
Tech • IA • Robotique
GPT-6 Astra a été lancé sur ChatGPT, Codex et l’API, avec un raisonnement renforcé, une meilleure précision dans l’usage de l’ordinateur, une sortie créative améliorée, ainsi que de nouvelles fonctionnalités de flux de travail comme les appels d’outils asynchrones et le steering.
GPT-6 Astra est présenté comme un modèle de pointe axé sur les tâches où la capacité de raisonnement brute compte le plus. Il est conçu pour gérer des missions plus vastes et moins clairement définies avec moins de supervision de l’utilisateur, afin d’agir davantage comme un collaborateur expérimenté que comme un assistant étroitement dirigé.
Une amélioration centrale est un usage de l’ordinateur plus robuste, qui permet au modèle d’utiliser un ordinateur ou un navigateur via des interfaces applicatives. Astra est décrit comme plus précis et plus efficace pour naviguer dans les contrôles, suivre les objectifs d’une tâche et exploiter des captures d’écran pour comprendre ce qui se passe à l’écran tout en poursuivant le travail en arrière-plan.
Dans un exemple, Astra devait transformer une photo en peinture avec Krita, avec pour consignes de rendre l’image dans le style de Van Gogh et d’ajouter le Golden Gate Bridge en arrière-plan. La tâche a mis en avant la capacité du modèle à mémoriser un brief visuel tout en interagissant avec le logiciel étape par étape, et à produire un résultat assez rapidement pour surpasser une tentative manuelle typique.
Cette même capacité d’usage de l’ordinateur est aussi positionnée pour des flux de travail courants des développeurs, notamment le remplissage de formulaires pour obtenir une clé API et l’exécution de tests d’assurance qualité sur une application mobile. L’accent est mis sur la réduction du travail répétitif sur interface tout en conservant assez de compréhension du contexte pour mener à bien des tâches en plusieurs étapes de manière fiable.
Astra est aussi présenté comme capable de générer de meilleurs résultats en rédaction, en design et dans les projets interactifs que les modèles précédents. Des comparaisons internes sur des prompts utilisés pour créer des démos, des jeux et des outils ont montré une meilleure attention aux détails, un respect plus fidèle des instructions utilisateur et des résultats finaux plus sophistiqués à plusieurs niveaux de raisonnement.
Un domaine remarquable est la modélisation 3D. Astra a été utilisé pour produire des rendus détaillés de jardins, de chantiers navals, d’animaux, de paysages urbains et même de sphères de Dyson, ce qui suggère une capacité plus large à gérer la structure spatiale et la complexité visuelle dans les tâches génératives.
Au-delà de la qualité brute des résultats, Astra est décrit comme produisant des diaporamas et des essais plus faciles à lire et à modifier. Son comportement conversationnel est aussi présenté comme plus naturel dans le travail itératif, surtout lorsque les utilisateurs donnent un retour et demandent des révisions au fil d’un échange.
Astra est destiné à des missions plus complexes qui se déroulent dans le temps plutôt qu’à des prompts en un seul tour. Pour accompagner ce changement, l’API Responses gagne les appels d’outils asynchrones, permettant au modèle de continuer à travailler sur d’autres parties d’une tâche pendant qu’un outil externe est encore en cours d’exécution.
La nouvelle fonctionnalité de steering permet aux utilisateurs d’ajouter du contexte ou de changer de direction alors qu’une réponse est déjà en cours. Au lieu d’annuler un appel d’outil en cours et de relancer la tâche, les utilisateurs peuvent rediriger le modèle en cours de route, et le système intègre l’instruction mise à jour dans le résultat final une fois le travail en cours terminé.
GPT-6 Astra est désormais disponible dans ChatGPT, Codex et l’API. Ce déploiement associe un modèle de raisonnement haut de gamme à des outils de flux de travail destinés à rendre l’automatisation avancée plus pratique pour le développement logiciel, la production créative et d’autres tâches cognitives complexes.
Le lancement de GPT-6 Astra s’inscrit dans un objectif familier du développement de produits d’IA: transformer un raisonnement plus puissant en gains concrets dans l’usage des logiciels, la génération créative et la gestion de tâches longues. Son succès sera sans doute jugé moins sur les benchmarks que sur des améliorations mesurables de vitesse, de fiabilité et de qualité dès le premier jet sur des travaux réels difficiles.
Explique-moi