GPT-5.6

Desempenho do modelo e benchmarks

• Muitos veem o GPT‑5.6 Sol como uma forte melhoria em codificação/modelo em relação ao GPT‑5.5, com melhor planejamento, menos bugs e mais comportamento de “fazer acontecer”, às vezes rivalizando ou superando Fable no trabalho do dia a dia.
• Outros relatam que Sol ainda fica atrás de Fable/Mythos em raciocínio difícil ou tarefas de leitura de código; alguns dizem que Fable continua sendo singularmente bom em revisão profunda de código e arquitetura.
• Os benchmarks geram debate:
  • O “Agents’ Last Exam” da OpenAI e outros gráficos internos são criticados como seletivos, com eixos enganosos e configurações não máximas de Fable.
  • SWE‑Bench Pro é chamado de “quebrado” ou saturado por vários comentaristas; alguns observam que a OpenAI agora o está despriorizando enquanto promove DeepSWE e FrontierCode, onde os modelos GPT pontuam melhor.
  • Os 7,8% de Sol no ARC‑AGI‑3 são vistos como progresso genuíno, mas ainda muito longe de “AGI”.

Experiências de desenvolvedor e harnesses

• Grande subthread sobre Codex vs Claude Code:
  • Muitos elogiam o Codex por menos drama, melhor estabilidade, permissões mais claras e uso mais generoso; não gostam do inchaço, bugs, interrupções e cotas opacas do Claude Code.
  • Outros acham que Claude/Fable produzem código mais elegante, mais alinhado à intenção e melhor para design/UI, com Codex descrito como mais literal, verboso ou “austero”.
  • Um padrão comum: usar ambos — um planeja, o outro implementa ou revisa; alguns encadeiam vários modelos (por exemplo, Fable + GPT + DeepSeek) via OpenCode, Pi ou outros harnesses.

Preços, cotas e eficiência

• O preço do 5.6 (Sol/Terra/Luna) é visto como competitivo em relação ao Fable; Terra/Luna, em particular, parecem atraentes em gráficos de inteligência por dólar.
• Forte foco em eficiência de tokens: vários observam que Sol é muito mais eficiente do que Fable e Opus em benchmarks de custo por tarefa, mas:
  • Sol Ultra e o uso intenso de subagentes podem consumir janelas de 5 horas extremamente rápido; alguns usuários veem janelas inteiras serem gastas em minutos.
• Os resets de cota “bankable” da OpenAI são amplamente elogiados; os resets aleatórios da Anthropic e os limites apertados de assinatura do Fable são amplamente criticados.

Segurança, guardrails e política

• Os filtros de segurança do Fable (especialmente em torno de biologia, segurança e até código inocente com termos como “DNA” ou “security”) são um grande ponto de atrito; muitos biólogos e pesquisadores de segurança relatam ter abandonado a Anthropic por isso.
• Alguns recebem bem a posição declarada da OpenAI contra o bloqueio excessivo de tarefas de ciberdefesa, mas outros já veem novos “additional safety checks” e lentidões no 5.6.
• Há desconforto com os vínculos de todos os grandes laboratórios com governos e defesa (Palantir, Maven, etc.); alguns comentaristas dizem que agora preferem modelos abertos ou não americanos.

Comportamento de prompting e UX

• As orientações da própria OpenAI (prompts mais curtos, evitar o genérico “be concise”) são discutidas intensamente:
  • Alguns gostam da mudança para longe de “verbal diarrhea”; outros reclamam que precisar de instruções longas e precisas para brevidade derrota o propósito de “apenas seja curto”.
• Usuários relatam que o 5.6 é mais lento que o 5.5 em muitos harnesses, especialmente em níveis mais altos de raciocínio, mas muitas vezes de qualidade superior.
• A nova nomenclatura Sol/Terra/Luna é chamada ao mesmo tempo de intuitiva (sol/terra/lua por tamanho) e de marketing confuso em comparação com os antigos rótulos “mini/nano” ou simples “Pro/Max”.

Reações diversas

• O teste SVG de longa duração do “pelican on a bicycle” mostra diferenças qualitativas claras entre Luna/Terra/Sol e níveis de raciocínio; alguns argumentam que o teste agora está nos dados de treino e parcialmente saturado, enquanto outros ainda o consideram uma verificação visual útil.
• O sentimento geral: entusiasmo com a forte competição ao Fable e melhor custo/eficiência, misturado com ceticismo sobre marketing de benchmarks, trade-offs de segurança e a complexidade que cresce rapidamente nas escolhas de modelo/esforço.