GPT-6.1Sol

Nous lançons GPT-6.1 Sol, une version améliorée de GPT-6 Sol dont l’intelligence se rapproche de celle de GPT-6 Astra pour la programmation agentique, l’utilisation de l’ordinateur et le travail professionnel, au cinquième des tarifs standard d’Astra pour les tokens d’entrée et de sortie. Les entrées mises en cache ne coûtent que 0,10 $ par million de tokens, soit 95 % de moins que le tarif standard des entrées et 50 % de moins que celui des entrées mises en cache de GPT-6 Sol. Les développeurs disposent ainsi d’une plus grande marge de manœuvre pour créer et exécuter des agents performants qui réutilisent le contexte d’une requête à l’autre.

Un Sol plus performant dans toutes les tâches

GPT-6.1 Sol offre un nouvel équilibre entre capacités et coût pour les tâches quotidiennes importantes. Il apporte des améliorations considérables par rapport à GPT-6 Sol dans un large éventail de tâches professionnelles complexes, de la rédaction et du débogage de code à la compréhension de documents et à l’exécution de flux de travail opérationnels en plusieurs étapes. Dans plusieurs de ces évaluations, ses performances se rapprochent de celles de GPT-6 Astra, pour un coût nettement inférieur.

Programmation

Sur DeepSWE v1.1, qui évalue des tâches complexes de génie logiciel dans de véritables bases de code, GPT-6.1 Sol égale GPT-6 Astra à environ un cinquième du coût, tout en dépassant le meilleur score de GPT-6 Sol de 6,4 points de pourcentage avec un effort de raisonnement et un coût moindres.

Travail professionnel

Sur GDP.pdf, qui mesure la précision avec laquelle les modèles répondent à des questions professionnelles à l’aide de documents PDF complexes comprenant des tableaux, des graphiques, des diagrammes et des détails en petits caractères, GPT-6.1 Sol surpasse Opus 5.5 avec modèles de repli à moins de la moitié du coût par tâche pour les réglages de raisonnement testés. Il se rapproche aussi des performances de pointe de GPT-6 Astra à environ un cinquième du coût par tâche.

Sur AutomationBench, qui mesure si les agents accomplissent correctement des flux de travail d’entreprise en plusieurs étapes, GPT-6.1 Sol dépasse Opus 5.5 de 2,2 points de pourcentage avec un effort de raisonnement moyen, à environ un tiers du coût. Ce score dépasse aussi de 4,8 points de pourcentage celui de GPT-6 Sol au même réglage.

Utilisation de l’ordinateur

GPT-6.1 Sol progresse aussi considérablement dans les tâches qui nécessitent d’interagir avec des applications informatiques. Sur l’ensemble hors ligne d’OSWorld 2.0, qui évalue les agents dans des flux de travail exigeants sur ordinateur, GPT-6.1 Sol dépasse GPT-6 Sol de sept points de pourcentage avec un effort de raisonnement maximal, à moins de la moitié du coût. Il se situe à 2,1 points de pourcentage du score d’Astra avec un effort de raisonnement maximal, à environ un septième du coût par tâche.

Recherche scientifique

Sur Terminal-Bench Science 0.1, qui évalue des flux de travail scientifiques comprenant l’analyse de données, la simulation et la démonstration de théorèmes, GPT-6.1 Sol obtient plus du double du score de GPT-6 Sol avec un effort de raisonnement maximal, à moins de la moitié du coût par tâche. Avec un effort maximal, GPT-6.1 Sol coûte en moyenne 5,47 $ par tâche, contre 23,21 $ pour Opus 5.5 et 23,80 $ pour Astra, offrant de solides capacités scientifiques à un coût inférieur de plus de 75 % à celui de chacun de ces modèles.

GPT-6 Astra obtient toujours le meilleur score parmi les modèles testés, à 68,1 %, et devrait être utilisé pour les tâches de recherche scientifique les plus difficiles.

Exactitude factuelle

GPT-6.1 Sol améliore également l’exactitude factuelle des réponses aux invites difficiles. Le gain d’exactitude factuelle par rapport à GPT-6 Sol est le plus marqué lorsque l’effort de raisonnement est faible : la proportion de réponses contenant une erreur factuelle passe de 11,4 % à 7,7 %, soit une baisse d’environ 32 %. Pour l’ensemble des réglages d’effort de raisonnement testés, l’écart entre son taux d’erreur et celui de GPT-6 Astra ne dépasse pas 1,9 point de pourcentage, alors que son coût par tâche est inférieur au cinquième de celui de GPT-6 Astra.

Cette évaluation mesure la proportion de réponses contenant au moins une erreur factuelle dans des conversations dépersonnalisées où les utilisateurs ont signalé une erreur d’un modèle précédent. Ces requêtes délibérément difficiles ne sont pas représentatives de l’utilisation habituelle.

Déployer GPT-6.1 Sol en toute sécurité

GPT-6.1 Sol affiche des améliorations importantes par rapport à GPT-6 Sol dans nos évaluations d’alignement, ce qui le rapproche de GPT-6 Astra.

GPT-6.1 Sol est plus transparent quant à ses limites et plus fiable dans le respect de l’intention de l’utilisateur et des contraintes de sécurité. Dans des évaluations exigeantes, il affiche des taux d’échec inférieurs à ceux de GPT-6 Sol en matière de transparence sur les outils de recherche défectueux, de respect des restrictions explicites et de prévention des résultats non autorisés lors de tâches agentiques. Nous n’avons observé aucune tentative de contournement d’un contrôleur de sécurité automatisé, comme pour GPT-6 Astra et GPT-6 Sol. Tous les détails se trouvent dans l’ addenda à la fiche système de GPT-6.1 Sol⁠(s'ouvre dans une nouvelle fenêtre).

Les évaluations ci-dessous testent délibérément des situations difficiles et ne mesurent pas les taux d’échec en utilisation habituelle.

Tarifs et disponibilité

GPT-6.1 Sol est disponible dès aujourd’hui pour tous les utilisateurs Plus, Pro, Business, Enterprise et Edu dans ChatGPT Work et Codex. GPT-6.1 Sol n’est pas encore disponible dans Chat. Les développeurs peuvent aussi y accéder au moyen de l’API OpenAI sous le nom gpt-6.1-sol. La tarification standard de l’API est de 2 $ par million de tokens d’entrée, de 0,10 $ par million de tokens d’entrée mis en cache et de 10 $ par million de tokens de sortie. Dans les prochains jours, nous proposerons aussi GPT-6.1 Sol Ultrarapide⁠, qui générera des tokens jusqu’à 8 fois plus rapidement que la version standard dans Codex.