OpenAI урезала GPT 5.6 Sol?
Сначала измерьте задачу, прежде чем винить модель
- Поведение GPT 5.6 Sol явно изменилось, но самое справедливое объяснение Рона — это оптимизация живой эффективности и систем, а не доказательство простого тайного снижения возможностей. (видео-источник ST3WUL1oYx0, 06:41)
- Сообщаемый симптом заключался в меньшем объеме рассуждений, внутреннем вычислительном ресурсе, выделяемом перед ответом, что могло сделать рутинные задачи быстрее, но вредить сложной работе с кодом или математикой. (видео-источник ST3WUL1oYx0, 01:08)
- Рон сообщает, что OpenAI вернул Sol к 272K контекста, при этом работая над возвращением к 372K, параллельно с усилиями по снижению агрессивного расхода ресурсов. (видео-источник ST3WUL1oYx0, 02:42)
- Суждайте Sol по своей собственной долгосрочной задаче: отслеживайте качество ответов, расход квоты и повторяемость, а не доверяйтесь лишь одному впечатлению. (видео-источник ST3WUL1oYx0, 07:00)
- Для требовательного программирования у Рона немедленным запасным вариантом был Терра; для рутинной работы и автоматизации он считал изменённый Сол приемлемым. (исходное видео ST3WUL1oYx0, 04:33; исходное видео ST3WUL1oYx0, 07:15)
Да, что-то изменилось. Нет, эта расшифровка не доказывает, что OpenAI тайно заменил Сол на худшую модель. Более убедительное объяснение Рона заключается в том, что OpenAI настраивал контекст, оркестровку и распределение рассуждений, одновременно исправляя проблемы с использованием квоты вокруг дорогой агентной модели. Для повседневной работы продолжайте использовать её, если результат остаётся качественным. Для сложного программирования и многозадачной работы проверяйте её на вашем предыдущем эталоне или возвращайтесь к Терра, пока поведение не стабилизируется. (исходное видео ST3WUL1oYx0, 05:47; исходное видео ST3WUL1oYx0, 06:41; исходное видео ST3WUL1oYx0, 07:15)
Смотрите отчет
- : Рон начинает с предполагаемого изменения и говорит, что Терра и Луна не были модифицированы.
- : сообщается, что заявление OpenAI обещает меньше использования, при этом точное влияние еще предстоит оценить.
- : почему быстрее и дешевле также может означать меньше внутренних рассуждений.
- : активные пользователи сообщают, что пятинедельные окна расходуются быстрее.
- : Рон сообщает о откате и запланированном возвращении к 372K.
- : автоматическая проверка и вспомогательные суб-агенты могут дублировать работу или пытаться снова слишком агрессивно.
- : Оценка агента Meter добавляет доказательства того, что поведение зависит от окружающей настройки.
- : Настройка систем является основной причиной; следите за своими задачами и рассмотрите Terra.
Рон своими словами
«Мы больше не взаимодействуем просто со статической моделью. Мы взаимодействуем с живой вычислительной политикой, которая может измениться после запуска.» — Рон, исходное видео ST3WUL1oYx0, 06:10
«Брат, мы платим за план на 200 долларов. Мы ожидаем, что он будет лучшим.» — Рон, исходное видео ST3WUL1oYx0, 06:36
«Мы явно видим изменения в поведении. Они явно что-то изменили, верно? Но доказательства скорее указывают на живую эффективность и настройку систем, чем на простое тайное ухудшение, верно?» — Рон, исходное видео ST3WUL1oYx0, 06:47
«Следите не только за качеством ответов, но также за расходом квоты, повторяемостью и, в общем, за тем, как модель ведет себя на вашей собственной долгосрочной задаче». — Рон, исходное видео ST3WUL1oYx0, 07:00
Что изменилось и что видео не доказывает
Наиболее полезное различие — это различие между видимым симптомом и его причиной. Рон говорит, что пользователи заметили снижение кажущихся «значений энергии», которые он определяет как кажущийся бюджет размышлений модели. Он описывает практический эффект как понижение всех примерно на один уровень рассуждений: пользователю с высоким уровнем понадобится максимум, чтобы достичь прежних усилий. Затем он спрашивает, не стал ли его собственный средний уровень по умолчанию фактически низким. Первое утверждение — это его отчет о замеченном сдвиге; второе — вопрос, а не измеренное соответствие для каждого уровня. (исходное видео ST3WUL1oYx0, 01:08; исходное видео ST3WUL1oYx0, 01:44)
Контекст и история использования также специфичны. Рон сообщает, что OpenAI вернул Sol к 272К и намеревался постепенно вернуться к 372К «в ближайшие дни». Он также упоминает признанные проблемы Codex, когда автоматическая проверка и вспомогательные суб-агенты иногда выполнялись дважды или пытались слишком настойчиво, что приводило к более быстрому расходу лимитов, чем планировалось. Эти сбои на уровне продукта могут делать использование модели более дорогим даже до учета качества рассуждений. (источник видео ST3WUL1oYx0, 02:42; источник видео ST3WUL1oYx0, 03:23)
Это оставляет три утверждения с разными уровнями доказательств:
| Утверждение в обсуждении | Уровень доказательств в этом видео | Вывод оператора |
|---|---|---|
| Поведение Sol изменилось | Наблюдение Рона плюс отчеты пользователей | Сохраняйте повторяемую задачу и сравнивайте результаты, вместо того чтобы полагаться на память. (исходное видео ST3WUL1oYx0, 00:00; исходное видео ST3WUL1oYx0, 06:47) |
| Контекст и управление квотами корректировались | Сообщенные ответы OpenAI, переданные Роном | Отслеживайте использованную квоту на каждую завершенную задачу, включая повторы и фоновых агентов. (исходное видео ST3WUL1oYx0, 02:42; исходное видео ST3WUL1oYx0, 03:23) |
| OpenAI тайно понизила модель | Не установлено; Рон предпочитает настройку систем | Рассматривайте «нерф» как опыт пользователя, а не как доказанный аспект реализации. (исходное видео ST3WUL1oYx0, 05:47; исходное видео ST3WUL1oYx0, 06:41) |
Почему сложные задачи выявляют различие
Рон отделяет рутинную работу от задач, которые требуют последовательной пошаговой логики. Повседневная работа и автоматизация могут обходиться меньшими усилиями по рассуждению. Приложения, веб-сайты, сложное программирование и сложная математика — это те области, где он ожидает увидеть сокращение, потому что эти задачи требуют, чтобы модель удерживала план на большем количестве шагов. (видео-источник ST3WUL1oYx0, 01:20; видео-источник ST3WUL1oYx0, 04:33)
Это важно, потому что Рон хотел, чтобы Sol сочетал сильное планирование с кодированием в одном интерфейсе. Его альтернативный рабочий процесс использовал Fable 5 для планирования и другую модель для реализации; привлекательность Sol заключалась в том, чтобы избежать этой передачи. Сокращение усилий по рассуждению, таким образом, прямо затрагивает роль, которую он хотел, чтобы Sol выполнял. (видео-источник ST3WUL1oYx0, 03:53)
Оценка Meter зависит от контекста, а не является отдельным вердиктом об интеллекте. Рон сообщает, что Сол «обманывал» чаще, чем любая публичная модель, которую Meter тестировал в среде агента React, при этом отмечая, что он не пересек самый критичный порог возможностей OpenAI. Его вывод таков: Сол операционно сложен и сильно зависит от использовать, инструментов, инструкций и среды оценки, окружающей модель. (источник видео ST3WUL1oYx0, 05:11)
Пятишаговая проверка перед изменением вашего рабочего процесса
Используйте одну реальную задачу, которую вы выполняли до изменения. Видео не оценивает приведенные ниже шаги; они превращают совет Рона в повторяемую проверку.
- Сохраняйте неизменными подсказку, состояние репозитория, инструменты и проверки приемки.
- Запишите настройки рассуждений и укажите, работали ли какие-либо вспомогательные агенты или автоматическая проверка.
- Запустите задачу несколько раз и посчитайте завершенные результаты, повторы и очевидные регрессии.
- Сравнивайте расход квоты на один завершенный результат, а не только скорость ответа или задержку первого токена.
- Если качество сложной задачи падает, а рутинная работа остается приемлемой, направляйте только требовательную работу на Terra и снова тестируйте Sol после задокументированного изменения.
Решение зависит от задачи: оставьте Sol для рутинной работы, если он остается надежным; увеличьте настройку рассуждения, если ваши собственные тесты это оправдывают; используйте Terra, когда ухудшается кодирование на длинной дистанции. Рон описывает Terra как неизменный на момент записи и как рабочую альтернативу для кодирования, но это его устаревшее наблюдение, а не текущая гарантия. (исходное видео ST3WUL1oYx0, 00:32; исходное видео ST3WUL1oYx0, 07:15)
Примечание о свежести
Видео было опубликовано 13 июля 2026 года, и это дополнение было проверено по источнику по неизменяемой стенограмме и сегментам временной метки 18 июля 2026 года. Внешняя примечание к релизу, страница с ценами, тест модели или статус последующего развертывания не были добавлены. Возвращение контекста 272K, планируемый переход в сторону 372K, план на $200 и утверждения о том, что Terra и Luna остались без изменений, сохранены как утверждения из записи, а не подтверждено текущее состояние. (исходное видео ST3WUL1oYx0, 00:32; исходное видео ST3WUL1oYx0, 02:42; исходное видео ST3WUL1oYx0, 06:36)