレードを強制してるだけなんじゃないか。
GPTのコード作成能力が最強だと思う。バージョン5.6になったらどうなるんだ？想像するだけでゾクゾクするよ。
最近、2,000行近くのコードでGPTと直接対決してみたんだけど、GPTの出したソリューションの方が優秀で速かった。GitHubにある複数のコードベースを参考にしたけど、GPTには到底かなわなかったな。
だから、GPTを使うのは恐ろしくもあり、ワクワクもする。
恐ろしいのは、このレベルのコードが今や世間一般の標準になりつつあるという現実だ。ワクワクするのは、自分もこのレベルまで勉強して成長できると知ったからだよ。
5.6へのアップグレードで、コードがどれだけ進化するのか本当に楽しみだ。
さらに、複雑な作業を加速させるためにサブエージェントを活用し、単一エージェントの能力を超越する新しい「ultra」モードを導入します。
これってどういう仕組みなんだ？サブエージェントも同じツールを使えるのか？クライアントがツール呼び出しで溢れかえったりしないか？クライアント側で制御を増やせば同じことができるはずなのに、なぜわざわざ新しい「モデル」として別料金にするんだ？
それに、サブエージェントの軍団だっていうなら、なぜFableやMythosと比較するんだ？同じようなハーネス（評価環境）を使ったモデルなら、そっちの方がベンチマークスコアは高いと思うけどな。
以前のMythosのときもそうだけど、使えないモデルには全く興味が持てないんだよね。
今回の発表で一番興味深い部分は、最後から2番目の段落にひっそりと書かれているね：
「7月にCerebras上で最大750トークン/秒のGPT-5.6 Solをリリースし、前例のない速度でフロンティアインテリジェンスを顧客に提供します。キャパシティを拡大しつつ、まずは一部の顧客に限定してアクセスを許可します。」
フロンティアモデルで750トークン/秒は非常に面白い。この新しいバージョンが能力的に単なるマイナーアップデート以上のものだとは思えないけど、回答をこれだけ早く受け取れるようになるなら、実用性はグンと上がるはず。
パッと思いつくところだと、コードベース内で特定の機能を探すような面倒な作業かな。今のAIエージェントのハーネスでは、俺はAIに勝てない。もしAIモデルが3倍速くなったら、勝ち目はさらに薄くなるな。
皆さん：ポリシー関連のコメントについては、こちらの関連スレッドへ移動してください：
U.S. government will decide who gets to use GPT-5.6 - https://news.ycombinator.com/item?id=48690101
「TerraはGPT-5.5と同等の性能を持ちつつ、価格は2倍安い…」
これって俺からすれば「製品としては劣っているけど、マーケティング上隠したい」って言ってるようなもんだ。
あと、「これまでで最も堅牢な安全スタックを搭載。高リスクアクティビティ、機密性の高いサイバーリクエスト、繰り返される悪用に対する保護を強化し、数週間にわたって脆弱性の特定やシステムの耐圧試験、現実的な攻撃に対する強化を行った」っていう記述も、良くて無価値、最悪の場合は（拒否が増えたり実用性が削られたりで）マイナスでしかない。なぜプロバイダーはいつもこの手の話を強調するんだ？（ChatGPTチャットボットのユーザー以外で）こんなことを要求する顧客が本当にいるのか？
ここ24時間ほどGPT-5.5を使っていたなら、もう既に5.6にアクセスできていたかもしれない。
構築中のハーネスでテストを回していたんだけど、昨日突然スコアがいくつか跳ね上がったんだ。Vanilla Codexベンチマークを再実行してみたら、GPT-5.5でTerminal Bench 2.1のスコアが約88%になっていた。
スコア以上に最大の兆候だったのは、5.5では頻繁に「安全フィルター」に引っかかっていた3つのテストが、昨夜から予告なしに成功し始めたことだ。
人気スレッドに便乗して質問させてくれ：CodexとClaudeの現在の利用制限はどうなっている？
少し前に両方に同じタスクをやらせたとき、Codexは（どちらも月額20ドルのプランで）俺の5時間制限をClaudeより20倍も食わなかったんだ。
（Claudeの方が好きなんだけど、当時は制限のせいでまともな作業に使えずイライラしたよ。）
でも、それから両社とも利用枠を大幅に減らしているし（少なくとも片方はそれが理由で訴えられたよね、笑）。
今はどちらも契約していないけど、選択肢を検討中だ。GPTの方がOpusよりわずかに性能が良く、以前は制限もはるかに緩かったから、OpenAIのサブスクに傾いている。でも、今の状況が2〜3ヶ月前の記憶と同じなのか気になって。（両社ともコストカットに必死みたいだからね！）
両方使っている人の意見が聞きたいけど、個人的な体験談も歓迎するよ。
よろしく！
GPT-5.6 Solで検出された不正率は、我々がReActエージェントハーネスで評価したどの公開モデルよりも高かった。我々のタスクスイートにおいて「不正」とは、モデルがタスクを期待される制約内で解決するのではなく、評価環境のバグを突いたり、タスクで禁止されている戦略を採用したりして評価スコアを向上させる挙動を指す。