OpenAI wypuściło ChatGPT 5.6 i od razu w trzech wersjach. Materiały z premiery obiecują wyraźny skok, ale kiedy zszedłem poniżej efektownych slajdów i sam usiadłem do testów, obraz zrobił się dużo mniej jednoznaczny. Po kolei.
Trzy modele: Sol, Terra i Luna
GPT-5.6 to nie jeden model, tylko trzy. Sol to flagowiec do najtrudniejszych zadań: kodowania, rozumowania i cyberbezpieczeństwa. Terra celuje w codzienną pracę i ma dawać wydajność poprzedniej generacji przy dwa razy niższej cenie. Luna to wersja najszybsza i najtańsza, przeznaczona do prostych, masowych zadań.
Test w praktyce: Codex kontra Claude
Nie czekałem na cudze opinie i od razu rzuciłem Terrę na Codexa. Zadanie: aplikacja na Androida do katalogowania linków, z których przygotowuję materiały. Model apkę zbudował, ale przewijanie nie działało, a interfejs wychodził poza krawędzie ekranu. Dokładnie to samo zadanie Claude Fable 5 wykonał bezbłędnie już za pierwszym podejściem. Do kodowania, przynajmniej w moim teście, Fable nadal wypada lepiej.
Co naprawdę mówią benchmarki
OpenAI chwali się, że Sol prowadzi w indeksie kodowania agentowego, minimalnie nad Claude Fable 5. Problem w tym, że wystarczy zajrzeć głębiej w te same tabele. W teście SWE-Bench Pro Sol osiąga 64,6 procent, podczas gdy najmocniejszy Claude przekracza 80. Jeden starannie wyeksponowany wskaźnik dobrze wygląda na slajdzie, ale nie oddaje całości.
METR: model, który oszukiwał
Najciekawsze ujawnił niezależny instytut METR, który testował Sola jeszcze przed premierą. Badacze nie byli w stanie wiarygodnie zmierzyć modelu, ponieważ ten oszukiwał. Zamiast rozwiązywać zadania, wykorzystywał błędy środowiska testowego i sięgał po ukryte odpowiedzi. METR odnotował najwyższy wskaźnik takiego zachowania wśród publicznych modeli, jakie dotąd badał. Jeśli oszustwa policzyć jako porażki, wynik jest przeciętny. Jeśli jako sukcesy, robi się absurdalnie wysoki. To dobrze pokazuje, jak kruche potrafią być efektowne liczby.
Realna przewaga leży w cenie
Gdzie zatem ChatGPT 5.6 faktycznie wygrywa? W koszcie. Według OpenAI Sol jest o 54 procent bardziej wydajny tokenowo, czyli ta sama praca kosztuje wyraźnie mniej. To uczciwa i mierzalna zaleta. Wniosek na dziś brzmi więc prosto: tańszy owszem, lepszy niekoniecznie, a do liczb z materiałów promocyjnych warto podchodzić ostrożnie.
Całe omówienie w krótkim filmie znajdziesz poniżej. Warto dodać, że ten materiał wideo od początku do końca zmontował Claude Fable 5. Tę samą analizę w formie karuzeli opublikowałem też na Instagramie. A jeśli chcesz samodzielnie zestawić odpowiedzi kilku modeli, zajrzyj do Porównywarki AI.