OpenAI מפרטת את יעילות GPT-5.6 ואיך שני הגדרות שילשו את ציוני ARC-AGI-3

המסרים של OpenAI סביב GPT-5.6 נשענים בעוצמה על יעילות: המסר הוא לספק יותר אינטליגנציה שימושית לכל דולר — לרוחב המודלים, ה-inference וזרימות ה-agent — ולא רק שיפורי יכולת גולמיים. המסגור הזה משקף את הסיבוב של כל התעשייה השבוע — Opus 5 הזול יותר של Anthropic, Gemini 3.6 Flash החסכוני ב-token של Google, ו-V4 Flash של DeepSeek — לעבר עלות-למשימה כציר התחרותי, עכשיו כשהאינטליגנציה בקצה העליון הגיעה לרמת מיצוי בתחושת השימושיות.

הנקודה הטכנית הבולטת היא פוסט נלווה שמראה ששני הגדרות API — שמירה של reasoning בין תורות והפעלת compaction — שילשו את הביצועים של GPT-5.6 ב-benchmark של ARC-AGI-3 תוך שיפור היעילות. התוצאה בולטת כי היא ממקמת את השיפורים באופן שבו agents מנהלים context ומצב reasoning לאורך session, ולא במודל הבסיס עצמו: persistence ו-compaction מאפשרים למודל להעביר קדימה reasoning שימושי מבלי לשלם על יצירתו מחדש — מנוף שמפתחים יכולים למשוך כבר היום.

הקשר תחרותי: ARC-AGI היווה זה מכבר פרוקסי נצפה היטב ל-reasoning אמיתי, כך שקפיצה פי-3 שמקורה בתצורה בלבד תמשוך גם עניין וגם ביקורת — מבקרים ישאלו האם ההגדרות מסתכמות בכוונון ספציפי ל-benchmark לעומת יכולת שניתן להכליל. זה גם משקף נושא רחב יותר בדיוני מפתחים שלפיו התקדמות ה-AI נסובה יותר ויותר סביב harness, זיכרון וניהול context (בהד למסגור 'model system' של Nadella) ולא סביב המודל הבסיסי.

מה לעקוב אחריו: שחזור עצמאי של השיפורים ב-ARC-AGI-3 תחת ההגדרות המתועדות, והאם טענות היעילות מחזיקות בעומסי עבודה agentic אמיתיים. GPT-5.6 Sol הוא גם משפחת המודלים המעורבת בהערכת הפריצה ל-Hugging Face, כך שהיכולות שלו נתונות לבחינה ציבורית חריגה השבוע. הנרטיב של יעילות-קודם-כל הוא התשובה של OpenAI לשוק שנעשה רגיש למחיר.