Releases
GPT 5.6
GPT 5.6 has been cleared by the US government and is now available to everyone.
The model comes in 3 sizes, named Luna, Terra, and Sol (in order from smallest to largest).
Benchmarks from Artificial Analysis, since OpenAI did not give a good benchmark image to use.
Based on my usage this week and also the public sentiment I would put GPT 5.6 Sol in the same tier as Claude Fable 5.
It is extremely capable on agentic tasks, coding and otherwise.
It also has the added benefit of being one third the cost, due to its lower cost and lower token us versus Fable.
Fable does still seem to have the best intent inference and judgement (big model smell) but for most tasks this is not necessary.
If you really need the extra juice from Fable’s planning, I would use Fable as the planner and have it use GPT 5.6 as the implementer.
GPT 5.6 also doesn’t seem to have as many or as oppressive safeguards compared to Fable.
Historically the GPT models have been poor at frontend design as evidenced by Design Arena and Frontend Code Arena.
GPT 5.6 changes this, as it is now tied for first with Fable in the Frontend Code Arena.
Previously I had only used Claude for frontend tasks, as GPT 5.x was better at software engineering in my experience, and now I no longer need to go to Claude for anything now for day to day coding.
From rasbt on Twitter
We need to talk about reasoning effort levels and the smaller Terra and Luna models.
There are 6 reasoning levels to choose from: light, medium, high, extra high, max, and ultra.
The first 5 use increasing amounts of reasoning effort to get better results, and the ultra tier uses a large number of subagents to work in parallel.
Normally for the GPT series I would just say to use the best model for all tasks and not worry about the smaller models.
From benchmarks, and some initial community testing, this doesn’t seem to be the case anymore.
For instance, looking at the AA Coding Agent index shown above, GPT 5.6 Terra Ultra should be cheaper and better than using Sol with high reasoning.
This of course is on benchmarks, which may not be indicative of real world performance.
Members of the community are still testing to see what combination of model and reasoning level is the best for day to day use.
We will be covering any advances or learnings about this at AI Tools Club, our weekly community meeting about how and what AI tools we are using (livestreamed on Tuesdays at 5PM on the Vector Lab YouTube channel).
For now the makers of Codex recommend using Sol with medium reasoning, so I would use that as the default for now.
Also note that the Codex rate limits get burned faster with 5.6 Sol than with 5.5, so be aware of that when using it.
| Model | $ per million (input) | $ per million (output) | Tokens per second |
|---|
| GPT 5.6 Sol | $5 | $30 | 45 |
| GPT 5.6 Terra | $2.50 | $15 | 63 |
| GPT 5.6 Luna | $1 | $6 | 84 |
| GPT 5.5 | $5 | $30 | 51 |
| Claude Fable 5 | $10 | $50 | 40 |
| Claude Opus 4.8 | $5 | $25 | 60 |
| GLM 5.2 | $1.40 | $4.40 | 47 |
| Grok 4.5 | $2 | $6 | 88 |
| Muse Spark 1.1 | $1.25 | $4.25 | no data |
Data from OpenRouter, except for Muse Spark, which comes from AA
Grok 4.5 Fast
xAI has released their first model as a part of SpaceX, and it is a real surprise.
The previous Grok models were all rather lackluster and saw little usage outside of @Grok on Twitter.
Their new Grok 4.5 model seems actually competitive with the Chinese frontier (GLM 5.2) and the American mid tier (Sonnet 5).
This is probably due to the new collaboration that they have with Cursor team, since Cursor was bought by SpaceX shortly after they IPO’d.
For real world use it seems very usable, similar to GLM 5.2.
The most notable thing about it is its speed, which coupled with its low amount of reasoning that it uses allows it to feel much faster than many of the frontier models.
This low token usage also makes it so that it’s around the same cost as GLM 5.2 with max reasoning, even though its nominal price is ~1.5x more.
Overall, an unexpectedly solid release from xAI, we will see if they will be able to continue this momentum into the future and become a contender as one of the top US labs.
Quick Hits
Meta also released a model this week, but unfortunately for them it was unable to outshine GPT 5.6 or Grok 4.5.
Muse Spark 1.1 seems to sit around the same level of usability as Grok 4.5 and GLM 5.2, but is the worst of the 3, being about 5-10% worse on most benchmarks.
The one thing it has going for it is that it does seem to be 25-50% cheaper than the other two.
It does seem to be good in some random fields like legal and medical administrative work, but my guess this is overfitting to the benchmarks.
Finish
I hope you enjoyed the news this week. If you want to get the news every week, be sure to join our mailing list below.
Early computational art from Joseph Alessio on TwitterNota: Este artigo foi traduzido automaticamente com OpenAI GPT-5.5 por meio do Codex CLI; a qualidade pode estar reduzida, especialmente na terminologia técnica.
Lançamentos
GPT 5.6
GPT 5.6 foi aprovado pelo governo dos EUA e agora está disponível para todos.
O modelo vem em 3 tamanhos, chamados Luna, Terra e Sol (do menor para o maior).
Benchmarks da Artificial Analysis, já que a OpenAI não forneceu uma boa imagem de benchmark para usar.
Com base no meu uso nesta semana e também no sentimento público, eu colocaria o GPT 5.6 Sol no mesmo nível do Claude Fable 5.
Ele é extremamente capaz em tarefas agênticas, programação e outras.
Ele também tem o benefício adicional de custar um terço do preço, devido ao custo mais baixo e ao menor uso de tokens em comparação com o Fable.
O Fable ainda parece ter a melhor inferência de intenção e julgamento (aquele cheiro de modelo grande), mas para a maioria das tarefas isso não é necessário.
Se você realmente precisa do gás extra do planejamento do Fable, eu usaria o Fable como planejador e faria com que ele usasse o GPT 5.6 como implementador.
O GPT 5.6 também não parece ter tantas salvaguardas, nem tão opressivas, quanto o Fable.
Historicamente, os modelos GPT têm sido fracos em design de frontend, como mostram o Design Arena e o Frontend Code Arena.
O GPT 5.6 muda isso, já que agora está empatado em primeiro lugar com o Fable no Frontend Code Arena.
Antes eu só usava Claude para tarefas de frontend, já que o GPT 5.x era melhor em engenharia de software na minha experiência, e agora não preciso mais recorrer ao Claude para nada na programação do dia a dia.
De rasbt no Twitter
Precisamos falar sobre níveis de esforço de raciocínio e os modelos menores Terra e Luna.
Há 6 níveis de raciocínio para escolher: light, medium, high, extra high, max e ultra.
Os 5 primeiros usam quantidades crescentes de esforço de raciocínio para obter resultados melhores, e o tier ultra usa um grande número de subagentes trabalhando em paralelo.
Normalmente, para a série GPT, eu simplesmente diria para usar o melhor modelo em todas as tarefas e não se preocupar com os modelos menores.
Pelos benchmarks e por alguns testes iniciais da comunidade, isso não parece mais ser o caso.
Por exemplo, olhando para o índice AA Coding Agent mostrado acima, o GPT 5.6 Terra Ultra deve ser mais barato e melhor do que usar o Sol com raciocínio high.
Isso, claro, é em benchmarks, que podem não ser indicativos do desempenho no mundo real.
Membros da comunidade ainda estão testando para ver qual combinação de modelo e nível de raciocínio é a melhor para uso no dia a dia.
Vamos cobrir quaisquer avanços ou aprendizados sobre isso no AI Tools Club, nossa reunião semanal da comunidade sobre como e quais ferramentas de IA estamos usando (transmitida ao vivo às terças-feiras às 17h no canal do Vector Lab no YouTube).
Por enquanto, os criadores do Codex recomendam usar Sol com raciocínio medium, então eu usaria isso como padrão por agora.
Observe também que os limites de uso do Codex são consumidos mais rápido com o 5.6 Sol do que com o 5.5, então fique atento a isso ao usá-lo.
| Modelo | US$ por milhão (entrada) | US$ por milhão (saída) | Tokens por segundo |
|---|
| GPT 5.6 Sol | US$5 | US$30 | 45 |
| GPT 5.6 Terra | US$2,50 | US$15 | 63 |
| GPT 5.6 Luna | US$1 | US$6 | 84 |
| GPT 5.5 | US$5 | US$30 | 51 |
| Claude Fable 5 | US$10 | US$50 | 40 |
| Claude Opus 4.8 | US$5 | US$25 | 60 |
| GLM 5.2 | US$1,40 | US$4,40 | 47 |
| Grok 4.5 | US$2 | US$6 | 88 |
| Muse Spark 1.1 | US$1,25 | US$4,25 | sem dados |
Dados da OpenRouter, exceto para o Muse Spark, que vem da AA
Grok 4.5 Fast
A xAI lançou seu primeiro modelo como parte da SpaceX, e ele é uma verdadeira surpresa.
Os modelos Grok anteriores eram todos bastante sem graça e tiveram pouco uso fora do @Grok no Twitter.
O novo modelo Grok 4.5 deles parece realmente competitivo com a fronteira chinesa (GLM 5.2) e o tier médio americano (Sonnet 5).
Isso provavelmente se deve à nova colaboração que eles têm com a equipe do Cursor, já que o Cursor foi comprado pela SpaceX pouco depois de fazer seu IPO.
Para uso no mundo real, ele parece muito utilizável, semelhante ao GLM 5.2.
O mais notável sobre ele é sua velocidade, que, junto com a baixa quantidade de raciocínio que ele usa, faz com que pareça muito mais rápido do que muitos dos modelos de fronteira.
Esse baixo uso de tokens também faz com que ele fique em torno do mesmo custo do GLM 5.2 com raciocínio max, embora seu preço nominal seja cerca de 1,5x maior.
No geral, um lançamento inesperadamente sólido da xAI; veremos se eles conseguirão manter esse embalo no futuro e se tornar uma concorrente entre os principais laboratórios dos EUA.
Notas Rápidas
A Meta também lançou um modelo nesta semana, mas infelizmente para eles ele não conseguiu ofuscar o GPT 5.6 nem o Grok 4.5.
Muse Spark 1.1 parece ficar em torno do mesmo nível de usabilidade do Grok 4.5 e do GLM 5.2, mas é o pior dos 3, sendo cerca de 5-10% pior na maioria dos benchmarks.
O ponto a favor dele é que parece ser 25-50% mais barato do que os outros dois.
Ele parece ser bom em algumas áreas aleatórias como trabalho administrativo jurídico e médico, mas meu palpite é que isso é overfitting aos benchmarks.
Encerramento
Espero que você tenha gostado das notícias desta semana. Se quiser receber as notícias toda semana, não deixe de entrar na nossa lista de emails abaixo.
Arte computacional inicial de Joseph Alessio no TwitterNota: Este artículo fue traducido automáticamente con OpenAI GPT-5.5 mediante Codex CLI; la calidad puede verse degradada, especialmente en la terminología técnica.
Lanzamientos
GPT 5.6
GPT 5.6 ha sido autorizado por el gobierno de EE. UU. y ya está disponible para todo el mundo.
El modelo viene en 3 tamaños, llamados Luna, Terra y Sol (en orden de menor a mayor).
Benchmarks de Artificial Analysis, ya que OpenAI no proporcionó una buena imagen de benchmarks para usar.
Según mi uso esta semana y también el sentimiento público, pondría a GPT 5.6 Sol en el mismo nivel que Claude Fable 5.
Es extremadamente capaz en tareas agénticas, de programación y de otro tipo.
También tiene el beneficio añadido de costar un tercio, debido a su menor costo y menor uso de tokens frente a Fable.
Fable todavía parece tener la mejor inferencia de intención y criterio (olor a modelo grande), pero para la mayoría de las tareas esto no es necesario.
Si realmente necesitas la potencia extra de la planificación de Fable, usaría Fable como planificador y haría que use GPT 5.6 como implementador.
GPT 5.6 tampoco parece tener tantas salvaguardas, ni tan opresivas, en comparación con Fable.
Históricamente, los modelos GPT han sido flojos en diseño frontend, como lo demuestran Design Arena y Frontend Code Arena.
GPT 5.6 cambia esto, ya que ahora está empatado en primer lugar con Fable en Frontend Code Arena.
Antes solo usaba Claude para tareas frontend, ya que GPT 5.x era mejor en ingeniería de software según mi experiencia, y ahora ya no necesito recurrir a Claude para nada en la programación del día a día.
De rasbt en Twitter
Tenemos que hablar de los niveles de esfuerzo de razonamiento y de los modelos más pequeños Terra y Luna.
Hay 6 niveles de razonamiento para elegir: light, medium, high, extra high, max y ultra.
Los primeros 5 usan cantidades crecientes de esfuerzo de razonamiento para obtener mejores resultados, y el nivel ultra usa una gran cantidad de subagentes para trabajar en paralelo.
Normalmente, para la serie GPT diría simplemente que uses el mejor modelo para todas las tareas y no te preocupes por los modelos más pequeños.
Por los benchmarks y algunas pruebas iniciales de la comunidad, parece que esto ya no es así.
Por ejemplo, mirando el índice AA Coding Agent que se muestra arriba, GPT 5.6 Terra Ultra debería ser más barato y mejor que usar Sol con razonamiento high.
Por supuesto, esto es en benchmarks, que quizá no sean indicativos del rendimiento en el mundo real.
Los miembros de la comunidad todavía están probando qué combinación de modelo y nivel de razonamiento es la mejor para el uso diario.
Cubriremos cualquier avance o aprendizaje sobre esto en AI Tools Club, nuestra reunión comunitaria semanal sobre cómo y qué herramientas de IA estamos usando (transmitida en vivo los martes a las 5 p. m. en el canal de YouTube de Vector Lab).
Por ahora, los creadores de Codex recomiendan usar Sol con razonamiento medium, así que lo usaría como valor predeterminado por ahora.
Ten en cuenta también que los límites de uso de Codex se consumen más rápido con 5.6 Sol que con 5.5, así que tenlo presente al usarlo.
| Modelo | $ por millón (entrada) | $ por millón (salida) | Tokens por segundo |
|---|
| GPT 5.6 Sol | $5 | $30 | 45 |
| GPT 5.6 Terra | $2.50 | $15 | 63 |
| GPT 5.6 Luna | $1 | $6 | 84 |
| GPT 5.5 | $5 | $30 | 51 |
| Claude Fable 5 | $10 | $50 | 40 |
| Claude Opus 4.8 | $5 | $25 | 60 |
| GLM 5.2 | $1.40 | $4.40 | 47 |
| Grok 4.5 | $2 | $6 | 88 |
| Muse Spark 1.1 | $1.25 | $4.25 | sin datos |
Datos de OpenRouter, excepto Muse Spark, que viene de AA
Grok 4.5 Fast
xAI ha lanzado su primer modelo como parte de SpaceX, y es una verdadera sorpresa.
Los modelos Grok anteriores eran todos bastante mediocres y tuvieron poco uso fuera de @Grok en Twitter.
Su nuevo modelo Grok 4.5 parece realmente competitivo con la frontera china (GLM 5.2) y la gama media estadounidense (Sonnet 5).
Esto probablemente se debe a la nueva colaboración que tienen con el equipo de Cursor, ya que Cursor fue comprado por SpaceX poco después de salir a bolsa.
Para uso en el mundo real parece muy utilizable, similar a GLM 5.2.
Lo más notable es su velocidad, que, junto con la baja cantidad de razonamiento que usa, hace que se sienta mucho más rápido que muchos de los modelos frontera.
Este bajo uso de tokens también hace que esté alrededor del mismo costo que GLM 5.2 con razonamiento max, aunque su precio nominal sea ~1.5 veces mayor.
En general, un lanzamiento inesperadamente sólido de xAI; veremos si podrán mantener este impulso en el futuro y convertirse en un contendiente como uno de los principales laboratorios de EE. UU.
Notas rápidas
Meta también lanzó un modelo esta semana, pero por desgracia para ellos no pudo eclipsar a GPT 5.6 ni a Grok 4.5.
Muse Spark 1.1 parece situarse alrededor del mismo nivel de usabilidad que Grok 4.5 y GLM 5.2, pero es el peor de los 3, con alrededor de un 5-10% peor rendimiento en la mayoría de los benchmarks.
Lo único que tiene a su favor es que sí parece ser 25-50% más barato que los otros dos.
Parece ser bueno en algunos campos aleatorios como trabajo administrativo legal y médico, pero mi sospecha es que esto es sobreajuste a los benchmarks.
Cierre
Espero que hayas disfrutado las noticias de esta semana. Si quieres recibir las noticias cada semana, asegúrate de unirte a nuestra lista de correo abajo.
Arte computacional temprano de Joseph Alessio en Twitter