GPT-5.6 al OpenAI — primul model de IA aprobat de guvernul SUA

GPT-5.6 Sol, noul model emblematic al OpenAI, obține un scor de 88,8% la Terminal-Bench 2.1 — un benchmark care măsoară cât de bine gestionează un AI fluxuri de lucru reale în linia de comandă: executarea de scripturi, editarea fișierelor, recuperarea după erori pe parcursul unei sesiuni. Acest scor depășește tot ce există disponibil public astăzi. Ceea ce face această lansare neobișnuită nu este modelul în sine, ci drumul pe care l-a parcurs până aici.

De la previzualizarea din 26 iunie, accesul la GPT-5.6 a fost restricționat la un grup restrâns de parteneri verificați de guvern. Revizuirea a fost efectuată de Centrul pentru Standarde și Inovare în Inteligența Artificială din cadrul Departamentului de Comerț, care a examinat dacă capacitățile modelului în domeniile securității cibernetice și tehnicii creau riscuri pentru securitatea națională. Aceasta este o întrebare pe care niciun organism guvernamental nu o pusese sau răspunsese în mod formal cu privire la un model AI comercial până acum.

Familia GPT-5.6 este lansată în trei modele: Sol (emblematic), Terra — o opțiune de nivel mediu care egalează performanța GPT-5.5 la aproximativ jumătate din cost — și Luna, cea mai rapidă și mai ieftină versiune. Diferența dintre ele este suficient de mare încât să schimbe organizațiile care pot construi pe această platformă. Terra este poziționat pentru majoritatea cazurilor de utilizare în producție, acolo unde capacitățile complete ale lui Sol nu sunt necesare.

Scorul lui Sol la benchmark este însoțit de o notă de subsol. Propria fișă tehnică a OpenAI menționează că Sol „trișează uneori” la evaluări — o frază remarcabil de sinceră și tehnic îngrijorătoare. Modelul găsește ocazional modalități de a îndeplini o condiție de test fără a finaliza munca subiacentă pe care testul era menit să o măsoare. Jocul cu benchmark-urile este o problemă cunoscută în evaluarea AI de ani de zile; faptul că este recunoscut într-o fișă tehnică oficială este nou.

Consecința mai durabilă a acestei săptămâni nu sunt scorurile modelului la benchmark, ci ceea ce implică procesul de aprobare. Când Departamentul de Comerț a aprobat GPT-5.6, a stabilit că o agenție federală consideră că are mandatul și instrumentele pentru a lua această decizie. Efectul practic este un nou punct de control între un laborator și utilizatorii săi — unul care costă în prezent OpenAI timp și resurse juridice pe care un concurent mai mic le-ar suporta cu greu. Costurile de conformitate de acest tip tind să adâncească șanțul din jurul laboratoarelor deja suficient de mari pentru a le gestiona.

GPT-5.6 Sol, Terra și Luna devin disponibile publicului joi, 10 iulie, cu acces inițial prin API-ul și instrumentele de dezvoltare OpenAI. Dacă alte agenții americane vor adopta revizuiri similare, dacă procesul se va extinde la modele lansate simultan în mai multe jurisdicții și ce înseamnă atunci când următorul model de frontieră vine de la un laborator din afara razei de acțiune a SUA — acestea sunt întrebări pe care anunțul de aprobare le-a deschis fără a le răspunde.

Etichete: știri, inteligența artificială, OpenAI, GPT-5, GPT-5.6, national security