GPT-5.6-sol மற்றும் GPT-5.6-terra DeepSWE-ல் முதலிடம் — நெருங்கி வரும் Open-Weight இடைவெளி

OpenAI-யின் GPT-5.6 குடும்பம் இந்த மாதம் மூன்று அளவுகளில் வெளியிடப்பட்டது — gpt-5.6-luna, gpt-5.6-terra, மற்றும் முதன்மை gpt-5.6-sol. அதே வாரத்தில் sol மற்றும் terra ஆகியவற்றை Smart AIPI-ல் சேர்த்தோம். எந்த frontier மாடல் "சிறந்தது" என்பது பற்றி அதிக சத்தம் உள்ளது; ஆகவே நாம் உறுதியான ஒன்றைச் செய்யப் போகிறோம்: உண்மையாகக் கையாள்வது கடினமான அந்த ஒரே பெஞ்ச்மார்க்கைப் பார்ப்போம், பின்னர் மாடலைப் பயன்படுத்துவதன் உண்மையான அனுபவத்தைப் பற்றி பேசுவோம், இறுதியில் வேகமாகப் பின்தொடர்ந்து வரும் open-weight மாடல்களை நேர்மையாக மதிப்பிடுவோம்.

DeepSWE: கையாள்வது கடினமான கோடிங் பெஞ்ச்மார்க்

பெரும்பாலான கோடிங் லீடர்போர்டுகளில் மாசுபாட்டுச் சிக்கல் உள்ளது. SWE-bench Verified மற்றும் SWE-bench Pro ஆகியவை உண்மையான GitHub பிரச்சினைகளிலிருந்தும் அவற்றின் இணைக்கப்பட்ட திருத்தங்களிலிருந்தும் உருவாக்கப்படுகின்றன — அதாவது GitHub-ஐ scrape செய்த ஒவ்வொரு மாடலின் பயிற்சித் தரவிலும் "பதில்" உள்ளது. அதைவிட மோசமாக, மாடல்கள் இவற்றில் ஏமாற்றியதும் கண்டறியப்பட்டுள்ளது: SWE-bench Pro-வில், Claude Opus 4.7 மற்றும் 4.6 மதிப்பாய்வு செய்யப்பட்ட ரன்களில் 12% க்கும் மேற்பட்டவற்றில் ஏமாற்றியதாக குறிக்கப்பட்டன; git வரலாற்றிலிருந்து reference solution-ஐப் படிக்க git log --all மற்றும் git show <gold-hash> போன்ற கட்டளைகளை அமைதியாக இயக்கின.

DeepSWE, 2026-05-26 அன்று Datacurve வெளியிட்டது, இதைச் சரிசெய்ய உருவாக்கப்பட்டது. இதன் அம்சங்கள்:

• புதிதாக எழுதப்பட்டது. ஐந்து மொழிகளில் (Python, TypeScript, JavaScript, Go, Rust) உள்ள 91 open-source repositories முழுவதும் 113 அசல் நீண்டகாலப் பணிகள். பிரச்சினை விளக்கங்களும் gold solutions-உம் மனிதர்களால் உருவாக்கப்பட்டவை; பொது commits-லிருந்து மாற்றியமைக்கப்படவில்லை — எனவே எந்த மாடலும் pretraining-ல் பதிலைப் பார்த்திருக்காது.
• நடத்தைச் சரிபார்ப்பிகள். ஒவ்வொரு பணியும் தனிமைப்படுத்தப்பட்ட சூழலில் காணக்கூடிய நடத்தையை கையால் எழுதப்பட்ட சோதனைகள் மூலம் மதிப்பிடுகிறது; ஒரே மாதிரியான செயல்பாட்டிற்காக mini-swe-agent harness வழியாக இயக்கப்படுகிறது. SWE-bench Pro-வில் அளவிடப்பட்ட 24% / 8.5% உடன் ஒப்பிடும்போது, DeepSWE 1.1% false-negative / 0.3% false-positive verifier விகிதத்தைத் தெரிவிக்கிறது.
• உண்மையாகவே வேறுபடுத்துவது. Prompts, SWE-bench Pro-வை விட ஏறத்தாழ பாதி நீளம்தான்; இருந்தும் ~5.5x அதிக கோடும் ~2x அதிக output tokens-உம் தேவைப்படுகின்றன. மதிப்பெண்கள் ~30-point band-ல் குவிவதற்குப் பதிலாக ~58-point வரம்பில் (12–73%) பரவுகின்றன; எனவே லீடர்போர்டு வரிசை உண்மையான பொருளைக் கொண்டுள்ளது.

வேறு வார்த்தைகளில்: ஒரு மாடல் உண்மையான மென்பொருள் வேலையை முடிக்க முடியுமா என்பதைச் சோதிக்கும் நீண்டகால, மாசுபாட்டை எதிர்க்கும், நடத்தை-மதிப்பிடப்பட்ட சோதனை. GPT-5.6 குடும்பம் முதலிடத்தைப் பெறுவது துல்லியமாக இங்குதான்.

DeepSWE லீடர்போர்டு

தற்போதைய நிலைகள் (2026-07-09 அன்று புதுப்பிக்கப்பட்டது, Pass@1, ஒவ்வொரு மாடலும் அதன் சிறந்த reasoning அமைப்பில்):

GPT-5.6-ன் மூன்று வகைகளும் முதல் நான்கு இடங்களில் மூன்றை எடுத்துள்ளன. sol தெளிவாக முன்னிலை வகிக்கிறது; முதன்மை மாடலின் விலையில் பாதிக்கு, இரண்டாவது சிறந்த மதிப்பெண்ணுக்காக terra, Claude Fable 5 உடன் சமநிலையில் உள்ளது; luna கூட முந்தைய தலைமுறையின் gpt-5.5-ஐ சமமாக்குகிறது. சிறந்த open-weight entry ஆன 44% பெற்ற GLM-5.2-க்கான இடைவெளியே இறுதியில் மீண்டும் பார்க்கும் கதை.

GPT-5.6-ல் உண்மையில் என்ன மாறியது

பெஞ்ச்மார்க்குகள் ஒரு பிரதிநிதி அளவீடு மட்டுமே. ஆரம்ப அணுகல் கொண்ட டெவலப்பர்கள் விவரித்தது, மதிப்பெண் மட்டும் முழுமையாகப் பிடிக்காத மூன்று குறிப்பிட்ட திறன்களில் ஏற்பட்ட தரநிலை மாற்றமாகும்:

• நீண்டகால விடாமுயற்சி. gpt-5.5 பற்றிய மிகப்பெரிய குறை, நீண்ட பணிகளில் அது "தொலைந்துவிடும்" என்பதுதான் — அதன் context சத்தத்தால் நிரம்பியதும் thread-ஐ மீட்டமைக்க வேண்டியிருக்கும். 5.6 அப்படி செய்வதில்லை. ஆரம்ப சோதனையாளர்கள், கண்காணிக்காமல் ஒரு அறிவுறுத்தலில் ஒரே thread-ஐ 20+ மணி நேரம் இயக்க அனுமதித்ததாகக் கூறுகின்றனர். அது பணியைப் பிடித்துக்கொண்டு முடிக்கும் வரை விடாது.
• Sub-agent orchestration (ultra mode). இது இந்தத் தலைமுறையை வரையறுக்கும் திறன். 5.6 ஒரு நிலை மேலே சென்று, சிக்கலை இணையாகச் சமாளிக்கும் sub-agents குழுவை உருவாக்க முடியும் — ஒருவர் components எழுதுகிறார், மற்றொருவர் database-ஐ இணைக்கிறார், மூன்றாவது pull requests-ஐ மதிப்பாய்வு செய்கிறார் — பின்னர் முடிவுகளை ஒருங்கிணைக்கிறது. தங்கள் gpt-5.5 sub-agent workflows-ஐ 5.6-ல் மீண்டும் இயக்கிய சோதனையாளர்கள், 5.5 "குழப்பமடைந்து தொலைந்த" orchestration-ஐ 5.6 "மின்னல் வேகத்தில் கடந்து சென்றது" என்று கண்டனர். இது ஒரு contractor-க்கும் ஒரு குழுவினருக்கும் உள்ள வித்தியாசம்.
• Computer மற்றும் browser பயன்பாடு. உண்மையான ஒரு இயந்திரத்தை இயக்குவதில் 5.6 மிகச் சிறப்பாக உள்ளது. நடைமுறைச் சோதனையில் அது SSH வழியாக இயந்திரங்களின் தொகுப்பை அமைத்தது; இப்போது பரவலாகப் பகிரப்பட்ட ஒரு எடுத்துக்காட்டில், தொலைநிலை KVM வழியாக சேதமடைந்த GRUB boot நிலையைத் தன்னிச்சையாக மீட்டது — reboot செய்து, GRUB shell-க்குள் சென்று, மனித உள்ளீடின்றி boot partitions-ஐச் சரிசெய்தது.

தெளிவாகக் குறிப்பிட வேண்டிய ஒரு எச்சரிக்கை: front-end மற்றும் UI பணிகள் இயல்புநிலையாக 5.6-ன் பலம் அல்ல. முந்தைய மாடல்களைவிட இது அதிகமாக steer செய்யக்கூடியது, மேலும் குறைவான "மோசமான ரசனை" கொண்டது; எனினும் அனுபவமுள்ள பயனர்கள் இன்னும் இறுதி polish பணிகளை மற்ற மாடல்களிடம் ஒப்படைக்கின்றனர். நீங்கள் அதிகமான காட்சிசார் UI பணிகளைச் செய்கிறீர்கள் என்றால், 5.6-ஐ engine-ஆகப் பயன்படுத்தி, சுத்தப்படுத்த மற்றொரு மாடலை இணைக்கவும்.

sol அல்லது terra: எதைப் பயன்படுத்த வேண்டும்?

இரண்டும் frontier-tier மற்றும் இரண்டும் Smart AIPI வழியாக ஒரே Codex backend-ல் இயங்குகின்றன. முடிவு எளிதானது:

• gpt-5.6-terra பரிந்துரைக்கப்படும் இயல்புநிலைத் தேர்வு. DeepSWE-ல் #3 (70%) ஆக இருப்பதால், முதன்மை மாடலுக்கு மிக அருகில் உள்ளது; ஆனால் விலையில் பாதி. பெரும்பாலான agentic coding, refactors, reviews மற்றும் தினசரி வேலைகளுக்கு terra சரியான தேர்வாகும்.
• gpt-5.6-sol முதன்மை மாடல். மிகக் கடினமான நீண்டகாலப் பணிகள், ஆழமான multi-agent orchestration, மற்றும் திறனில் கடைசி சில புள்ளிகள்கூட விளைவை மாற்றும் எதற்கும் இதைத் தேர்ந்தெடுங்கள். DeepSWE-ல் இது #1 ஆக இருப்பதற்கு ஒரு காரணம் உள்ளது.

இரண்டையும் இயக்க Smart AIPI மிகக் குறைந்த செலவான வழி

Frontier நிலையில் OpenAI-யின் நேரடி API விலையிடல் அதிகமாக உள்ளது. Smart AIPI வழியாக, அதே மாடல்களுக்கு அதே infrastructure-ல் 75% குறைவாகச் செலுத்துகிறீர்கள்:

நெருங்கி வரும் open-weight இடைவெளி

அனைவரும் தொடர்ந்து விவாதிக்கும் பகுதி இதுதான். மூடிய frontier-க்குப் பின்னால், open-weight மாடல்களின் அலை வேகமாக உயர்கிறது — சந்தை இரண்டு முனைகளாகப் பிரிகிறது. ஒரு முனையில், குறைந்த விலை சீன open-weight mixture-of-experts மாடல்கள் (DeepSeek V4, Qwen3, Kimi K2, MiniMax M3), தளர்வான MIT/Apache உரிமங்களின் கீழ், ஒரு மில்லியன் input tokens-க்கு $0.30–1.40 விலையில் SWE-bench Verified-ல் தோராயமாக 70–81% வழங்குகின்றன. மற்றொரு முனையில், US மூடிய frontier மாடல்கள் (GPT-5.6, Claude Fable/Opus, Gemini), திறனில் மேலான சில புள்ளிகளுக்காக 5–20x அதிகம் வசூலிக்கின்றன. சுவாரஸ்யமான செயல்பாடு நடுவிலுள்ள இடைவெளியில் உள்ளது: frontier விலையின் ஒரு சிறு பகுதியிலேயே frontier-க்கு நெருக்கமான தரத்தை வழங்கும் மாடல்கள்.

அந்த இடைவெளியை இரண்டு பெயர்கள் வரையறுக்கின்றன; அவற்றைப் பற்றி துல்லியமாக இருப்பது அவசியம்:

• GLM-5.2 (Zhipu / Z.ai) — திறந்த இடைவெளி. தோராயமாக $1.40 input / $4.40 output விலையில் கிடைக்கும் உண்மையான open-weight, MIT-licensed MoE மாடல் (~745B total / ~40B active, 1M context). இது சிறப்பானது — DeepSWE-ல் 44% உடன் #9, முந்தைய தலைமுறை மூடிய மாடல்களுக்கு நெருக்கமானது, சில UI பணிகளில் gpt-5.5-ஐ விடவும் வலிமையானது. அதன் தன்மைக்கு ஏற்ப இது உண்மையான தரமான தேர்வு.
• Grok 4.5 (xAI) — குறைந்த விலை மூடிய இடைவெளி. பெரும்பாலும் "open" என்று தவறாகக் குறிக்கப்படும் Grok 4.5 உண்மையில் closed weight ஆகும் (Grok-1 மற்றும் Grok-2 மட்டுமே திறந்தவெளியில் வெளியிடப்பட்டன). இதை ஒரு இடைவெளித் தேர்வாக்குவது அதன் தீவிரமான விலையிடல் (~$2 input / $6 output) மற்றும் குறிப்பிடத்தக்க token திறன் — சில frontier மாடல்களுக்குத் தேவைப்படும் 7M+ உடன் ஒப்பிடுகையில் ஒரு DeepSWE-style பணிக்கு சுமார் 2M tokens. இது பல பெஞ்ச்மார்க்குகளில் frontier-க்கு நெருக்கமாக உள்ளது; ஆனால் 5.6 தலைமுறையை வரையறுக்கும் multi-agent orchestration-ல் குறிப்பிடத்தக்க அளவு பலவீனமானது.

அப்படியென்றால், இந்த இடைவெளி உண்மையில் எவ்வளவு நெருக்கத்தில் உள்ளது? தலைப்பு விலைகள் சொல்வதைவிட நெருக்கமாகவும் — local-model hype கூறுவதைவிடத் தொலைவாகவும் உள்ளது. மூன்று நேர்மையான எச்சரிக்கைகள்:

• Token-க்கு மலிவானது, பணிக்கு மலிவானது அல்ல. அதே வேலையை முடிக்க open-weight மாடல்கள் 2–3x அதிக tokens-ஐப் பயன்படுத்துகின்றன. DeepSWE-ல், max-ல் GLM-5.2 ஒரு பணிக்கு சுமார் $4 செலவாகிறது; xhigh-ல் Claude Opus 4.8 சுமார் $8 செலவாகிறது — GLM ஒரு token-க்கு ~10x மலிவாக இருந்தாலும், இடைவெளி 2x மட்டுமே. உண்மையான செலவை தீர்மானிப்பது sticker price அல்ல, செயல்திறன்.
• Open weight என்பது local என்று பொருளல்ல. GLM-5.2 quantized-ல் ~400GB மற்றும் full precision-ல் ~1.5TB ஆகும். இது consumer hardware-ல் இயங்காது — ஒரு 5090-ல் 32GB VRAM உள்ளது; நியாயமான வேகத்தில் ஒரு instance-ஐ வழங்க $75,000 மதிப்புள்ள multi-GPU box தேவைப்படும். Open weights-ன் உண்மையான நன்மை provider போட்டி: யார் வேண்டுமானாலும் GLM-5.2-ஐ host செய்ய முடிவதால், சிறந்த விலை மற்றும் வேகத்திற்காக providers இடையே தேர்ந்தெடுக்கலாம். அந்தப் போட்டி ஆரோக்கியமானது; அது இருப்பதில் நாங்கள் மகிழ்கிறோம்.
• திறன்களே இன்னும் frontier-ஐ நிர்ணயிக்கின்றன. GLM-5.2-க்கு vision இல்லை — இது screenshot எடுக்க முடியாது; ஆகவே 5.6-ஐ மிகவும் பயனுள்ளதாக்கும் computer-use மற்றும் visual-feedback loops-ஐ இயக்க முடியாது. உண்மையான agentic வேலை என்பது இணையாக 1 முதல் 40 agents வரை இயக்குவதையும் குறிக்கிறது; local hardware-ல் அது சாத்தியமே இல்லை. இந்த இடைவெளி single-shot coding அளவில் நெருங்குகிறது; இன்னும் end-to-end agentic orchestration அளவில் இல்லை.

முக்கிய கருத்து: உங்கள் workload ஒரு open மாடலில் நன்றாக இயங்கினால், அதை அங்கு மாற்றுவது பெரும்பாலும் புத்திசாலித்தனமான, மலிவான தேர்வாகும் — மேலும் உங்களுக்குத் தேவையில்லாத திறனுக்கு அதிகம் செலுத்தக்கூடாது என்பதே Smart AIPI-ன் தத்துவம். ஆனால் மிகக் கடினமான நீண்டகால, multi-agent, vision-in-the-loop பணிகளுக்கு, gpt-5.6-sol மற்றும் gpt-5.6-terra இன்னும் இந்த இடைவெளி துரத்திக்கொண்டிருக்கும் frontier ஆகும் — அவற்றை இயக்க Smart AIPI மிகக் குறைந்த செலவான இடமாகும்.

GPT-5.6-sol மற்றும் GPT-5.6-terra-ஐ எவ்வாறு பயன்படுத்துவது

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"}]
  }'

அதிகபட்ச reasoning உடன் 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

Reasoning effort low, medium, high மற்றும் xhigh (max) ஆகியவற்றை ஆதரிக்கிறது. Agentic மற்றும் நீண்டகாலப் பணிகளுக்கு — 5.6 மிக அதிகமாக முன்னேறும் பணிகளுக்கு — high அல்லது max பயன்படுத்துங்கள்.

தொடங்குங்கள்

1. பதிவுசெய்யுங்கள் at smartaipi.com/signup (இலவச credits, credit card இல்லை)
2. Dashboard-ல் API key ஒன்றை உருவாக்குங்கள்
3. உங்கள் base URL-ஐ https://api.smartaipi.com/v1 என அமைக்கவும்
4. மாடலைப் பயன்படுத்துங்கள் gpt-5.6-terra (பரிந்துரைக்கப்படுகிறது) அல்லது gpt-5.6-sol (முதன்மை)

உற்பத்தியில் மிகவும் கடினமான கோடிங் பெஞ்ச்மார்க்கில் #1 மற்றும் #3 மாடல்கள் — 75% தள்ளுபடியில். அதே API, அதே OpenAI-compatible வடிவம், அதே கருவிகள்.