A cura di Giovanni Masi
Con GPT-5.6 il salto generazionale non si misura soltanto nella qualità delle risposte. OpenAI sta sperimentando una nuova forma di distribuzione dei modelli di frontiera, nella quale prestazioni, autonomia operativa e controllo degli abusi diventano parti dello stesso progetto. La famiglia comprende Sol, Terra e Luna, tre sistemi distinti per capacità, velocità e costo. Il più potente, Sol, introduce livelli di ragionamento più intensivi e una modalità basata su sub-agenti, ma viene inizialmente affidato soltanto a un gruppo ristretto di organizzazioni. È un lancio che riflette sia l’ambizione tecnologica dell’azienda sia la crescente rilevanza politica dei sistemi capaci di programmare, analizzare dati scientifici e individuare vulnerabilità informatiche.
Tre modelli per compiti e budget differenti
La nuova nomenclatura separa la generazione tecnologica dalla fascia di capacità. Il numero 5.6 identifica la famiglia, mentre Sol, Terra e Luna dovrebbero indicare livelli relativamente stabili dell’offerta. Sol occupa il vertice ed è destinato ai problemi che richiedono più ragionamento e coordinamento. Terra viene presentato come il modello equilibrato per il lavoro quotidiano, con prestazioni competitive rispetto a GPT-5.5 e un prezzo dimezzato. Luna privilegia invece rapidità e convenienza.
La segmentazione risponde a un’esigenza concreta. Nei sistemi aziendali non tutte le richieste giustificano il ricorso al modello più costoso. Attività di ricerca, programmazione complessa o analisi scientifica possono essere affidate a Sol, mentre processi ripetitivi e applicazioni ad alto volume possono utilizzare Terra o Luna. La scelta del modello diventa così una decisione architetturale, legata non soltanto alla qualità attesa, ma anche alla latenza e al costo per operazione.
Il ragionamento si estende oltre il singolo agente
GPT-5.6 Sol introduce il livello di ragionamento max, che concede al sistema più tempo e risorse computazionali prima di produrre il risultato. La modalità ultra compie un passo ulteriore, distribuendo il lavoro tra sub-agenti incaricati di affrontare parti diverse dello stesso problema.
L’obiettivo non è semplicemente generare testi più articolati. Un sistema multi-agente può scomporre un progetto software, condurre verifiche parallele, confrontare soluzioni alternative e ricomporre i risultati. Si delinea un modello meno simile a un assistente conversazionale e più vicino a un ambiente operativo capace di gestire procedure prolungate. La reale affidabilità di questa orchestrazione dovrà però essere valutata nell’uso quotidiano, al di fuori delle configurazioni controllate impiegate nei test preliminari.
I benchmark segnalano un progresso, non un verdetto definitivo
Secondo le valutazioni pubblicate da OpenAI, Sol raggiunge il 91,9 per cento su TerminalBench 2.1 in modalità Ultra e l’88,8 per cento nella configurazione non Ultra mostrata da OpenAI. Il benchmark misura flussi di lavoro da terminale che richiedono pianificazione, iterazione e coordinamento degli strumenti. Terra ottiene l’84,3 per cento e Luna l’82,5 per cento, risultati che li collocano vicino o sopra diversi modelli concorrenti presenti nel confronto aziendale.
Figura 1. Risultati dichiarati da OpenAI su TerminalBench 2.1, benchmark dedicato ai flussi di lavoro da riga di comando. Fonte: OpenAI.
Anche GeneBench v1 mostra un miglioramento dichiarato nelle analisi genomiche e nella biologia quantitativa. Sol supera GPT-5.5 raggiungendo punteggi maggiori con un numero inferiore di token in diverse configurazioni. Terra si avvicina progressivamente al modello precedente aumentando il budget computazionale, mentre Luna conserva prestazioni più contenute ma con tariffe inferiori.
Figura 2. Rapporto tra token generati e punteggio su GeneBench v1 per i modelli GPT-5.6 e GPT-5.5. Fonte: OpenAI.
Questi grafici non costituiscono ancora una validazione indipendente. Le prove sono state selezionate e pubblicate dalla stessa azienda che ha sviluppato i modelli. OpenAI precisa inoltre che alcune stime di costo e latenza derivano da simulazioni offline e che i risultati reali possono variare in base agli strumenti impiegati, al numero di token e alla configurazione dell’API.
La cybersicurezza è il terreno più sensibile
Le capacità informatiche rappresentano il punto più delicato dell’annuncio. Su ExploitBench, Sol raggiunge percentuali più elevate all’aumentare dei token utilizzati e si avvicina al risultato attribuito a Mythos Preview con un consumo di output sensibilmente inferiore. Terra e Luna mostrano progressi più graduali, mentre i confronti con i modelli concorrenti non sono sempre omogenei perché, per alcuni sistemi, il numero di token non è stato reso disponibile.
Figura 3. Prestazioni su ExploitBench in relazione al numero di token generati. Le linee orizzontali indicano modelli per i quali non è riportato il consumo di output. Fonte: OpenAI.
ExploitGym evidenzia un andamento analogo. All’aumentare del ragionamento e del tempo concesso, cresce la percentuale di vulnerabilità che i modelli riescono a trasformare in exploit funzionanti. Sol rimane il sistema più efficace della famiglia, seguito da Terra e Luna. Una nota metodologica è essenziale: OpenAI ha eseguito la valutazione su un’API alpha più veloce di quella pubblica e ha successivamente ricalibrato le latenze. Alcuni punti del grafico possono quindi apparire oltre i limiti temporali di due o sei ore indicati per il benchmark, pur essendo stati completati entro il tempo durante l’esecuzione originale.
Figura 4. Risultati su ExploitGym con limiti temporali di due e sei ore. Fonte: OpenAI.
Capacità elevate, ma sotto la soglia critica
La scheda di sistema classifica Sol, Terra e Luna come modelli ad alta capacità nel dominio cyber, ma al di sotto della soglia “Critical” prevista dal Preparedness Framework di OpenAI. Nelle prove su software ampiamente distribuiti, Sol ha individuato vulnerabilità ed elementi utili alla costruzione di exploit, senza riuscire a produrre autonomamente una catena completa e funzionante nelle condizioni testate.
Il risultato non elimina il rischio. Un benchmark isolato non riproduce tutte le combinazioni possibili tra modello, strumenti esterni, infrastrutture e intervento umano. La stessa documentazione riconosce che l’automazione di alcune attività di ricerca delle vulnerabilità sta diventando più concreta, soprattutto quando il modello dispone di ambienti di esecuzione, sistemi di compilazione e verificatori.
La sicurezza diventa un sistema operativo parallelo
Le protezioni introdotte non si limitano ai rifiuti incorporati nel modello. Lo stack di sicurezza comprende classificatori che analizzano in tempo reale i prompt e le generazioni pertinenti ai rischi informatici e biologici, con configurazioni differenti a seconda del modello. Nei casi considerati più rischiosi, la risposta può essere sospesa e sottoposta all’esame di un secondo modello prima di raggiungere l’utente.
A questo livello si aggiungono segnali relativi all’account, monitoraggio dei comportamenti ripetuti, accesso differenziato e procedure di applicazione delle politiche. OpenAI dichiara inoltre di avere impiegato oltre 700.000 ore GPU equivalenti ad A100 nel red teaming automatizzato, concentrandosi su jailbreak capaci di funzionare in contesti differenti. L’azienda riconosce che questi controlli possono rallentare o bloccare anche richieste legittime, soprattutto nelle aree a duplice uso, dove ricerca difensiva e attività offensive condividono strumenti e linguaggi simili.
Un rilascio coordinato con il governo statunitense
Durante l’anteprima i modelli sono disponibili attraverso API e Codex soltanto per un gruppo selezionato di partner e organizzazioni. GPT-5.6 non è ancora accessibile in ChatGPT e non esistono una lista d’attesa pubblica o una procedura di candidatura aperta.
OpenAI afferma di avere presentato preventivamente i propri piani e le capacità dei modelli al governo degli Stati Uniti. L’anteprima sarebbe iniziata, su richiesta governativa, con partecipanti la cui identità è stata comunicata alle autorità. Al momento non risulta una comunicazione ufficiale pubblicata direttamente dall’amministrazione statunitense. La ricostruzione del rilascio coordinato è tuttavia riportata da OpenAI ed è stata confermata anche da fonti giornalistiche autorevoli.
Prezzi aggressivi e una competizione sempre più infrastrutturale
Sol costa 5 dollari per milione di token in input e 30 dollari in output. Terra scende a 2,50 e 15 dollari, mentre Luna si ferma a 1 e 6 dollari. Le letture dalla cache mantengono uno sconto del 90 per cento; le scritture vengono fatturate a 1,25 volte la tariffa dell’input non memorizzato.
OpenAI prevede inoltre di offrire Sol su infrastruttura Cerebras a partire da luglio, inizialmente per clienti selezionati, con una velocità dichiarata fino a 750 token al secondo. È un segnale della trasformazione in corso. La competizione non riguarda più soltanto il punteggio ottenuto da un modello, ma la capacità di fornire ragionamento avanzato con tempi, costi e garanzie operative compatibili con i processi produttivi.
Il banco di prova sarà l’uso reale
GPT-5.6 descrive una transizione verso sistemi capaci di affrontare compiti tecnici più lunghi e di agire attraverso strumenti e sub-agenti. I risultati preliminari indicano progressi rilevanti, ma provengono in larga parte dal produttore e dovranno essere verificati da ricercatori, sviluppatori e aziende una volta ampliato l’accesso.
La questione centrale non è più soltanto quanto bene un modello sappia rispondere. Diventa decisivo capire quali azioni possa compiere, con quali autorizzazioni e sotto quali controlli. È su questo equilibrio tra capacità e governo operativo, più che sui singoli benchmark, che si misurerà il significato reale della nuova generazione.
Bibliografia
OpenAI, “Previewing GPT-5.6 Sol: a next-generation model”, 26 giugno 2026
OpenAI Deployment Safety Hub, “GPT-5.6 Preview System Card”, 26 giugno 2026
OpenAI Help Center, “A preview of GPT-5.6 Sol, Terra, and Luna”, giugno 2026