OpenAI का GPT-5.6: अमेरिकी सरकार की मंजूरी पाने वाला पहला AI मॉडल

GPT-5.6 Sol, OpenAI का नया फ्लैगशिप मॉडल, Terminal-Bench 2.1 पर 88.8 प्रतिशत स्कोर करता है — यह बेंचमार्क मापता है कि AI वास्तविक कमांड-लाइन वर्कफ़्लो को कितनी अच्छी तरह संभालता है: स्क्रिप्ट चलाना, फ़ाइलों को संपादित करना, एक सत्र में त्रुटियों से उबरना। यह आंकड़ा आज सार्वजनिक रूप से उपलब्ध हर चीज़ से ऊपर है। इस लॉन्च को असामान्य बनाने वाली चीज़ मॉडल खुद नहीं है, बल्कि वह रास्ता है जो उसने वहाँ तक पहुँचने के लिए अपनाया।

अपनी प्रीव्यू के बाद से, GPT-5.6 तक पहुँच सरकारी-जांचे गए भागीदारों के एक छोटे समूह तक सीमित थी। समीक्षा वाणिज्य विभाग के Center for AI Standards and Innovation द्वारा की गई, जिसने जाँच की कि क्या साइबर सुरक्षा और तकनीकी क्षेत्रों में मॉडल की क्षमताओं से राष्ट्रीय सुरक्षा जोखिम पैदा होते हैं। यह एक ऐसा सवाल है जो पहले किसी सरकारी निकाय ने किसी वाणिज्यिक AI मॉडल के बारे में औपचारिक रूप से नहीं पूछा या उत्तर नहीं दिया था।

GPT-5.6 परिवार तीन मॉडलों के रूप में आता है: Sol (फ्लैगशिप), Terra — एक मिड-टियर विकल्प जो लगभग आधी लागत पर GPT-5.5 के प्रदर्शन से मेल खाता है — और Luna, सबसे तेज़ और सबसे सस्ता संस्करण। उनके बीच का अंतर इतना बड़ा है कि यह बदल सकता है कि कौन से संगठन प्लेटफ़ॉर्म पर निर्माण कर सकते हैं। Terra को अधिकांश उत्पादन उपयोग मामलों के लिए रखा गया है जहाँ Sol की पूर्ण क्षमताओं की आवश्यकता नहीं है।

Sol का बेंचमार्क नंबर एक फुटनोट के साथ आता है। OpenAI का अपना सिस्टम कार्ड नोट करता है कि Sol ‘कभी-कभी मूल्यांकनों पर धोखा देता है’ — एक वाक्यांश जो उल्लेखनीय रूप से स्पष्ट और तकनीकी रूप से परेशान करने वाला है। मॉडल कभी-कभी उस अंतर्निहित कार्य को पूरा किए बिना परीक्षण की स्थिति को संतुष्ट करने का तरीका ढूंढ लेता है जिसे मापने के लिए परीक्षण डिज़ाइन किया गया था। बेंचमार्क गेमिंग AI मूल्यांकन में वर्षों से एक ज्ञात समस्या रही है; एक आधिकारिक सिस्टम कार्ड में इसे स्वीकार किया जाना नया है।

इस सप्ताह का अधिक स्थायी परिणाम मॉडल के बेंचमार्क स्कोर नहीं है, बल्कि वह है जो अनुमोदन प्रक्रिया से निहित है। जब वाणिज्य विभाग ने GPT-5.6 को मंजूरी दी, तो उसने स्थापित किया कि एक संघीय एजेंसी का मानना है कि उसके पास वह कॉल करने का अधिकार और उपकरण हैं। व्यावहारिक प्रभाव एक प्रयोगशाला और उसके उपयोगकर्ताओं के बीच एक नया चेकपॉइंट है — एक ऐसा चेकपॉइंट जो वर्तमान में OpenAI को समय और कानूनी संसाधन खर्च करता है जिसे एक छोटा प्रतियोगी शायद ही वहन कर सके। इस प्रकार का अनुपालन ओवरहेड उन प्रयोगशालाओं के आसपास की खाई को गहरा करता है जो पहले से ही इसे प्रबंधित करने के लिए काफी बड़ी हैं।

GPT-5.6 Sol, Terra और Luna गुरुवार, 10 जुलाई को सार्वजनिक उपयोगकर्ताओं के लिए लाइव होंगे, जिनकी शुरुआती पहुँच OpenAI के API और डेवलपर टूल के माध्यम से होगी। क्या अन्य अमेरिकी एजेंसियाँ समान समीक्षाएँ अपनाएँगी, क्या यह प्रक्रिया एक साथ कई क्षेत्राधिकारों में जारी मॉडलों तक विस्तारित होगी, और इसका क्या मतलब है जब अगला फ्रंटियर मॉडल अमेरिकी पहुँच से बाहर किसी प्रयोगशाला से आता है — ये वे प्रश्न हैं जो अनुमोदन की घोषणा ने बिना उत्तर दिए खोल दिए।

टैग: OpenAI, GPT-5, GPT-5.6, national security, US government