GPT-5.6 er nu indbygget i Zero som en familie af tre modeller: Sol til det sværeste multi-agent arbejde, Terra til balanceret daglig udførelse og Luna til hurtige, store arbejdsgange.
For teams, der håndterer forskellige agentopgaver, kan det være mere nyttigt end én ny flagskibsmodel. I stedet for at betale for maksimal ræsonnement ved hvert trin, kan du matche modellen til opgaven og stadig beholde det samme Zero-miljø: tilsluttede værktøjer, filer, browseradgang, isoleret udførelse, færdigheder og opfølgning.
Vælg ruten Built-in, og VM0 håndterer modeladgang og fakturerer forbruget i credits. Hvis dit team allerede bruger en OpenAI API-nøgle eller et ChatGPT/Codex-abonnement (ikke et personligt ChatGPT Plus-abonnement), understøtter Zero også disse ruter.
Én familie, tre driftsniveauer
OpenAI har designet GPT-5.6 omkring holdbare kapabilitetsniveauer. Nummeret angiver generationen; Sol, Terra og Luna beskriver balancen mellem intelligens, hastighed og pris.
GPT-5.6 Sol: det sværeste arbejde
Sol er flagskibet. Brug den, når en opgave er så vanskelig, at en stærkere plan, mere kontrol eller parallelt arbejde kan ændre resultatet væsentligt.
Zeros GPT-5.6 Sol-integration bruger som standard Ultra-ræsonnement. OpenAI beskriver Ultra som koordinering af fire agenter parallelt, hvorefter deres arbejde syntetiseres. Det gør Sol velegnet til opgaver med flere uafhængige arbejdsgange, såsom:
- Migrering af en stor kodebase med test af kompatibilitet og dokumentation af resultatet.
- Markedsresearch på tværs af mange kilder, udfordring af fund og udarbejdelse af et beslutningsklart notat.
- Omdannelse af et produktbrief til et poleret interface, inspektion af det viste resultat og rettelse af visuelle eller funktionelle fejl.
- Undersøgelse af en produktionshændelse på tværs af logs, kode, tickets og browserstatus før forslag til løsning.
Sol har $$$ VM0 Built-in-niveauet. Brug den, hvor en fejl er dyr, ikke til hvert korte svar.
GPT-5.6 Terra: den balancerede arbejdshest
Terra er det fornuftige udgangspunkt for gentageligt professionelt arbejde. OpenAI positionerer den som det balancerede niveau og rapporterer ydeevne på linje med GPT-5.5 til halv den officielle API-tokenpris.
Brug Terra til arbejde, der stadig kræver ræsonnement og værktøjer, men ikke Sols maksimale beregning:
- Daglig research, konkurrentovervågning og opsummeringer fra flere kilder.
- Rutinemæssige kodeændringer, analyse af pull requests og undersøgelse af issues.
- Udarbejdelse af rapporter, lanceringsplaner, kundebriefs og driftsdokumenter.
- Agentarbejdsgange, der kræver stærk håndtering af lange kontekster til en mere moderat pris.
Terra har $$ VM0 Built-in-niveauet. Det er ikke tvunget som universel standard; det er blot det niveau, vi ville teste først til mange generelle arbejdsgange.
GPT-5.6 Luna: hastighed og volumen
Luna er familiens hurtigste og mest prisvenlige medlem. Den er bygget til arbejde, hvor gennemløb og svartid er vigtigere end maksimal dybde.
Gode Luna-opgaver inkluderer:
- Klassificering eller videresendelse af store mængder tickets, leads eller beskeder.
- Udtræk af strukturerede felter fra ensartede dokumenter.
- Første triagering før tvetydige sager sendes videre til Terra eller Sol.
- Produktion af korte opsummeringer eller transformationer i stor skala.
Luna har $ VM0 Built-in-niveauet. Det er ikke det rette valg til enhver billig opgave: OpenAIs egen evaluering af lange kontekster viser et stort spring mellem Luna og de to større niveauer ved hentning fra meget store input. Send dyb, tvetydig kontekst til Terra eller Sol.
Hvad benchmarkene viser—og ikke viser
OpenAI rapporterer stærke resultater på tværs af familien, men det nyttige er balancen mellem egenskaber, ikke en enkelt topplacering.
På Terminal-Bench 2.1, som evaluerer kommandolinje-agentarbejdsgange, rapporterer OpenAI 91.9% for Sol Ultra, 88.8% for Sol, 87.4% for Terra og 84.7% for Luna. På BrowseComp er de rapporterede scorer 92.2% for Sol Ultra, 90.4% for Sol, 87.5% for Terra og 83.3% for Luna.
Resultatet for lange kontekster er det vigtigste signal for routing. På OpenAI MRCR v2, 8-needle, 256K–512K scorer Sol 91.5% og Terra 89.6%, mens Luna scorer 41.3%. Luna kan stadig være fremragende til korte, gentagne opgaver; den bør bare ikke behandles som en mindre Sol til alle opgaver.
Dette er leverandør-rapporterede evalueringer, ikke en universel rangering. Benchmarks måler bestemte rammer, værktøjer, ræsonnement-indstillinger og budgetter. Din egen arbejdsgang kan vende rækkefølgen, så kør en repræsentativ opgave igen, før du ændrer en produktionsagent.
GPT-5.6 vs GPT-5.5 og Claude Fable 5
Den praktiske sammenligning er ikke “hvilken model vinder?” men “hvilken adfærd er værd at betale for på dette trin i opgaven?”
| Model | Bedste anvendelse i Zero | Hvad skiller sig ud | VM0 Built-in-niveau |
|---|---|---|---|
| GPT-5.6 Sol | Svært, flertrinsarbejde hvor planlægning, parallel udførelse, designvurdering eller validering kan ændre resultatet | Zero bruger Ultra som standard; stærkeste GPT-5.6-niveau til kodning, computerbrug, design, research og dyb kontekst | $$$ |
| GPT-5.6 Terra | Daglige professionelle arbejdsgange, der stadig kræver pålideligt ræsonnement og værktøjer | Balanceret kvalitet, hastighed og pris; stærkt familie-match til lange kontekster | $$ |
| GPT-5.6 Luna | Hurtigt, stort arbejde med ensartede input og nem eskalering | Laveste latenstid og pris i familien; ideel til triagering, udtræk og masseopgaver | $ |
| GPT-5.5 | Eksisterende OpenAI-arbejdsgange, der allerede er valideret og ikke behøver ny baseline endnu | Velkendt frontier-adfærd og et stabilt sammenligningspunkt for nuværende agenter | Tilgængelighed afhænger af workspace-konfiguration |
| Claude Fable 5 | De dybeste Anthropic- og Claude Code-arbejdsgange, især hvor et team allerede er tilpasset denne adfærd | Premium langtidsholdbart ræsonnement og en særskilt udbyder-/værktøjsprofil | $$$$ |
OpenAI rapporterer, at Sol fører foran Fable 5 på Agents' Last Exam og Artificial Analysis Coding Agent Index, mens Fable 5 stadig er lidt foran på GDPval-AA v2. Det er netop derfor, “bedste model” er for bredt et udsagn. Sol er overbevisende, når du ønsker OpenAIs stærkeste agentiske kodning, computerbrug, design og multi-agent-adfærd. Fable forbliver et gyldigt valg til avanceret Anthropic-arbejde og arbejdsgange, der allerede er kalibreret til Claude Code.
Terra er det mere direkte opgraderingsvalg for mange GPT-5.5-arbejdsgange: OpenAI siger, at den matcher GPT-5.5 til halv den officielle API-tokenpris. Luna er et andet optimeringsmål—hastighed og skala—så sammenlign den på færdigt arbejde pr. krone eller pr. minut, ikke kun på benchmark-topscore.
Hvad Built-in betyder i Zero
Built-in gør GPT-5.6 til et routingvalg i stedet for et credential-projekt. Vælg VM0 Managed-udbyderen, og Zero håndterer adgangen, mens den opkræver det tilsvarende VM0 credit-niveau. Du behøver ikke oprette eller vedligeholde en separat OpenAI API-nøgle til denne rute.
Teams, der foretrækker deres egen udbyderrelation, kan stadig bruge en OpenAI API-nøgle eller forbinde et ChatGPT/Codex-abonnement. Modelnavnet forbliver det samme; faktureringsvejen og udbyderkonfigurationen ændres. VM0 credit-niveauer ($, $$, $$$) er ikke de samme som OpenAIs offentlige API-tokenpriser.
Sådan aktiveres GPT-5.6 i Zero
GPT-5.6 vælges i modelindstillingerne, ikke ved at skrive “use GPT-5.6” i en prompt.
- Åbn Indstillinger og vælg Modeller i sidepanelet.
- Under Personlig tilføjes GPT 5.6 Sol, GPT 5.6 Terra eller GPT 5.6 Luna.
- Vælg Built-in for at bruge VM0 Managed-routing, eller vælg din tilsluttede OpenAI API- eller ChatGPT/Codex-udbyder.
- Start en chat eller kørsel, åbn modelvælgeren, og skift til det ønskede niveau.
- Når en arbejdsgang er stabil, sæt den relevante model på agent- eller færdighedsniveau, så rutinearbejde konsekvent bruger den tilsigtede rute.
En praktisk routing-guide
Start med at stille tre spørgsmål:
- Hvor dyrt er et forkert svar? Brug Sol, når fejl medfører væsentligt ekstraarbejde, risiko eller følgevirkninger.
- Hvor dyb og tvetydig er konteksten? Brug Terra eller Sol til store, komplekse input, der kræver krydstjek og syntese.
- Hvor ofte skal dette køres? Brug Luna til stort, forudsigeligt arbejde, og eskalér undtagelser.
Et blandet routingmønster er værd at teste: Luna filtrerer og strukturerer input, Terra udfører hovedarbejdet, og Sol håndterer de få beslutninger, der kræver maksimalt ræsonnement. Du behøver ikke én model til alt; du skal bruge nok model til hvert trin.
GPT-5.6 gør det valg usædvanligt klart. Sol, Terra og Luna giver Zero tre driftsniveauer i samme agentmiljø—så du kan skalere kapacitet op, når arbejdet kræver det, og ned, når det ikke gør.
