GPT-5.6 и кодовое имя iris-alpha: что известно из утечки логов Codex

В конце апреля 2026 года, спустя примерно три недели после выхода GPT-5.5 (23 апреля), разработчик под ником Haider обнаружил аномалию в логах роллаута OpenAI Codex: большая часть трафика по-прежнему шла через gpt-5.5, но как минимум одна запись маршрутизации указывала на строку gpt-5.6. Вскоре упоминание исчезло из последующих сессионных файлов — предположительно, это был след канареечного тестирования, при котором малая доля продакшен-запросов перенаправляется на экспериментальную сборку. Такой паттерн — появление строки и её быстрое удаление — типичный почерк OpenAI при подготовке крупных обновлений: аналогичные следы фиксировались перед выходом GPT-5.0 и GPT-5.5.

OpenAI не подтвердила существование GPT-5.6. На момент публикации отсутствуют официальный анонс, системная карточка модели, запись в API-документации или пресс-релиз. Всё, что известно, основано на логах Codex, наблюдениях пользователей ChatGPT Pro и вторичном анализе сообщества.

Что показали логи и косвенные данные

Ключевая находка — единственная запись в rollout-mapping-файлах Codex, где вместо стандартного gpt-5.5 значился идентификатор gpt-5.6. По данным ChatForest, к записи привязано внутреннее кодовое имя iris-alpha. Позднее в логах появились ещё два имени — ember-alpha и beacon-alpha. Суффикс -alpha соответствует устоявшейся внутренней конвенции OpenAI для предрелизных вариантов.

Отдельная линия косвенных свидетельств — наблюдения пользователей ChatGPT Pro. По данным TokenMix, несколько пользователей зафиксировали поведение, совместимое с контекстным окном порядка 1,5 млн токенов — это примерно на 43% больше документированного лимита GPT-5.5 в 1,05 млн токенов. Один из отчётов описывает ситуацию, когда при подаче входных данных объёмом около 900 тысяч токенов модель продолжала отвечать стабильно, превышая лимит в 1,05 млн токенов у GPT-5.5. Если цифра подтвердится, GPT-5.6 расширит отрыв OpenAI по ёмкости контекста, хотя по-прежнему уступит 2-миллионному окну Gemini 2.5 Pro от Google.

Помимо контекстного окна, AI News Today и ряд сообществ разработчиков связывают iris-alpha с улучшенной генерацией фронтенд-кода. Предположительно, модель заметно чище строит пользовательские интерфейсы из минимальных промптов — область, в которой даже сильнейшие текущие модели демонстрируют непоследовательные результаты. По данным WinCentral, GPT-5.6 также предположительно улучшает многошаговое рассуждение и агентные сценарии — два направления, которые OpenAI активно развивает в линейке 5.x.

По данным Perplexity AI Magazine, три кодовых имени предположительно указывают на параллельные сборки: стандартную, облегчённую и Pro-ориентированную версию с усиленным агентным workflow. Ценообразование, по прогнозу TokenMix, скорее всего останется на уровне GPT-5.5 — $5/$30 за стандартный доступ и $30/$180 за Pro на миллион токенов.

При этом логи не раскрывают ни архитектуру, ни метод обучения, ни бенчмарки. Все утверждения о конкретных возможностях строятся на вторичном анализе и анонимных отчётах разработчиков.

Рынок предсказаний и сроки

Предиктивные рынки отреагировали на утечку быстро. На Polymarket вероятность выхода GPT-5.6 до 30 июня оценивается в 79%, до 31 июля — в 93%. Более узкий контракт «When will GPT-5.6 be released?» ставит 70% на неделю 22–28 июня.

Такие оценки вписываются в наблюдаемую каденцию OpenAI: между минорными версиями GPT-5.x проходило менее 60 дней. GPT-5.5 вышел 23 апреля — если релиз GPT-5.6 произойдёт в конце июня, интервал составит около 60 дней, что укладывается в сжимающийся цикл обновлений. По оценке ChatForest, OpenAI предположительно сжимает каденцию между мажорными релизами до примерно 40 дней. Впрочем, как отмечает WaveSpeed, предиктивные рынки регулярно промахиваются по датам релизов моделей — особенно когда основным источником сигнала служат косвенные логи, а не инсайдерская информация.

Контекст конкуренции

Предполагаемый выход GPT-5.6 приходится на период, когда конкуренция на рынке фронтирных моделей максимально плотная. Anthropic 9 июня выпустила Claude Fable 5, которая доминирует в кодинг-бенчмарках: 80,3% на SWE-Bench Pro против 58,6% у GPT-5.5. Разрыв превышает 20 процентных пунктов. При этом GPT-5.5 сохраняет преимущество в работе с длинным контекстом: 74,0% на MRCR v2 при 512K–1M токенов, тогда как для Fable 5 сопоставимых данных не опубликовано. По сводке BenchLM, Fable 5 лидирует в агрегированном индексе (97 против 89 у GPT-5.5), но стоит вдвое дороже — $10/$50 за миллион токенов против $5/$30.

Google также готовится к выходу на новый рубеж. Gemini 3.5 Pro, анонсированный на Google I/O 19 мая, предположительно получит контекстное окно в 2 млн токенов, режим Deep Think для сложных рассуждений и улучшенную мультимодальную обработку. Общая доступность модели ожидается в июне 2026 года. Если GPT-5.6 выйдет с окном в 1,5 млн токенов, он займёт промежуточную позицию между текущим GPT-5.5 (1,05 млн) и Gemini 3.5 Pro (2 млн), но при этом может предложить более агрессивную ценовую политику.

Если GPT-5.6 действительно получит окно в 1,5 млн токенов и при этом подтянет кодинг-метрики, OpenAI закроет одну из главных претензий к GPT-5.5 — разрыв с Fable 5 в задачах программирования. По оценке аналитика Эссы Мамдани, июнь 2026-го может стать самым насыщенным месяцем в истории фронтирных моделей: помимо GPT-5.6, на подходе Gemini 3.5 Pro от Google и потенциальные обновления от Anthropic.

Практические выводы для разработчиков

Для команд, работающих с API OpenAI, ситуация создаёт характерную развилку. С одной стороны, расширение контекстного окна до 1,5 млн токенов потребует пересмотра архитектуры пайплайнов: стратегии чанкинга, оптимизированные под 1,05 млн токенов, могут оказаться избыточными; RAG-системы получат возможность загружать в контекст более объёмные документы целиком, снижая потери от разбиения. С другой — до публикации системной карточки полагаться на эти параметры рискованно.

Отдельно стоит учитывать экономику. Если ценообразование GPT-5.6 действительно останется на уровне GPT-5.5, стоимость токена в расчёте на контекстное окно снизится на ~30%. Для продуктов, обрабатывающих длинные документы — юридический анализ, суммаризация исследований, код-ревью крупных репозиториев — это ощутимая разница в unit-экономике. Но пока это область предположений: без официальных бенчмарков и системной карточки судить о реальных возможностях модели преждевременно. Готовить инфраструктуру под расширенный контекст имеет смысл, но переключать продакшен-пайплайны до официального анонса — нет.