OpenAI

Présentation de GPT-6.2 Astra et Sol

Une nouvelle référence pour le travail professionnel

Essayer dans ChatGPT Work(ouverture 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 fournissent de meilleurs résultats sur les tâches exigeantes avec moins de tokens de sortie, pour vous permettre d’en faire davantage dans les limites de votre 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 une nouvelle référence de qualité pour l’IA dans les travaux professionnels complexes. Ses diapositives, feuilles de calcul et documents semblent moins rédigés par une IA et respectent plus fidèlement les modèles que vous fournissez ainsi que les conventions de votre domaine. Il écrit un code plus propre et crée des interfaces plus esthétiques et plus fonctionnelles, notamment pour les sites web, les jeux et la conception 3D.

Sur 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 d’un 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 workflows professionnels de longue durée. Les résultats de Fable 5.2 dans son classement excluent neuf tâches ayant fait appel à un modèle de secours.

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 dépasse GPT-6 Astra de 9 points de pourcentage pour moins d’un 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). GPT‑6.2 Sol conserve les tarifs par token de GPT‑6.1 Sol dans l’API. Sur plusieurs benchmarks, 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 référence 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 davantage de tâches avec le même forfait payant. Il exécute avec aisance les workflows agentiques en plusieurs étapes, rédige de manière claire et naturelle, et la collaboration avec lui est intuitive. De nombreux employés d’OpenAI l’utilisent comme modèle par défaut pour les tâches aussi bien techniques que non techniques.

Sur 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 réglés sur Max).

FrontierCode 2.0 évalue si les modifications apportées à des bases de code réelles répondent aux 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 utilisateurs confient à l’IA en dehors du travail. Sur notre évaluation LifeVal⁠, récemment publiée, qui mesure les performances sur des tâches quotidiennes exigeantes, 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 : présélectionner des écoles maternelles après un déménagement, trouver un logement adapté au budget et aux trajets d’une famille, ou planifier les repas d’un parent qui doit s’adapter à un nouveau diagnostic.

Des livrables professionnels conformes aux standards 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 professionnelles de domaines comme le droit, la vente, la finance et la comptabilité. La rédaction est plus directe et plus précise, avec moins de conclusions génériques et de contenu superflu.

Harvey LAB‑AA v1.1 s’appuie sur des missions juridiques pour tester la capacité des modèles à repérer les faits pertinents dans les documents sources, à les exploiter en fonction de consignes détaillées et à produire un livrable exact qui répond à toutes les exigences. GPT‑6.2 Astra établit un nouvel état de l’art, 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 benchmark.

Harvey LAB‑AA évalue des travaux juridiques tels que l’examen de clauses contractuelles. Son score principal ne comptabilise une réussite que si le livrable satisfait à tous les critères d’évaluation et ne contient aucune hallucination substantielle.

Notre benchmark interne GDPval v2 est la nouvelle version de GDPval⁠, qui mesure des workflows complexes de longue durée issus de projets réels dans des secteurs comme le conseil, la finance et le design. 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 % de tokens de sortie en moins. GPT‑6.2 Sol gagne 5,3 points par rapport à GPT‑6.1 Sol.

GDPval v2 se compose de missions de travail intellectuel de longue durée issues de projets réels dans des secteurs comme la finance, la science des données, les biotechnologies et le marketing.

Classeurs et notes

Créer un classeur de valorisation ou rédiger une note d’investissement commence par le repérage des chiffres pertinents dans les fichiers sources et la compréhension de leurs liens. AA‑AnalystAgent d’Artificial Analysis évalue ce travail sur des feuilles de calcul et des rapports réels. Dans l’une des tâches, les modèles utilisent les rapports de dépenses de Medicaid en Californie pour calculer le montant consacré par le programme au 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 l’idée principale et à des textes concis centrés sur les détails dont les lecteurs ont besoin.

1 sur 4
“

Nous avons évalué GPT-6.2 Astra sur sa capacité à transformer des informations denses en notes de synthèse et en infographies lisibles, destinées à des publics techniques et non techniques. Les exemples comprenaient des notes de trading et des schémas de workflows 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 jusque dans le détail des pièces et des liaisons 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 le mécanisme bouge et tester des modifications 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 les interactions dynamiques complexes 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 mécanique et assemblage

GPT‑6.2 Astra peut modéliser un système mécanique pièce par pièce, permettant 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 retrace le processus de conception, depuis les photos de référence jusqu’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 poussé à la conception web : il choisit des mises en page et des visuels qui donnent à chaque site une identité distincte, et construit les éléments en fonction de 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 brief écrit en une expérience interactive dans le navigateur, qu’il s’agisse d’un flipper jouable ou d’une reconstitution du Colisée à explorer sous différents angles. Sur AA‑3D d’Artificial Analysis, des évaluateurs humains testent à l’aveugle deux expériences créées à partir du même prompt et votent pour celle qu’ils préfèrent. GPT‑6.2 Astra se classe premier avec 1 318 points Elo, suivi de Claude Fable 5.2 à 1 271 et de GPT‑6.2 Sol à 1 259.

“

GPT-6.2 Astra représente un bond en avant considérable 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 donnant aux créateurs une maîtrise créative totale. 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 créative et permet des workflows entièrement agentiques plus efficaces.

”
Alex Mashrabov, PDG et cofondateur, Higgsfield AI

Des workflows efficaces avec un code plus propre

GPT‑6.2 Astra fait preuve d’un meilleur jugement dans l’exécution d’une tâche, notamment en adaptant ses outils et ses efforts au workflow et en sachant quand recourir aux plugins plutôt qu’à l’utilisation de l’ordinateur.

En programmation, GPT-6.2 Astra est plus performant pour implémenter et tester des modifications complexes dans des bases de code existantes. Les premiers testeurs ont signalé un 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 une nouvelle avancée majeure en matière de capacités cyber. Ils trouvent et exploitent les vulnérabilités plus efficacement, écrivent un code plus sécurisé et produisent de meilleurs correctifs, avec des gains substantiels d’efficacité dans l’utilisation des tokens sur 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 garde-fous renforcés pour l’assistance en cybersécurité présentant des risques plus élevés. Ces protections réduisent le risque d’utilisation abusive, mais limitent également certains workflows 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 liés à la 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 disponibles dans Daybreak.

Nous présentons ci-dessous les principaux résultats des benchmarks, obtenus avec des configurations de test internes dans lesquelles les garde-fous et les classificateurs de cybersécurité étaient désactivés. Consultez la fiche système associée⁠(ouverture dans une nouvelle fenêtre) pour connaître l’ensemble des résultats et la méthodologie.

Donner un avantage aux défenseurs en cybersécurité

Les développeurs s’appuient de plus en plus sur des agents de programmation pour écrire des logiciels destinés à la production, alors même que des agents plus performants rendent la découverte et l’exploitation de vulnérabilités plus accessibles. PHP2Shell⁠(ouverture 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, en introduisant de nouveaux signaux d’entraînement pour aider les développeurs à prévenir et à corriger ces failles : écrire un code sécurisé dès le départ et produire des correctifs qui préservent le comportement attendu.

Sécurité et alignement

Nous déployons GPT-6.2 Astra et Sol avec nos garde-fous les plus robustes à ce jour. Nous avons durci les restrictions et renforcé les systèmes que nous utilisons pour surveiller les modèles⁠ et intervenir en cas de besoin⁠.

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

Vous trouverez plus de détails sur nos garde-fous et nos tests dans la fiche système de GPT-6.2⁠(ouverture dans une nouvelle fenêtre).

Capacités de recherche en IA et garde-fous

GPT-6.2 Astra est notre premier modèle diffusé à l’extérieur à atteindre le seuil élevé pour l’auto-amélioration 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, car les modèles qui peuvent contribuer au développement de futurs systèmes d’IA pourraient également introduire de nouveaux risques pour la sécurité, notamment en accélérant les progrès à un rythme qui dépasse la capacité d’adaptation des garde-fous ou de la supervision humaine.

Pour faire face à ces risques, nous avons renforcé la supervision et les contrôles dans nos méthodes 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 garde-fous requis 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 également créé Control Room⁠, un système qui suit les charges de travail de recherche et peut interrompre la génération de nouvelles sorties du modèle lorsqu’une intervention est nécessaire. Notre surveillance étendue⁠ 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, mettre en pause les charges de travail ou les conversations.

Alignement

Les deux modèles ont obtenu des résultats similaires à ceux de GPT-6 Astra sur la plupart des évaluations d’alignement et ont commis moins d’actions inappropriées dans des tâches professionnelles simulées. Cependant, 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 à étudier ce comportement.

Tarifs 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 modèle. Pour la première fois, nous proposons aussi Ultrafast aux abonnés Pro 200, en commençant par GPT-6.2 Sol. Les utilisateurs Enterprise et Edu éligibles bénéficient du même accès dès que l’administrateur de leur espace de travail l’active. Les développeurs peuvent également accéder à gpt-6.2-astra et à gpt-6.2-sol via l’API OpenAI, avec Ultrafast disponible pour les deux modèles dès le lancement.

Le coût par tâche de GPT‑6.2 Astra est nettement inférieur à celui de 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, 0,40 $ pour les entrées mises en cache et 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 tour à l’autre, nous recommandons de conserver les préfixes des prompts inchangés et d’ajouter les nouvelles instructions⁠(ouverture dans une nouvelle fenêtre) à la suite 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(ouverture dans une nouvelle fenêtre) dans le harnais mini-swe-agent. Anthropic a rapporté un score de 74,6 % pour Fable 5.2 avec un niveau de raisonnement maximal dans Claude Code.