GPT-5.6 är nu inbyggd i Zero som en familj med tre modeller: Sol för de svåraste multi-agentuppgifterna, Terra för balanserad vardagskörning och Luna för snabba, högvolymsarbetsflöden.
För team som hanterar varierade agentarbetsbelastningar kan det vara mer användbart än en enda ny toppmodell. Istället för att betala för maximal slutledningsförmåga vid varje steg kan du matcha modell till uppgift och ändå behålla samma Zero-miljö: anslutna verktyg, filer, webbläsaråtkomst, isolerad körning, färdigheter och uppföljning.
Välj rutten Inbyggd så hanterar VM0 modellåtkomst och debiterar användningen i krediter. Om ert team redan använder en OpenAI API-nyckel eller en ChatGPT/Codex-prenumeration, stöder Zero även dessa båda vägar.
En familj, tre driftlägen
OpenAI har utformat GPT-5.6 kring hållbara kapabilitetsnivåer. Siffran identifierar generationen; Sol, Terra och Luna beskriver avvägningen mellan intelligens, hastighet och kostnad.
GPT-5.6 Sol: det svåraste arbetet
Sol är flaggskeppet. Använd den när en uppgift är så svår att en starkare plan, mer kontroll eller parallellt arbete kan påverka resultatet väsentligt.
Zeros GPT-5.6 Sol-integration använder Ultra-slutledning som standard. OpenAI beskriver Ultra som att fyra agenter arbetar parallellt och sedan syntetiserar deras arbete. Det gör Sol särskilt lämplig för uppgifter med flera oberoende arbetsflöden, till exempel:
- Migrera en stor kodbas samtidigt som kompatibilitet testas och resultatet dokumenteras.
- Undersöka en marknad från många källor, utmana resultaten och ta fram ett beslutsunderlag.
- Förvandla en produktbeskrivning till ett färdigt gränssnitt, granska det renderade resultatet och åtgärda visuella eller funktionella problem.
- Undersöka en produktionsincident genom loggar, kod, ärenden och webbläsarstatus innan en lösning föreslås.
Sol har $$$ VM0 Inbyggd-nivå. Använd den där felsteg är kostsamma, inte för varje kort svar.
GPT-5.6 Terra: den balanserade arbetshästen
Terra är det förnuftiga startläget för upprepningsbart professionellt arbete. OpenAI positionerar den som den balanserade nivån och rapporterar prestanda i nivå med GPT-5.5 till halva det listade API-tokenpriset.
Använd Terra för arbete som fortfarande kräver slutledning och verktygsanvändning men inte behöver Sols maximala beräkningskraft:
- Daglig research, konkurrentbevakning och sammanfattningar från flera källor.
- Rutinförändringar i kod, analys av pull requests och felsökning av ärenden.
- Utkast till rapporter, lanseringsplaner, kundunderlag och operativa dokument.
- Agentarbetsflöden som kräver stark hantering av lång kontext till en mer måttlig kostnad.
Terra har $$ VM0 Inbyggd-nivå. Den är inte tvingad som universell standard; det är helt enkelt nivån vi skulle testa först för många allmänna arbetsflöden.
GPT-5.6 Luna: hastighet och volym
Luna är den snabbaste och mest prisvärda medlemmen i familjen. Den är byggd för arbete där genomströmning och svarstid är viktigare än maximal djupgående analys.
Bra Luna-arbetsuppgifter inkluderar:
- Klassificera eller dirigera stora mängder ärenden, leads eller meddelanden.
- Extrahera strukturerade fält från enhetliga dokument.
- Göra en första triage innan oklara fall skickas vidare till Terra eller Sol.
- Skapa korta sammanfattningar eller transformationer i stor skala.
Luna har $ VM0 Inbyggd-nivå. Det är inte rätt val för varje billig uppgift: OpenAIs egen långkontextutvärdering visar en stor skillnad mellan Luna och de två större nivåerna vid hämtning från mycket stora indata. Skicka djup, oklar kontext till Terra eller Sol.
Vad benchmarkresultaten visar—och inte visar
OpenAI rapporterar starka resultat för hela familjen, men det viktiga är formen på avvägningen snarare än en enskild topplacering.
På Terminal-Bench 2.1, som utvärderar kommandoradsbaserade agentarbetsflöden, rapporterar OpenAI 91.9% för Sol Ultra, 88.8% för Sol, 87.4% för Terra och 84.7% för Luna. På BrowseComp är de rapporterade poängen 92.2% för Sol Ultra, 90.4% för Sol, 87.5% för Terra och 83.3% för Luna.
Resultatet för lång kontext är den viktigaste signalen för dirigering. På OpenAI MRCR v2, 8-needle, 256K–512K, får Sol 91.5% och Terra 89.6%, medan Luna får 41.3%. Luna kan fortfarande vara utmärkt för korta, upprepade uppgifter; den ska bara inte behandlas som en mindre Sol för alla arbetsbelastningar.
Detta är leverantörsrapporterade utvärderingar, inte en universell ranking. Benchmarktester mäter specifika ramverk, verktyg, slutledningsinställningar och budgetar. Ditt eget arbetsflöde kan ge en annan ordning, så testa ett representativt uppdrag innan du byter produktionsagent.
GPT-5.6 vs GPT-5.5 och Claude Fable 5
Den praktiska jämförelsen är inte ”vilken modell vinner?” utan ”vilket beteende är värt att betala för i detta skede av körningen?”
| Modell | Bäst användning i Zero | Vad som utmärker sig | VM0 Inbyggd-nivå |
|---|---|---|---|
| GPT-5.6 Sol | Svårt, flerstegsarbete där planering, parallell körning, designbedömning eller validering kan påverka resultatet | Zero använder Ultra som standard; starkaste GPT-5.6-nivån för kodning, datoranvändning, design, research och djup kontext | $$$ |
| GPT-5.6 Terra | Vardagliga professionella arbetsflöden som fortfarande kräver pålitlig slutledning och verktyg | Balanserad kvalitet, hastighet och kostnad; stark familjeanpassning för långkontextarbete | $$ |
| GPT-5.6 Luna | Snabbt, högvolymsarbete med enhetliga indata och enkel upptrappning | Lägsta latens och kostnad i familjen; idealisk för triage, extraktion och massbearbetning | $ |
| GPT-5.5 | Befintliga OpenAI-arbetsflöden som redan är validerade och ännu inte behöver ombaseras | Bekant toppbeteende och en stabil jämförelsepunkt för nuvarande agenter | Tillgänglighet beror på arbetsytans konfiguration |
| Claude Fable 5 | De djupaste Anthropic- och Claude Code-arbetsflödena, särskilt där ett team redan är anpassat till dess beteende | Premium långsiktig slutledning och en särskild leverantörs-/verktygsprofil | $$$$ |
OpenAI rapporterar att Sol leder över Fable 5 på Agents' Last Exam och Artificial Analysis Coding Agent Index, medan Fable 5 fortfarande ligger något före på GDPval-AA v2. Det är just därför ”bästa modell” är ett för brett påstående. Sol är övertygande när du vill ha OpenAIs starkaste agentiska kodning, datoranvändning, design och multi-agentbeteende. Fable är fortsatt ett giltigt val för avancerat Anthropic-arbete och arbetsflöden som redan är kalibrerade för Claude Code.
Terra är det mer direkta uppgraderingsalternativet för många GPT-5.5-arbetsflöden: OpenAI säger att den är konkurrenskraftig med GPT-5.5 till halva det listade API-tokenpriset. Luna är ett annat optimeringsmål—hastighet och skala—så jämför den på slutfört arbete per krona eller minut, inte bara på toppresultat i benchmarktester.
Vad Inbyggd betyder i Zero
Inbyggd gör GPT-5.6 till ett dirigeringsval istället för ett behörighetsprojekt. Välj VM0 Managed-leverantören så hanterar Zero åtkomsten och debiterar motsvarande VM0-kreditnivå. Du behöver inte skapa eller underhålla en separat OpenAI API-nyckel för den vägen.
Team som föredrar en egen leverantörsrelation kan fortfarande använda en OpenAI API-nyckel eller koppla en ChatGPT/Codex-prenumeration. Modellnamnet förblir detsamma; faktureringsvägen och leverantörskonfigurationen ändras. VM0-kreditnivåer ($, $$, $$$) är inte desamma som OpenAIs publika API-tokenpriser.
Så här aktiverar du GPT-5.6 i Zero
GPT-5.6 väljs i modellinställningarna, inte genom att skriva ”use GPT-5.6” i en prompt.
- Öppna Inställningar och välj Modeller i sidomenyn.
- I avsnittet Personligt, lägg till GPT 5.6 Sol, GPT 5.6 Terra eller GPT 5.6 Luna.
- Välj Inbyggd för att använda VM0 Managed-dirigering, eller välj din anslutna OpenAI API- eller ChatGPT/Codex-leverantör.
- Starta en chatt eller körning, öppna modellväljaren och byt till önskad nivå.
- När ett arbetsflöde är stabilt, ställ in rätt modell på agent- eller färdighetsnivå så att rutinuppgifter alltid använder avsedd väg.
En praktisk dirigeringsguide
Börja med att ställa tre frågor:
- Hur dyrt är ett felaktigt svar? Använd Sol när fel innebär betydande merarbete, risk eller påverkan nedströms.
- Hur djup och oklar är kontexten? Använd Terra eller Sol för stora, röriga indata som kräver kontroll och syntes.
- Hur ofta kommer detta att köras? Använd Luna för högvolyms, förutsägbart arbete och eskalera undantag.
Ett blandat dirigeringsmönster är värt att testa: Luna filtrerar och strukturerar indata, Terra gör huvuddelen av arbetet och Sol hanterar de få beslut som motiverar maximal slutledning. Du behöver inte en modell som gör allt; varje steg ska använda tillräcklig modellkapacitet.
GPT-5.6 gör det valet ovanligt tydligt. Sol, Terra och Luna ger Zero tre driftlägen i samma agentmiljö—så du kan skala upp kapacitet när arbetet kräver det och skala ner kostnaden när det inte gör det.
