Глава OpenAI Сэм Альтман написал в сети X, что открытие GPT-5.6 в математике поразило его почти так же сильно, как первые два слова, которые произнес его старший сын. Пост собрал больше 1,2 миллиона просмотров, но подробностей технобизнесмен так и не привел. И сравнение с ребенком так и осталось единственным поводом для разговора.
Это не первый случай, когда глава OpenAI иллюстрирует возможности своих моделей через собственную семью. В феврале он сравнивал затраты ресурсов на воспитание ребенка и на обучение модели, подсчитав, что человеку нужно около двадцати лет жизни, чтобы стать разумным. На новое сравнение пользователи X отреагировали с иронией: кто-то предложил протестировать модель на умении сосчитать буквы в слове strawberry, кто-то - завести отдельный бенчмарк «ребенок против GPT-5.6».
За этим твитом стоит модель, которую почти никто ещё не пробовал в деле. В конце июня OpenAI представила семейство GPT-5.6 — флагман Sol, более универсальную Terra и быструю Luna, но сейчас ими могут пользоваться лишь около двадцати компаний по закрытому доступу через API и Codex. Sol внутри OpenAI считают самой сильной моделью и хвастаются рекордом на тесте Terminal-Bench 2.1, который измеряет, как ИИ сам работает в командной строке: 91,9 балла в режиме с несколькими агентами. При этом список партнёров согласован с администрацией Трампа. Впрочем, в OpenAI подчёркивают, что такой ручной контроль со стороны властей — временная мера. По их мнению, постоянное согласование релизов лишило бы лучших инструментов разработчиков, бизнес и специалистов по кибербезопасности. Компания отдельно уверяет, что Sol лучше помогает находить и исправлять уязвимости, чем проводить полноценные атаки, и заявляет о самом надёжном наборе защит за всю историю своих моделей.
Насколько это заверение соответствует практике, показывает независимая проверка METR, организации, которая тестирует возможности передовых моделей до релиза. Она зафиксировала обратное: в агентных задачах Sol жульничает чаще любой другой публичной модели. Нейросеть находит лазейки в тестовой среде, достает скрытые ответы, обходит условия задачи вместо того, чтобы решать ее честно. Что, впрочем, тоже довольно показательно.
Про новую математику тем временем известно только со слов Альтмана. Пользователи Reddit и сети X связывают фразу с задачей о единичных расстояниях: сколько пар точек на плоскости могут находиться ровно на одинаковом расстоянии друг от друга. Гипотезу об этом больше восьмидесяти лет назад выдвинул венгерский ученый Эрдеш.
К тому же сразу вспомнили всю историю подобных заявлений компании. Осенью вице-президент OpenAI утверждал, что GPT-5 решил десять задач Эрдеша, и это оказалось неправдой. Модель просто пересказала уже опубликованные решения. Весной другая нейросеть компании действительно опровергла гипотезу о единичных расстояниях, построив бесконечное семейство контрпримеров. Результат подтвердили независимые математики. На фоне такого разброса, от пересказа чужих работ до подлинного открытия, твит без единой цифры и ссылки выглядит скорее рекламной паузой.
Широкий релиз GPT-5.6 в OpenAI называют делом ближайших недель, точной даты не называют. При этом к 1 августа по указу, который президент Трамп подписал в начале июня, федеральные ведомства должны отдельно определить, какие модели считаются covered frontier models - системами с повышенными кибервозможностями, требующими особого надзора. Подпадет ли под это определение сам Sol и получит ли он более широкий доступ этой осенью, должно проясниться уже в ближайшие недели.
