GPT-5.6 jest teraz wbudowany w Zero jako rodzina trzech modeli: Sol do najtrudniejszych zadań wieloagentowych, Terra do zrównoważonego, codziennego działania oraz Luna do szybkich, masowych procesów.
Dla zespołów obsługujących różnorodne zadania agentów, to rozwiązanie może być bardziej użyteczne niż pojedynczy nowy flagowiec. Zamiast płacić za maksymalne rozumowanie na każdym etapie, możesz dopasować model do zadania, zachowując to samo środowisko Zero: połączone narzędzia, pliki, dostęp do przeglądarki, izolowane wykonanie, umiejętności i realizację.
Wybierz trasę Built-in, a VM0 zarządza dostępem do modelu i rozlicza zużycie w kredytach. Jeśli Twój zespół korzysta już z klucza API OpenAI lub subskrypcji ChatGPT/Codex, Zero obsługuje również te opcje.
Jedna rodzina, trzy punkty działania
OpenAI zaprojektowało GPT-5.6 wokół trwałych poziomów możliwości. Numer oznacza generację; Sol, Terra i Luna opisują kompromis między inteligencją, szybkością a kosztem.
GPT-5.6 Sol: najtrudniejsze zadania
Sol to flagowiec. Wybierz go, gdy zadanie jest na tyle trudne, że silniejszy plan, więcej sprawdzania lub praca równoległa mogą znacząco wpłynąć na wynik.
Integracja Zero z GPT-5.6 Sol domyślnie wykorzystuje rozumowanie Ultra. OpenAI opisuje Ultra jako koordynację czterech agentów równolegle, a następnie syntezę ich pracy. Dzięki temu Sol doskonale sprawdza się przy zadaniach z wieloma niezależnymi strumieniami pracy, takich jak:
- Migracja dużej bazy kodu z testowaniem kompatybilności i dokumentowaniem wyniku.
- Badanie rynku na podstawie wielu źródeł, kwestionowanie ustaleń i przygotowanie gotowego do decyzji podsumowania.
- Przekształcenie briefu produktowego w dopracowany interfejs, inspekcja efektu i poprawa błędów wizualnych lub funkcjonalnych.
- Analiza incydentu produkcyjnego na podstawie logów, kodu, zgłoszeń i stanu przeglądarki przed zaproponowaniem rozwiązania.
Sol posiada poziom $$$ VM0 Built-in. Używaj go tam, gdzie błędny krok jest kosztowny, a nie do każdej krótkiej odpowiedzi.
GPT-5.6 Terra: zrównoważony koń roboczy
Terra to rozsądny punkt wyjścia do powtarzalnej pracy profesjonalnej. OpenAI pozycjonuje ją jako zrównoważony poziom i podaje wydajność konkurencyjną z GPT-5.5 przy połowie ceny tokena API.
Używaj Terra do zadań wymagających rozumowania i korzystania z narzędzi, ale nie potrzebujących maksymalnej mocy Sol:
- Codzienne badania, monitoring konkurencji i podsumowania z wielu źródeł.
- Rutynowe zmiany w kodzie, analiza pull requestów i badanie zgłoszeń.
- Tworzenie raportów, planów wdrożenia, briefów dla klientów i dokumentów operacyjnych.
- Przepływy pracy agentów wymagające obsługi długiego kontekstu przy umiarkowanych kosztach.
Terra posiada poziom $$ VM0 Built-in. Nie jest wymuszona jako uniwersalny domyślny wybór; to po prostu poziom, który testowalibyśmy jako pierwszy dla wielu ogólnych procesów.
GPT-5.6 Luna: szybkość i skala
Luna to najszybszy i najtańszy członek rodziny. Jest przeznaczona do zadań, gdzie przepustowość i czas odpowiedzi są ważniejsze niż maksymalna głębia.
Dobre zastosowania Luny to:
- Klasyfikacja lub kierowanie dużych partii zgłoszeń, leadów lub wiadomości.
- Ekstrakcja ustrukturyzowanych pól z jednolitych dokumentów.
- Wstępna selekcja przed przekazaniem niejasnych przypadków do Terra lub Sol.
- Tworzenie krótkich podsumowań lub przekształceń na dużą skalę.
Luna posiada poziom $ VM0 Built-in. Nie jest to właściwy wybór do każdego taniego zadania: własna ocena OpenAI dla długiego kontekstu pokazuje dużą różnicę między Luną a dwoma wyższymi poziomami przy wyszukiwaniu w bardzo dużych wejściach. Kieruj głęboki, niejednoznaczny kontekst do Terra lub Sol.
Co mówią—i czego nie mówią—benchmarki
OpenAI podaje mocne wyniki dla całej rodziny, ale najważniejszy jest kształt kompromisu, a nie pojedyncza pozycja w rankingu.
Na Terminal-Bench 2.1, który ocenia przepływy pracy agentów w wierszu poleceń, OpenAI podaje wyniki: 91.9% dla Sol Ultra, 88.8% dla Sol, 87.4% dla Terra i 84.7% dla Luny. Na BrowseComp zgłoszone wyniki to 92.2% dla Sol Ultra, 90.4% dla Sol, 87.5% dla Terra i 83.3% dla Luny.
Wynik dla długiego kontekstu to ważniejszy sygnał do routingu. Na OpenAI MRCR v2, 8-needle, 256K–512K, Sol uzyskuje 91.5%, Terra 89.6%, a Luna 41.3%. Luna nadal świetnie sprawdza się przy krótkiej, powtarzalnej pracy; nie należy jej jednak traktować jako mniejszego Sol do każdego zadania.
To są oceny podawane przez dostawcę, a nie uniwersalny ranking. Benchmarki mierzą konkretne środowiska, narzędzia, ustawienia rozumowania i budżety. Twój własny przepływ pracy może odwrócić kolejność, więc przetestuj reprezentatywne zadanie przed zmianą agenta produkcyjnego.
GPT-5.6 vs GPT-5.5 i Claude Fable 5
Praktyczne porównanie to nie „który model wygrywa?”, lecz „za które zachowanie warto zapłacić na tym etapie zadania?”
| Model | Najlepsze zastosowanie w Zero | Co się wyróżnia | Poziom VM0 Built-in |
|---|---|---|---|
| GPT-5.6 Sol | Trudna, wieloetapowa praca, gdzie planowanie, równoległe wykonanie, ocena projektu lub walidacja mogą zmienić wynik | Zero domyślnie używa Ultra; najmocniejszy poziom GPT-5.6 do kodowania, obsługi komputera, projektowania, badań i głębokiego kontekstu | $$$ |
| GPT-5.6 Terra | Codzienne profesjonalne procesy wymagające niezawodnego rozumowania i narzędzi | Zrównoważona jakość, szybkość i koszt; mocny wybór rodziny do pracy z długim kontekstem | $$ |
| GPT-5.6 Luna | Szybka, masowa praca ze spójnymi danymi wejściowymi i łatwą eskalacją | Najniższe opóźnienie i koszt w rodzinie; idealna do selekcji, ekstrakcji i masowych przetworzeń | $ |
| GPT-5.5 | Istniejące procesy OpenAI już zweryfikowane i niewymagające ponownej kalibracji | Znane zachowanie i stabilny punkt odniesienia dla obecnych agentów | Dostępność zależy od konfiguracji przestrzeni roboczej |
| Claude Fable 5 | Najgłębsze procesy Anthropic i Claude Code, szczególnie gdy zespół jest już dostrojony do tego modelu | Premium rozumowanie długoterminowe i odmienny profil dostawcy/narzędzi | $$$$ |
OpenAI podaje, że Sol wyprzedza Fable 5 w Agents' Last Exam i Artificial Analysis Coding Agent Index, podczas gdy Fable 5 pozostaje nieco lepszy w GDPval-AA v2. To właśnie dlatego „najlepszy model” to zbyt szerokie stwierdzenie. Sol jest atrakcyjny, gdy zależy Ci na najmocniejszym agentowym kodowaniu, obsłudze komputera, projektowaniu i zachowaniach wieloagentowych OpenAI. Fable pozostaje dobrym wyborem do zaawansowanych zadań Anthropic i procesów już skalibrowanych pod Claude Code.
Terra to bardziej bezpośredni kandydat do aktualizacji dla wielu zadań GPT-5.5: OpenAI twierdzi, że jest konkurencyjna z GPT-5.5 przy połowie ceny tokena API. Luna to inny cel optymalizacji—szybkość i skala—więc porównuj ją pod względem wykonanej pracy na dolara lub minutę, a nie tylko na podstawie szczytowych wyników benchmarków.
Co oznacza Built-in w Zero
Built-in sprawia, że GPT-5.6 staje się wyborem trasowania, a nie projektem zarządzania poświadczeniami. Wybierz dostawcę VM0 Managed, a Zero zajmie się dostępem i rozliczy odpowiedni poziom kredytów VM0. Nie musisz tworzyć ani utrzymywać osobnego klucza API OpenAI dla tej trasy.
Zespoły preferujące własną relację z dostawcą mogą nadal używać klucza API OpenAI lub połączyć subskrypcję ChatGPT/Codex. Nazwa modelu pozostaje taka sama; zmienia się ścieżka rozliczeń i konfiguracja dostawcy. Poziomy kredytów VM0 ($, $$, $$$) nie są tożsame z publicznymi cenami tokenów API OpenAI.
Jak włączyć GPT-5.6 w Zero
GPT-5.6 wybiera się w ustawieniach modelu, a nie przez wpisanie „use GPT-5.6” w promptcie.
- Otwórz Ustawienia i wybierz Modele z paska bocznego.
- W sekcji Personal dodaj GPT 5.6 Sol, GPT 5.6 Terra lub GPT 5.6 Luna.
- Wybierz Built-in, aby użyć trasowania VM0 Managed, lub wybierz połączonego dostawcę OpenAI API lub ChatGPT/Codex.
- Rozpocznij czat lub uruchomienie, otwórz wybierak modelu i przełącz na wybrany poziom.
- Gdy przepływ pracy jest stabilny, ustaw odpowiedni model na poziomie agenta lub umiejętności, aby rutynowa praca korzystała z wybranej trasy konsekwentnie.
Praktyczny przewodnik routingu
Zacznij od trzech pytań:
- Jak kosztowna jest błędna odpowiedź? Użyj Sol, gdy błędy powodują znaczące poprawki, ryzyko lub wpływ na dalsze etapy.
- Jak głęboki i niejednoznaczny jest kontekst? Użyj Terra lub Sol do dużych, złożonych wejść wymagających weryfikacji i syntezy.
- Jak często to zadanie będzie wykonywane? Użyj Luny do masowej, przewidywalnej pracy, a wyjątki eskaluj.
Warto przetestować mieszany wzorzec routingu: Luna filtruje i strukturyzuje dane wejściowe, Terra realizuje główną część zadania, a Sol obsługuje decyzje wymagające maksymalnego rozumowania. Nie potrzebujesz jednego modelu do wszystkiego; wystarczy, by każdy etap używał wystarczająco dobrego modelu.
GPT-5.6 czyni ten wybór wyjątkowo przejrzystym. Sol, Terra i Luna dają Zero trzy punkty działania w tym samym środowisku agenta—możesz więc zwiększyć możliwości, gdy zadanie tego wymaga, i obniżyć koszty, gdy nie jest to konieczne.
