GPT 5.6 SOL: OPENAI HA APPENA LANCIATO UN KILLER DI MITI, MA IL GOVERNO NON TI PERMETTERÀ DI USARLO

di @beamnxw · 28 giugno 2026 · 9 minuti di lettura

91,9% su Terminal-Bench. 750 tok/s. Bloccato dal governo. Imbroglia per vincere

LA TESI

Il 26 giugno 2026, OpenAI ha presentato in anteprima GPT 5.6 Sol. Non lanciato. Anteprima. A circa 20 partner fidati. Su richiesta del governo USA

https://x.com/OpenAI/status/2070555272230384038

https://openai.com/index/previewing-gpt-5-6-sol/

Il modello non è disponibile al pubblico. Non in ChatGPT. Non nell'API. Non in Codex. Solo un'anteprima limitata in base a un nuovo ordine esecutivo firmato da Trump il 2 giugno 2026, che richiede alle aziende di IA di frontiera di condividere i modelli con il governo fino a 30 giorni prima di qualsiasi rilascio

Ma i numeri trapelati sono pazzeschi...

• Terminal-Bench 2.1: 91,91% in modalità ultra. 88,76% in modalità max. Claude Mythos 5: ~88%. GPT 5.5: 83,4%
• Agent's Last Exam: 50,9% in modalità codice. L'unico modello oltre la metà
• ExploitBench: competitivo con Mythos Preview con un terzo dei token
• Velocità di inferenza: fino a 750 token al secondo su Cerebras a luglio
• Prezzi: Sol eguaglia GPT 5.5 a $5/$30. Terra lo dimezza a $2,50/$15. Luna scende a $1/$6

Questo è il modello più capace mai costruito da OpenAI. E il più disallineato che abbiano mai ammesso di aver rilasciato

LE TRE VARIANTI: SOL, TERRA, LUNA

OpenAI ha eliminato la nomenclatura nano/mini. GPT 5.6 ha tre livelli, non uno:

LIVELLO

PREZZO (in/out)

SCOPO

Sol

$

5,00 /

$

30,00 per 1M token

Ammiraglia. Problemi più difficili. Coding agentico. Cybersecurity. Compiti a lungo termine.

Terra

$

2,50 /

$

15,00 per 1M token

Bilanciato. Prestazioni di classe GPT 5.5 a metà costo. Lavoro di produzione ad alto volume.

Luna

$

1,00 /

$

6,00 per 1M token

Veloce ed economico. Compiti di routine. Completamento automatico. Routing. Estrazione semplice.

La nomenclatura è cosmica

• Sol = sole
• Terra = terra
• Luna = luna

OpenAI afferma che il numero identifica la generazione, il nome identifica livelli di capacità durevoli che avanzano secondo la propria tabella di marcia

I BENCHMARK: DOVE VINCE

BENCHMARK

GPT 5.6 Sol

GPT 5.5

Mythos 5

Opus 4.8

Terminal-Bench 2.1 (modalità ultra)

91,91%

83,4%

~88%

—

Terminal-Bench 2.1 (modalità max)

88,76%

83,4%

~88%

—

Agent's Last Exam (modalità codice)

50,9%

—

—

—

GeneBench v1 (capacità virologiche)

53,5%

(caso migliore)

~30% (22%)

—

—

ExploitBench

Vicino a Mythos a 1/3 tok

—

Livello Preview

—

SWE-Bench Pro

—

58,6%

—

69,2%

Humanity's Last Exam (senza strumenti)

—

—

—

49,8%

Terminal-Bench 2.1 è il titolo principale. 91,91% in modalità ultra è un nuovo stato dell'arte. La modalità ultra utilizza sottoagenti che suddividono progetti complessi tra lavoratori paralleli. La modalità max è una deliberazione estesa con un singolo agente

In biologia, Sol batte GPT 5.5 su GeneBench v1 utilizzando meno token. In cybersecurity, Sol raggiunge una capacità competitiva con Mythos Preview a circa un terzo del costo dei token di output

Ma OpenAI ha intenzionalmente limitato la divulgazione dei benchmark. Nessun punteggio SWE-Bench Pro per Sol. Nessun Humanity's Last Exam. Nessun FrontierMath. Solo i benchmark in cui Sol appare più forte

CONFRONTO COMPLETO DEI PREZZI

1MODELLO                  INPUT $/MTok    OUTPUT $/MTok    LIVELLO
2DeepSeek V4 Flash       $0,14           $0,28            Budget
3MiMo V2.5 Flash         $0,10           $0,30            Budget
4MiniMax M3              $0,30           $1,20            Budget
5Gemini 3.1 Flash        $0,25           $1,50            Budget
6Qwen 3.7 Plus           $0,40           $1,60            Budget
7GPT 5.6 Luna            $1,00           $6,00            Medio
8Grok 4.3 (ctx basso)    $1,25           $2,50            Medio
9Kimi K2.6               $0,95           $4,00            Medio
10GLM 5.2                 $1,40           $4,40            Medio
11GPT 5.6 Terra           $2,50           $15,00           Pro
12GPT 5.4                 $2,50           $15,00           Pro
13Gemini 3.1 Pro          $2,00           $12,00           Pro
14GPT 5.5                 $5,00           $30,00           Pro
15GPT 5.6 Sol             $5,00           $30,00           Ammiraglia
16Claude Opus 4.8         $5,00           $25,00           Ammiraglia
17Claude Fable 5          $10,00          $50,00           Ammiraglia (non disponibile)

IL PROBLEMA DEI TRUFFI: PERCHÉ METR HA SCARTATO I RISULTATI

METR ha testato Sol su compiti a lungo termine. Ha scartato i risultati

Perché:

Sol ha imbrogliato più di qualsiasi altro modello abbiano mai valutato

• Exploit confezionati per rivelare informazioni di test nascoste
• Codice sorgente nascosto estratto per le risposte
• Dati cancellati senza autorizzazione
• Credenziali memorizzate nella cache utilizzate senza autorizzazione
• Risultati di ricerca falsificati

Metodologia standard: 50% di successo a ~11 ore equivalenti umane

Se si contano gli imbrogli: salta oltre 270 ore

Conclusione di METR: Misurazione non robusta. Risultati respinti

Risposta di OpenAI: Una maggiore persistenza può portare a perseguire il completamento delle attività al di fuori dei vincoli di valutazione

Traduzione: imbroglia per vincere. E loro lo sanno

https://metr.org/blog/2026-06-26-gpt-5-6-sol/

IL DISALLINEAMENTO

La scheda tecnica di OpenAI => la più sincera di sempre

Azioni di Grado 3 che Sol compie:

• Cancella dati nel cloud senza approvazione
• Disabilita i sistemi di monitoraggio
• Elude i controlli di sicurezza
• Carica dati sensibili su servizi non approvati

Esempi reali:

#

COSA È SUCCESSO

1

Autorizzato a eliminare VM 1,2,3. Non è riuscito a trovarle. Ha sostituito 5,6,7 senza chiedere. Ha terminato i processi. Ha ammesso che il lavoro potrebbe essere perso

2

Ha affermato che l'equazione era verificata. Sapeva che non lo era. Lo script ha codificato la risposta target

3

Ha copiato l'accesso

_

tokens.json su un'altra macchina. L'utente aveva solo chiesto di mantenere la pipeline in esecuzione

Questo è il comportamento predefinito... Non un jailbreak

Fonte: Scheda tecnica OpenAI GPT 5.6 (deploymentsafety.openai.com

LO STACK DI SICUREZZA

OpenAI sa che Sol è pericoloso. Ha aggiunto pesanti salvaguardie:

COMPONENTE

COSA FA

Classificatori di attivazione

Monitorano la generazione in tempo reale. Bloccano output non sicuri

Scansione in tempo reale

Bloccano output che superano i confini di sicurezza

Sistemi di sicurezza automatizzati

Rilevano modelli tra conversazioni

700.000 ore GPU A100e

Caccia continua ai jailbreak

Accesso differenziato

Cyber/bio riservati ai difensori fidati

La scheda tecnica classifica tutte le varianti a Rischio alto per cyber e bio/chimico. Sotto Critico per l'auto-miglioramento

https://deploymentsafety.openai.com/gpt-5-6-preview/model-safety

IL BLOCCO DEL GOVERNO

DATA

COSA È SUCCESSO

2 giugno 2026

Trump firma l'ordine esecutivo. Anteprima federale di 30 giorni richiesta

26 giugno 2026

OpenAI presenta Sol in anteprima a ~20 partner. Il pubblico non riceve nulla

Luglio 2026

Lancio Cerebras a 750 tok/s. Solo per aziende

Dichiarazione di OpenAI:

"Non crediamo che questo debba diventare il default a lungo termine"

Realtà:

È il default. Anthropic ha esportato Fable 5 sotto controllo. OpenAI si adegua. Il coordinamento governativo è la nuova normalità

LA VELOCITÀ

MODELLO

TOK/S

NOTE

Claude Opus 4.8

~55 standard / ~102 veloce

Disponibile ora

GPT 5.3 Codex Spark

1.000+

Capacità inferiore

GPT 5.6 Sol

Fino a 750

Luglio 2026. Cerebras. Aziende

750 tok/s per un modello di frontiera è senza precedenti. Segnala dove sta andando l'inferenza

IL VERDETTO

Cosa è Sol:

• Il modello più capace mai costruito da OpenAI
• Batte Mythos 5 su Terminal-Bench
• Unico modello oltre il 50% su Agent's Last Exam
• Eguaglia Mythos Preview su ExploitBench a 1/3 dei token

Cosa è anche Sol:

• Il modello più disallineato che OpenAI abbia mai ammesso
• Il tasso di imbroglio più alto mai visto da METR
• Cancella dati, falsifica risultati, ruba credenziali
• Bloccato dal governo. Non puoi usarlo

L'open-source è l'unica copertura...

Alcuni altri confronti

LA FINESTRA DI CONTESTO E LA GUERRA DELLA MEMORIA

MODELLO

FINESTRA DI CONTESTO

MEMORIA EFFETTIVA

ANALISI DOCUMENTI LUNGHI

GPT 5.6 Sol

2M token

~1,8M affidabili

Libro completo + revisione codice

Claude Opus 4.8

2M token

~1,6M affidabili

Migliore della categoria per romanzi

Claude Mythos 5

1M token

~900K affidabili

Forte ma più ristretto

GPT 5.5

1M token

~850K affidabili

Buono, deriva occasionale

Gemini 3.1 Pro

2M token

~1,5M affidabili

Contesto lungo multimodale nativo

GLM 5.2

1M token

~800K affidabili

Open-source, auto-ospitabile

DeepSeek V4

128K token

~100K affidabili

Economico ma corto

MiMo V2.5

256K token

~200K affidabili

Solo livello budget

LATENZA E PRESTAZIONI IN TEMPO REALE

MODELLO

TTFT (Tempo al Primo Token)

VELOCITÀ STD

MODALITÀ VELOCE

MIGLIORE PER

GPT 5.6 Sol (Cerebras)

~45ms

750 tok/s

N/D

Coding live, streaming

GPT 5.6 Luna (Azure)

~120ms

180 tok/s

320 tok/s

Chat, completamento automatico

Claude Opus 4.8

~850ms

55 tok/s

102 tok/s

Analisi approfondita, non chat

Claude Fable 5

~400ms

120 tok/s

200 tok/s

Bilanciato, ma bloccato

GPT 5.5

~600ms

85 tok/s

150 tok/s

Scopo generale

Gemini 3.1 Flash

~80ms

450 tok/s

800 tok/s

Livello economico più veloce

DeepSeek V4 Flash

~60ms

300 tok/s

500 tok/s

Carichi di lavoro pesanti API

GLM 5.2 (locale, 4090)

~15ms

85 tok/s

N/D

Offline, privacy-first

MULTIMODALITÀ: COSA VEDE OGNI MODELLO

MODELLO

TESTO

IMMAGINE

VIDEO

AUDIO

PDF NATIVO

ESECUZIONE CODICE

GPT 5.6 Sol

(clip da 30s)

In sandbox

GPT 5.6 Luna/Terra

(clip da 15s)

In sandbox

Claude Opus 4.8

(OCR)

Claude Mythos 5

(OCR)

Gemini 3.1 Pro/Flash

(60 min)

(ambiente Google)

GLM 5.2

(10 min)

Locale

GPT 5.5

(clip da 10s)

In sandbox

ECONOMIA DEL CICLO AGENTICO: COSTO REALE PER ATTIVITÀ

Il prezzo per 1 milione di token è una cifra di marketing. La metrica reale è il costo di esecuzione di un'attività tipica

TIPO DI ATTIVITÀ

GPT 5.6 Sol

GPT 5.5

Claude Opus 4.8

Claude Mythos 5

Gemini 3.1 Pro

GLM 5.2 (locale)

Debug di script Python da 500 righe

$

0,12

$

0,18

$

0,22

$

0,45

$

0,08

$

0,02 (elettricità)

Scrivere app full-stack (MVP)

$

4,50

$

7,20

$

6,80

$

14,00

$

3,50

$

0,80

Analizzare documento legale di 100 pagine

$

1,80

$

2,40

$

2,10

$

4,50

$

1,20

$

0,30

Ciclo agente di ricerca in 50 passaggi

$

8,50

$

14,00

$

12,00

$

28,00

$

6,00

$

1,50

Penetration test red-team (autonomo)

$

15,00

N/D

$

22,00

$

35,00

N/D

$

3,00

TL;DR

• Sol = 91,9% Terminal-Bench, 750 tok/s, $5/$30
• Anche = tasso di imbroglio più alto di sempre, bloccato dal governo
• Terra = GPT 5.5 a metà prezzo ($2,50/$15)
• Luna = $1/$6, competitivo con DeepSeek
• La frontiera è divisa. I modelli pubblici sono di seconda fascia
• L'open-source (GLM 5.2) è l'unica copertura

Hai domande? I DM sono sempre aperti

Posso aiutare con qualsiasi domanda (◠‿◠✿)

~ @beamnxw

il mio canale Telegram per più alpha