GPT-5.6 Sol появился с пятью уровнями «глубины рассуждений» — от быстрого Light до тяжёлого xhigh. Плюс отдельные режимы Max и Ultra, запускающие несколько суб-агентов параллельно. Сотрудник OpenAI Вайбхав Сриваставе сформулировал простое правило: начинай с нижнего уровня и поднимай только если нужно.
Контекст
Идея inference-time compute в индустрии не новая. OpenAI начали с o1, где скрытая цепочка рассуждений перед ответом давала заметный прирост качества. Sol — следующий шаг: вместо одного фиксированного режима появилось пять явных уровней. Пользователь сам выбирает, сколько вычислительных ресурсов тратить на конкретный запрос.
Режимы Max и Ultra идут дальше — они не просто «думают дольше», а запускают несколько суб-агентов параллельно. Каждый решает свою подзадачу одновременно с другими. Это уже встроенная мульти-агентная архитектура внутри одного вызова, без необходимости строить оркестрацию вручную.
Похожая логика появляется у всех крупных игроков. Claude поддерживает параметр effort (low / medium / high / xhigh / max) для суб-агентов в workflows. DeepSeek и Qwen экспериментируют с thinking budget. Sol — просто самая явная и удобная продуктовая реализация этой идеи на сегодня.
Аналитика
Пять уровней рассуждений снимают главное противоречие AI-инструментов: высокое качество стоит дорого и медленно, быстрое и дешёвое — часто недостаточно. Управляемый reasoning budget означает, что cost-per-query больше не фиксирован. Простые задачи на Light — дёшево. Архитектурный анализ на xhigh — качественно. И никакого «включить на максимум везде», которым страдает большинство первых AI-интеграций.
Для разработчиков AI-продуктов это меняет логику проектирования. Раньше выбор был почти бинарным: мощная дорогая модель или лёгкая дешёвая. Теперь можно использовать одну модель с разной «глубиной» под разные задачи в одном пайплайне. Это ближе к тому, как работает человеческое мышление — одни вещи делаются на автопилоте, другие требуют сосредоточенности.
Параллельные суб-агенты в Max и Ultra — интересный архитектурный ход, но вопрос прозрачности остаётся открытым. Насколько разработчик видит, что делают суб-агенты? Можно ли их перехватить и скорректировать? В production-системах предсказуемость критична. Пока что это больше «доверяйте модели» — в корпоративном контексте этого может быть недостаточно.
Кейсы применения в бизнесе
B2B-SaaS стартап. Классификация входящих тикетов поддержки, тегирование лидов, автоответы на FAQ — уровень Light: быстро, дёшево, достаточно. Генерация кода, написание технических спецификаций — уровни выше. Архитектурный ревью, анализ безопасности перед релизом — xhigh. Выбор уровня встраивается в логику роутинга: тип задачи определяет reasoning budget автоматически.
Корпорация с legacy. Анализ больших массивов юридических контрактов или технической документации на предмет рисков — классический сценарий для Max или Ultra. Параллельные суб-агенты могут одновременно разбирать разные разделы. Главный вопрос — data privacy: куда уходят данные при вызове Max/Ultra в корпоративном контексте. Это нужно проверить до продакшена.
SMB и бизнес в КР/СНГ. Автоответчик на входящие запросы в Telegram, быстрые ответы на типовые вопросы — Light. Подготовка коммерческих предложений, перевод брифа клиента в структурированный документ — уровни выше. Анализ рынка, разработка техзаданий — xhigh. Разница в стоимости между Light и xhigh делает AI экономически доступным даже при ограниченном бюджете.
Кейсы в личной жизни
Разработчик. Автодополнение, справки по синтаксису, переименование переменных — Light. Дебаг сложной ошибки, рефакторинг функции — уровни выше. Проектирование архитектуры системы или базы данных — xhigh. Осознанный выбор уровня под задачу экономит токены и снижает latency — особенно важно в агентном пайплайне с десятками вызовов.
Контент-мейкер. Генерация вариантов заголовков, подбор хэштегов, короткие посты — Light. Сценарий для YouTube-ролика, структурирование лонгрида — уровни выше. Max и Ultra пока избыточны для большинства контентных задач — если только не делаешь глубокое исследовательское материал с синтезом множества источников.
Студент или аналитик-самоучка. Объяснение концепции простыми словами, перефраз текста — Light. Разбор задачи с пошаговым решением, анализ статьи — уровни выше. Синтез нескольких научных источников с выявлением противоречий, подготовка к защите — xhigh или Max. Именно здесь параллельные суб-агенты могут дать ощутимый прирост качества.
Как применить сегодня
- Начинай каждый новый тип задачи с уровня Light — это базовый ориентир стоимости и скорости для твоего конкретного кейса.
- Если ответ поверхностный или неточный — повышай на один уровень, не прыгай сразу на xhigh или Max.
- Для задач с множеством зависимых шагов сравни результаты xhigh и Max по соотношению цена/качество: разница может быть меньше, чем кажется.
- В AI-продуктах встраивай цепочку: классификатор задачи → reasoning level → вызов модели. Это снижает средний cost без потери качества на критичных запросах.
- Отслеживай реальные затраты по уровням эмпирически — разница между Light и Ultra может быть на порядок, и это напрямую влияет на unit economics продукта.