OpenAI : GPT-5.6 Sol surpasse GPT-5.5 avec une avancée autonome

OpenAI : GPT-5.6 Sol surpasse GPT-5.5 avec une avancée autonome

Le nouveau modèle d'IA d'OpenAI, GPT-5.6 Sol, est capable d'optimiser de manière autonome des modèles plus petits. Selon l'entreprise, un prompt bref a suffi pour que Sol identifie de manière autonome les configurations d'entraînement, sélectionne les GPU et exécute le script de post-entraînement pour le modèle Luna.

Sur un nouvel indice interne mesurant l'amélioration autonome récursive (RSI), qui évalue la capacité d'un système à évoluer de lui-même, GPT-5.6 Sol a obtenu 16,2 points de plus que son prédécesseur, GPT-5.5.

Contexte du post-entraînement autonome

Le 11 juillet 2025, l'employé d'OpenAI, Jason Liu, a précisé le contexte du post-entraînement autonome. Sol n'a pas créé une recette d'entraînement complète à partir de zéro, car la plupart des configurations existaient déjà grâce au post-entraînement de Sol. La tâche réelle consistait à adapter cette configuration pour le modèle plus petit Luna et à exécuter le travail d'entraînement. Selon Liu, cela aurait autrement "pris deux chercheurs environ deux semaines supplémentaires, donc c'est un énorme progrès."

Amélioration des capacités de recherche

OpenAI affirme que les nouveaux modèles d'IA permettent d'accélérer le développement de l'IA elle-même. Le modèle phare GPT-5.6 Sol a post-entraîné de manière autonome le modèle plus petit Luna. Après la pré-formation initiale de Luna, Sol l'a optimisé pour des compétences et comportements spécifiques de manière autonome.

Un chercheur a donné à Sol un "prompt assez peu spécifié" via la plateforme Codex. Les instructions demandaient au modèle de trouver les bonnes configurations d'entraînement, de choisir des GPU appropriés, de lancer le script d'entraînement et de vérifier que tout fonctionnait correctement.

Benchmark d'auto-amélioration

Pour mesurer ces capacités, OpenAI a construit une suite d'évaluation interne basée sur des tâches de recherche en IA du monde réel. Ces tâches incluent :

• Débogage de systèmes de recherche
• Optimisation de noyaux et de recettes d'entraînement
• Exécution d'expériences d'apprentissage automatique
• Amélioration d'un autre modèle

GPT-5.6 Sol a obtenu 16,2 points de plus que GPT-5.5 sur l'indice agrégé de RSI, plaçant Sol au sommet de la hiérarchie des modèles, suivi des variantes Terra et Luna, puis de GPT-5.5 et GPT-5.4.

Implications de l'amélioration autonome

L'amélioration autonome récursive en recherche IA fait référence à la capacité d'un système d'IA à s'améliorer lui-même, où chaque cycle de gains rend le système encore plus capable de s'améliorer. Cela crée une boucle de rétroaction. Ce terme est central dans la recherche sur la sécurité de l'IA, car un système capable de s'améliorer de manière récursive pourrait, en théorie, déclencher une explosion rapide de capacités.

Utilisation accrue de GPT-5.6

OpenAI indique que ses chercheurs utilisent GPT-5.6 Sol tout au long du cycle de développement, du débogage et de l'optimisation des systèmes d'entraînement à l'exécution d'expériences et à l'analyse des résultats. Même lors des tests internes, la production quotidienne moyenne de tokens par chercheur actif a plus que doublé par rapport au précédent record établi par GPT-5.5. Les demandes de tirage et les expériences par chercheur ont également augmenté, permettant aux équipes de transformer les idées en résultats plus rapidement.

Les chiffres d'adoption de l'entreprise au cours des six derniers mois montrent une croissance significative :

• La part de calcul allouée à l'inférence de codage interne a augmenté 100 fois.
• L'utilisation de tokens basée sur des agents a bondi d'environ 22 fois.

OpenAI reconnaît que ces métriques ne mesurent pas directement les progrès de la recherche, mais affirme qu'elles montrent à quelle vitesse le travail assisté par IA se développe.