📰 IT Дайджест

9 июля 2026

Последняя флагманская модель OpenAI сегодня утром вышла в general availability и доступна в трёх размерах: Luna, Terra и Sol (от меньшей к большей).
Новые модели имеют цену за 1 млн входных/выходных токенов: Luna $1/$6, Terra $2.50/$15, Sol $5/$30. Для сравнения, серия Claude Opus стоит $5/$25, а Claude Fable 5 — $10/$50, но цена за миллион токенов уже мало что говорит нам сейчас, когда число reasoning-токенов может так сильно различаться между моделями для одной и той же задачи.

У всех трёх моделей дата отсечения знаний — 16 февраля 2026 года, окно контекста на миллион токенов и максимум 128,000 выходных токенов.

Самое большое заявленное OpenAI достижение относится к долгосрочной agentic-производительности: в одном бенчмарке все три модели превзошли Claude Fable 5:

Мы обучили GPT-5.6 извлекать больше полезной работы из каждого токена. В Agents’ Last Exam, оценке долгих профессиональных рабочих процессов в 55 областях, GPT-5.6 Sol устанавливает новый максимум 53.6, превосходя Claude Fable 5 (adaptive reasoning) на 13.1 пункта. Даже при medium reasoning он обходит Fable 5 на 11.4 пункта примерно при одной четверти предполагаемой стоимости. Эта эффективность распространяется и на меньшие модели, которые необходимы, чтобы сделать интеллект более доступным и менее дорогим: GPT-5.6 Terra и GPT-5.6 Luna превосходят Fable 5 примерно при одной шестнадцатой стоимости.

Забавно, что один бенчмарк, где Fable 5, по собственным отчётам, разгромил семейство GPT-5.6, — это SWE-Bench Pro, где Fable 5 получил 80% против 64.6% у GPT-5.6 Sol. Это, возможно, помогает объяснить, почему OpenAI решила опубликовать вчера эту статью, в которой отдельно указывает на SWE-Bench Pro и проблемы, обнаруженные ими при аудите этого бенчмарка:

Учитывая эти результаты, мы оцениваем, что ~30% задач SWE-bench Pro являются сломанными, и рекомендуем разработчикам моделей внимательно изучать результаты

У меня был ранний доступ к GPT-5.6 Sol — он определённо очень компетентен, хотя пока мне не показалось, что он лучше Fable в тех сложных задачах по программированию, которые я использую с моделью Anthropic.
Как обычно, руководство по использованию GPT-5.6 содержит самые интересные детали. Появилось множество новых API-функций, которые мне нужно изучить (и, вероятно, добавить поддержку в LLM), включая:

• Programmatic Tool Calling позволяет моделям “compose and run JavaScript that orchestrates tool calls” — мне кажется, это может помочь сократить разрыв между MCPs и полноценными terminal sessions, которые могут полезным образом составлять CLI utilities. Также это напоминает механизм dynamic filtering, который Anthropic добавила в свой инструмент web search и который позволяет выполнять code execution над результатами поиска как часть одного model turn.

• Multi-agent позволяет модели “spin up subagents for parallel, focused work” — шаблон sub-agent теперь встроен в core API.

• Prompt cache breakpoints привносит в OpenAI модель Claude для prompt caching, позволяя явно указывать, где находятся cache breakpoints, вместо того чтобы полагаться на автоматическое определение API. Лично я гораздо больше предпочитаю автоматическое определение (оно по-прежнему поддерживается OpenAI), но, вероятно, здесь есть экономия на оптимизации, если приложить усилия.
  Теперь можно задавать detail: original для запросов с изображениями, чтобы вообще не изменять размер изображения перед обработкой.

Вот полная страница с 18 разными пеликанами — для reasoning efforts none, low, medium, high, xhigh и max по трём разным моделям. Там же перечислены их токены и рассчитанные стоимости — самой дешёвой была gpt-5.6-luna при effort none за 0.71 цента, самой дорогой — gpt-5.6-sol при максимальном уровне reasoning за 48.55 цента.

И ещё новости о пеликанах: если перемотать до 17:50 в их сегодняшнем livestream, вы увидите собственную демонстрацию OpenAI с 3D-пеликанами, едущими на трёхколёсном велосипеде, велосипеде, пони и ещё одном пеликане!