GPT-5.6

मूल लेख ↗ Hacker News चर्चा ↗

मॉडल प्रदर्शन और बेंचमार्क

  • कई लोग GPT‑5.6 Sol को GPT‑5.5 की तुलना में कोडिंग/मॉडल अपग्रेड के रूप में मजबूत मानते हैं, जिसमें बेहतर योजना, कम बग, और अधिक “काम पूरा कर देने” वाला व्यवहार है; कभी-कभी यह रोज़मर्रा के काम में Fable की बराबरी करता हुआ या उसे पीछे छोड़ता हुआ भी लगता है।
  • दूसरे लोग बताते हैं कि कठिन तर्क या कोड-पढ़ने वाले कार्यों में Sol अभी भी Fable/Mythos से पीछे है; कुछ का कहना है कि गहरी कोड समीक्षा और आर्किटेक्चर के लिए Fable अब भी अनोखे रूप से अच्छा है।
  • बेंचमार्क पर बहस छिड़ती है:
    • OpenAI का “Agents’ Last Exam” और अन्य इन-हाउस ग्राफ़ cherry-picked कहे जाते हैं, जिनमें भ्रामक axes और non-max Fable settings का इस्तेमाल बताया जाता है।
    • SWE-Bench Pro को कई टिप्पणीकार “broken” या saturated कहते हैं; कुछ नोट करते हैं कि OpenAI अब इसे कम महत्व दे रहा है और DeepSWE तथा FrontierCode को बढ़ावा दे रहा है, जहाँ GPT मॉडल बेहतर स्कोर करते हैं।
    • ARC‑AGI‑3 पर Sol का 7.8% वास्तविक प्रगति माना जाता है, लेकिन फिर भी “AGI” से बहुत दूर है।

डेवलपर अनुभव और harnesses

  • Codex बनाम Claude Code पर एक बड़ा उप-थ्रेड:
    • कई लोग Codex की कम ड्रामा, बेहतर स्थिरता, साफ़ permissions, और अधिक generous usage के लिए प्रशंसा करते हैं; उन्हें Claude Code की bloat, bugs, outages, और opaque quotas पसंद नहीं हैं।
    • दूसरों को लगता है कि Claude/Fable ज़्यादा elegant, intention-aligned code और बेहतर design/UI work बनाते हैं, जबकि Codex को ज़्यादा literal, verbose, या “austere” बताया जाता है।
    • एक आम पैटर्न: दोनों का उपयोग करें—एक planning करे, दूसरा implement या review करे; कुछ लोग OpenCode, Pi, या अन्य harnesses के माध्यम से कई models (जैसे Fable + GPT + DeepSeek) को chain करते हैं।

मूल्य निर्धारण, quotas और दक्षता

  • 5.6 की pricing (Sol/Terra/Luna) को Fable की तुलना में प्रतिस्पर्धी माना जाता है; खासकर Terra/Luna intelligence-per-dollar graphs पर आकर्षक लगते हैं।
  • token efficiency पर ज़ोर बहुत है: कई लोग नोट करते हैं कि cost-per-task benchmarks में Sol, Fable और Opus की तुलना में कहीं अधिक efficient है, लेकिन:
    • Sol Ultra और भारी subagent उपयोग 5-hour windows को बहुत तेज़ी से खत्म कर सकता है; कुछ उपयोगकर्ता देखते हैं कि पूरे windows मिनटों में consume हो जाते हैं।
  • OpenAI के bankable quota resets की व्यापक प्रशंसा होती है; Anthropic के random resets और Fable के कड़े subscription caps की व्यापक निंदा होती है।

सुरक्षा, guardrails और नीति

  • Fable के safety filters (खासकर biology, security, और यहाँ तक कि “DNA” या “security” शब्दों वाले innocuous code के आसपास) एक बड़ा pain point हैं; कई biologists और security researchers बताते हैं कि उन्होंने इसी वजह से Anthropic छोड़ दिया।
  • कुछ लोग cyber-defense कार्यों को over-block न करने के OpenAI के रुख का स्वागत करते हैं, लेकिन अन्य पहले से ही 5.6 में नए “additional safety checks” और slowdowns देखते हैं।
  • सभी बड़े labs के governments और defense (Palantir, Maven, आदि) से संबंधों को लेकर बेचैनी है; कुछ टिप्पणीकार कहते हैं कि अब वे open या non-US models को प्राथमिकता देते हैं।

Prompting व्यवहार और UX

  • OpenAI की अपनी guidance (छोटे prompts, generic “be concise” से बचना) पर बहुत चर्चा होती है:
    • कुछ लोगों को “verbal diarrhea” से दूर जाने का यह बदलाव पसंद है; दूसरों को शिकायत है कि लंबी, सटीक brevity instructions की ज़रूरत “बस छोटा रहो” के उद्देश्य को ही नाकाम कर देती है।
  • उपयोगकर्ता रिपोर्ट करते हैं कि कई harnesses में 5.6, खासकर उच्च reasoning levels पर, 5.5 से धीमा है, लेकिन अक्सर गुणवत्ता अधिक होती है।
  • नया Sol/Terra/Luna naming scheme कुछ लोगों को intuitive (size के हिसाब से sun/earth/moon) लगता है और कुछ को पुराने “mini/nano” या सीधे “Pro/Max” labels की तुलना में confusing marketing।

विविध प्रतिक्रियाएँ

  • लंबे समय से चल रहा “pelican on a bicycle” SVG test Luna/Terra/Sol और reasoning levels के बीच स्पष्ट गुणात्मक अंतर दिखाता है; कुछ लोग तर्क देते हैं कि यह टेस्ट अब training data में है और आंशिक रूप से saturated है, जबकि अन्य इसे अब भी एक उपयोगी visual sanity check मानते हैं।
  • कुल मिलाकर भावना: Fable के लिए मज़बूत प्रतिस्पर्धा और बेहतर cost/efficiency को लेकर उत्साह, लेकिन benchmark marketing, सुरक्षा trade-offs, और model/effort choices की तेज़ी से बढ़ती जटिलता को लेकर संदेह भी।