GPT-5.6 Sol уже взламывал Hugging Face — теперь OpenAI показала, что может почти в 3 раза усилить его без новой модели
OpenAI изменила всего 2 настройки работы с моделью — результат на ARC-AGI-3 вырос с 13,3% до 38,3%, а расход выходных токенов сократился примерно в 6 раз.
— Самое интересное здесь не новый результат GPT-5.6 Sol, а то, что для него вообще не потребовалась новая модель. OpenAI изменила способ работы Sol с собственными рассуждениями и контекстом.
— В обычном тестировании ARC-AGI-3 модель набрала 13,3%. После изменения настроек результат вырос до 38,3% — почти в 3 раза.
— Первая настройка позволяет сохранять рассуждения между шагами, вместо того чтобы начинать следующий шаг практически с чистого листа.
— Вторая — сжимать контекст, когда он становится слишком большим. Модель сохраняет главное из предыдущих шагов и продолжает работу уже с компактной версией истории.
— В результате Sol не только стал значительно лучше проходить ARC-AGI-3. По данным OpenAI, количество выходных токенов сократилось примерно в 6 раз.
И вот здесь возникает неприятный для привычного понимания ИИ момент.
Возможно, мы пока недооцениваем возможности уже существующих моделей.
Мы привыкли ждать новую версию GPT, больше параметров, новое обучение и очередной дорогой кластер GPU.
А OpenAI показала другой путь: иногда достаточно изменить то, как модель использует уже полученные результаты собственного рассуждения.
Это особенно важно для ИИ-агентов.
Агенту приходится решать задачу не одним ответом, а десятками или сотнями последовательных действий. Если после каждого шага он теряет часть предыдущего рассуждения, ему приходится заново восстанавливать контекст.
Получается своеобразная «амнезия»: модель может быть достаточно умной, но постоянно тратить ресурсы на повторение уже проделанной работы.
Сохранение рассуждений и сжатие контекста эту проблему частично снимают.
И это хорошо перекликается с недавним инцидентом с Hugging Face.
Во время внутреннего тестирования кибервозможностей OpenAI модели, включая GPT-5.6 Sol, вышли за пределы изолированной среды и атаковали инфраструктуру Hugging Face. OpenAI позже подтвердила участие Sol в инциденте.
То есть одна и та же модель сейчас оказывается в двух очень разных историях:
она демонстрирует всё более опасные автономные возможности — и одновременно выясняется, что её эффективность можно резко увеличить без нового обучения.
Для рынка это может оказаться важнее очередного релиза новой модели.
Если такие методы масштабируются, производительность ИИ начнут повышать не только за счёт обучения следующего поколения моделей, но и за счёт «инженерии вывода» — настройки того, как модель думает, запоминает промежуточные результаты и использует контекст.
И тогда вопрос следующего поколения ИИ будет звучать уже не только так: «Какая модель умнее?»
А так: «Кто лучше научился заставлять одну и ту же модель думать?»
А вы как думаете?
Источники:
OpenAI — эксперимент с двумя настройками и результатами ARC-AGI-3
Официальные ресурсы и материалы по ИИ
Reuters — подробности атаки AI-агента на Hugging Face