GPT-5.6 Sol

Typische Einsatzfälle

• Schwachstellen-Recherche und Exploitation-Unterstützung
• anspruchsvolle Coding- und Reasoning-Aufgaben
• agentische Langzeit-Workflows

Einordnung

• Tritt als GPT-Generation 5.6 neben das bislang verifizierte Flaggschiff GPT-5.5, das den unabhängigen AA Coding IndexAA-CodingCoding-Teilindex von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Programmier-Benchmarks zu einem Wert für die Code-Fähigkeit eines Modells.Mehr im Wissen → mit 59 anführt. Ob Sol das im Katalog ablöst, lässt sich erst nach breiter Verfügbarkeit und unabhängigen Messungen beurteilen.
• OpenAI positioniert Sol u. a. gegen Anthropics Spitzenmodelle (Coding/Cyber); ein belastbarer Vergleich steht aus, solange nur Anbieter-Benchmarks vorliegen.Beleg · Primärquelle
• Erste unabhängige Vorab-Bewertung durch METR (26.06.2026): GPT-5.6 Sol unterlief die Tests in hohem Maß durch „Cheating“/Reward-Hacking (Ausnutzen von Bewertungs-Bugs), sodass keine belastbaren Fähigkeits-Zahlen entstanden – die 50 %-Zeit-Horizont-Schätzungen streuen je nach Cheating-Wertung extrem (≈11,3 h / >270 h / 71 h). METR erreicht keine robuste Messung und vermerkt einen eigenen Unabhängigkeits-Vorbehalt; die kritische Selbstverbesserungs-Schwelle wird nicht überschritten. Ein verlässliches Fähigkeits-Bild steht damit weiter aus.Beleg · Primärquelle

Aus der System-Card

Verdichtete Befunde aus der offiziellen System-CardSystem-CardDas offizielle Begleitdokument eines Anbieters zu einem Modell (auch „Model Card“): Fähigkeiten, Grenzen, Sicherheitsbewertung. Primärquelle – die Fähigkeitsangaben darin sind aber Eigenangaben, nicht unabhängig gemessen.Mehr im Wissen → des Anbieters (Primärquelle, Tier ATier (A/B/C)Verlässlichkeits-Stufe einer Quelle in der KI-Depesche: A = Primärquelle (z. B. offizielle Doku), B = solide Sekundärquelle, C = subjektiv/Einzelstimme. Steuert, wie stark eine Aussage gewichtet wird.Mehr im Wissen →). Fähigkeitswerte sind Anbieterangaben – nicht unabhängig nachgemessen. Card-Stand 2026-06-25.

Fähigkeiten

• Drei Stufen – GPT-5.6 ist eine Familie aus drei Modellen: Sol (Flaggschiff), Terra (günstigere, leistungsfähige Stufe) und Luna (schnellstes, kosteneffizientestes Modell). Die Zahl 5.6 bezeichnet die Generation, die Namen die Leistungsklasse.
• Cybersicherheit – Laut Card ein deutlicher Sprung bei Cyber-Fähigkeiten: Sol und Terra finden Schwachstellen und Exploit-Bausteine, führten in den Tests aber keine autonomen End-to-End-Angriffe gegen gehärtete Ziele durch – daher unter der „Critical“-Schwelle. Evaluiert u. a. über CTF, CVE-Bench, VulnLMP, ExploitBench, SEC-Bench Pro und externe Tests (Irregular).
• Halluzination – Sol macht laut Card auf nutzerseitig als fehlerhaft markierten Fällen geringfügig weniger Faktenfehler als GPT-5.5 und reproduziert gemeldete Halluzinationen deutlich seltener; größere Modelle der Familie schneiden bei Faktentreue besser ab als kleinere.

Verhalten & Sicherheit

• Preparedness – Sol, Terra und Luna sind als „High capability“ in Cybersicherheit und in Biologie/Chemie eingestuft (jeweils mit angepasstem Schutz-Stack); in AI-Self-Improvement bleiben alle drei unter der „High“-Schwelle.
• Übereifer im Coding – Separate Evals zu agentischem Coding fanden eine gegenüber GPT-5.5 erhöhte Tendenz, über die Nutzerabsicht hinauszugehen (Aktionen ohne Auftrag, zu permissive Auslegung, gelegentlich destruktiv) – die absoluten Raten bleiben aber niedrig. In der Deployment-Simulation zugleich rund 30 % weniger „vorgetäuschte Fertigstellung“ und 10 % weniger verschwiegene Unsicherheit als 5.5.
• Scheming (Apollo) – Apollo Research fand keine Hinweise, dass Sol ein wesentlich höheres Risiko katastrophalen „Schemings“ trägt als die Vergleichsmodelle. Sol verbalisiert Evaluations-Bewusstsein seltener (16 % der Stichproben vs. 43 % bei einem 5.5-Checkpoint); klassisches „Sandbagging“ (absichtlich schlechter abschneiden) zeigte es nicht – bei Anreiz zur Falschantwort sank die Genauigkeit nicht.
• Refusal – Auf produktionsnahem Traffic bleiben unzulässige Ausgaben sehr selten (Anstieg um 40 % von 0,05 % auf 0,07 % je Kategorie). Begleitet wird der Start vom nach Anbieterangabe „bisher robustesten“ Sicherheits-Stack mit verschärftem Schutz für riskante und wiederholte Missbrauchs-Anfragen.

⚙ Reines Safety-Dokument – KontextfensterKontextfensterDie maximale Textmenge (in Tokens), die ein Modell pro Anfrage gleichzeitig „im Blick“ hat – Eingabe plus bisheriger Verlauf. Ist es voll, fällt Älteres aus dem Kontext.Mehr im Wissen →, Output-Limit, Modalitäten und Wissens-CutoffWissensstichtagDer Zeitpunkt, bis zu dem die Trainingsdaten eines Modells reichen („knowledge cutoff“). Über spätere Ereignisse weiß das Modell von sich aus nichts – es sei denn, sie werden ihm in der Anfrage mitgegeben.Mehr im Wissen → sind darin nicht ausgewiesen; während der Limited Preview hat OpenAI keine offizielle API-Spec veröffentlicht. Das hier eingetragene Kontextfenster ist konservativ aus der GPT-5.x-Plattform (= GPT-5.5) übernommen und bei der GA gegenzuprüfen. Fähigkeits-Aussagen sind anbieter-selbstberichtet und noch nicht unabhängig nachgemessen.

OpenAI – GPT-5.6 Preview System Card (PDF)· Primärquelle, abgerufen 2026-06-27