GPT-5.6 Sol wygląda jak model do pracy, nie jak koronacja króla benchmarków

Zvi Mowshowitz opisuje GPT-5.6 Sol jako praktyczny model roboczy obok tańszych Terra i Luna. Podaje ceny 5 i 30 dolarów dla Sol, 2,50 i 15 dolarów dla Terra oraz 1 i 6 dolarów dla Luna, a Fable zostawia przewagę w surowej inteligencji.

Sol jest opisany jako pracownik od zadań, nie uniwersalny mędrzec

Tekst zestawia Sol plus Codex albo Work z Fable plus Claude Code albo Cowork. Według Zvi Fable mocniej wypada jako architekt i planista, a Sol lepiej radzi sobie z praktycznym wykonaniem, computer use i web search.

Zvi cytuje też OpenAI, według którego GPT-5.6 wzmocnił pracę nad AI research, a w testach wewnętrznych podniósł średnią dzienną liczbę output tokens na aktywnego badacza do ponad dwukrotności maksimum z GPT-5.5. OpenAI podaje również 100-krotny wzrost udziału research compute przeznaczonego na wewnętrzny coding inference oraz około 22-krotny wzrost agentic token usage w ciągu 6 miesięcy.

Koszt zadania zaczyna liczyć się tak samo jak IQ modelu

Zmiana polega na tym, że rozmowa o modelach nie dotyczy już tylko najlepszej pojedynczej odpowiedzi. Gdy agent robi dziesiątki kroków, woła narzędzia i pracuje długo, koszt oraz niezawodność w powtarzalnej pracy szybko wygrywają z jednorazowym efektem wow.

Dla deweloperów zmienia to workflow. Silniejszy model może zaprojektować plan, a tańszy i bardziej posłuszny odrobić refaktoryzację, research, migracje, testy i powtarzalne poprawki. Praktyczne pytanie brzmi, gdzie Sol oszczędza czas bez dodatkowego pilnowania.

Pierwsze reakcje mierzą temperaturę pokoju, nie jakość w evals

Zvi wprost pisze, że zbiera gestalt z reakcji i że wczesny hype jest skrzywiony. Ta ostrożność jest ważna. Reakcje ekspertów pomagają znaleźć wzorce, ale nie zastąpią powtarzalnych evals, firmowych zestawów testowych i pomiaru błędów w agentic runs.

Szczególnej precyzji wymagają twierdzenia, że Sol pomógł post-trainować Luna. Kontrolowane zadanie cząstkowe w nadzorowanym środowisku to nie autonomiczne trenowanie kolejnego modelu od początku do końca.

Najwięcej powie podział pracy między Fable, Sol i tańsze modele

Najlepszym sygnałem nie będzie absolutny zwycięzca w czacie. Będzie nim mapa zadań: co oddać Fable, co Sol, co Terra albo Luna i kiedy uruchomić dwa modele obok siebie. Zespoły, które zmierzą ten podział na własnej pracy, dowiedzą się więcej niż obserwatorzy leaderboardu.

Werdykt Lilith

Sol nie wygląda jak tron dla jednego króla modeli. Wygląda jak nowy pracownik zmiany, którego wysyła się z wózkiem po zadania, podczas gdy architekt zostaje przy planach i czerwonym ołówku.