14 июля 2026 года в 01:00 по пекинскому времени OpenAI представила GPT 5.6. На презентации были анонсированы новые решения: ChatGPT Work, десктоп-приложение ChatGPT, Hosted Sites, а также модели GPT 5.6 серии — Soul, Terra и Luna. Кроме того, было объявлено об объединении ChatGPT и Codex.
Основная цель разработок — трансформация ChatGPT из инструмента генерации ответов в исполнительную систему. Такая система сможет принимать задачи, обрабатывать контекст, вызывать инструменты, управлять средой и предоставлять результаты. Исполнительная система должна уметь разбивать задачи на этапы, управлять контекстом, вызывать инструменты, отслеживать состояние, контролировать права и проверять результаты.
ChatGPT Work станет точкой входа для задач. Пользователь будет передавать не просто текст, а рабочее задание — например, поиск примеров использования в Slack и отзывах сотрудников, анализ финансовых данных или обновление прогнозов. Система должна будет определить источники данных, порядок действий, автоматизируемые шаги и моменты, где нужно подтверждение от пользователя.
Среди возможностей новой системы — финансовый анализ, обновление Excel, создание презентаций в PowerPoint, управление десктоп-приложениями, хостинг веб-сайтов, совместная работа нескольких агентов (multi-agent collaboration).
Для работы в реальной среде (с файлами, браузером, таблицами, заметками, почтой и инструментами для совместной работы) нужны десктоп‑приложения. Они обеспечивают доступ к локальным данным — в отличие от веб‑версии, где используются загрузка файлов и облачные коннекторы.
При этом модель не может включить все данные с компьютера пользователя в контекст. Нужно отбирать релевантные данные, преобразовывать PDF, Excel, веб‑страницы, PowerPoint, заметки в обрабатываемый формат. Для этого требуются индексация файлов, семантический поиск, сжатие контекста, отслеживание ссылок и разрешение конфликтов (например, когда в PDF, PowerPoint, сообщениях Slack и таблицах Excel есть противоречивые данные).
Hosted Sites позволяет выдавать результаты в виде веб‑страниц, дашбордов, внутренних инструментов или интерактивных прототипов. Это подходит для временных дашбордов, отчётов по проектам, прототипов продуктов.
Чтобы надёжно доставлять результаты, нужны структурированные протоколы инструментов. Они должны определять:
* входные поля;
* формат возврата результатов;
* обработку ошибок;
* операции только для чтения;
* операции с побочными эффектами.
Например, задачу «обновить прогноз» лучше разбить на шаги: чтение ячеек, проверка формул, генерация diff, ожидание подтверждения, запись в файл.
Выполнение цепочки задач можно разделить на три этапа:
1. ChatGPT Work принимает задачу.
2. Десктоп‑приложение подключает среду.
3. Hosted Sites доставляет результат.
Для выполнения множества шагов требуется планирование моделей. GPT 5.6 разделён на три уровня:
* Soul — для сложных рабочих потоков Agent;
* Terra — для повседневных задач;
* Luna — для высокочастотных задач с низкими затратами.
В сценариях с агентами растут затраты и задержки. Для сложных задач (чтение длинных документов, сжатие контекста, многократный вызов инструментов, генерация кода, проверка результатов) подходит иерархическая маршрутизация:
* низкозатратные модели — для суммирования, классификации, преобразования форматов, пакетной обработки;
* мощные модели — для сложного планирования, рассуждений с длинным контекстом, генерации кода, финансового анализа и операций с высоким риском;
* промежуточные этапы — с динамическим переключением.
Ultra Mode предполагает разделение сложной задачи между несколькими агентами параллельно. Например, один агент читает данные, другой обрабатывает таблицы, третий генерирует страницу, четвёртый проверяет согласованность, затем результаты интегрируются.
Ключевая сложность — orchestrator (система диспетчеризации). Он должен определять:
* разбиение задачи;
* распределение контекста между агентами;
* обработку конфликтующих результатов;
* условия остановки;
* предотвращение дублирования работы;
* контроль затрат.
Без стабильного слоя диспетчеризации многоагентные системы увеличивают длину ошибочных цепочек и усложняют диагностику.
Для оценки эффективности системы диспетчеризации моделей нужны не традиционные бенчмарки для вопросов и ответов, а Terminal Bench, BrowseComp и Agent’s Last Exam. Эти инструменты ближе к реальным сценариям работы агентов (выполнение кода, сложный поиск информации, долгосрочные профессиональные задачи).
Ключевые показатели для систем вроде GPT 5.6:
* частота отказов;
* частота ручного вмешательства;
* среднее время выполнения;
* успешность вызова инструментов;
* проверяемость результатов;
* стоимость одной задачи.
С приближением агентных систем к реальным рабочим процессам растут требования к безопасности. Риски смещаются с содержания вывода на действия: чтение файлов, редактирование таблиц, вызов инструментов, отправка сообщений, отправка кода, обновление бизнес‑систем.
GPT 5.6 демонстрирует улучшения в кибербезопасности — обнаруживает уязвимости и генерирует патчи, но требует строгого проектирования прав доступа. Доверенный агент должен включать:
* минимальный набор прав (доступ только к необходимым ресурсам);
* градацию операций по уровню риска (чтение, черновик, редактирование, отправка, отправка кода, обновление финансовых моделей);
* аудит процессов.
Система должна фиксировать, что модель прочитала, изменила, на чём основывалась, какие выводы взяты из исходных данных, а какие — результат её рассуждений. В финансовых, юридических, безопасных и медицинских сценариях особенно важна цепочка аудита.
Для транзакционного выполнения Agent должен:
1. Сначала создать план и diff изменений.
2. Предоставить их пользователю или валидатору для проверки.
3. Единовременно выполнить изменения (а не вносить их поэтапно).
Для действий вроде редактирования Excel, перемещения файлов, отправки сообщений, отправки кода нужны dry run, diff, подтверждение и rollback (по аналогии с транзакциями в БД). Важно не допустить появления неконтролируемого промежуточного состояния при ошибке.
В корпоративной среде требуется система наблюдения: во время выполнения длительных задач система должна записывать:
* входные и выходные данные каждой подзадачи;
* вызовы инструментов;
* версию модели;
* время выполнения;
* причины сбоев;
* точки ручного вмешательства.
Это необходимо для диагностики ошибок — чтобы понять, где проблема: в рассуждении модели, поиске контекста, интерфейсе инструментов или настройке прав. Agent-системам нужны следы выполнения (trace), особенно при параллельной работе нескольких Agent. Без чётких следов сложность и стоимость отладки растут.
При работе с финансовыми данными важно проверять:
* согласованность данных;
* правильность формул;
* прозрачность предположений;
* распределение ответственности.
Нужно отслеживать, какие ячейки изменила модель, совпадают ли цифры в PowerPoint с исходной таблицей, есть ли чёткое обоснование изменений в прогнозах.
Техническая траектория GPT 5.6:
* использовать ChatGPT Work для приёма задач;
* десктопное приложение — для доступа к реальной среде;
* Hosted Sites — для доставки результата;
* на нижнем уровне — модельное планирование через Soul, Terra, Luna и Ultra Mode;
* контроль рисков — через права, аудит, транзакции и наблюдение.
Стабильность в реальной работе важнее визуальных эффектов на презентации.
Подписаться в Макс
