OpenAI

Présentation de GPT-6.2 Astra et Sol

Une nouvelle norme pour le travail professionnel

Essayer dans ChatGPT Work(s'ouvre dans une nouvelle fenêtre)

Nous présentons GPT‑6.2 Astra, notre nouveau modèle de pointe pour vos projets les plus difficiles, et GPT‑6.2 Sol, notre modèle efficace et polyvalent pour le travail quotidien. Les deux modèles donnent de meilleurs résultats sur les tâches exigeantes avec moins de tokens de sortie, pour vous permettre d’en faire plus sans dépasser vos limites d’utilisation. Pour les entreprises et les développeurs, cela signifie des performances de pointe à des coûts adaptés à une utilisation à grande échelle.

GPT‑6.2 Astra établit un nouveau standard de qualité pour l’IA dans les travaux professionnels complexes. Ses diapositives, feuilles de calcul et documents semblent moins rédigés par l’IA et respectent plus fidèlement les modèles que vous fournissez ainsi que les conventions de votre domaine. Il écrit du code plus propre et crée des interfaces frontales plus esthétiques et plus fonctionnelles, particulièrement pour les sites Web, les jeux et la conception 3D.

Dans Agents’ Last Exam, qui évalue le travail professionnel en plusieurs étapes, GPT‑6.2 Astra établit un nouveau record : il dépasse GPT‑6 Astra de 5,2 points pour moins du tiers du coût, et Claude Fable 5.2 de 5,5 points pour seulement 5 % du coût.

Agents’ Last Exam évalue les modèles sur des flux de travail professionnels de longue durée. Les résultats de Fable 5.2 dans son classement excluent neuf tâches pour lesquelles un modèle de secours a été utilisé.

Nous pensons que GPT-6.2 Astra est le meilleur modèle au monde pour les scientifiques. Il établit un nouveau record sur Terminal-Bench-Science 0.1, qui évalue la capacité des modèles à effectuer des travaux scientifiques dans un terminal. GPT-6.2 Astra obtient un score supérieur de 9 points de pourcentage à celui de GPT-6 Astra pour moins du tiers du coût. Il établit également un nouveau record sur le Vals Science Index, qui demande aux modèles d’interpréter des données biologiques réelles et de mener des expériences pour déduire le fonctionnement d’un système simulé.

Dans l’API, les tarifs des tokens d’entrée et de sortie de GPT‑6.2 Astra sont inférieurs de 20 % à ceux de GPT‑6 Astra, avec une réduction de 60 % sur les entrées mises en cache (8 $ pour les entrées, 0,40 $ pour les entrées mises en cache et 40 $ pour les sorties, par million de tokens dans tous les cas). GPT‑6.2 Sol conserve les tarifs des tokens de GPT‑6.1 Sol dans l’API. Sur plusieurs tests de référence, les deux modèles se rapprochent des performances d’autres modèles de premier plan ou les surpassent, pour une petite fraction du coût par tâche.

GPT-6.2 Sol : notre modèle de prédilection pour le travail quotidien

Par rapport à GPT‑6.1 Sol, GPT‑6.2 Sol est plus intelligent, plus efficace et vous permet d’accomplir plus de tâches avec le même forfait payant. Il exécute avec aisance des flux de travail agentiques en plusieurs étapes, écrit de façon claire et naturelle et offre une collaboration intuitive. De nombreux employés d’OpenAI l’utilisent comme modèle par défaut pour les tâches techniques comme non techniques.

Dans FrontierCode 2.0 de Cognition, GPT‑6.2 Sol se situe à moins de 0,5 point de GPT‑6.2 Astra pour environ un cinquième du coût (tous deux au réglage Max).

FrontierCode 2.0 évalue si les modifications apportées à des bases de code réelles respectent les critères de fusion des responsables de leur maintenance.

Sa rapidité et son intelligence en font aussi un modèle idéal pour les tâches importantes que les gens confient à l’IA en dehors du travail. Dans notre évaluation LifeVal⁠, publiée récemment et qui mesure les performances sur des tâches quotidiennes complexes, GPT‑6.2 Sol obtient un meilleur score que GPT‑6 Astra pour environ un septième du coût.

LifeVal évalue la capacité des modèles à accomplir des tâches quotidiennes adaptées aux besoins d’une personne, comme présélectionner des écoles maternelles après un déménagement, trouver un logement qui convient au budget et aux déplacements d’une famille ou planifier les repas d’un parent qui s’adapte à un nouveau diagnostic.

Des livrables professionnels conformes aux normes du secteur

Nous avons entraîné GPT‑6.2 Astra à créer des diapositives, des feuilles de calcul et des documents plus clairs et mieux conçus, qui respectent davantage les conventions utilisées par les professionnels dans des domaines comme le droit, les ventes, les finances et la comptabilité. La rédaction est plus directe et précise, avec moins de conclusions génériques et de texte superflu.

Harvey LAB‑AA v1.1 utilise des mandats juridiques pour évaluer si les modèles peuvent trouver les faits pertinents dans les documents sources, les appliquer aux consignes détaillées d’un mandat et produire un livrable exact qui respecte toutes les exigences. GPT‑6.2 Astra établit un nouveau sommet, avec un taux de réussite plus de deux fois supérieur à celui de Claude Fable 5.2 pour environ un sixième du coût. OpenAI pour le droit⁠, notre configuration de GPT-6.2 Astra destinée aux avocats, obtient un score encore plus élevé sur ce test de référence.

Harvey LAB‑AA évalue des tâches juridiques comme l’examen de dispositions contractuelles. Son score principal n’accorde des points que lorsqu’un livrable respecte tous les critères d’évaluation et ne contient aucune hallucination substantielle.

Notre test de référence interne GDPval v2 est la nouvelle version de GDPval⁠. Il évalue des flux de travail complexes de longue durée tirés de projets réels dans des secteurs comme les services-conseils, les finances et la conception. GPT‑6.2 Astra arrive en tête des modèles que nous avons testés, avec une hausse de 6,2 points de pourcentage par rapport à GPT‑6 Astra tout en utilisant 22 % moins de tokens de sortie. GPT‑6.2 Sol gagne 5,3 points par rapport à GPT‑6.1 Sol.

GDPval v2 se compose de mandats de longue durée axés sur le travail du savoir et tirés de projets réels dans des secteurs comme les finances, la science des données, la biotechnologie et le marketing.

Classeurs et notes

La création d’un classeur d’évaluation ou la rédaction d’une note d’investissement commence par le repérage des chiffres pertinents dans les fichiers sources et la compréhension des liens entre eux. AA‑AnalystAgent d’Artificial Analysis évalue ce travail à partir de feuilles de calcul et de rapports réels. Dans l’une des tâches, les modèles utilisent les rapports de dépenses de Medicaid en Californie pour calculer les dépenses du programme en transport médical. GPT‑6.2 Astra établit un nouveau record en répondant correctement à 62,5 % des questions lors de chacune des cinq tentatives indépendantes.

Diaporamas

GPT‑6.2 Astra est notre meilleur modèle à ce jour pour concevoir des diapositives et respecter des modèles de présentation, qu’on lui fournisse un fichier original ou même une capture d’écran. Il peut reproduire la mise en page, les couleurs et la typographie, jusqu’à la taille exacte des caractères, et reprendre le style rédactionnel du modèle dans de nouvelles diapositives. Les premiers testeurs ont trouvé les présentations plus faciles à utiliser directement, avec moins de retouches, grâce à des titres qui énoncent le message principal et à un texte concis centré sur les détails dont les lecteurs ont besoin.

1 sur 4
“

Nous avons évalué GPT-6.2 Astra sur sa capacité à transformer de l’information dense en notes de synthèse et en infographies faciles à lire pour des publics techniques comme non techniques. Les exemples comprenaient des notes de négociation financière et des schémas de flux de travail agentiques.

Les documents de GPT-6.2 Astra représentaient une nette amélioration par rapport à ceux de GPT-6 Astra. Les textes et les graphiques facilitaient grandement le repérage des points clés d’une note de synthèse, et les schémas clarifiaient les systèmes complexes en montrant comment leurs éléments fonctionnent ensemble.

”
Marquis Wong, ingénieur principal en IA, IMC

Utilisation de l’ordinateur et conception Web interactive

L’utilisation plus précise de l’ordinateur par GPT‑6.2 Astra lui permet de travailler jusqu’au niveau des pièces et des liaisons individuelles dans les outils de CAO et de simulation. Les ingénieurs peuvent exploiter ce niveau de détail supplémentaire pour vérifier l’ajustement des composants, voir comment les charges se déplacent lorsque la conception est en mouvement et tester des révisions avant de construire un prototype.

Simulation de conduite

Nous avons demandé à GPT‑6.2 Astra de visualiser la dynamique du châssis d’une voiture sur une route de montagne. Astra a créé le modèle 3D et écrit un solveur Python pour simuler la dynamique complexe entre les pneus et la suspension, puis a animé les résultats dans Blender. Cela permet aux ingénieurs de tester rapidement de nouvelles conceptions et d’améliorer la précision des simulations au fil du temps.

Conception et assemblage mécaniques

GPT‑6.2 Astra peut modéliser un système mécanique pièce par pièce, ce qui permet aux ingénieurs de montrer comment il s’assemble et de tester l’effet des modifications de conception sur son comportement.

De la CAO à une lampe en papier

Notre équipe a utilisé GPT‑6.2 Astra pour transformer les balcons festonnés des tours Marina City de Chicago en une lampe. La vidéo suit le processus de conception, des photos de référence à une lampe physique assemblée à la main, en passant par les révisions en CAO. Le site, généré par GPT-6.2 Astra, vous permet de créer votre propre lampe en papier.

GPT‑6.2 Astra apporte un raisonnement visuel plus solide à la conception Web, en choisissant des mises en page et des images qui donnent à chaque site un style distinctif et en créant des éléments adaptés à l’objectif réel du site.

Ces progrès en raisonnement visuel et en utilisation de l’ordinateur se retrouvent aussi dans la conception 3D. GPT‑6.2 Astra et Sol peuvent transformer un cahier des charges écrit en une expérience interactive dans un navigateur, qu’il s’agisse d’un jeu de billard électrique auquel vous pouvez jouer ou d’une reconstitution du Colisée que vous pouvez explorer sous différents angles. Dans AA‑3D d’Artificial Analysis, des évaluateurs humains essaient à l’aveugle deux expériences créées à partir de la même invite et votent pour celle qu’ils préfèrent. GPT‑6.2 Astra se classe premier avec un score Elo de 1 318, suivi de Claude Fable 5.2 à 1 271 et de GPT‑6.2 Sol à 1 259.

“

GPT-6.2 Astra représente un immense bond en avant pour le travail créatif. Il rend Higgsfield Miracle possible, en permettant le montage vidéo en temps réel avec une précision au pixel près et en offrant aux créateurs un contrôle créatif ultime. Dans nos évaluations internes de génération 3D, il a obtenu le résultat visé du premier coup dans 73 % des cas, alors que GPT-6 Astra avait besoin de trois itérations ou plus. Cela fait gagner beaucoup de temps à notre équipe de création et permet des flux de travail entièrement agentiques plus efficaces.

”
Alex Mashrabov, chef de la direction et cofondateur, Higgsfield AI

Des flux de travail efficaces et un style de code plus propre

GPT‑6.2 Astra fait preuve d’un meilleur jugement dans l’exécution des tâches, notamment en adaptant ses outils et ses efforts au flux de travail et en sachant quand utiliser des modules d’extension plutôt que l’ordinateur.

En programmation, GPT-6.2 Astra est meilleur pour mettre en œuvre et tester des modifications complexes dans des bases de code existantes. Les premiers testeurs ont constaté un style de code plus propre et des tests plus ciblés, avec moins de cycles de révision.

Capacités en cybersécurité

GPT‑6.2 Astra et GPT-6.2 Sol marquent un autre bond important dans les capacités en cybersécurité. Ils trouvent et exploitent les vulnérabilités plus efficacement, écrivent du code plus sécurisé et produisent de meilleurs correctifs, avec des gains substantiels d’efficacité dans l’utilisation des tokens dans plusieurs évaluations. Comme GPT‑6 Astra⁠, 6.2 Astra et Sol atteignent le seuil critique en cybersécurité selon notre cadre de préparation⁠.

Compte tenu de leurs capacités accrues, nous lançons GPT‑6.2 Astra et Sol avec des mesures de protection renforcées pour l’assistance en cybersécurité à plus haut risque. Ces protections réduisent le risque d’utilisation abusive, mais limitent aussi certains flux de travail légitimes de recherche de vulnérabilités et de tests de sécurité. Par l’intermédiaire d’OpenAI Daybreak⁠, les spécialistes de la cyberdéfense peuvent actuellement accéder à GPT‑6 Sol avec moins de refus en cybersécurité sur Daybreak Blue, en plus de notre version alpha de GPT-6 Astra, ainsi qu’à GPT‑6 Cyber⁠ pour des tests de sécurité avancés et autorisés sur Daybreak Red. Nous travaillerons à rendre les modèles GPT‑6.2 accessibles dans Daybreak.

Nous présentons ci-dessous les principaux résultats des bancs d’essai, obtenus avec des configurations de test internes dont les mesures de protection et les classificateurs de cybersécurité étaient désactivés. Consultez la fiche système connexe⁠(s'ouvre dans une nouvelle fenêtre) pour connaître les résultats complets et la méthodologie.

Donner une longueur d’avance aux spécialistes de la cyberdéfense

Les développeurs s’appuient de plus en plus sur les agents de programmation pour écrire des logiciels de production, alors même que des agents plus performants facilitent la découverte et l’exploitation de vulnérabilités. PHP2Shell⁠(s'ouvre dans une nouvelle fenêtre) a montré comment l’IA peut aider les chercheurs à découvrir des failles critiques. Avec GPT‑6.2 Astra et Sol, nous avons fait des capacités défensives une priorité centrale, en introduisant de nouveaux signaux d’entraînement pour aider les développeurs à prévenir et à corriger ces failles : écrire du code sécurisé dès le départ et produire des correctifs qui préservent le comportement prévu.

Sécurité et alignement

Nous déployons GPT-6.2 Astra et Sol avec nos mesures de protection les plus robustes à ce jour. Nous avons resserré les restrictions et renforcé les systèmes que nous utilisons pour surveiller les modèles⁠ et intervenir au besoin⁠.

Comme GPT-6 Astra, en plus d’atteindre le seuil critique en cybersécurité, GPT-6.2 Astra et Sol atteignent tous deux le seuil élevé pour les capacités biologiques et chimiques selon notre cadre de préparation⁠. Nous avons mis en place des protections pour atténuer les risques associés, ainsi que des restrictions accrues sur un ensemble de demandes en biologie et en cybersécurité susceptibles d’avoir un double usage.

Vous trouverez plus de détails sur nos mesures de protection et nos tests dans la fiche système de GPT-6.2⁠(s'ouvre dans une nouvelle fenêtre).

Capacités de recherche en IA et mesures de protection

GPT-6.2 Astra est notre premier modèle diffusé à l’externe à atteindre le seuil élevé pour l’autoamélioration de l’IA, qui mesure la capacité d’un modèle à accélérer la recherche en IA. La désignation « élevé » reflète notre évaluation selon laquelle l’impact du modèle équivaut à fournir à chaque chercheur d’OpenAI un ingénieur de recherche supplémentaire hautement compétent comme assistant, par rapport à sa situation de référence en 2024. Nous suivons cette capacité parce que les modèles qui peuvent aider à développer de futurs systèmes d’IA pourraient aussi introduire de nouveaux risques pour la sécurité, notamment en accélérant les progrès au-delà du rythme d’adaptation des mesures de protection ou de la supervision humaine.

Pour faire face à ces risques, nous avons renforcé la supervision et les contrôles dans nos processus d’entraînement et de déploiement des modèles. Avant d’élargir l’accès interne à GPT-6.2 Astra, nous avons évalué son alignement et vérifié que les mesures de protection requises étaient en place à chaque étape. Nous avons renforcé le confinement dans nos environnements de recherche⁠ et testé ces protections avec nos modèles les plus performants. Nous avons aussi créé Control Room⁠, un système qui suit les charges de travail de recherche et peut interrompre la production de nouvelles sorties par le modèle lorsqu’une intervention est nécessaire. Notre surveillance élargie⁠ examine le raisonnement et les actions des modèles dans les charges de travail internes et les déploiements externes pris en charge. Elle peut automatiquement signaler les comportements non autorisés et, lorsque cette fonction est prise en charge, suspendre des charges de travail ou des conversations.

Alignement

Les deux modèles ont obtenu des résultats similaires à ceux de GPT-6 Astra dans la plupart des évaluations d’alignement et ont commis moins d’actions inappropriées dans les tâches professionnelles simulées. Toutefois, dans deux tests, ils étaient plus susceptibles d’omettre de mentionner les obstacles qui bloquaient leur travail, comme un fichier manquant ou un outil de recherche indisponible. Nous avons ajouté dans Codex des instructions qui réduisent considérablement ces omissions, et nous continuons d’étudier ce comportement.

Tarification et disponibilité

Dès aujourd’hui, GPT-6.2 Astra et Sol sont disponibles pour tous les utilisateurs Plus, Pro, Enterprise et Edu dans ChatGPT Work et Codex. Les abonnés Pro 500 peuvent utiliser Ultrafast avec l’un ou l’autre des modèles. Pour la première fois, nous proposons aussi Ultrafast aux abonnés Pro 200, en commençant par GPT-6.2 Sol. Les utilisateurs Enterprise et Edu admissibles bénéficient du même accès une fois que l’administrateur de leur espace de travail l’a activé. Les développeurs peuvent aussi accéder à gpt-6.2-astra et à gpt-6.2-sol par l’API OpenAI, avec Ultrafast disponible pour les deux modèles dès le lancement.

GPT‑6.2 Astra coûte nettement moins cher par tâche que GPT‑6 Astra, grâce à une utilisation plus efficace des tokens, à une réduction de 20 % sur les tokens d’entrée et de sortie et à une réduction plus importante, de 60 %, sur les tokens d’entrée mis en cache. Les tarifs standard de l’API par million de tokens sont de 8 $ pour les entrées, de 0,40 $ pour les entrées mises en cache et de 40 $ pour les sorties. GPT‑6.2 Sol conserve les tarifs de GPT‑6.1 Sol, soit 2 $ pour les entrées, 0,10 $ pour les entrées mises en cache et 10 $ pour les sorties, par million de tokens.

Pour GPT-6.2 Astra et Sol, afin d’améliorer la réutilisation du cache, de contribuer à réduire les coûts et la latence et de préserver le raisonnement d’un échange à l’autre, nous recommandons de conserver les préfixes d’invite inchangés et d’ajouter les nouvelles instructions⁠(s'ouvre dans une nouvelle fenêtre) à la fin de la conversation.

Auteur

OpenAI

Footnotes

  1. 1

    Les résultats de Fable 5.2 sur Terminal-Bench-Science 0.1 sont ceux rapportés par Artificial Analysis⁠(s'ouvre dans une nouvelle fenêtre) dans le harnais mini-swe-agent. Anthropic a rapporté un score de 74,6 % pour Fable 5.2 au niveau de raisonnement Max dans Claude Code.