OpenAIは7月9日(米国時間)、最新AIモデル「GPT-5.6」シリーズの一般提供を開始した。長時間の専門業務ワークフローを評価する「Agents’ Last Exam」では、最上位モデルの「GPT-5.6 Sol」が53.6を記録し、Anthropicの「Claude Fable 5」を13.1ポイント上回ったとうたう。下位モデルの「GPT-5.6 Terra」と「GPT-5.6 Luna」も、約16分の1の推定コストでFable 5を上回ったとしている。
ChatGPTのチャットでは、Plus、Pro、Business、Enterpriseの各有料プランでGPT-5.6 Solを利用できる。ProとEnterpriseでは、複雑なタスクで最高品質の結果を出す「GPT-5.6 Sol Pro」も選択可能だ。無料およびGoプランのユーザーも、ChatGPT WorkとCodexに限りバランス型のGPT-5.6 Terraを利用できる。なお、ChatGPT Workは同日発表された新機能で、接続したアプリやファイルを横断して情報を集め、資料作成などの作業を自律的に進めるエージェントだ。
性能面では、計画、反復、およびツール連携を必要とするコマンドラインワークフローをテストするベンチマーク「Terminal-Bench 2.1」において、Solが88.8%を記録し、競合Anthropicの「Claude Mythos 5」(88%)やFable 5(83.1%)を超えるスコアを達成したとうたう。上位設定の「GPT-5.6 Sol Ultra」では91.9%に達する。
サイバーセキュリティ分野のベンチマーク「ExploitBench」ではSolが73.5%を記録し、「GPT-5.5」(47.9%)から大幅に向上。Anthropicの「Claude Mythos Preview」(74.2%)とほぼ同等のスコアを、大幅に低い推定コストで達成したとしている。