GPT-5.6 Multi-Agent V2 от OpenAI и ChatGPT в 16 раз быстрее

Введение

OpenAI одновременно проводит изменения в двух направлениях.

Во-первых, интерфейс ChatGPT подвергся значительной оптимизации, ориентированной на длинные диалоги, которые после сотен вызовов инструментов становились трудно открываемыми и сложными для навигации. Согласно статье-источнику, тестовая сессия с 741 витком диалога и 231 МБ данных сократила время открытия с 27,62 секунды до 1,66 секунды.

Во-вторых, Codex перешёл на более автоматизированный мультиагентный рабочий процесс на базе GPT-5.6 Multi-Agent V2. Вместо того чтобы требовать от пользователя вручную выбирать оптимальную модель для каждой подзадачи, основной агент может делегировать различные части работы разным моделям и независимо устанавливать интенсивность рассуждений.

Официальная документация OpenAI по GPT-5.6 подтверждает более широкую архитектуру: GPT-5.6 включает Sol, Terra и Luna, а его интерфейсы Codex/API поддерживают параллельные субагенты и комплексную обработку сложных задач.

В результате возникает простая, но далеко идущая концепция:

Система пытается устранить работу по управлению временем ожидания и выбором модели, которую пользователям обычно приходится выполнять самостоятельно.

ChatGPT значительно ускорил открытие больших диалогов

В эпоху агентов длинные диалоги становятся совершенно иной проблемой.

Обычный диалог с чат-ботом может содержать несколько десятков витков. Сеансы же с агентами легко становятся гораздо больше, поскольку модель может читать код, вызывать инструменты, проверять результаты, запускать тесты, вносить изменения и повторять этот процесс сотни раз.

Согласно статье-источнику, OpenAI протестировала сеанс с 741 витком диалога объёмом 231 МБ, чтобы оценить поведение нового интерфейса.

Результаты впечатляют:

Показатель	До оптимизации	После оптимизации
Время открытия диалога	27,62 сек	1,66 сек
Рост памяти	1030,7 МиБ	606 МиБ
Количество сетевых запросов	894	16
Загруженных записей диалога	15 529	64

Согласно статье-источнику, основные изменения производительности включают:

• Ускорение загрузки приложения на 94%
• Снижение роста кучи памяти на 87,8%
• Общее снижение использования памяти на 41,2%
• Сокращение сетевых запросов на 98,2%
• Сокращение загружаемых записей диалога на 99,6%

Это важное изменение носит архитектурный характер, а не поверхностный.

ChatGPT больше не загружает и не отображает всю историю диалога при каждом открытии пользователем.

Вместо этого большая часть истории может оставаться в хранилище, и в интерфейс загружаются только те части, которые нужны в данный момент.

Почему это особенно важно в эпоху агентов

Для традиционных чат-ботов сверхдлинные диалоги представляют собой в основном проблему хранения.

Для агентов же это превращается в проблему рабочего процесса.

Одна сессия программирования может включать:

1. Чтение большого объёма кодовой базы.
2. Выполнение команд.
3. Проверку выходных результатов.
4. Редактирование файлов.
5. Запуск тестов.
6. Исправление ошибок.
7. Повторение цикла.

Одна задача может легко породить сотни записей взаимодействий.

Это означает, что интерфейс диалога сам по себе становится частью агентной инфраструктуры.

Статья-источник описывает новую стратегию рендеринга так: загружается только та часть истории, которую необходимо видеть пользователю, а не воссоздаётся весь сеанс целиком.

Вот почему оптимизация интерфейса, которая год назад казалась незначительной, сегодня даёт огромный эффект.

Вот в чём разница.

Результат: длительные сеансы стали ощущаться значительно легче

Самое очевидное преимущество простое.

Диалог, продолжавшийся недели или месяцы, при открытии не должен вызывать ощущение, будто приложение восстанавливает всю базу данных в браузере.

В статье отмечается, что эти изменения особенно заметны для активных пользователей Codex, которые регулярно выполняют сотни вызовов инструментов.

Вместо ожидания, пока огромный сеанс станет интерактивным, пользователи могут быстро вернуться к диалогу и продолжить работу.

Это улучшение на уровне инфраструктуры, и когда оно работает хорошо, пользователь может его почти не замечать.

Именно в этом и заключается суть.

Лучшая оптимизация интерфейса — это та, которая органично вписывается в пользовательский опыт и остаётся незаметной.

GPT-5.6 Multi-Agent V2: шаг к автоматическому выбору модели

Почти одновременно OpenAI расширила свой мультиагентный рабочий процесс.

Согласно статье-источнику, GPT-5.6 Multi-Agent V2 стал полностью доступен, позволяя основному агенту делегировать подзадачи различным поддерживаемым моделям.

Каждый субагент может иметь свою собственную интенсивность рассуждений.

Официальная документация OpenAI по GPT-5.6 независимо подтверждает, что серия включает три уровня возможностей:

• GPT-5.6 Sol — флагманская модель для самых сложных задач.
• GPT-5.6 Terra — сбалансированная модель для повседневной работы.
• GPT-5.6 Luna — самая быстрая и наиболее экономически эффективная модель.

OpenAI также документирует мультиагентность как экспериментальную функцию в Responses API, где один экземпляр GPT-5.6 может параллельно координировать несколько субагентов и объединять их результаты.

Это и есть основная идея нового рабочего процесса.

Пользователю не обязательно знать, какая модель лучше всего подходит для каждой мелкой части крупной задачи.

Агент может решить это самостоятельно.

Линейка моделей, разработанная для разных задач

Статья-источник примерно так представляет линейку моделей:

Модель	Типичная роль
GPT-5.6 Sol	Сложное агентное программирование и самые трудные задачи рассуждения
GPT-5.6 Terra	Повседневное программирование и сбалансированные рабочие нагрузки
GPT-5.6 Luna	Быстрые и недорогие подзадачи
Daybreak	Задачи, ориентированные на кибербезопасность
GPT-5.5	Сложное программирование, исследования и общие задачи

Официальная публичная документация OpenAI подтверждает первые три уровня GPT-5.6 и подчёркивает их различные характеристики возможностей и стоимости.

Например, в настоящее время OpenAI описывает Luna как модель, оптимизированную для чувствительных к затратам рабочих нагрузок с высокой пропускной способностью; действующие публичные цены API на странице модели составляют 1 доллар за миллион входных токенов и 6 долларов за миллион выходных токенов.

Это создаёт естественное разделение труда.

Сложные архитектурные решения могут поручаться более сильной модели.

Рутинные преобразования кода могут выполняться более дешёвой моделью.

Мелкие шаги классификации или поиска могут использовать самый быстрый вариант.

От ручного выбора модели к автоматической маршрутизации

Статья-источник описывает это как переход от ручного выбора модели.

Сегодня пользователи часто рассуждают так:

«Эта часть сложная, поэтому мне следует использовать самую мощную модель».

Затем они повторяют то же решение для следующей части задачи.

Мультиагентная система позволяет рассматривать модели как внутренние вычислительные ресурсы.

Основной агент разбивает работу на более мелкие единицы, решает, какая

модель обработает каждую единицу, а затем объединяет результаты.

Упрощённый рабочий процесс выглядит так:

Задача пользователя
   ↓
Основной агент
   ├── Сложное планирование → GPT-5.6 Sol
   ├── Обычное кодирование → GPT-5.6 Terra
   ├── Быстрые подзадачи → GPT-5.6 Luna
   └── Специализированные задачи → Специализированные модели
   ↓
Синтез результатов
   ↓
Итоговый ответ

Официальная документация OpenAI прямо описывает эту модель параллельных субагентов: один экземпляр GPT-5.6 может координировать несколько агентов, работающих параллельно, и объединять их выводы в единый результат.

Почему это может снизить затраты на рассуждения

В статье-источнике приводится простое экономическое наблюдение.

Сложная задача не требует использования самой мощной модели на каждом этапе.

Возможно, лишь этапы планирования, архитектуры или сложной отладки требуют самой сильной модели.

Остальные этапы могут обрабатываться более дешёвыми моделями.

В примере из статьи-источника лишь около 20% рабочего процесса может требовать самой мощной модели, а остальная часть делегируется недорогим моделям.

Эти точные 20% следует рассматривать как иллюстрацию эмпирического правила, а не как гарантию OpenAI.

Основная идея остаётся важной.

Если агент может автоматически маршрутизировать работу в зависимости от сложности, средняя стоимость выполнения сложной задачи может снизиться без необходимости ручного управления маршрутизацией пользователем.

Разработчикам больше не нужно думать о каждой модели

Изменение пользовательского опыта не менее важно, чем экономический эффект.

Ручной выбор модели — это когнитивная нагрузка.

Разработчику приходится спрашивать себя:

• Какую модель мне использовать?
• Стоит ли эта задача использования дорогой модели?
• Стоит ли мне переключать модель в середине процесса?
• Теряет ли более дешёвая модель слишком много качества?
• Оправдывает ли сэкономленное время дополнительные затраты?

В хорошо работающей мультиагентной системе большинство этих вопросов переносится на саму систему.

Пользователь предоставляет цель.

Агент решает, как распределить работу.

Это значимый переход от выбора модели к оркестрации ресурсов.

Сумма больше, чем простое сложение функций

Самый сильный аргумент исходной статьи заключается в том, что эти два изменения усиливают друг друга.

Фронтенд оптимизирован для более эффективной обработки огромной истории агента.

В то же время бэкенд-система агентов стала более способной распределять работу между моделями.

Это даёт OpenAI два способа снижения трения:

Сокращение секунд ожидания на экране загрузки.

Уменьшение необходимости решать, какую модель использовать.

Первое — это улучшение производительности.

Второе — это улучшение рабочего процесса.

Вместе они продвигают ChatGPT и Codex дальше от позиции простого интерфейса чата.

ChatGPT движется к платформе рабочих процессов

Официальный анонс GPT-5.6 от OpenAI уже описывает это семейство как способное координировать инструменты, обрабатывать промежуточные результаты и поддерживать мультиагентные рабочие процессы. Также представлена возможность в Codex

делегировать работу другим моделям, запускать задачи параллельно и объединять результаты.

Пользователь всё больше становится тем, кто определяет цели и проверяет результаты.

Внутренняя оркестрация происходит за кулисами.

Философия «без выбора модели» — это настоящее изменение продукта

Легко сосредоточиться на цифрах бенчмарков.

Но более важным продуктовым решением может быть попытка скрыть сложность моделей от пользователя.

С ростом числа моделей прямое暴露 каждого варианта может сделать систему сложнее в использовании.

Если у OpenAI есть от пяти до десяти специализированных моделей, пользователям не нужно знать их все, чтобы выполнить проект.

Зрелая платформа агентов должна понимать следующее:

Задача — это интерфейс, а не модель.

Пользователь говорит, что нужно сделать.

Система решает, сколько рассуждений потребуется, какая модель должна выполнить какую часть и как объединить результаты.

Что это значит для разработчиков

Для разработчиков, создающих ИИ-продукты, этот урок более универсален, чем сам OpenAI.

Современная архитектура агентов всё больше требует трёх уровней:

1. Декомпозиция задач — разбиение крупной работы на значимые подзадачи.
2. Маршрутизация моделей — выбор самой дешёвой и подходящей модели для каждой подзадачи.
3. Синтез результатов — объединение частичных выходных данных в единый связный результат.

В дополнение к этому фронтенд должен обрабатывать более длинные истории会话, чем предусмотрено традиционным дизайном чат-продуктов.

Если вы создаёте агентный продукт, рендеринг диалога — это уже не просто полировка интерфейса.

Это инфраструктура.

Часто задаваемые вопросы

Что такое мультиагент GPT-5.6?

Мультиагент GPT-5.6 — это возможность оркестрации агентов, при которой один экземпляр GPT-5.6 может параллельно координировать несколько субагентов и объединять их работу. В настоящее время OpenAI документирует эту возможность как тестовую функцию в Responses API.

Что такое Multi-agent V2 в Codex?

Исходная статья описывает Multi-agent V2 как рабочий процесс Codex, в котором главный агент может делегировать различные подзадачи поддерживаемым моделям и контролировать интенсивность рассуждений каждого субагента. Конкретные сроки выпуска и доступность моделей могут измениться, поэтому следует обращаться к текущей документации OpenAI Codex для получения актуальной информации.

Что такое GPT-5.6 Sol, Terra и Luna?

Это три уровня возможностей в семействе GPT-5.6. OpenAI описывает Sol как флагманскую модель, Terra — как сбалансированный вариант, а Luna — как самую быструю и экономически эффективную модель.

Для чего используется GPT-5.6 Luna?

OpenAI позиционирует GPT-5.6 Luna для чувствительных к затратам рабочих нагрузок с высокой пропускной способностью. На текущей странице API указана цена 1 доллар за миллион входных токенов и 6 долларов за миллион выходных токенов.

Почему улучшена производительность длинных会话 в ChatGPT?

Сессии агентов могут быть значительно больше обычных чатов, так как могут содержать сотни вызовов инструментов, результаты выполнения и промежуточные шаги. Исходная статья сообщает, что OpenAI изменил способ загрузки и рендеринга больших историй, позволяя приложению не обрабатывать весь диалог каждый раз.

Автоматически ли ChatGPT теперь выбирает лучшую модель для каждой задачи?

Более широкая тенденция направлена на автоматическую маршрутизацию моделей и делегирование, но доступность зависит от развития продуктов и моделей.

Пояснение. Документация OpenAI GPT-5.6 подтверждает мультиагентную оркестрацию и различные уровни возможностей GPT-5.6; это не означает, что каждый стандартный диалог ChatGPT будет полностью暴露 полный контроль автоматической маршрутизации.

Может ли мультиагентное выполнение снизить затраты на ИИ?

Да. Если сложные подзадачи используют более сильные модели, а рутинная работа передаётся более дешёвым моделям, средняя стоимость всего рабочего процесса может быть ниже, чем при использовании самой сильной модели на каждом шаге. Фактическая экономия зависит от стратегии маршрутизации и рабочей нагрузки.

Связанные инструменты

• OpenAI Codex: Программный агент OpenAI для многоэтапной разработки ПО и агентных рабочих процессов.
• OpenAI API: Официальная API-платформа для разработки с GPT-5.6 и мультиагентными приложениями.
• Модели GPT-5.6: Официальная документация по моделям Sol, Terra, Luna и связанным возможностям.
• Responses API: API-интерфейс OpenAI, поддерживающий вызовы инструментов, программные вызовы и мультиагентные рабочие процессы.
• ChatGPT: Потребительское и корпоративное ИИ-пространство OpenAI.

Связанные ссылки

• Официальный анонс GPT-5.6: Главная страница релиза OpenAI о GPT-5.6, включая мультиагентность и суперспособности.
• Руководство по моделям GPT-5.6: Официальная документация для разработчиков о возможностях моделей и мультиагентном использовании.
• GPT-5.6 Luna: Текущие цены и технические детали API для недорогого уровня GPT-5.6.
• GPT-5.6 в ChatGPT: Текущая информация о доступности и тарифных планах ChatGPT.
• OpenAI Codex: Официальная информация о продукте Codex и агентном программировании.
• Документация OpenAI API: Основной центр документации для создания приложений с использованием моделей OpenAI.

Итог

Последние изменения OpenAI направлены на два типа трения, которые становятся всё более важными по мере роста мощности ИИ-агентов. Первый — ожидание: большие диалоги с сотнями раундов и вызовами инструментов должны быстро открываться. Второй — когнитивная нагрузка от принятия решений: пользователям не следует вручную выбирать модель для каждой подзадачи.

Мультиагентная архитектура GPT-5.6 указывает на систему маршрутизации моделей, где более сильные модели могут планировать и делегировать, а более дешёвые обрабатывают рутинную работу. В то же время оптимизация фронтенда делает эти более длинные агентные сессии удобнее в использовании.

Направление ясно: ChatGPT и Codex превращаются из мест, где пользователь общается с моделью, в системы, которые решают, как должна выполняться работа.