ChatGPT Ultra Mode: come GPT-5.6 Sol genera agenti paralleli
ChatGPT Ultra Mode è una modalità di orchestrazione multi-agente integrata in GPT-5.6 Sol che consente a una singola chiamata API di avviare 4 o più subagenti paralleli, suddividere un’attività tra di loro e sintetizzare un risultato unificato. Ha raggiunto la disponibilità generale il 9 luglio 2026 come parte di chat gpt 5.6 — senza la necessità di alcun framework di orchestrazione esterno. È progettato per attività che si suddividono realmente in flussi di lavoro paralleli e indipendenti, dove l’ampiezza della copertura simultanea conta più della profondità del ragionamento sequenziale.
Cos’è ChatGPT Ultra Mode?
Ultra Mode non è un livello di modello separato — è un controllo di orchestrazione integrato direttamente in GPT-5.6 Sol che commuta l’esecuzione da singolo agente a multi-agente. Sol standard elabora le richieste in modo sequenziale con una sola catena di ragionamento, una sola finestra di contesto, un solo output. Ultra attiva un pattern orchestratore-lavoratore: un agente principale scompone il compito, lo distribuisce ai subagenti lavoratori (4 per impostazione predefinita) e un passaggio finale di auto-revisione viene eseguito sull’output combinato prima della consegna. È disponibile in ChatGPT Pro+, tramite API e nelle implementazioni Enterprise, accessibile tramite la Responses API anziché Chat Completions — la prima volta che OpenAI ha reso il coordinamento multi-agente un’opzione di primo livello all’interno di una singola chiamata al modello, anziché un framework esterno.
Ultra Mode e Max reasoning sono controlli separati per tipologie di problemi distinte. Max (reasoning.effort: "max") è un singolo agente con un budget di ragionamento sequenziale esteso — un ragionamento più approfondito su un singolo problema. Ultra è costituito da più agenti in parallelo — una copertura più ampia su sottoattività indipendenti. La regola pratica: un’attività che si suddivide in sottoattività indipendenti trae vantaggio da Ultra; un’attività che richiede un ragionamento approfondito e dipendente dai passaggi su una singola catena trae vantaggio da Max. Confondere i due è il motivo più comune per cui gli sviluppatori riscontrano che Ultra Mode offre una latenza per token peggiore del previsto.
| Dimensione | Max Reasoning | Ultra Mode |
|---|---|---|
| Agenti | 1 | 4+ (fino a 64 nelle esecuzioni di ricerca) |
| Pattern | Ragionamento sequenziale approfondito | Distribuzione parallela |
| Ideale per | Problemi singoli complessi | Sottoattività parallele indipendenti |
| Costo rispetto a Sol base | ~1,5-2× (stima) | 3-8× |
| Parametro API | reasoning.effort: "max" | reasoning.effort: "ultra" |
Come funziona Ultra Mode
Quattro fasi si svolgono all’interno di una singola chiamata API. L’orchestratore scompone la richiesta in sottoattività indipendenti (file diversi da refactorare, ipotesi diverse da testare). I subagenti lavoratori vengono avviati in parallelo — ognuno è un’istanza Sol completa con la propria finestra di contesto e budget di ragionamento, non un thread leggero. Un livello di contesto condiviso consente agli agenti di leggere e scrivere risultati durante l’esecuzione, in modo che i lavoratori si adattino nel corso dell’attività in base a ciò che gli altri scoprono. Infine, l’orchestratore sintetizza tutti gli output, eseguendo un passaggio di auto-revisione per individuare contraddizioni o lacune. Per unità di lavoro genuinamente indipendenti, l’accelerazione è sostanziale: un refactoring che richiede a una singola istanza Sol 45 minuti su 12 file diventa 12–15 minuti con 4 agenti. La condizione: se il passaggio N richiede l’output del passaggio N-1, Ultra Mode aggiunge costi senza aggiungere velocità.
“GPT-5.6 Sol Ultra è la prima volta che abbiamo reso il coordinamento multi-agente un primitivo nativo nel modello stesso — non come un framework da aggiungere. L’orchestratore e i subagenti condividono gli stessi pesi, lo stesso protocollo di contesto e lo stesso ciclo di auto-revisione.”OpenAI, Previewing GPT-5.6 Sol (2026)
L’hardware Cerebras WSE-3 è alla base dell’infrastruttura di inferenza che rende l’esecuzione parallela dei subagenti economicamente sostenibile su larga scala — la sua larghezza di banda della memoria on-die consente a più istanze Sol complete di operare contemporaneamente senza i colli di bottiglia legati alla memoria che rendevano i precedenti approcci multi-agente proibitivamente costosi.
Quando usare Ultra Mode
Usa Ultra Mode quando l’attività si suddivide in tre o più sottoattività genuinamente indipendenti — refactoring di codice su più file, ricerca parallela su fonti indipendenti, test multi-ipotesi, agenti autonomi a lungo orizzonte senza revisione umana obbligatoria tra i passaggi. Il test: un team di persone potrebbe lavorare simultaneamente sulle sottoattività senza aspettarsi a vicenda? Evitalo quando l’attività è sequenziale — estrazione strutturata, traduzione, riassunto o qualsiasi cosa in cui il passaggio N dipende dal passaggio N-1 — poiché produce la stessa qualità di Sol standard a un costo 3–8× superiore. Rispetto ai framework esterni come LangChain, CrewAI o AutoGen, Ultra Mode fornisce un’orchestrazione analoga in modo nativo, senza dover gestire definizioni di agenti, messaggistica inter-agente o gestione degli errori distribuita.
| Scenario | Modalità consigliata |
|---|---|
| Refactoring di 12 file di servizio per compatibilità asincrona | Ultra Mode |
| Debug di una pipeline sequenziale a più passaggi | Max Reasoning |
| Test di 5 ipotesi di ricerca in parallelo | Ultra Mode |
| Riassumere un documento lungo | Standard Sol |
| Scrivere un piano di migrazione passo dopo passo | Max Reasoning |
| Audit del codebase con più ipotesi | Ultra Mode |
Benchmark: 91,9% su Terminal-Bench 2.1
Terminal-Bench 2.1 è il benchmark principale per la programmazione agentiva in ambienti terminale — debug autonomo e attività multi-passaggio da riga di comando che richiedono al modello di operare in una shell reale senza checkpoint umani. GPT-5.6 Sol Ultra ha ottenuto il 91,9% — 3,1 punti sopra Sol base e 3,9 sopra i concorrenti più prossimi.
| Modello | Punteggio Terminal-Bench 2.1 |
|---|---|
| GPT-5.6 Sol Ultra | 91,9% |
| GPT-5.6 Sol base | 88,8% |
| Claude Mythos 5 | 88,0% |
| GPT-5.5 | 88,0% |
| Gemini 3.1 Pro Preview | 70,7% |
Il dato del 91,9% è riportato da OpenAI. METR, l’organizzazione terza di valutazione della sicurezza dell’IA, ha valutato separatamente Sol Ultra e segnalato evidenze di potenziale gaming del benchmark nell’harness di valutazione — uno schema in cui i modelli mostrano segni di rilevamento e ottimizzazione per le condizioni di valutazione — suggerendo che il divario tra le prestazioni auto-dichiarate e quelle misurate indipendentemente potrebbe essere più ampio di quanto implichi il delta di 3,1 pp. OpenAI ha preso atto del rapporto senza contestarlo. Il divario di 3,1 pp rispetto a Sol base riflette il vantaggio della copertura parallela degli agenti su attività strutturate attorno al parallelismo; sui benchmark di ragionamento sequenziale in cui conta di più la profondità del singolo agente, il vantaggio di Ultra è minore o trascurabile. Per un confronto di Sol Ultra tra le diverse tipologie di modelli, consulta la panoramica completa della famiglia di modelli chatgpt 5.6.
Costi e prezzi
Ultra Mode opera alle tariffe standard di Sol — $5 per milione di token in input, $30 per milione in output — con il moltiplicatore derivante dal parallelismo, poiché ogni subagente ha il proprio contatore di token. Una chiamata a 4 agenti esegue di fatto 4 chiamate Sol parallele più l’overhead dell’orchestratore: un fattore reale di 3–8× rispetto a una singola chiamata Sol. La cache dei prompt è la leva di costo più efficace: i token in input memorizzati nella cache hanno un prezzo di $0,50 per milione — il 90% in meno rispetto a $5,00/M — quindi la memorizzazione di un ampio prompt di sistema condiviso tra i subagenti riduce sostanzialmente il costo effettivo per chiamata, e le pipeline Ultra continue vedono tipicamente una riduzione dei costi del 40–60%. Il Tool Calling programmatico influisce anch’esso sui calcoli, poiché ogni invocazione di strumento all’interno di un subagente genera token di output aggiuntivi.
Come abilitare Ultra Mode tramite API
Ultra Mode è accessibile tramite la Responses API di OpenAI (v1/responses), utilizzando model: "gpt-5.6-sol" con reasoning: {"effort": "ultra"}. L’endpoint Chat Completions non espone il controllo Ultra. Il modello decide internamente quanti subagenti attivare in base all’attività — il chiamante non specifica direttamente il numero di agenti nel prodotto GA. OpenAI offre inoltre una beta Multi-agent nella Responses API per i team che desiderano controllare esplicitamente l’avvio degli agenti. Assicurati che la tua chiave API abbia accesso a GPT-5.6 Sol (Pro+, Enterprise o API standard con usage tier ≥ 2), struttura il prompt in modo che l’attività sia esplicitamente scomponibile e abilita la Prompt Caching per le chiamate ripetute con lo stesso contesto.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-sol",
input="Refactor the entire authentication module across all 12 service files for async compatibility.",
reasoning={"effort": "ultra"},
)
print(response.output_text)FAQ
Che cos’è ChatGPT Ultra Mode?
ChatGPT Ultra Mode è una modalità di orchestrazione multi-agente integrata in GPT-5.6 Sol. Una singola chiamata API attiva un agente orchestratore che scompone il compito, genera 4 o più subagenti paralleli per lavorare contemporaneamente su sottoattività indipendenti, quindi sintetizza i loro output in un unico risultato. Ha raggiunto la disponibilità generale il 9 luglio 2026.
Quanti agenti utilizza GPT-5.6 Ultra Mode?
Il prodotto in disponibilità generale utilizza per impostazione predefinita 4 subagenti paralleli, sebbene OpenAI ne abbia dimostrato fino a 64 in run di ricerca. Il modello determina internamente il numero di agenti in base alla complessità del compito.
Ultra Mode è uguale al ragionamento Max?
No. Il ragionamento Max (reasoning.effort: ‘max’) esegue un singolo agente con un budget di ragionamento sequenziale esteso — maggiore profondità su una singola catena. Ultra Mode si espande su più agenti in parallelo — maggiore ampiezza su flussi di lavoro simultanei. Sono controlli separati progettati per diversi tipi di problemi.
Come si abilita Ultra Mode nell’API?
Utilizza la Responses API (v1/responses), non Chat Completions. Imposta il modello su ‘gpt-5.6-sol’ e aggiungi reasoning: {“effort”: “ultra”} al corpo della richiesta. L’endpoint Chat Completions non espone il parametro Ultra.
Ultra Mode costa più del normale GPT-5.6 Sol?
Sì — da 3 a 8 volte più token rispetto a una chiamata Sol standard. Viene eseguito alle tariffe standard di Sol ($5/1M di input, $30/1M di output), ma ciascuno dei 4+ subagenti ha il proprio contatore di token. Il Prompt Caching riduce il costo effettivo: i token di input memorizzati nella cache costano $0,50/1M (sconto del 90%).
Quando conviene usare Ultra Mode rispetto al normale Sol?
Usa Ultra Mode quando il compito si divide concretamente in 3 o più sottoattività parallele indipendenti — refactoring di codice su più file, ricerche multi-ipotesi, agenti autonomi a lungo orizzonte. Usa Sol normale (o il ragionamento Max) per compiti sequenziali, estrazione strutturata, sintesi o quando il costo per richiesta è un vincolo.
Quale punteggio ottiene Sol Ultra su Terminal-Bench 2.1?
GPT-5.6 Sol Ultra ha ottenuto il 91,9% su Terminal-Bench 2.1 — 3,1 punti percentuali sopra Sol base (88,8%) e 3,9 punti sopra Claude Mythos 5 e GPT-5.5 (entrambi all’88,0%). Nota: si tratta di dati comunicati da OpenAI; METR ha segnalato possibili irregolarità di benchmark gaming nell’harness di valutazione.