Une intelligence proche d'Astra pour le travail quotidien avec GPT-6.1 Sol sur Amazon Bedrock
GPT-6.1 Sol est désormais disponible en disponibilité générale sur Amazon Bedrock, où il s'exécute sur un moteur d'inférence conçu pour la performance, la sécurité et la fiabilité à grande échelle. Présenté comme une mise à niveau majeure de GPT-6 Sol, le modèle vise le codage agentique, l'utilisation d'ordinateur et les tâches professionnelles. Selon OpenAI, il apporte une intelligence « proche d'Astra » aux usages quotidiens. Sur le benchmark DeepSWE v1.1, il égalerait GPT-6 Astra pour environ un cinquième du coût par tâche, et dépasserait de 6,4 points de pourcentage le meilleur score de GPT-6 Sol, tout en mobilisant un effort de raisonnement moindre. Il s'approcherait aussi d'Astra pour l'analyse de documents complexes et améliorerait GPT-6 Sol sur les flux de travail à plusieurs étapes à travers des outils métier. Codex, disponible en application de bureau, en ligne de commande et dans certains environnements de développement, peut être configuré pour utiliser le modèle via Bedrock afin d'enquêter, d'implémenter et de tester du code. Pour le développement sur AWS, l'Agent Toolkit for AWS relie Codex à la documentation, aux API et aux services d'Amazon par une seule commande de terminal. Dans l'application de bureau, ChatGPT Work peut rassembler des informations issues de fichiers et d'applications pour produire des livrables finis.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →
L'enjeu est d'abord économique. Pour un agent d'IA, le coût réel d'une tâche ne se résume pas au prix des jetons : il dépend aussi du nombre d'interactions nécessaires et de leur réussite. Un agent doit collecter des informations, utiliser des outils, tester plusieurs approches, corriger ses erreurs et vérifier son résultat, et chaque décision conditionne la suite. Une mauvaise piste ajoute des appels au modèle, des appels d'outils, de la latence et parfois une intervention humaine. Un meilleur raisonnement réduit donc le coût total en évitant ces détours. Le modèle serait aussi plus fiable face aux limites : selon OpenAI, il progresse sur des évaluations exigeantes de transparence, de respect de l'intention de l'utilisateur et de restrictions explicites, ce qui permet de signaler un outil défaillant, une action interdite ou une information manquante avant que l'agent ne poursuive avec des données incomplètes.
Ce lancement s'inscrit dans la stratégie d'Amazon Bedrock, qui se positionne comme l'infrastructure de production pour ces modèles, avec des contrôles de gouvernance côté entreprise. Via les API Bedrock prises en charge, les développeurs définissent les outils accessibles au modèle et décident comment l'application réagit lorsqu'une action exige une approbation ou ne peut aboutir, afin de garder des humains dans la boucle lors de décisions lourdes de conséquences. Ces usages permettent de bâtir des outils internes de synthèse documentaire, des agents qui coordonnent le travail entre systèmes et des applications clientes qui évaluent plusieurs entrées. La présence d'un modèle OpenAI sur la plateforme d'AWS illustre la concurrence entre fournisseurs de modèles et de cloud, où le rapport qualité-coût des agents devient un critère central. Les chiffres de performance cités proviennent d'OpenAI et n'ont pas été vérifiés de façon indépendante.
Pas d'impact direct sur la France/UE