【覇権】GPT5.6、流石にヤバすぎるwww

一方、「Terra」は日常業務向けでバランスが取れたモデル、そして「Luna」は高速かつ手頃な価格を実現したモデルとして展開する。

このうち最上位のSolは、コーディングにおいては、計画、反復、およびツール連携を必要とするコマンドラインワークフローをテストする「Terminal-Bench 2.1」において、競合の「Mythos 5」や「Fable 5」を超える性能を達成したとしている。

生物学ワークフローでも幅広い改善を実現し、長期的なゲノミクスおよび定量的生物学分析をするベンチマーク「GeneBench v1」では、より少ないトークン数でGPT-5.5より優れた結果を達成できたとしている。

さらに、サイバーセキュリティ分野では、ベンチマーク「ExploitBench」において、約3分の1のトークンで競合の「Mythos Preview」と同等の性能を達成。「ExploitGym」も同様に高い性能を示した。