Sol este noul model de vârf al OpenAI pentru raționament și sarcini complexe: cercetare, programare, știință, analiză profesională, securitate cibernetică, utilizarea computerului și design, etc.
Cu aproximativ 15% mai puternic la raționamentul dificil
Nu există un singur test care să măsoare întreaga „inteligență” a unui model AI, dar rezultatele publicate de OpenAI arată un progres important față de GPT-5.5.
Pe Agents’ Last Exam, un benchmark care testează desfășurarea unor sarcini profesionale complexe și de lungă durată, GPT-5.6 Sol a obținut 52,7%, față de 46,9% pentru GPT-5.5. Creșterea relativă este de aproximativ 12,4%.
Poate părea puțin, dar la nivelul actual al inteligenței artificiale, unde modelele de top sunt deja foarte performante, un progres de peste 10% pe probleme dificile reprezintă un salt serios.
Cu 14,5% mai bun la matematica de frontieră
Pe FrontierMath Tier 4, test care conține probleme matematice extrem de dificile, GPT-5.6 Sol a crescut de la 72,5% la 83%.
Asta înseamnă o îmbunătățire relativă de aproximativ 14,5% față de GPT-5.5.
Nu vorbim despre calcule obișnuite, ci despre probleme aflate aproape de frontiera cercetării matematice, unde chiar și diferențele de câteva procente pot fi importante.
Salt de 38% în analiză și luarea deciziilor
Una dintre cele mai spectaculoase diferențe apare pe testele interne de management și consultanță.
GPT-5.5 a obținut 31,3%, în timp ce GPT-5.6 Sol a ajuns la 43,2%. Calculată relativ, creșterea este de aproximativ 38%.
Aici intră sarcini precum analiza unor situații complicate, identificarea riscurilor, compararea mai multor variante și formularea unei decizii argumentate. Cu alte cuvinte, Sol nu doar oferă informații, ci reușește mai bine să lege datele între ele și să ajungă la o concluzie coerentă.
Înțelege mai bine fotografiile, graficele și documentele scanate
GPT-5.6 aduce îmbunătățiri și pe partea vizuală, dar progresul diferă în funcție de complexitatea materialului.
Pe MMMU Pro, un test general de înțelegere a imaginilor, scorul a crescut de la 81,2% la 83%. Diferența este relativ mică.
În schimb, pe gdp.pdf, un benchmark pentru interpretarea PDF-urilor și a documentelor vizuale complexe, scorul a crescut cu aproximativ 18%.
Sol ar trebui astfel să interpreteze mai bine graficele, tabelele, capturile de ecran, documentele scanate și informațiile răspândite pe mai multe pagini.
Cu 30% peste Claude Fable 5 la raționamentul profesional complex
Pe Agents’ Last Exam, Claude Fable 5 a obținut 40,5%, față de 52,7% pentru GPT-5.6 Sol. Raportată la scorul lui Fable, diferența este de aproximativ 30% în favoarea lui Sol.
Asta nu înseamnă că Sol câștigă fiecare benchmark. Fable 5 rămâne foarte puternic la programare autonomă, analiză financiară, vedere artificială și sarcini foarte lungi. În unele evaluări generale, cele două modele sunt extrem de apropiate.
Dar pe unul dintre cele mai relevante teste de raționament profesional complex, Sol este clar înainte.
Mai puține refuzuri inutile?
GPT-5.6 Sol nu este un model fără filtre. OpenAI afirmă chiar că acesta beneficiază de cel mai robust sistem de siguranță construit până acum și că protecțiile sale pentru zona cyber blochează de aproximativ zece ori mai multă activitate potențial periculoasă decât generațiile anterioare.
Diferența urmărită de OpenAI pare să fie precizia: blocarea solicitărilor cu adevărat periculoase, fără limitarea inutilă a cercetării legitime, a depanării, a analizei vulnerabilităților și a activității defensive.
Anthropic confirmă, la rândul său, că Fable 5 și Mythos 5 folosesc același model de bază, dar Mythos beneficiază de eliminarea unor protecții în anumite domenii și este oferit numai unor organizații atent selectate.
Următoarea confruntare: GPT-6 versus Mythos?
În acest moment, OpenAI nu a anunțat oficial GPT-6 și nu a confirmat că modelul va fi lansat până la sfârșitul anului 2026.
Este însă rezonabil să presupunem că următoarea generație va încerca să depășească inclusiv modelele specializate precum Claude Mythos 5, considerat de Anthropic cel mai puternic model al său pentru securitate cibernetică.
Deocamdată, rezultatele dintre Sol și Mythos 5 sunt mixte. Sol câștigă unele teste de securitate și utilizare a terminalului, în timp ce Mythos rămâne înainte pe alte evaluări de programare și exploatare a vulnerabilităților. Prin urmare, afirmația că GPT-6 va fi mai puternic decât Mythos este plauzibilă, dar rămâne o predicție, nu un fapt confirmat.
GPT-5.6 Sol nu este doar o actualizare minoră de număr.
Față de GPT-5.5, avem un progres de aproximativ 12–15% pe unele dintre cele mai dificile teste de raționament și matematică, un salt de 38% în analiza și luarea deciziilor, o interpretare mai bună a documentelor vizuale complexe și un avantaj de aproximativ 30% față de Fable 5 pe un important benchmark de raționament profesional.
Pentru utilizatorul obișnuit, diferența nu va fi întotdeauna spectaculoasă la o întrebare simplă. Dar atunci când problema are multe variabile, surse contradictorii, calcule, documente și decizii de luat, GPT-5.6 Sol ar trebui să arate de ce OpenAI îl numește noul său model de vârf.