GPT-5.6 er nå innebygd i Zero som en familie med tre modeller: Sol for de vanskeligste multi-agent oppgavene, Terra for balansert daglig utførelse, og Luna for raske, høyvolums arbeidsflyter.
For team som håndterer varierte agentoppgaver, kan dette være mer nyttig enn én ny flaggskipmodell. I stedet for å betale for maksimal resonnering i hvert steg, kan du matche modellen til oppgaven og samtidig beholde det samme Zero-miljøet rundt: tilkoblede verktøy, filer, nettlesertilgang, isolert kjøring, ferdigheter og oppfølging.
Velg Innebygd-ruten, så håndterer VM0 modelltilgang og fakturerer bruk i kreditter. Hvis teamet ditt allerede bruker en OpenAI API-nøkkel eller et ChatGPT/Codex-abonnement, støtter Zero også disse rutene.
Én familie, tre driftsnivåer
OpenAI har designet GPT-5.6 rundt varige kapabilitetsnivåer. Tallet identifiserer generasjonen; Sol, Terra og Luna beskriver avveiningen mellom intelligens, hastighet og kostnad.
GPT-5.6 Sol: det vanskeligste arbeidet
Sol er flaggskipet. Bruk den når en oppgave er så krevende at en sterkere plan, mer kontroll eller parallelt arbeid kan endre utfallet vesentlig.
Zeros GPT-5.6 Sol-integrasjon bruker Ultra resonnering som standard. OpenAI beskriver Ultra som å koordinere fire agenter parallelt og deretter syntetisere arbeidet deres. Det gjør Sol godt egnet for oppgaver med flere uavhengige arbeidsstrømmer, som:
- Migrere en stor kodebase mens du tester kompatibilitet og dokumenterer resultatet.
- Undersøke et marked på tvers av mange kilder, utfordre funnene og lage et beslutningsklart notat.
- Gjøre et produktnotat om til et polert grensesnitt, inspisere det ferdige resultatet og rette visuelle eller funksjonelle feil.
- Undersøke en produksjonsfeil gjennom logger, kode, saker og nettlesertilstand før du foreslår en løsning.
Sol har $$$ VM0 Innebygd-nivå. Bruk den der feil er kostbare, ikke for hvert korte svar.
GPT-5.6 Terra: den balanserte arbeidshesten
Terra er det fornuftige utgangspunktet for repeterbart profesjonelt arbeid. OpenAI posisjonerer den som det balanserte nivået og rapporterer ytelse på linje med GPT-5.5 til halvparten av oppgitt API-tokenpris.
Bruk Terra for arbeid som fortsatt krever resonnering og verktøybruk, men ikke Sols maksimale kapasitet:
- Daglig research, konkurrentovervåking og sammendrag fra flere kilder.
- Rutinemessige kodeendringer, pull request-analyse og feilsøking.
- Utarbeidelse av rapporter, lanseringsplaner, kundebeskrivelser og driftsdokumenter.
- Agentarbeidsflyter som trenger sterk langkontekst-håndtering til en mer moderat pris.
Terra har $$ VM0 Innebygd-nivå. Den er ikke tvunget som universell standard; det er bare nivået vi ville testet først for mange generelle arbeidsflyter.
GPT-5.6 Luna: fart og volum
Luna er det raskeste og rimeligste medlemmet i familien. Den er laget for arbeid der gjennomstrømning og responstid er viktigere enn maksimal dybde.
Gode Luna-oppgaver inkluderer:
- Klassifisere eller rute store mengder saker, leads eller meldinger.
- Ekstrahere strukturerte felt fra ensartede dokumenter.
- Utføre første triage før tvetydige saker sendes videre til Terra eller Sol.
- Lage korte sammendrag eller transformasjoner i stort volum.
Luna har $ VM0 Innebygd-nivå. Det er ikke det riktige valget for alle billige oppgaver: OpenAIs egen langkontekst-evaluering viser et stort gap mellom Luna og de to større nivåene ved henting fra svært store innspill. Du bør rute dyp, tvetydig kontekst til Terra eller Sol.
Hva benchmarkene sier—og ikke sier
OpenAI rapporterer sterke resultater på tvers av familien, men det nyttige er formen på avveiningen, ikke én enkelt topplassering.
På Terminal-Bench 2.1, som evaluerer kommandolinje-agentarbeidsflyter, rapporterer OpenAI 91.9% for Sol Ultra, 88.8% for Sol, 87.4% for Terra og 84.7% for Luna. På BrowseComp er de rapporterte poengene 92.2% for Sol Ultra, 90.4% for Sol, 87.5% for Terra og 83.3% for Luna.
Langkontekst-resultatet er det viktigste signalet for ruting. På OpenAI MRCR v2, 8-needle, 256K–512K, får Sol 91.5% og Terra 89.6%, mens Luna får 41.3%. Luna kan fortsatt være utmerket for korte, repeterende oppgaver; den bør bare ikke behandles som en mindre Sol for alle arbeidsoppgaver.
Dette er leverandør-rapporterte evalueringer, ikke en universell rangering. Benchmark måler bestemte rammeverk, verktøy, resonneringsinnstillinger og budsjetter. Din egen arbeidsflyt kan snu rekkefølgen, så kjør en representativ oppgave på nytt før du endrer en produksjonsagent.
GPT-5.6 vs GPT-5.5 og Claude Fable 5
Den praktiske sammenligningen er ikke «hvilken modell vinner?», men «hvilken atferd er verdt å betale for på dette stadiet av kjøringen?»
| Modell | Best egnet i Zero | Hva skiller seg ut | VM0 Innebygd-nivå |
|---|---|---|---|
| GPT-5.6 Sol | Vanskelige, flertrinnsoppgaver der planlegging, parallell utførelse, designvurdering eller validering kan endre resultatet | Zero bruker Ultra som standard; sterkeste GPT-5.6-nivå for koding, databruk, design, research og dyp kontekst | $$$ |
| GPT-5.6 Terra | Daglige profesjonelle arbeidsflyter som fortsatt trenger pålitelig resonnering og verktøy | Balansert kvalitet, hastighet og kostnad; sterk familie for langkontekst-arbeid | $$ |
| GPT-5.6 Luna | Raskt, høyvolumsarbeid med ensartede innspill og enkel eskalering | Lavest ventetid og kostnad i familien; ideell for triage, ekstraksjon og massebehandling | $ |
| GPT-5.5 | Eksisterende OpenAI-arbeidsflyter som allerede er validert og ikke trenger ny grunnlinje ennå | Velkjent atferd og et stabilt sammenligningspunkt for nåværende agenter | Tilgjengelighet avhenger av arbeidsområdekonfigurasjon |
| Claude Fable 5 | De dypeste Anthropic- og Claude Code-arbeidsflytene, spesielt der et team allerede er tilpasset denne atferden | Premium resonnering over lang horisont og en distinkt leverandør-/verktøyprofil | $$$$ |
OpenAI rapporterer at Sol leder Fable 5 på Agents' Last Exam og Artificial Analysis Coding Agent Index, mens Fable 5 fortsatt ligger litt foran på GDPval-AA v2. Det er nettopp derfor «beste modell» er for bredt. Sol er overbevisende når du ønsker OpenAIs sterkeste agentiske koding, databruk, design og multi-agent atferd. Fable er fortsatt et godt valg for avansert Anthropic-arbeid og arbeidsflyter som allerede er kalibrert rundt Claude Code.
Terra er det mest direkte oppgraderingsalternativet for mange GPT-5.5-arbeidsflyter: OpenAI sier den er konkurransedyktig med GPT-5.5 til halv oppgitt API-tokenpris. Luna er et annet optimaliseringsmål—fart og skala—så sammenlign den på ferdig arbeid per krone eller per minutt, ikke bare på toppscore i benchmark.
Hva Innebygd betyr i Zero
Innebygd gjør GPT-5.6 til et rutingsvalg i stedet for et legitimasjonsprosjekt. Velg VM0 Managed-leverandøren, så håndterer Zero tilgangen og belaster tilsvarende VM0-kredittnivå. Du trenger ikke opprette eller vedlikeholde en egen OpenAI API-nøkkel for denne ruten.
Team som foretrekker eget leverandørforhold kan fortsatt bruke en OpenAI API-nøkkel eller koble til et ChatGPT/Codex-abonnement. Modellnavnet forblir det samme; faktureringsvei og leverandørkonfigurasjon endres. VM0-kredittnivåene ($, $$, $$$) er ikke de samme som OpenAIs offentlige API-tokenpriser.
Slik aktiverer du GPT-5.6 i Zero
GPT-5.6 velges i modellinnstillingene, ikke ved å skrive «bruk GPT-5.6» i en prompt.
- Åpne Innstillinger og velg Modeller i sidepanelet.
- I Personlig-seksjonen, legg til GPT 5.6 Sol, GPT 5.6 Terra eller GPT 5.6 Luna.
- Velg Innebygd for å bruke VM0 Managed-ruting, eller velg din tilkoblede OpenAI API- eller ChatGPT/Codex-leverandør.
- Start en chat eller kjøring, åpne modellvelgeren og bytt til ønsket nivå.
- Når en arbeidsflyt er stabil, sett riktig modell på agent- eller ferdighetsnivå slik at rutinearbeid bruker ønsket rute konsekvent.
En praktisk rutingsveileder
Start med å stille tre spørsmål:
- Hvor kostbart er et feil svar? Bruk Sol når feil gir betydelig merarbeid, risiko eller konsekvenser videre i prosessen.
- Hvor dyp og uklar er konteksten? Bruk Terra eller Sol for store, uoversiktlige innspill som krever kryssjekk og syntese.
- Hvor ofte skal dette kjøres? Bruk Luna for høyvolums, forutsigbart arbeid, og eskaler unntak.
Et blandet rutingsmønster er verdt å teste: Luna filtrerer og strukturerer innspill, Terra gjør hovedarbeidet, og Sol tar de få beslutningene som rettferdiggjør maksimal resonnering. Du trenger ikke én modell til alt; du trenger at hvert steg bruker nok modell.
GPT-5.6 gjør dette valget uvanlig tydelig. Sol, Terra og Luna gir Zero tre driftsnivåer i samme agentmiljø—slik at du kan skalere kapasitet opp når arbeidet krever det, og kostnad ned når det ikke gjør det.
