OpenAI skriver, at bredere tilgængelighed ventes i de kommende uger. MarkTechPost og andre omtaler samme tidshorisont. VentureBeat tilføjer, at cirka 20 organisationer er inde i preview, men OpenAI nævner ikke tallet direkte. Det efterlader et mellemrum, som beslutningstagere må regne ind i deres planer.
Hvad er nyt i GPT‑5.6
GPT‑5.6 er ikke én model, men en familie i tre lag. Sol er flagskibet til de tungeste opgaver, Terra balancerer pris og kapacitet til daglig produktion, og Luna er den hurtige og billige til simple flows. OpenAI ændrer også navngivning, hvor tallet angiver generation og navnet et varigt kapacitetslag. Formålet er at gøre modelvalget mere gennemsigtigt på akserne intelligens, hastighed og pris.
Rækkefølgen betyder noget for arkitektur. Sol er til komplekse reasoning‑opgaver, lange kodningssessioner, agent‑kæder og sikkerhedsfølsomt arbejde. Terra er til store volumener med stabile krav og stram økonomi. Luna er til responsive applikationer og gentagne standardopgaver, hvor latenstid og skalerbarhed vægtes over maksimal dybde.
Pris og kapacitetslag
VentureBeat oplyser priser pr. million tokens på cirka 5 in og 30 out for Sol, 2,5 in og 15 out for Terra og 1 in og 6 out for Luna. OpenAIs egen blog nævner ikke tal, kun at Terra er cirka halvt så dyr som GPT‑5.5, og at Luna er laveste pris. Notér kilden til tallene, for kontrakter bindes typisk her. Indtil OpenAI selv publicerer prissider, er VB‑tallene de mest brugbare til planlægning – med forbehold.
Nye reasoning‑modes
MarkTechPost beskriver to styringer i GPT‑5.6: en max‑tilstand, der giver mere tid til dyb kæde‑af‑tanke, og en ultra‑tilstand, hvor underagenter deles om en opgave for at speede langhorizon‑problemer op. Begge handler om at bytte latenstid og pris for kvalitet på svære opgaver.
Den tungere sikkerhedsstak
OpenAI fremhæver, at Sol lanceres med den hidtil mest robuste sikkerhedsstak. Der er skærpede værn for højrisiko‑aktiviteter, følsomme cyberforespørgsler og gentagen misbrug. OpenAI beskriver uger med svaghedsjagt, stresstests og hardening i praksis. Det koster typisk noget i latency – og kan skabe gråzoner for legitime red‑team‑opgaver.
Sikkerhed og presstest
OpenAI siger, at arbejdet især har fokuseret på cybersecurity, højrisikoemner og mønstre af gentagen misbrug. Det flugter med de seneste måneders pres på leverandører omkring jailbreaks. Der er dog ikke offentliggjort brede benchmarktabeller, som eksterne kan reproducere. Indtil videre er det ord og positionering understøttet af et begrænset preview.
Det er rimeligt at forlange logs, afvisningsrater og fejltyper i pilotsamarbejder. Ikke som et forhør, men som et teknisk grundlag. Uden data er det svært at vurdere, om den tungere sikkerhed rammer produktiv brug lige så hårdt som misbrug. En smule skepsis er sund.
Regulatorisk kontekst
VentureBeat kobler forhåndsvisningen til en præsidentordre af 2. juni 2026, der beder føderale myndigheder om at etablere benchmarking og vurdering af nye AI‑modeller inden bred udrulning. OpenAI bekræfter tæt dialog med regeringen og forklarer, at preview‑partnerne er delt med myndighederne. De tilføjer, at sådan adgang ikke bør være permanent. For nu er det realiteten.
Det er ikke kun papir. Efter en eksportkontrolaktion mod Anthropic, udløst af jailbreaks i Claude Fable 5 ifølge VentureBeat, blev både Fable 5 og Mythos 5 trukket tilbage. Årsagssammenhængen til OpenAIs strategi kan diskuteres, men signalet er tydeligt: Regulering påvirker releaseplaner, kontraktkrav og auditspor.
Konsekvenser for virksomheders valg
Valget mellem Sol, Terra og Luna er ikke branding. Det er arkitektur og økonomi. Sol til komplekse agent‑kæder, regulatorisk udsatte domæner, langtidskode og dybe beslutninger. Terra til bred drift med god kvalitet pr. krone. Luna til UI‑nære interaktioner, dokumentopsummeringer i skala og billige baggrundsopgaver.
Pilot og produktion
Planlæg todelt. Først en teknisk pilot med fokus på latens, fejltyper, afvisningsrater og cost‑per‑transaktion. Her giver Sol eller Terra mening afhængigt af use case. Dernæst en forretningspilot, hvor Luna bruges til hurtige iterationer i brugergrænseflade og arbejdsgange, mens man måler faktiske gevinster og brugeraccept.
Cache‑strategi kan flytte 20‑40 procent af regningen i visse mønstre. Prompt‑normalisering, systemprompt‑caching og deterministiske pre‑processorer på klienten sparer inputtokens. Output er sværere at cache, men med skabeloniserede svar kan man reducere længde og varians. Små greb, stor effekt.
Implementeringscheckliste
Før produktion bør følgende være på plads. Ikke perfekt – bare solidt nok til at modstå første storm. Tidslinjer er realistiske.
- Sikkerhedsgate og policytests 1‑2 uger. Dæk højrisiko‑prompts, red‑team‑scenarier og auditlog for alle afvisninger.
- Observabilitet 1 uge. Centraliseret logging af prompts og outputs, PII‑maskering, korrelation til brugerhandlinger, cost‑metering pr. feature.
- Resiliens 1 uge. Versionsthing, feature flags, model‑rollbacks og fallback‑stier mellem Sol, Terra og Luna.
- Datakontrol 1‑2 uger. Klassificering, retention, kryptering i transit og i hvile samt sletningsrutiner.
- Incident‑playbooks 3‑5 dage. Runbooks for modelafvigelser, gentagne afvisninger og rate‑begrænsning, inkl. kontaktpunkter hos leverandør.
- Benchmark‑suite 1 uge. Realistiske testcases, latenstid under belastning, kvalitetsscorer mod gulddata og kost per opgave.
Compliance og kontrakter
Med White House‑koordination i kulissen bør større udrulninger forvente ekstra spørgsmål. Hvem er preview‑partner? Hvilke data deles ved audits? Hvilke sikkerhedskontroller er aktive, og kan de midlertidigt slås fra i et kontrolleret miljø? Det skal ned på skrift.
Efterspørg minimum: Databehandleraftale, der eksplicit nævner modeltelemetri. Notifikationspligt ved ændringer i sikkerhedsstak, pris eller rate‑limits. Ret til at få eksport af egne logs i maskinlæsbar form. Og en SLA, der skelner mellem modeltilgængelighed og API‑tilgængelighed – to forskellige failure modes.
Risici og modargumenter
Skeptikere vil sige, at en black‑box‑model med tungere filtre bliver sværere at styre end før. At prisen – især på output – ikke matcher realværdi i store volumener. Og at begrænset adgang gør det umuligt at planlægge. Der er noget om snakken, men også modvægt.
For det første er tier‑strategien en rettesnor for stabilitet. Terra og Luna giver prisforudsigelighed, hvis man designer snedigt omkring outputlængder. For det andet skubber sikkerhedsstakken industrien i retning af verificerbare brugsmønstre. Ikke perfekt, men bedre end “alt går igennem altid”. For det tredje tyder OpenAIs tidslinje på uger, ikke måneder.
Faktatjek og uoverensstemmelser
- Antal preview‑partnere: VentureBeat siger cirka 20. OpenAI siger kun en lille gruppe. Kilde VB2104 vs OA2107.
- Priser: VentureBeat oplyser Sol 5 in/30 out, Terra 2,5/15, Luna 1/6 pr. million tokens. OpenAI bekræfter kun relative prisforhold. Kilde VB2104 vs OA2107.
- Reasoning‑modes: MarkTechPost beskriver max og ultra. OpenAI omtaler nye styringer mere generelt. Kilde MTP2106 vs OA2107.
- Eksportkontrol mod Anthropic: VentureBeat kobler OpenAIs strategi til sagen. Årsagskæden er ikke officielt bekræftet af OpenAI. Kilde VB2104.
Hvad betyder det i praksis
Arkitekturvalg flytter sig. Med prisgabet mellem tiers giver det mening at route opgaver dynamisk. Korte promptsvar og simple handlinger ryger til Luna. Standard sagsbehandling og kodeassistance i skala til Terra. Kun de reelt hårde nødder går til Sol med max eller ultra – og man logger hvorfor.
Udviklingsprocessen bør også spejle det. Start i Luna for hurtig produktiteration, mål værdien, og skaler kritiske veje til Terra. Brug Sol som on‑demand accelerator dér, hvor kvalitet trumfer alt. Det sparer penge uden at ofre kvalitet.
Hvad man bør kræve nu
Man forstår først forskellen, når man sidder med det i hænderne. Planlæg et lille, ærligt pilotvindue. Ikke større end nødvendigt – bare nok til at se, hvor det knækker, eller hvor noget vigtigt flytter sig fremad.
