Технічний контекст
Я поліз перевіряти, що там насправді з GPT-5.6 Sol Max, тому що історія виглядала дивно: люди чекають максимуму якості, а отримують урізаний режим і навіть не розуміють цього. Для AI implementation це поганий сюрприз, особливо якщо ви будуєте ланцюжки, де поведінка моделі має бути передбачуваною.
Підтвердження тут досить приземлене. У звичайному ChatGPT немає якогось універсального автоперемикача Max для всіх, а от у ChatGPT Work і Codex рівень reasoning effort max треба вмикати вручну через налаштування та конфігурації. Якщо цього не зробити, модель працює не на граничному режимі міркування.
І от тут я б не плутав три речі в одну купу: звичайний Sol, режим max та окремі посилені режими на кшталт ultra або Sol Pro. Це не одне й те саме. Max це не магічна кнопка «зроби ідеально», а важчий режим reasoning зі збільшеним часом і витратами токенів.
З токенами все очікувано, але неприємно. OpenAI прямо каже, що max і ultra збільшують consumption by design, а точних публічних коефіцієнтів не дає. Візуалізація з твіту лише підкреслює те, що я й так бачу у практичних прогонах: Max жере дуже багато, і на довгих задачах це вже не косметика, а фактор архітектури.
Вплив на бізнес та автоматизацію
Перший наслідок простий: якщо команда думає, що вже тестує топовий режим, а Max у неї не ввімкнено, порівняння моделей і промптів виходить кривим. Потім починаються хибні висновки про якість, SLA та окупність.
Друге: build AI automation на Max в лоб я б не радив. Краще тримати маршрутизацію: дефолт для масових задач, Max лише для дорогих точок, де реально потрібен глибший reasoning.
Третє: бюджети. Якщо агент пише код, перевіряє гіпотези або ганяє багатокрокові воркфлоу, помилка в одному налаштуванні легко перетворюється на зайві тисячі токенів на кожен прогін. Саме такі речі ми в Nahornyi AI Lab зазвичай вичищаємо до запуску, тому що AI integration ламається не на демо, а на масштабі.
Якщо у вас схожа історія і витрати вже поповзли вгору, можна просто розібрати ваш сценарій по шарах: де потрібен Max, де вистачить звичайного режиму, а де варто перезібрати AI architecture цілком. У Nahornyi AI Lab я зазвичай починаю саме з цього, тому що нормальна automation with AI має економити ресурси, а не спалювати їх через помилку в налаштуваннях.