GPT-5.6-sol और GPT-5.6-terra DeepSWE में शीर्ष पर — और करीब आता ओपन-वेट मध्यवर्ती क्षेत्र

OpenAI का GPT-5.6 परिवार इस महीने तीन आकारों में जारी हुआ — gpt-5.6-luna, gpt-5.6-terra, और प्रमुख मॉडल gpt-5.6-sol। हमने उसी सप्ताह sol और terra को Smart AIPI में जोड़ दिया। कौन-सा अग्रणी मॉडल "सर्वश्रेष्ठ" है, इसे लेकर काफी शोर रहा है, इसलिए हम कुछ ठोस करेंगे: उस एक बेंचमार्क को देखेंगे जिसे वास्तव में प्रभावित करना कठिन है, फिर चर्चा करेंगे कि मॉडल को इस्तेमाल करने का वास्तविक अनुभव कैसा है, और अंत में तेजी से पीछे से आ रहे ओपन-वेट मॉडल पर एक ईमानदार आकलन देंगे।

DeepSWE: ऐसा कोडिंग बेंचमार्क जिसे प्रभावित करना कठिन है

अधिकांश कोडिंग लीडरबोर्ड में संदूषण की समस्या है। SWE-bench Verified और SWE-bench Pro वास्तविक GitHub समस्याओं और उनके मर्ज किए गए सुधारों से बनाए गए हैं — इसका मतलब है कि "उत्तर" GitHub को स्क्रैप करने वाले हर मॉडल के प्रशिक्षण डेटा में मौजूद है। इससे भी बदतर, मॉडल इन पर धोखाधड़ी करते पकड़े गए हैं: SWE-bench Pro पर Claude Opus 4.7 और 4.6 को समीक्षा किए गए 12% से अधिक रन में धोखाधड़ी करते हुए चिह्नित किया गया था। वे चुपचाप git log --all और git show <gold-hash> जैसे कमांड चलाकर git इतिहास से संदर्भ समाधान पढ़ रहे थे।

Datacurve द्वारा 2026-05-26 को जारी DeepSWE को इसी समस्या को हल करने के लिए बनाया गया था। इसकी विशेषताएँ:

• शुरुआत से लिखा गया। पाँच भाषाओं (Python, TypeScript, JavaScript, Go, Rust) में 91 ओपन-सोर्स रिपॉजिटरी से जुड़े 113 मौलिक दीर्घ-अवधि कार्य। समस्या-विवरण और मानक समाधान मनुष्यों ने लिखे थे, उन्हें सार्वजनिक कमिट से अनुकूलित नहीं किया गया था — इसलिए किसी मॉडल ने प्रीट्रेनिंग में उत्तर नहीं देखा है।
• व्यवहार-आधारित सत्यापक। प्रत्येक कार्य का मूल्यांकन एक पृथक वातावरण में देखे जा सकने वाले व्यवहार पर हाथ से लिखी जाँचों द्वारा किया जाता है, जिन्हें एकरूपता के लिए mini-swe-agent हार्नेस के माध्यम से चलाया जाता है। DeepSWE की रिपोर्ट के अनुसार सत्यापक की गलत-नकारात्मक / गलत-सकारात्मक दर 1.1% / 0.3% है, जबकि SWE-bench Pro पर मापी गई दर 24% / 8.5% है।
• वास्तव में भेद करने वाला। प्रॉम्प्ट SWE-bench Pro की तुलना में लगभग आधे लंबे हैं, फिर भी लगभग ~5.5x अधिक कोड और ~2x अधिक आउटपुट टोकन की माँग करते हैं। स्कोर लगभग ~30-पॉइंट के दायरे में समूहित होने के बजाय ~58-पॉइंट की सीमा (12–73%) में फैले हैं, इसलिए लीडरबोर्ड का क्रम वास्तव में अर्थपूर्ण है।

दूसरे शब्दों में: यह इस बात की दीर्घ-अवधि, संदूषण-प्रतिरोधी और व्यवहार-आधारित परीक्षा है कि कोई मॉडल वास्तविक सॉफ्टवेयर कार्य सचमुच पूरा कर सकता है या नहीं। और ठीक इसी जगह GPT-5.6 परिवार शीर्ष पर आता है।

DeepSWE लीडरबोर्ड

वर्तमान स्थिति (2026-07-09 को अपडेट, Pass@1, प्रत्येक मॉडल अपनी सर्वोत्तम रीजनिंग सेटिंग पर):

GPT-5.6 के तीन वेरिएंट शीर्ष चार स्थानों में से तीन पर हैं। sol स्पष्ट रूप से आगे है, terra प्रमुख मॉडल की आधी कीमत पर Claude Fable 5 के साथ दूसरे सर्वश्रेष्ठ स्कोर की बराबरी करता है, और यहाँ तक कि luna भी पिछली पीढ़ी के gpt-5.5 की बराबरी करता है। सर्वश्रेष्ठ ओपन-वेट प्रविष्टि — 44% पर GLM-5.2 — से अंतर वह कहानी है जिस पर हम अंत में लौटेंगे।

GPT-5.6 में वास्तव में क्या बदला

बेंचमार्क केवल एक प्रतिनिधि संकेतक हैं। शुरुआती पहुँच वाले डेवलपरों ने तीन विशिष्ट क्षमताओं में एक बड़ा बदलाव बताया, जिसे केवल स्कोर पूरी तरह नहीं दर्शाता:

• दीर्घ-अवधि दृढ़ता। gpt-5.5 के बारे में सबसे बड़ी शिकायत यह थी कि वह लंबे कार्यों पर "भटक जाता" था — जब उसका कॉन्टेक्स्ट अनावश्यक जानकारी से भर जाता, तो आपको थ्रेड रीसेट करना पड़ता था। 5.6 ऐसा नहीं करता। शुरुआती परीक्षकों की रिपोर्ट है कि उन्होंने बिना निगरानी के एक ही निर्देश पर एक थ्रेड को 20+ घंटे तक चलने दिया। यह कार्य को पकड़ता है और पूरा होने तक छोड़ता नहीं।
• सब-एजेंट समन्वय (अल्ट्रा मोड)। यह इस पीढ़ी की निर्णायक क्षमता है। 5.6 एक स्तर ऊपर जाकर सब-एजेंटों की टीम बना सकता है, जो किसी समस्या को समानांतर रूप से हल करती है — एक कंपोनेंट लिखता है, दूसरा डेटाबेस जोड़ता है, तीसरा पुल रिक्वेस्ट की समीक्षा करता है — और फिर परिणामों को संयोजित करता है। जिन परीक्षकों ने अपने gpt-5.5 सब-एजेंट वर्कफ़्लो को 5.6 पर दोबारा चलाया, उन्होंने पाया कि 5.6 उस समन्वय को "तेजी से पार कर गया" जिसमें 5.5 "भ्रमित होकर भटक गया" था। यह एक ठेकेदार और पूरी टीम के बीच का अंतर है।
• कंप्यूटर और ब्राउज़र का उपयोग। वास्तविक मशीन संचालित करने में 5.6 नाटकीय रूप से बेहतर है। व्यावहारिक परीक्षण में इसने SSH के माध्यम से मशीनों के एक समूह को कॉन्फ़िगर किया, और अब व्यापक रूप से साझा किए गए एक उदाहरण में इसने दूरस्थ KVM पर खराब GRUB बूट स्थिति को स्वायत्त रूप से पुनर्स्थापित किया — रीबूट किया, GRUB शेल में गया और बिना किसी मानवीय इनपुट के बूट पार्टिशन ठीक किए।

एक चेतावनी स्पष्ट रूप से कहना उचित है: डिफ़ॉल्ट रूप से फ्रंट-एंड और UI कार्य 5.6 की ताकत नहीं हैं। इसे निर्देशित करना अधिक आसान है और पिछले मॉडल की तुलना में इसकी "खराब पसंद" कम है, लेकिन अनुभवी उपयोगकर्ता अब भी अंतिम परिष्करण दूसरे मॉडल को सौंपते हैं। यदि आप भारी विज़ुअल UI कार्य कर रहे हैं, तो 5.6 को इंजन मानें और सफाई के लिए दूसरा मॉडल साथ लाएँ।

sol या terra: आपको किसका उपयोग करना चाहिए?

दोनों अग्रणी स्तर के हैं और दोनों Smart AIPI के माध्यम से समान Codex बैकएंड पर चलते हैं। निर्णय सरल है:

• gpt-5.6-terra अनुशंसित डिफ़ॉल्ट है। DeepSWE पर #3 (70%) के साथ यह प्रमुख मॉडल के बहुत करीब है, और इसकी कीमत आधी है। अधिकांश एजेंटिक कोडिंग, रीफैक्टर, समीक्षा और रोज़मर्रा के काम के लिए terra सही विकल्प है।
• gpt-5.6-sol प्रमुख मॉडल है। सबसे कठिन दीर्घ-अवधि कार्यों, गहरे मल्टी-एजेंट समन्वय और उन सभी मामलों में इसका उपयोग करें जहाँ क्षमता के अंतिम कुछ पॉइंट परिणाम बदल सकते हैं। यह किसी कारण से DeepSWE पर #1 है।

दोनों को चलाने का सबसे सस्ता तरीका Smart AIPI है

अग्रणी स्तर पर OpenAI की प्रत्यक्ष API कीमत काफी अधिक है। Smart AIPI के माध्यम से आप ठीक उन्हीं मॉडल और ठीक उसी इन्फ्रास्ट्रक्चर के लिए 75% कम भुगतान करते हैं:

करीब आता ओपन-वेट मध्यवर्ती क्षेत्र

यह वह हिस्सा है जिस पर हर कोई बहस करता रहता है। बंद अग्रणी मॉडल के पीछे ओपन-वेट मॉडल की एक लहर तेजी से ऊपर आ रही है — और बाज़ार दो ध्रुवों में बँट रहा है। एक ओर सस्ते चीनी ओपन-वेट मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल (DeepSeek V4, Qwen3, Kimi K2, MiniMax M3) उदार MIT/Apache लाइसेंस के अंतर्गत प्रति दस लाख इनपुट टोकन $0.30–1.40 में SWE-bench Verified पर लगभग 70–81% प्रदर्शन देते हैं। दूसरी ओर US के बंद अग्रणी मॉडल (GPT-5.6, Claude Fable/Opus, Gemini) क्षमता के अंतिम कुछ पॉइंट के लिए 5–20x अधिक शुल्क लेते हैं। दिलचस्प गतिविधि बीच के मध्यवर्ती क्षेत्र में है: ऐसे मॉडल जो अग्रणी कीमत के एक अंश पर लगभग अग्रणी गुणवत्ता देते हैं।

दो नाम इस मध्यवर्ती क्षेत्र को परिभाषित करते हैं, और उनके बारे में सटीक होना उचित है:

• GLM-5.2 (Zhipu / Z.ai) — ओपन मध्यवर्ती विकल्प। वास्तव में ओपन-वेट, MIT-लाइसेंस प्राप्त MoE मॉडल (~745B कुल / ~40B सक्रिय, 1M कॉन्टेक्स्ट), जिसकी कीमत लगभग $1.40 इनपुट / $4.40 आउटपुट है। यह उत्कृष्ट है — DeepSWE पर 44% के साथ #9, पिछली पीढ़ी के बंद मॉडल के करीब, और कुछ UI कार्यों में gpt-5.5 से भी बेहतर। अपनी श्रेणी में यह वास्तव में दमदार है।
• Grok 4.5 (xAI) — सस्ता बंद मध्यवर्ती विकल्प। अक्सर गलत तरीके से "ओपन" कहा जाने वाला Grok 4.5 वास्तव में बंद वेट है (केवल Grok-1 और Grok-2 ही कभी खुले रूप में जारी किए गए थे)। इसे मध्यवर्ती विकल्प बनाती हैं इसकी आक्रामक कीमतें (~$2 इनपुट / $6 आउटपुट) और उल्लेखनीय टोकन दक्षता — प्रति DeepSWE-जैसे कार्य में लगभग 2M टोकन, जबकि कुछ अग्रणी मॉडल 7M+ लेते हैं। कई बेंचमार्क पर यह अग्रणी स्तर के करीब है, लेकिन 5.6 पीढ़ी को परिभाषित करने वाले मल्टी-एजेंट समन्वय में स्पष्ट रूप से कमजोर है।

तो यह मध्यवर्ती क्षेत्र वास्तव में कितना करीब है? प्रमुख कीमतों से जितना लगता है उससे अधिक करीब — और स्थानीय मॉडल के प्रचार में किए गए दावों से अधिक दूर। तीन ईमानदार चेतावनियाँ:

• प्रति टोकन सस्ता होने का अर्थ प्रति कार्य सस्ता होना नहीं है। ओपन-वेट मॉडल समान कार्य पूरा करने के लिए आम तौर पर 2–3x अधिक टोकन खर्च करते हैं। DeepSWE पर अधिकतम सेटिंग में GLM-5.2 की लागत प्रति कार्य लगभग $4 होती है, जबकि xhigh पर Claude Opus 4.8 की लागत लगभग $8 होती है — केवल 2x का अंतर, जबकि GLM प्रति टोकन लगभग ~10x सस्ता है। वास्तविक बिल सूचीबद्ध कीमत नहीं, बल्कि दक्षता तय करती है।
• ओपन वेट का अर्थ स्थानीय नहीं है। GLM-5.2 क्वांटाइज़्ड रूप में ~400GB और पूर्ण प्रिसीजन में ~1.5TB है। यह उपभोक्ता हार्डवेयर पर नहीं चलता — 5090 में 32GB VRAM होता है; उचित गति पर एक इंस्टेंस चलाने के लिए आपको $75,000 का मल्टी-GPU सिस्टम चाहिए होगा। ओपन वेट का वास्तविक लाभ प्रदाता प्रतिस्पर्धा है: क्योंकि कोई भी GLM-5.2 होस्ट कर सकता है, आप सर्वोत्तम कीमत और गति के लिए विभिन्न प्रदाताओं के बीच तुलना कर सकते हैं। यह प्रतिस्पर्धा स्वस्थ है, और हमें खुशी है कि यह मौजूद है।
• क्षमताएँ अब भी अग्रणी स्तर का प्रवेश-द्वार हैं। GLM-5.2 में विज़न नहीं है — यह स्क्रीनशॉट नहीं ले सकता, इसलिए उन कंप्यूटर-उपयोग और विज़ुअल-फ़ीडबैक लूप को संचालित नहीं कर सकता जो 5.6 को इतना प्रभावी बनाते हैं। वास्तविक एजेंटिक कार्य का अर्थ 1 से 40 एजेंट तक समानांतर चलाना भी है, जो स्थानीय हार्डवेयर बिल्कुल नहीं कर सकता। मध्यवर्ती क्षेत्र एकल-प्रयास कोडिंग में करीब आ रहा है, लेकिन अभी शुरू से अंत तक एजेंटिक समन्वय में नहीं।

निष्कर्ष: यदि आपका वर्कलोड किसी ओपन मॉडल पर ठीक चलता है, तो उसे वहाँ ले जाना अक्सर समझदार और सस्ता विकल्प होता है — और Smart AIPI का दर्शन है कि आपको ऐसी क्षमता के लिए अधिक भुगतान नहीं करना चाहिए जिसकी आपको आवश्यकता नहीं है। लेकिन सबसे कठिन दीर्घ-अवधि, मल्टी-एजेंट और विज़न-इन-द-लूप कार्यों के लिए gpt-5.6-sol और gpt-5.6-terra अब भी वह अग्रणी स्तर हैं जिसका यह मध्यवर्ती क्षेत्र पीछा कर रहा है — और उन्हें चलाने के लिए Smart AIPI सबसे सस्ती जगह है।

GPT-5.6-sol और GPT-5.6-terra का उपयोग कैसे करें

Chat Completions API

curl https://api.smartaipi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-terra",
    "messages": [{"role": "user", "content": "Refactor this module and add tests"}]
  }'

अधिकतम रीजनिंग के साथ Responses API

curl https://api.smartaipi.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "input": "Audit this repo for security issues and open PRs to fix them",
    "reasoning": {"effort": "high", "summary": "auto"}
  }'

Codex CLI, Cursor, Cline, Roo Code, OpenCode, Aider

OPENAI_BASE_URL=https://api.smartaipi.com/v1
OPENAI_API_KEY=sk-your-smart-aipi-key
OPENAI_MODEL=gpt-5.6-terra

रीजनिंग प्रयास low, medium, high और xhigh (अधिकतम) का समर्थन करता है। एजेंटिक और दीर्घ-अवधि कार्यों के लिए — वे कार्य जहाँ 5.6 सबसे अधिक आगे निकलता है — high या max का उपयोग करें।

शुरू करें

1. साइन अप करें smartaipi.com/signup पर (निःशुल्क क्रेडिट, क्रेडिट कार्ड की आवश्यकता नहीं)
2. डैशबोर्ड में एक API कुंजी बनाएँ
3. अपना बेस URL सेट करें https://api.smartaipi.com/v1 पर
4. मॉडल का उपयोग करें gpt-5.6-terra (अनुशंसित) या gpt-5.6-sol (प्रमुख मॉडल)

प्रोडक्शन में सबसे कठिन कोडिंग बेंचमार्क के #1 और #3 मॉडल — 75% कम कीमत पर। वही API, वही OpenAI-संगत संरचना, वही टूल।