GPT-5.6 Sol, Terra и Luna: уровни моделей и reasoning effort
OpenAI направляет алиас gpt-5.6 на Sol; Terra — баланс цены, Luna — большие объёмы. Reasoning effort теперь от none до max, по умолчанию medium — что это меняет при переходе с GPT-5.5.
Выбор модели GPT-5.6 начинается с задачи: gpt-5.6-sol — флагман, алиас gpt-5.6 ведёт на Sol, gpt-5.6-terra балансирует возможности и стоимость, а gpt-5.6-luna рассчитана на эффективную работу с большим потоком задач.
Семейство добавляет программные вызовы инструментов, бета-режим нескольких агентов, явное кэширование промптов, сохранение рассуждений, максимальный уровень reasoning, режим Pro и обновлённую обработку детализации изображений; также сообщается о повышении эффективности токенов, качества решений во frontend-дизайне и понимания намерений.
Для продуктовой команды практические решения таковы: какой уровень назначать каждой задаче, сколько reasoning тратить и какие новые возможности внедрять. Ниже — обзор этих вариантов и способ оценить переход, не ухудшив то, что уже работает.
Image: Shixart1985, Wikimedia Commons, CC BY 2.0.
Что реально изменилось в GPT-5.6
Семейство GPT-5.6 яснее делит роли. Sol — флагманский уровень. Terra — сбалансированный уровень для сильного качества без отправки каждой задачи в самый дорогой путь. Luna — эффективный уровень для частых задач, где важны скорость и стоимость.
Это важно для production-систем. У продукта может быть сложная синтеза, где нужен лучший уровень, ежедневное улучшение заметок, где достаточно баланса, и классификация или короткое извлечение, где важнее скорость. Отправлять все в Sol может увеличить стоимость и задержку без видимого улучшения для пользователя.
OpenAI сообщает, что в её внутренних оценках coding-агентов более лаконичные промпты повысили результаты примерно на 10–15%, сократили общее число токенов на 41–66%, а стоимость — на 33–67%. Для собственного процесса задайте результат, ограничения, требования к доказательствам и критерии завершения, а затем проверьте, сохраняет ли более короткий промпт качество при меньшей стоимости.
Для продуктовых команд миграция — это не замена строки. Это дизайн ролей моделей, упрощение prompts, проверка reasoning effort и измерение реального workflow.
Новые возможности
Programmatic Tool Calling позволяет модели писать JavaScript для вызова подходящих инструментов, передавать результаты между вызовами и сокращать промежуточные данные в размещённой среде выполнения. Это подходит для ограниченных задач с большим числом инструментов: фильтрации, объединения, удаления дублей, ранжирования, проверки или агрегации структурированных данных перед выдачей краткого результата.
Бета-режим нескольких агентов позволяет GPT-5.6 координировать параллельные подзадачи и сводить результаты. Используйте его, когда работу можно чётко разделить на независимые направления — например, исследование, проверку, анализ, извлечение данных или рецензирование; последовательные задачи получают от параллельной координации меньше пользы.
Explicit prompt caching дает больше контроля над reusable prompt prefixes. Persisted reasoning может помогать multi-turn качеству, когда цель и допущения остаются стабильными. Pro mode выполняет больше model work перед одним финальным ответом и подходит для сложных quality-first задач, если дополнительная latency и token use оправданы.
В мультимодальных задачах GPT-5.6 может сохранять исходные размеры изображений при детализации original или auto. Это помогает при работе со скриншотами, насыщенными изображениями, PDF и снимками интерфейса, но увеличивает число входных токенов и задержку; прежде чем применять настройку широко, измерьте оба показателя.
Не заменяйте модель вслепую
Migration guide OpenAI прямо говорит: не делайте blind model-string replacement. GPT-5.6 — это семейство, а не одна универсальная настройка.
Если поток использует флагманский GPT-5.5 или GPT-5.4, Sol — естественная отправная точка. Если поток был balanced, mini-like или low-cost, Terra может быть лучше. Если это high-volume classification, extraction, routing или latency-sensitive задача, Luna может быть более правильной.
Reasoning effort тоже важен. GPT-5.6 поддерживает none, low, medium, high, xhigh и max; при пропуске default — medium. Это может изменить поведение, latency и cost, если старый поток фактически работал без reasoning. OpenAI также предупреждает, что function tools в Chat Completions с GPT-5.6 совместимы только с effective reasoning none; reasoning плюс tools лучше делать через Responses API.
Эти детали затрагивают реальный продукт: model routers, defaults, request builders, tests, pricing assumptions, output schemas, cache, long-context limits и UI model pickers. Серьезная миграция сначала сохраняет поведение, а потом проверяет улучшения.
Как оценивать переход
Начните с типичных задач из собственной рабочей нагрузки. Сравните текущую модель и промпт с GPT-5.6 при том же промпте и уровне reasoning, затем проверьте один более низкий уровень. После такой базовой оценки упрощайте промпты или пробуйте дополнительные функции: сохранение reasoning, Pro mode, Programmatic Tool Calling и рабочие процессы с несколькими агентами.
Измеряйте то, что важно для вашего случая: точность ответа, валидность схемы вывода, долю галлюцинаций, задержку и стоимость токенов на успешный результат. Лучшая конфигурация - не всегда самая крупная модель на максимальном reasoning. Это та, что дает надежные результаты при правильной стоимости и задержке.
Итог
GPT-5.6 поднимает потолок того, что может model layer, но качество любого AI-вывода по-прежнему зависит от того, что подано на вход: работу нужно захватить и структурировать, прежде чем модель сможет хорошо над ней рассуждать. Если ваш случай - превращать разговоры в надежные заметки, именно на этом слое захвата и структуры сосредоточен Telli.sh, давая модели вроде GPT-5.6 чистый, проверяемый транскрипт для резюмирования, классификации и доработки.
