OpenAI izdała rodzinę GPT-5.6 z trzema rozmiarami modelu, każdy zawierający około pięć lub sześć ustawień poziomu wysiłku rozumowania. To kontynuacja trendu zainicjowanego przez o1 przed dwoma laty i DeepSeek-R1, które pokazały, że modele z możliwością kontrolowania wysiłku obliczeniowego stają się standardem w nowoczesnych wydaniach AI.
Modele rozumowania wykorzystują reinforcement learning z weryfikowalnymi nagrodami (RLVR) do trenowania, co pozwala na elastyczne alokowanie zasobów obliczeniowych. Każdy poziom wysiłku w GPT-5.6 oferuje inny stosunek między dokładnością a szybkością - wyższy wysiłek daje lepsze wyniki, ale zajmuje więcej czasu. Sebastian Raschka, znany popularyzator AI, opisuje to zjawisko jako naturalną ewolucję w projektowaniu modeli, gdzie zamiast statycznego podejścia otrzymujemy kontrolę nad przebiegiem procesu myślenia.
Ważnym aspektem jest to, że firmy iterują nad architekturą wielotrybową - model Ultra w GPT-5.6 korzysta nawet z czterech subagenów do przyspieszenia pracy przy zachowaniu Similar effort level do trybu Max. To pokazuje, że rozumowanie w LLM-ach nie jest jednym monolitem, ale zbiorem wzorów optymalizacyjnych, które mogą być dostrajane dla konkretnych zastosowań i ograniczeń wydajności użytkownika.