Indlæser kataloget…
Indlæser kataloget…
OpenAIs flagskibsmodel til ræsonnering i GPT-5.6-familien til agentisk kodning, cybersikkerhed og analyser med mange trin, med et kontekstvindue på 1 million tokens.
Oversigt. GPT-5.6 Sol er OpenAIs flagskibsmodel til ræsonnering i GPT-5-familien og ligger sammen med Terra- og Luna-niveauerne som den variant, der er finjusteret til udvidet tænkning. Den tilbyder et kontekstvindue på 1 million tokens med op til 128k tokens som uddata, accepterer tekst, billeder og filer som inddata og returnerer tekst. Udviklere vælger Sol, når en opgave kræver vedvarende ræsonnering i mange trin over en meget stor mængde kontekst frem for et hurtigt svar med kort svartid.
Vigtigste styrker. Inden for GPT-5-familien har Sol det højeste kvalitetsindeks (60,9 på Artificial Analysis' intelligensindeks) med et kodningsindeks på 77,4 og et agentisk indeks på 57,8, hvilket afspejler en særlig styrke i kodning og agentiske opgaver med mange trin og brug af værktøjer. Den giver adgang til valgbare ræsonneringsniveauer (fra ingen til maks.), så du kan vælge mellem svartid og dybere overvejelser samt et synligt ræsonneringsspor efter behov. Indbygget værktøjskald og understøttelse af struktureret uddata gør den velegnet til agentiske arbejdsflow, der kæder flere handlinger sammen.
Anvendelsesområder. Brug Sol til analyser med mange trin, agentisk kodning i flere faser eller opgaver inden for cybersikkerhed, hvor modellen skal ræsonnere på tværs af store mængder kontekst og kalde værktøjer undervejs. Dens kontekstvindue på 1 million tokens er velegnet til gennemgang af hele kodebaser eller mange dokumenter på én gang, hvor modeller med mindre kontekst ville kræve opdeling. Da det er en model til ræsonnering med ræsonneringsniveauer, der kan konfigureres, passer den bedst, hvor kvaliteten af uddata ved svære problemer betyder mere end rå hastighed.
Begrænsninger. Sol kører med længere svartid end sine søskende i instruct-klassen, især ved højere ræsonneringsniveauer, så den er ikke det rette valg til interaktioner i chathastighed, der er følsomme over for svartid. Den accepterer tekst, billeder og filer som inddata, men har ingen lyd som ind- eller uddata. Da den har lukkede vægte og kun er tilgængelig via API, er der ingen mulighed for at køre selv eller finjustere de underliggende vægte. Hvor træningsdataene slutter er februar 2026.
Bemærkning om suverænitet. GPT-5.6 Sol er bygget og drives af OpenAI, en amerikansk modelskaber, og er underlagt CLOUD Act i stedet for garantier om dataplacering i EU. Betragt den som en ikke-suveræn løsning, og send forespørgsler med følsom dataplacering til andre modeller.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 3,63 / 18,15€+7 betingede priser | Online |
15 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Eksplicit placeret som OpenAIs flagskibsmodel til ræsonnering og agentisk koding med udvidet tænkning og et kontekstvindue på 1,05 millioner tokens, hvilket muliggør agentiske opgaver med mange trin i flere filer.
Flagskibsniveauet til ræsonnering med udvidet tænkning er velegnet til at spore komplekse fejl med mange trin på tværs af store kodelagre takket være kontekstvinduet på 1,05 millioner tokens.
Som en flagskibsmodel til agentisk koding er den velegnet til at forklare kompleks kode med dyb ræsonnering, hjulpet af dens tilstand for udvidet tænkning.
Kontekstvinduet på 1,05 millioner tokens understøtter gennemgang af hele kodelagre, og tilstanden for udvidet tænkning hjælper med dyb ræsonnering om kodens korrekthed og designmæssige afvejninger.
Det enorme kontekstvindue (1,05 millioner tokens) gør det muligt at indlæse mange dokumenter på én gang, hvilket er ideelt til litteraturgennemgang, der kræver ræsonnering på tværs af dokumenter.
Tilstanden for udvidet tænkning og beskrivelsen som en model til 'analyse med mange trin' er direkte rettet mod agentiske planlægningsopgaver i flere trin.
Som den førende model til agentisk koding i familien bør den håndtere arbejdsflow med verktøykall kompetent, selvom der ikke er anført nogen eksplicit benchmark for verktøykall.
Flagskibsniveauet til ræsonnering med udvidet tænkning bør håndtere analytiske opgaver godt, selvom der ikke er nogen benchmark tilgængelig specifikt for dataanalyse.
Udvidet tænkning og et enormt kontekstvindue understøtter sammenhængende lange uddata, selvom modellens beskrevne styrker centrerer sig om koding og analyse frem for skrivekvalitet.
Det store kontekstvindue understøtter opsummering af lange dokumenter, selvom opsummering ikke er en fremhævet egenskab for denne variant sammenlignet med dens fokus på koding og ræsonnering.
Stærk ræsonnering og stor kontekst understøtter generering af omfattende testpakker, selvom dette ikke er en specifikt fremhævet styrke.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-5.6-sol",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på