GPT-5.6 Sol Ultra Codex में होगा

मूल लेख ↗ Hacker News चर्चा ↗

Inference cost cuts & “compute multipliers”

  • थ्रेड GPT‑5.6 Sol / Ultra को इस रिपोर्ट से जोड़ता है कि OpenAI ने inference costs को आधा करने का तरीका खोज लिया है।
  • लोग तकनीकों पर अटकलें लगाते हैं: shared KV/prefix caching, speculative decoding, अधिक efficient architectures, DeepSeek‑style tricks (draft models, DSpark‑like systems)।
  • कई लोगों का कहना है कि simple response caching या prefix caching लंबे tail, long-context workloads (जैसे coding) में ज्यादा मदद नहीं करेगा, जहाँ costs सबसे महत्वपूर्ण हैं।
  • “Compute multipliers” को labs के core trade secrets माना जाता है; इन्हें गुप्त रखना quant trading algorithms जैसा बताया जाता है। कुछ लोग इस secrecy की आलोचना anti-scientific और socially harmful कहकर करते हैं।

Sol Ultra, Pro, subagents & workflows

  • Codex में Sol Ultra को (source code के आधार पर) इस तरह बताया गया है: same model/“max” effort, साथ में subagents का proactively उपयोग करने के लिए prompt nudge। कोई special backend mode exposed नहीं है।
  • माना जाता है कि GPT‑5.5 Pro parallel test-time compute का उपयोग करता है (multiple passes + selection/synthesis model), जिससे उसकी effective cost बहुत अधिक हो जाती है।
  • Claude Code के “ultracode” / dynamic workflows से तुलना की गई: scripts जो कई subagents को deterministically orchestrate करते हैं, और इस पर कुछ असहमति है कि ये कितने mature या “broken” हैं।

Model quality, competition & access

  • कई लोग Fable/Mythos को मौजूदा coding leaders मानते हैं, खासकर complex, multi-step tasks (जैसे hardware reverse-engineering) में।
  • GPT‑5.5 Pro को quality के लिए सराहा गया है, लेकिन API usage में अत्यधिक महंगा होने के लिए आलोचना भी हुई है; कुछ लोगों को उम्मीद है कि 5.6 Sol Ultra subscription prices पर इस gap को कम करेगा।
  • कुछ users report करते हैं कि 5.5 हाल में Codex में “lazier”/worse हो गया है, शायद 5.6 की तैयारी में, लेकिन यह anecdotal है।
  • DeepSeek के open research और low prices को बार-बार US labs पर दबाव के रूप में उद्धृत किया गया है; इस पर बहस है कि Chinese labs efficiency में आगे हैं या बस structural रूप से optimize करने के लिए मजबूर हैं।

Enterprise usage, costs & bubble worries

  • Corporate users report कर रहे हैं कि वे पहले से 5.6‑Sol Ultra देख रहे हैं; management ने शुरू में “most tokens used” को gamify किया, फिर अचानक high token spend की चेतावनियों और cheaper models अपनाने की सलाह पर pivot कर दिया।
  • कई commenters इसे इस बात के शुरुआती संकेत के रूप में देखते हैं कि economic bubble deflate हो सकती है: tools उपयोगी हैं, लेकिन scale पर human work की जगह लेने के लिए बहुत महंगे हैं।
  • Mention की गई strategies: planning के लिए strong models का उपयोग करें, और “grunt work” के लिए छोटे models; अधिकांश tasks के लिए local models, और cloud LLMs केवल तब जब अटक जाएँ।

Reliability, safety & automation

  • stochastic LLMs को सीधे critical, automated business processes में embed करने को लेकर मजबूत skepticism है: businesses determinism, auditability, और stable behavior चाहते हैं।
  • कुछ लोग तर्क देते हैं कि feedback और tests के साथ stochastic parts से reliable systems बनाए जा सकते हैं; दूसरे counter करते हैं कि मौजूदा LLMs deployment-time feedback से सचमुच सीख नहीं सकते और opaque बने रहते हैं।

Branding, naming & UX

  • non-descriptive names (“Sol”, “Ultra”, “Codex”) बनाम technical labels को लेकर confusion और annoyance है; दूसरे लोग note करते हैं कि marketing और ease-of-use अक्सर descriptive naming पर भारी पड़ते हैं।