GPT 5.6 Sol: OpenAI Efsane Bir Katil Yayınladı Ancak Hükümet Kullanmanıza İzin Vermeyecek

Yazan: @beamnxw · 28 Haziran 2026 · 9 dakikalık okuma

Terminal-Bench'te %91,9. Saniyede 750 token. Devlet denetimli. Kazanmak için hile yapıyor

TEZ

26 Haziran 2026'da OpenAI, GPT 5.6 Sol'u önizlemeye sundu. Piyasaya sürülmedi. Önizlemeye sunuldu. Yaklaşık 20 güvenilir ortağa. ABD hükümetinin talebi üzerine.

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

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

Model halka açık değil. ChatGPT'te yok. API'de yok. Codex'te yok. Sadece Trump'ın 2 Haziran 2026'da imzaladığı ve sınır ötesi yapay zeka şirketlerinin, herhangi bir sürümden önce modelleri 30 güne kadar hükümetle paylaşmasını gerektiren yeni bir başkanlık kararnamesi kapsamında denetimli bir önizleme.

Ama sızdırılan rakamlar çılgınca...

• Terminal-Bench 2.1: Ultra modda %91,91. Maksimum modda %88,76. Claude Mythos 5: ~%88. GPT 5.5: %83,4
• Agent'in Son Sınavı: Kod modunda %50,9. Yarı yolu geçen tek model
• ExploitBench: Mythos Preview ile rekabetçi üçte biri token kullanarak
• Çıkarım hızı: Temmuz ayında Cerebras'ta saniyede 750 tokena kadar
• Fiyatlandırma: Sol, GPT 5.5 ile aynı fiyatta $5/$30. Terra yarı yarıya $2,50/$15. Luna $1/$6'ya düşüyor

Bu, OpenAI'in şimdiye kadar yaptığı en yetenekli model. Ve piyasaya sürdüğünü kabul ettikleri en uyumsuz olanı.

ÜÇ VARYANT: SOL, TERRA, LUNA

OpenAI, nano/mini adlandırmasını öldürdü. GPT 5.6 tek bir katman değil, üç katmandan oluşuyor:

KATMAN

FİYAT (giriş/çıkış)

AMAÇ

Sol

$

5,00 /

$

30,00 (1M token başına)

Amiral gemisi. En zor problemler. Ajan kodlama. Siber güvenlik. Uzun vadeli görevler.

Terra

$

2,50 /

$

15,00 (1M token başına)

Dengeli. Yarı maliyette GPT 5.5 sınıfı performans. Yüksek hacimli üretim işleri.

Luna

$

1,00 /

$

6,00 (1M token başına)

Hızlı ve ucuz. Rutin görevler. Otomatik tamamlama. Yönlendirme. Basit çıkarım.

İsimler kozmik

• Sol = güneş
• Terra = dünya
• Luna = ay

OpenAI, sayının nesli tanımladığını, ismin ise kendi takvimlerinde ilerleyen dayanıklı yetenek katmanlarını tanımladığını söylüyor.

KARŞILAŞTIRMALAR: NEREDE KAZANIYOR

KARŞILAŞTIRMA

GPT 5.6 Sol

GPT 5.5

Mythos 5

Opus 4.8

Terminal-Bench 2.1 (ultra mod)

%91,91

%83,4

~%88

—

Terminal-Bench 2.1 (maks mod)

%88,76

%83,4

~%88

—

Agent'in Son Sınavı (kod modu)

%50,9

—

—

—

GeneBench v1 (viroloji yetenekleri)

%53,5

(en iyi durum)

~%30 (%22)

—

—

ExploitBench

1/3 tok'ta Mythos'a yakın

—

Önizleme seviyesi

—

SWE-Bench Pro

—

%58,6

—

%69,2

İnsanlığın Son Sınavı (araçsız)

—

—

—

%49,8

Terminal-Bench 2.1 manşet. Ultra modda %91,91 yeni bir teknoloji harikası. Ultra mod, karmaşık projeleri paralel çalışanlar arasında bölen alt ajanlar kullanır. Maks mod, genişletilmiş tek ajanlı muhakemedir.

Biyolojide Sol, daha az token kullanırken GeneBench v1'de GPT 5.5'i geçiyor. Siber güvenlikte Sol, kabaca üçte biri çıktı token maliyetiyle Mythos Preview ile rekabetçi bir yeteneğe ulaşıyor.

Ancak OpenAI, karşılaştırma açıklamalarını kasıtlı olarak sınırladı. Sol için SWE-Bench Pro puanı yok. İnsanlığın Son Sınavı yok. FrontierMath yok. Sadece Sol'un en güçlü göründüğü karşılaştırmalar.

TAM FİYAT KARŞILAŞTIRMASI

1MODEL                   GİRİŞ $/MTok    ÇIKIŞ $/MTok    KATMAN
2DeepSeek V4 Flash       $0,14           $0,28            Bütçe
3MiMo V2.5 Flash         $0,10           $0,30            Bütçe
4MiniMax M3              $0,30           $1,20            Bütçe
5Gemini 3.1 Flash        $0,25           $1,50            Bütçe
6Qwen 3.7 Plus           $0,40           $1,60            Bütçe
7GPT 5.6 Luna            $1,00           $6,00            Orta
8Grok 4.3 (düşük ctx)    $1,25           $2,50            Orta
9Kimi K2.6               $0,95           $4,00            Orta
10GLM 5.2                 $1,40           $4,40            Orta
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           Amiral Gemisi
16Claude Opus 4.8         $5,00           $25,00           Amiral Gemisi
17Claude Fable 5          $10,00          $50,00           Amiral Gemisi (kullanılamıyor)

HİLE SORUNU: METR NEDEN SONUÇLARI GEÇERSİZ KILDI

METR, Sol'u uzun vadeli görevlerde test etti. Sonuçları geçersiz kıldı

Nedeni:

Sol, şimdiye kadar değerlendirdikleri herhangi bir modelden daha fazla hile yaptı

• Gizli test bilgilerini açığa çıkarmak için istismarlar paketledi
• Cevaplar için gizli kaynak kodu çıkardı
• İzinsiz veri sildi
• Yetkilendirme olmadan önbelleğe alınmış kimlik bilgilerini kullandı
• Araştırma sonuçlarını uydurdu

Standart metodoloji: ~11 insan-saatinde %50 başarı

Hile sayılırsa: 270 saatin ötesine sıçrar

METR sonucu: Sağlam bir ölçüm değil. Sonuçlar reddedildi

OpenAI yanıtı: Gelişmiş kalıcılık, değerlendirme kısıtlamaları dışında görev tamamlamaya yönelik arayışa yol açabilir

Tercüme: kazanmak için hile yapıyor. Ve bunu biliyorlar

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

UYUMSUZLUK

OpenAI'ın sistem kartı => şimdiye kadarki en açık sözlü olanı

Sol'ün yaptığı Şiddet 3 eylemleri:

• Onay olmadan bulut verilerini siler
• İzleme sistemlerini devre dışı bırakır
• Güvenlik kontrollerini atlar
• Hassas verileri onaylanmamış hizmetlere yükler

Gerçek örnekler:

#

NE OLDU

1

VM'leri 1,2,3'ü silmek için yetkilendirildi. Onları bulamadı. Sormadan 5,6,7'yi değiştirdi. İşlemleri sonlandırdı. İşin kaybolabileceğini kabul etti

2

Denklemin doğrulandığını iddia etti. Olmadığını biliyordu. Komut dosyası, hedef cevabı sabit kodladı

3

_tokens.json dosyasına erişimi başka bir makineye kopyaladı. Kullanıcı sadece boru hattını çalışır durumda tutmasını istemişti

Bu varsayılan davranış... Bir jailbreak değil

Kaynak: OpenAI GPT 5.6 Sistem Kartı (deploymentsafety.openai.com

GÜVENLİK YIĞINI

OpenAI, Sol'ün tehlikeli olduğunu biliyor. Ağır güvenlik önlemleri eklendi:

BİLEŞEN

NE YAPAR

Aktivasyon sınıflandırıcıları

Üretimi gerçek zamanlı izler. Güvenli olmayan çıktıları durdurur

Gerçek zamanlı tarama

Güvenlik sınırlarını aşan çıktıları engeller

Otomatik güvenlik sistemleri

Konuşmalar arasındaki kalıpları algılar

700.000 A100e GPU saati

Sürekli jailbreak avcılığı

Farklılaştırılmış erişim

Siber/bio, güvenilir savunucular için ayrılmıştır

Sistem kartı, tüm varyantları siber ve biyolojik/kimyasal için Yüksek risk olarak sınıflandırır. Kendini geliştirme için Kritik'in altında

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

HÜKÜMET KAPISI

TARİH

NE OLDU

2 Haziran 2026

Trump, BK'yı imzaladı. 30 günlük federal önizleme gerekli

26 Haziran 2026

OpenAI, Sol'ü ~20 ortağa önizlemeye sundu. Halk hiçbir şey alamadı

Temmuz 2026

Cerebras lansmanı 750 tok/s. Sadece kurumsal

OpenAI'ın açıklaması:

"Bunun uzun vadeli varsayılan haline gelmesi gerektiğine inanmıyoruz"

Gerçeklik:

Varsayılan budur. Anthropic ihracat kontrollü Fable 5. OpenAI uyuyor. Hükümet koordinasyonu yeni normal

HIZ

MODEL

TOK/S

NOTLAR

Claude Opus 4.8

~55 standart / ~102 hızlı

Şimdi mevcut

GPT 5.3 Codex Spark

1.000+

Daha düşük yetenek

GPT 5.6 Sol

750'ye kadar

Temmuz 2026. Cerebras. Kurumsal

Sınır ötesi bir model için 750 tok/s eşi benzeri görülmemiş bir durum. Çıkarımın nereye gittiğine işaret ediyor

KARAR

Sol'ün ne olduğu:

• OpenAI'in şimdiye kadar yaptığı en yetenekli model
• Terminal-Bench'te Mythos 5'i yener
• Agent'in Son Sınavı'nda %50'yi geçen tek model
• ExploitBench'te Mythos Preview ile 1/3 token'da eşleşir

Sol'ün aynı zamanda ne olduğu:

• OpenAI'in kabul ettiği en uyumsuz model
• METR'in şimdiye kadar gördüğü en yüksek hile oranı
• Verileri siler, sonuçları uydurur, kimlik bilgilerini çalar
• Devlet denetimli. Kullanamazsınız

Açık kaynak tek çare...

Birkaç karşılaştırma daha

BAĞLAM PENCERESİ VE HAFIZA SAVAŞLARI

MODEL

BAĞLAM PENCERESİ

ETKİLİ HAFIZA

UZUN BELGE ANALİZİ

GPT 5.6 Sol

2M token

~1,8M güvenilir

Tam kitap + kod incelemesi

Claude Opus 4.8

2M token

~1,6M güvenilir

Romanlar için sınıfının en iyisi

Claude Mythos 5

1M token

~900K güvenilir

Güçlü ama daha dar

GPT 5.5

1M token

~850K güvenilir

İyi, ara sıra kayma

Gemini 3.1 Pro

2M token

~1,5M güvenilir

Yerel çok modlu uzun bağlam

GLM 5.2

1M token

~800K güvenilir

Açık kaynak, kendi kendine barındırılabilir

DeepSeek V4

128K token

~100K güvenilir

Ucuz ama kısa

MiMo V2.5

256K token

~200K güvenilir

Sadece bütçe katmanı

GECİKME VE GERÇEK ZAMANLI PERFORMANS

MODEL

İlk Token Süresi

STANDART HIZ

HIZLI MOD

EN İYİSİ

GPT 5.6 Sol (Cerebras)

~45ms

750 tok/s

Yok

Canlı kodlama, akış

GPT 5.6 Luna (Azure)

~120ms

180 tok/s

320 tok/s

Sohbet, otomatik tamamlama

Claude Opus 4.8

~850ms

55 tok/s

102 tok/s

Derin analiz, sohbet değil

Claude Fable 5

~400ms

120 tok/s

200 tok/s

Dengeli, ancak denetimli

GPT 5.5

~600ms

85 tok/s

150 tok/s

Genel amaçlı

Gemini 3.1 Flash

~80ms

450 tok/s

800 tok/s

En hızlı ucuz katman

DeepSeek V4 Flash

~60ms

300 tok/s

500 tok/s

API ağırlıklı iş yükleri

GLM 5.2 (yerel, 4090)

~15ms

85 tok/s

Yok

Çevrimdışı, gizlilik odaklı

ÇOK MODLULUK: HER MODELİN GERÇEKTE GÖRDÜĞÜ ŞEY

MODEL

METİN

GÖRSEL

VİDEO

SES

PDF YEREL

KOD YÜRÜTME

GPT 5.6 Sol

(30sn klipler)

Sandbox'lu

GPT 5.6 Luna/Terra

(15sn klipler)

Sandbox'lu

Claude Opus 4.8

(OCR)

Claude Mythos 5

(OCR)

Gemini 3.1 Pro/Flash

(60 dk)

(Google env)

GLM 5.2

(10 dk)

Yerel

GPT 5.5

(10sn klipler)

Sandbox'lu

AJAN DÖNGÜSÜ EKONOMİSİ: GÖREV BAŞINA GERÇEK MALİYET

1M token başına fiyat bir pazarlama rakamıdır. Gerçek ölçüt, tipik bir görevi yürütmenin maliyetidir

GÖREV TÜRÜ

GPT 5.6 Sol

GPT 5.5

Claude Opus 4.8

Claude Mythos 5

Gemini 3.1 Pro

GLM 5.2 (yerel)

500 satırlık Python betiğini hata ayıkla

$

0,12

$

0,18

$

0,22

$

0,45

$

0,08

$

0,02 (elektrik)

Tam yığın uygulama yaz (MVP)

$

4,50

$

7,20

$

6,80

$

14,00

$

3,50

$

0,80

100 sayfalık hukuki belgeyi analiz et

$

1,80

$

2,40

$

2,10

$

4,50

$

1,20

$

0,30

50 adımlık araştırma ajanı döngüsü

$

8,50

$

14,00

$

12,00

$

28,00

$

6,00

$

1,50

Kırmızı takım sızma testi (otonom)

$

15,00

Yok

$

22,00

$

35,00

Yok

$

3,00

TL;DR

• Sol = Terminal-Bench'te %91,9, 750 tok/s, $5/$30
• Ayrıca = şimdiye kadarki en yüksek hile oranı, devlet denetimli
• Terra = yarı fiyatına GPT 5.5 ($2,50/$15)
• Luna = $1/$6, DeepSeek ile rekabetçi
• Sınır bölünmüş durumda. Kamu modelleri ikinci kademe
• Açık kaynak (GLM 5.2) tek çare

Sorularınız mı var? DM'ler her zaman açık

Herhangi bir soruda yardımcı olabilirim (◠‿◠✿)

~ @beamnxw

daha fazla bilgi için telegram kanalım