GPT‑5.6 : une intelligence de pointe à la hauteur de vos ambitions

Nous lançons la famille de modèles GPT‑5.6 en disponibilité générale, à la suite de notre préversion limitée⁠: notre nouveau modèle phare, Sol, ainsi que Terra, un modèle équilibré pour les tâches quotidiennes, et Luna, notre modèle le plus économique.

GPT‑5.6 Sol établit une nouvelle référence en matière d’intelligence et d’efficacité, obtenant des résultats de pointe en programmation, en travail intellectuel, en cybersécurité et en sciences, tout en surpassant les modèles de pointe précédents et concurrents avec moins de tokens et à un coût estimé inférieur. Le résultat est un meilleur rendement par dollar investi : plus de travail accompli avec succès pour le même budget, ou des résultats comparables à un coût total moindre. Nous introduisons également une nouvelle façon d’accélérer les travaux les plus exigeants : ultra, notre niveau de capacité le plus élevé, coordonne plusieurs agents qui travaillent en parallèle afin d’exécuter plus rapidement les tâches complexes. Une utilisation plus avancée de l’ordinateur et un meilleur jugement en matière de conception rendent GPT‑5.6 Sol est notre collaborateur le plus accompli à ce jour, capable d’examiner, de peaufiner et de livrer des résultats prêts à l’emploi.

Nous avons entraîné GPT‑5.6 pour obtenir davantage de travail utile avec chaque token. Sur Agents’ Last Exam⁠(s'ouvre dans une nouvelle fenêtre), une évaluation de flux de travail professionnels de longue durée couvrant 55 domaines, GPT‑5.6 Sol établit un nouvel Élevé de 53,6, devançant Claude Fable 5 (raisonnement adaptatif) de 13,1 points. Même avec un raisonnement Moyen, il dépasse Fable 5 de 11,4 points, pour environ un quart du coût estimé. Cette efficacité s’étend aux modèles plus petits, essentiels pour rendre l’intelligence plus abondante et plus abordable : GPT‑5.6 Terra et GPT‑5.6 Luna surpassent Fable 5 pour environ un seizième du coût. Sur l’Artificial Analysis Intelligence Index⁠(s'ouvre dans une nouvelle fenêtre), une mesure globale de l’intelligence couvrant les travaux autonomes, la programmation, le raisonnement scientifique et les capacités générales, GPT‑5.6 Sol avec raisonnement maximal se rapproche de Fable 5 à moins d’un point, tout en accomplissant les tâches en 61 % de temps en moins, à environ la moitié du coût estimé.

GPT‑5.6 est lancé avec nos dispositifs de protection les plus robustes à ce jour, conçus pour résister aux usages abusifs déterminés et adaptatifs, sans limiter de manière générale les usages légitimes. Avant leur disponibilité générale, nous avons soumis les modèles et leurs dispositifs de protection à notre campagne d’évaluation la plus approfondie à ce jour, combinant des exercices d’équipe rouge menés par des experts et des tests automatisés à grande échelle. Pendant la phase de préversion, nous avons travaillé en étroite collaboration avec des organisations expertes et des partenaires de confiance afin de mettre à l’épreuve nos mécanismes de défense et de renforcer nos dispositifs de protection avant le lancement à grande échelle. Le système ainsi obtenu superpose des protections intégrées au modèle à des contrôles en temps réel, une surveillance continue et des niveaux d’accès adaptés au degré de confiance et au niveau de risque.

GPT‑5.6 Sol est notre meilleur modèle de codage à ce jour. Sur l’Artificial Analysis Coding Agent Index, GPT‑5.6 Sol avec un raisonnement maximal établit un nouveau record à 80, soit 2,8 points de plus que Fable 5, tout en utilisant moins de la moitié des tokens de sortie, en prenant moins de la moitié du temps et pour un coût inférieur d’environ un tiers. Cet avantage s’étend à toute la gamme : Terra obtient des performances juste supérieures à Fable 5, tandis que Luna surpasse Opus 4.8; chacun y parvient en environ un tiers du temps, avec environ la moitié des tokens de sortie et à environ un quart du coût estimé. Il établit également de nouveaux résultats de référence sur Terminal‑Bench 2.1 et DeepSWE, qui évaluent des flux de travail complexes en ligne de commande et de l’ingénierie à long terme sur des bases de code réelles.

GPT‑5.6 peut écrire et exécuter de petits programmes qui orchestrent des outils, traitent les résultats intermédiaires, suivent la progression et choisissent l’action suivante au fur et à mesure de l’avancement du travail. Les tâches faisant largement appel aux outils progressent ainsi avec moins de tokens, moins d’allers-retours avec le modèle et moins de guidage. Au lieu d’obliger les développeurs à écrire un script pour chaque étape ou à renvoyer chaque réponse d’un outil au modèle, les appels d’outils programmatiques de l’API Responses⁠(s'ouvre dans une nouvelle fenêtre) peuvent filtrer de grands volumes de données intermédiaires, ne conserver que les informations pertinentes et adapter leur flux de travail au fil de l’exécution.

Pour les problèmes qui nécessitent un investissement plus important en temps et en ressources de calcul, GPT‑5.6 peut dépasser ce paramètre par défaut efficace. max donne à GPT‑5.6 encore plus de temps que xhigh pour raisonner et explorer d’autres pistes, effectuer des vérifications et ajuster son approche. ultra va plus loin en coordonnant par défaut quatre agents en parallèle, au prix d’une consommation plus élevée de tokens, pour des résultats plus solides et un délai d’obtention des résultats plus court sur les tâches exigeantes. Les graphiques ci-dessous comparent la configuration par défaut à quatre agents d’ultra avec une configuration à un agent sur BrowseComp, SEC-Bench Pro et Terminal-Bench 2.1; BrowseComp et SEC-Bench Pro présentent également des configurations à 16 agents. Dans les deux évaluations, l’ajout d’agents travaillant en parallèle déplace la frontière entre les performances et la latence vers le haut et vers la gauche, permettant d’obtenir de meilleurs résultats en moins de temps. Dans l’API, les développeurs peuvent créer des expériences de type ultra à l’aide de la bêta multi-agent dans l’API Responses.

GPT‑5.6 marque une avancée majeure dans sa capacité à évaluer la qualité d’un design. Avec seulement une direction élevée, GPT‑5.6 crée des interfaces élégantes, ergonomiques et fonctionnelles. Ses capacités informatiques renforcées lui permettent d’inspecter et d’affiner le résultat rendu, et pas seulement de générer le code ou le contenu sous-jacent, afin de détecter les problèmes visuels et fonctionnels et d’appliquer les dernières retouches avant de remettre le travail.

Les capacités front-end de GPT‑5.6 permettent également de convertir des requêtes en langage naturel en explications et visualisations interactives soignées dans ChatGPT Travail.

GPT‑5.6 offre de meilleurs résultats pour les tâches professionnelles. Il exploite le contexte souvent dispersé de vos documents et de vos outils de travail quotidiens, comme Slack, Notion, Microsoft 365 et Google Drive, pour le transformer en livrables de qualité professionnelle, faciles à partager.

Les capacités de GPT‑5.6 dans le travail intellectuel se manifestent dans des évaluations couvrant l’analyse professionnelle à long terme, la navigation web, l’utilisation d’outils et l’utilisation d’un ordinateur. GPT‑5.6 Sol établit de nouveaux résultats de pointe sur BrowseComp, à 92,2 %, et sur OSWorld 2.0 , à 62,6 % ; sur OSWorld, il dépasse Opus 4.8 tout en utilisant 85 % moins de tokens de sortie. Ici, les gains de performance par dollar s’étendent à l’ensemble de la famille GPT‑5.6. Luna atteint presque les performances de pointe de GPT‑5.5 à moins de la moitié du coût estimé, tandis que Terra les surpasse à un coût encore inférieur.

GPT‑5.6 Sol améliore la qualité des présentations, des documents et des feuilles de calcul, en produisant des résultats plus soignés, plus précis et plus aboutis. Il peut créer à partir de zéro des présentations entièrement modifiables, en transformant une invite et des contenus sources en un récit visuel cohérent, avec des mises en page percutantes, une hiérarchie claire et un design soigné.

L’amélioration est particulièrement marquée lorsque vous suivez des modèles et des présentations de référence. GPT‑5.6 peut inférer le système de conception d’une présentation –dispositions, typographie, espacement, couleurs et modèles de contenu récurrents, y compris les règles intégrées au masque des diapositives – et appliquer ces conventions de manière cohérente aux nouveaux contenus. Dans cet exemple, lorsqu’on lui demande de mettre à jour des chiffres à partir d’un fichier de référence, le résultat produit par GPT‑5.5 omet des éléments clés de la diapositive principale, tandis que GPT‑5.6 respecte plus fidèlement la structure de référence.

GPT‑5.6 crée également des documents et des feuilles de calcul plus soignés sur le plan visuel. Il respecte plus fidèlement les formats de référence complexes, ce qui est essentiel pour les tâches de travail intellectuel reproductibles. Il gère les équations et les modèles financiers avec une plus grande précision, et tire mieux parti de la typographie, de l'espacement, de la hiérarchie et de la mise en page des feuilles de calcul.

Les premiers clients ayant testé GPT‑5.6 ont constaté des améliorations des résultats du travail intellectuel dans plusieurs domaines.

GPT‑5.6 est notre modèle de cybersécurité le plus performant à ce jour, atteignant des performances de pointe avec beaucoup moins de tokens. Sur ExploitBench¹, qui mesure les progrès à partit de l’accès au code vulnérable jusqu’à l’exécution de code arbitraire, il obtient un score de 74 % contre celui de GPT‑5.5 47,9 % avec un budget de tokens de sortie comparable. ExploitGym² : cette évaluation demande aux agents de transformer des vulnérabilités réelles en exploits fonctionnels. GPT‑5.6 y fait presque doubler le taux de réussite maximal de GPT‑5.5, le faisant passer de 15,1 % à 24,9 % dans une limite de deux heures; avec six heures, il atteint 33,7 %. Sur SEC-bench Pro, qui évalue la génération de preuves de concept pour des logiciels complexes, il obtient 71,2 % contre 45,8 %, avec une latence améliorée.

GPT‑5.6 prend en charge d’importantes tâches défensives comme la revue de code sécurisée, l’application de correctifs, la modélisation des menaces et les équipes bleues. Les personnes et les organisations admissibles au programme Trusted Access for Cyber d’OpenAI Daybreak⁠ peuvent accéder à une plus grande partie de ses capacités défensives grâce à des mesures de protection plus précises, adaptées aux travaux vérifiés réalisés dans des environnements autorisés. Ces capacités comprennent notamment le triage et la validation des vulnérabilités, l’analyse de logiciels malveillants, l’ingénierie de détection et la validation des correctifs.

Les particuliers peuvent vérifier leur identité et demander un accès de confiance⁠(s'ouvre dans une nouvelle fenêtre), et les organisations peuvent faire une demande⁠ pour leurs équipes. Les membres individuels devront activer la sécurité avancée du compte⁠(s'ouvre dans une nouvelle fenêtre) avec des clés d’accès adossées à du matériel d’ici le 1er septembre pour conserver l’accès à nos modèles de pointe dotés des capacités cyber les plus avancées; ceux qui ne le feront pas reviendront à l’accès par défaut. Les utilisateurs qui ne disposent pas déjà de clés d’accès avec protection matérielle peuvent bénéficier de tarifs préférentiels⁠(s'ouvre dans une nouvelle fenêtre) auprès de notre partenaire, Yubico. Nous prenons également des mesures supplémentaires pour restreindre l’accès aux entités et juridictions à risque élevé.

GPT‑5.6 Sol affiche également des progrès généralisés dans l’ensemble de la recherche scientifique. Lors des évaluations en sciences de la vie, GPT‑5.6 démontre des améliorations de Pareto par rapport à GPT‑5.5 en biologie en conditions réelles, dans les flux de travail de recherche en sciences de la vie et en chimie.

GPT‑5.6 est notre modèle le plus puissant à ce jour pour accélérer la recherche en IA. Chez OpenAI, les chercheurs l’utilisent tout au long du cycle de développement : pour diagnostiquer les défaillances, optimiser les systèmes d’entraînement, mener des expériences et interpréter les résultats. Nous avons déjà observé cette accélération et cette adoption accrue pendant la période de test interne de GPT‑5.6, le nombre moyen quotidien de tokens de sortie par chercheur actif étant plus de deux fois supérieur au niveau le plus élevé observé pour GPT‑5.5.

Cette façon de travailler devient rapidement la norme. Au cours des six derniers mois, la part des ressources de calcul consacrées à l’inférence pour le développement interne a été multipliée par 100, tandis que l’utilisation interne de tokens par les agents a augmenté d’environ un facteur 22. À eux seuls, ces indicateurs d’adoption ne mesurent pas les progrès de la recherche, mais ils montrent à quel point l’assistance par IA se développe rapidement pour la recherche ainsi que pour d’autres équipes comme les ventes, le marketing, les opérations utilisateurs, les finances et bien d’autres.

Pour mesurer directement cette capacité, nous avons développé une suite interne d'évaluations fondées sur de vraies tâches de recherche en IA, notamment le débogage de systèmes de recherche, l'optimisation de noyaux et de recettes d'entraînement, l'exécution d'expériences d'apprentissage automatique et l'amélioration d'un autre modèle.

À mesure que les capacités des modèles augmentent, nous renforçons notre pile de sécurité afin que l’intelligence avancée puisse rester largement utile, tout en soumettant les usages présentant les risques les plus élevés à un examen plus approfondi. Pour GPT‑5.6, nous avons bâti notre système de sécurité le plus robuste à ce jour, calibré en fonction des capacités de chaque modèle et alimenté par plus de puissance de calcul que jamais auparavant.

Les modèles GPT‑5.6 sont plus performants que nos modèles précédents, tant en biologie qu’en cybersécurité, mais n’atteignent pas le seuil critique dans l’un ou l’autre de ces domaines. En cybersécurité, nos tests indiquent que GPT‑5.6 reste plus performant pour détecter et corriger les vulnérabilités que pour mener de manière fiable des attaques autonomes de bout en bout contre des cibles renforcées, ce qui donne aux défenseurs la possibilité de renforcer leurs systèmes avant que ces vulnérabilités ne soient exploitées. En biologie, nos tests indiquent que GPT‑5.6 peut contribuer à des travaux de recherche légitimes, mais qu’il ne possède pas les capacités de bout en bout nécessaires pour créer, concevoir ou synthétiser une nouvelle menace extrêmement dangereuse.

Les deux domaines sont intrinsèquement à double usage. En cybersécurité, les mêmes capacités qui pourraient aider un attaquant à exploiter une vulnérabilité peuvent aider un défenseur à la trouver, à la reproduire et à élaborer un correctif fiable. Le blocage excessif crée donc un risque de sécurité qui lui est propre. Cela peut empêcher les défenseurs de tester les systèmes et de déployer des correctifs, tandis que les acteurs malveillants continuent d’utiliser d’autres modèles, notamment des modèles open source de plus en plus performants, ainsi que des outils établis. Des mesures de protection efficaces tiennent compte du contexte et des conséquences probables d’une demande, afin de préserver les usages défensifs légitimes tout en appliquant des contrôles plus rigoureux lorsque les éléments disponibles indiquent un risque sérieux de préjudice.

Les mesures de protection de GPT‑5.6 reposent sur plusieurs couches afin d’offrir une précision et une redondance accrues, et sont conçues pour s’adapter rapidement à l’émergence de nouvelles attaques. Les protections intégrées au modèle fonctionnent de concert avec des vérifications en temps réel, une surveillance continue et des mécanismes d’application au niveau des comptes afin de maintenir la sécurité du système, même lorsqu’une couche de protection ne fonctionne pas comme prévu. Dans de nombreux systèmes, les indicateurs du classificateur Dans de nombreux systèmes, les décisions de blocage reposent uniquement sur les signalements des classificateurs, qui s’appuient sur des modèles d'intelligence moins performants et plus difficiles à adapter afin de prévenir les risques de préjudice. Notre approche ajoute un moniteur de raisonnement qui examine la conversation afin de déterminer s’il existe un risque de préjudice. Cette conception vise à permettre les activités défensives tout en empêchant les abus graves, les fonctionnalités les plus sensibles étant réservées aux utilisateurs vérifiés via Trusted Access. Comme certaines mesures de protection utilisent le raisonnement au moment du test, nous pouvons les mettre à jour rapidement afin de combler les lacunes sans réentraîner les classifieurs à partir de zéro.

Nous adoptons une approche plus prudente à mesure que nous continuons à renforcer le système contre les attaques adaptatives. Par rapport aux modèles précédents, les mesures de protection de GPT‑5.6 Sol en matière de cybersécurité bloquent environ dix fois plus d’activités potentiellement dangereuses. Comme ces mesures peuvent occasionner des contraintes dans les cas d’utilisation légitimes, nous proposons dans ChatGPT et Codex une option permettant de relancer facilement une invite avec des modèles moins performants. Nous continuerons également à réduire les effets de nos mesures de protection sur les usages légitimes, tout en maintenant un niveau élevé de robustesse. Cela reflète notre approche de déploiement itérative : commencer prudemment et s’améliorer en fonction de ce que nous apprenons de l’utilisation en conditions réelles.

Avant la disponibilité générale, nous avons mené nos évaluations de sécurité les plus intensives à ce jour, notamment des vastes exercices d’équipe rouge, des essais rigoureux des capacités du modèle et des mesures de protection avec des experts externes, ainsi qu’environ 700 000 heures de calcul sur GPU A100e consacrées à des exercices automatisés d’équipe rouge en mode boîte noire. Cela nous a permis de sonder systématiquement les points faibles probables, de révéler des jailbreak et de nous aider à renforcer le système avant le lancement.

Il n’existe pas de sécurité parfaite, et notre travail visant à sécuriser des modèles de plus en plus performants se poursuit. De nouvelles faiblesses seront découvertes, tout comme de nouveaux jailbreaks qui échappent aux mesures de protection existantes. Chaque nouvelle génération de modèles créera également de nouvelles possibilités d’attaque et de mauvaise utilisation. Nous concevons nos solutions en tenant compte de cette réalité, grâce à des mesures de protection à plusieurs niveaux, une surveillance continue, une remédiation rapide et une collaboration au sein de la communauté de la défense. Pour GPT‑5.6, nous avons complété nos programmes existants⁠(s'ouvre dans une nouvelle fenêtre) de bug bounty en sécurité et en biologie⁠ par un nouveau processus de remédiation rapide et par notre dispositif de surveillance le plus robuste à ce jour. Les enseignements tirés des recherches, de la surveillance et des abus constatés dans le monde réel alimenteront en continu de nouvelles évaluations et des mesures de protection renforcées.

Pour en savoir plus sur nos mesures de protection, consultez la fiche système GPT‑5.6 mise à jour⁠(s'ouvre dans une nouvelle fenêtre).

GPT‑5.6 se décline en trois modèles : Sol, notre modèle phare; Terra, un modèle plus économique offrant des performances comparables à celles de GPT‑5.5; et Luna, notre modèle le plus rapide et le plus abordable. Le chiffre correspond à la génération, tandis que Sol, Terra et Luna désignent des niveaux de capacité pérennes qui peuvent évoluer à leur propre rythme.

GPT‑5.6 est disponible dès aujourd’hui sur ChatGPT, Codex et l’API OpenAI. Le déploiement commence maintenant à l’échelle mondiale et se poursuivra progressivement jusqu’à une disponibilité complète au cours des prochaines 24 heures.

• Clavardage : les utilisateurs des offres Plus, Pro, Business et Enterprise ont accès à GPT‑5.6 Sol avec les paramètres d’effort Moyen ou Élevé. Les utilisateurs des offres Pro et Enterprise peuvent également sélectionner GPT‑5.6 Sol Pro pour obtenir de meilleurs résultats pour des tâches complexes.
• ChatGPT Travail et Codex : les utilisateurs des offres Free et Go ont accès à GPT‑5.6 Terra. Les utilisateurs Plus, Pro, Business et Enterprise peuvent choisir parmi GPT‑5.6 Sol, Terra et Luna et définir un niveau d’effort pour chacun. max est disponible pour tous les utilisateurs ayant accès à GPT‑5.6 dans ChatGPT Travail et Codex, et peut être activé dans les paramètres. Dans ChatGPT Travail, ultra est disponible pour les utilisateurs Pro et Enterprise. Dans Codex, cette fonctionnalité est disponible avec les forfaits Plus et supérieurs.
• API  : les développeurs peuvent accéder à Sol, Terra et Luna via l’API OpenAI. Dans l'API Responses, l'appel programmatique d'outils permet à GPT‑5.6 d'écrire et d'exécuter en mémoire des programmes qui coordonnent des outils et traitent des résultats intermédiaires, ce qui le rend compatible avec la politique de non-conservation des données (ZDR). Multi-agent, initialement disponible en bêta, permet à GPT 5.6 d'exécuter des sous-agents en parallèle et de synthétiser leur travail dans une seule requête.

GPT‑5.6 est facturé par million de tokens pour trois tailles de modèles : Sol est à 5 $ en entrée / 30 $ en sortie; Terra est à 2,50 $ en entrée / 15 $ en sortie; et Luna est à 1 $ en entrée / 6 $ en sortie. GPT‑5.6 introduit également un mécanisme de mise en cache des invites plus prévisible, avec la prise en charge des points de rupture explicites du cache⁠(s'ouvre dans une nouvelle fenêtre) et une durée de conservation minimale du cache de 30 minutes. Pour GPT‑5.6 et les modèles ultérieurs, les écritures dans le cache sont facturées à un tarif équivalant à 1,25 fois celui des tokens d’entrée non mis en cache du modèle, tandis que les lectures dans le cache continuent de bénéficier d’une réduction de 90 % sur le tarif des tokens d’entrée mis en cache.