Responses API

Responses API стал ключевым фактором роста производительности GPT-5.6 Sol в тесте ARC-AGI-3

Замена стандартного тестового окружения на решение на базе Responses API позволила модели GPT-5.6 Sol увеличить результат в тесте ARC-AGI-3 с 13,3% до 38,3% за счет корректной обработки контекста. API обеспечил сохранение внутренней логики рассуждений и реализовал механизм сжатия истории диалога, что устранило эффект амнезии у модели и позволило ей опираться на накопленный опыт.

Событие: Внедрение Responses API в тестовом стенде повысило результат модели GPT-5.6 Sol с 13,3% до 38,3% и сократило количество генерируемых токенов в 6 раз.

Эффект: Благодаря функционалу сжатия контекста в Responses API, модель перестала терять важные детали из начала сессии и начала выстраивать стратегию на основе сохраненных предыдущих действий.

Фактор: Возможность сохранять внутреннюю логику («размышления») в истории диалога через Responses API позволила агенту учиться на ходу без повторного анализа ситуации.

Риск: Использование устаревших интерфейсов вместо Responses API создает риск ложных выводов о неспособности модели решать сложные задачи из-за потери контекста.

Инсайт: Разрыв между реальными возможностями ИИ и его результатами в тестах часто определяется не качеством алгоритма, а тем, насколько API поддерживает работу с длинной историей и логикой.

Подробнее →