OpenAI a-t-il affaibli GPT-5.6 Sol ? Décryptage de la controverse sur la « valeur de capacité »

Introduction

Peu après le déploiement généralisé de GPT-5.6 Sol, certains utilisateurs de Codex ont commencé à signaler un changement inattendu : les réponses du modèle étaient devenues plus rapides, mais sa volonté de résoudre des problèmes complexes en profondeur avait diminué.

Le débat s'est intensifié lorsque des captures d'écran ont montré une modification importante d'un paramètre interne appelé « valeur de capacité ». Les utilisateurs ont interprété cette valeur comme un budget de raisonnement caché et l'ont associée à une baisse de performance de Sol Max. OpenAI a nié avoir délibérément affaibli le modèle lui-même, mais a reconnu avoir temporairement ajusté les paramètres d'effort de raisonnement lors d'une enquête sur une utilisation anormalement élevée.

Cette distinction est cruciale. Les poids sous-jacents du modèle peuvent rester inchangés, tandis que la configuration d'exécution, le contexte disponible, les autorisations d'outils, l'effort de raisonnement ou le comportement multi-agent peuvent varier. Du point de vue de l'utilisateur, ces paramètres opérationnels peuvent amener un modèle portant le même nom à se comporter différemment selon les moments.

Cet article distingue les faits vérifiés des observations de la communauté et explique comment les développeurs peuvent tester le comportement des modèles de manière plus fiable.

Fonctionnalités introduites par GPT-5.6 Sol

OpenAI a présenté GPT-5.6 Sol pour la première fois le 26 juin 2026, le décrivant comme le membre phare de la famille de modèles incluant Terra et Luna. La version plus large de GPT-5.6 a ensuite été publiée le 9 juillet 2026.

L'un des points forts de cette version est la gamme étendue de paramètres de raisonnement. Dans Codex, Sol peut utiliser plusieurs niveaux de raisonnement :

1. Faible
2. Moyen
3. Élevé
4. Très élevé
5. Maximum
6. Extrême

OpenAI décrit le niveau « Maximum » comme le réglage offrant à Sol le temps de raisonnement le plus profond. Le niveau « Extrême » va encore plus loin, en utilisant des sous-agents pour décomposer les tâches complexes et les traiter en parallèle.

Un effort de raisonnement plus élevé n'est pas sans coût. Il nécessite généralement plus de temps et consomme davantage de jetons, mais il est utile pour les tâches nécessitant de la planification, des tests itératifs, la récupération d'erreurs ou la comparaison de plusieurs solutions possibles.

Pourquoi les utilisateurs pensent que Sol Max a été affaibli

L'une des plaintes les plus répandues provient d'une équipe d'études de marché japonaise utilisant Codex Sol Max avec un outil en ligne de commande personnalisé.

Selon un message de cette équipe sur Reddit, Sol Max prenait auparavant plus de dix minutes pour traiter des requêtes complexes, testant des idées et utilisant des outils jusqu'à obtenir un résultat fiable. L'équipe a indiqué que ses performances avaient soudainement chuté, chaque membre ayant constaté un approfondissement moindre du raisonnement au cours de la même journée de travail.

Ce rapport a du poids en tant qu'expérience utilisateur réelle, mais il ne s'agit pas d'un test de référence contrôlé. De nombreux facteurs peuvent influencer l'exécution d'un agent de codage :

• Le niveau de raisonnement choisi
• La fenêtre de contexte disponible
• Les autorisations d'outils et les paramètres du bac à sable
• L'état du code source
• La formulation de la requête
• Le routage ou la configuration côté serveur
• Le comportement multi-agent
• Les limites de débit et les statistiques d'utilisation
• Les variations aléatoires entre les exécutions

La différence soudaine constatée par une équipe expérimentée mérite d'être étudiée. Mais cela ne prouve pas en soi qu'OpenAI a modifié les poids du modèle ou réduit définitivement les capacités de Sol.

Qu'est-ce que la « valeur de capacité » ?

L'expression « valeur de capacité » est devenue le point central des préoccupations.

La controverse a éclaté après qu'une mise à jour publique a été publiée par Thibault Sottiaux, des équipes Codex et ChatGPT Work.

Dans cette mise à jour, Sottiaux a indiqué qu'OpenAI avait mené des expériences d'ajustement de l'effort de raisonnement, qualifiant en interne ces paramètres de « valeur de jus ». Il a également précisé que cette expérience avait été annulée.

L'explication la plus simple est que la valeur de jus est un paramètre de contrôle interne lié à la quantité d'effort de raisonnement que le modèle est autorisé à consacrer à une tâche, et ne doit pas être automatiquement considérée comme un score d'intelligence.

Une allocation de raisonnement plus faible peut affecter les comportements suivants :

• Le nombre de méthodes explorées par le modèle
• La durée de calcul avant la génération d'une réponse
• Le test automatique du code généré
• La fréquence des corrections ou des retours en arrière en cas d'échec
• La délégation de sous-tâches à des sous-agents par le modèle
• Le travail consacré à la vérification des cas limites

Cependant, OpenAI n'a pas encore publié de correspondance numérique officielle entre les niveaux de raisonnement destinés aux utilisateurs et les valeurs de jus spécifiques.

Le changement signalé de 960 à 128

Des publications et des captures d'écran de la communauté affirment que Sol Max utilisait auparavant une valeur de jus proche de 960, qui est ensuite tombée à 128, soit une baisse d'environ 87 %.

Ces chiffres doivent être considérés comme des observations non confirmées de la communauté. Ils n'apparaissent pas dans la documentation du modèle GPT-5.6, et les valeurs extraites par le biais d'invites cachées ou de techniques de « reconnaissance d'empreintes de modèle » peuvent ne pas représenter de manière fiable l'allocation de calcul réelle côté serveur.

La partie confirmée est plus limitée : OpenAI a reconnu avoir mené des expériences sur l'effort de raisonnement et a indiqué que les modifications correspondantes avaient été annulées.

Réponse d'OpenAI

La mise à jour de Sottiaux a réfuté l'affirmation selon laquelle GPT-5.6 Sol aurait été délibérément affaibli, décrivant plutôt plusieurs problèmes opérationnels et changements.

1. Optimisation du raisonnement

OpenAI a indiqué avoir déployé des optimisations du raisonnement et répercuté les économies réalisées sur les utilisateurs abonnés, prévoyant que cette seule amélioration offrirait environ 10 % d'utilisation supplémentaire.

Les gains d'efficacité peuvent rendre le modèle plus rapide ou plus économique sans réduire la qualité. Mais si les optimisations sont déployées en même temps que d'autres expériences de configuration, les utilisateurs peuvent encore remarquer des changements.

2. Ajustement de la limite de contexte

OpenAI a augmenté la limite de contexte disponible pour GPT-5.6 Sol, la faisant passer d'environ 272k pour GPT-5.5 à environ 372k.

Un contexte plus important a entraîné une déduction d'utilisation supérieure aux prévisions. OpenAI a temporairement rétabli la limite à 272k et a indiqué qu'elle déploierait à nouveau la limite de 372k après avoir corrigé le comportement de facturation.

Cela aide à expliquer pourquoi deux problèmes ont été discutés simultanément :

• Les utilisateurs ont constaté une consommation plus rapide de leur quota d'utilisation
• Certains utilisateurs ont vu une fenêtre de contexte disponible plus petite

L'ajustement de la fenêtre de contexte n'a rien à voir avec une modification des poids du modèle, mais il peut néanmoins affecter les tâches de longue durée sur des dépôts de code et les flux de travail intensifs en documentation.

3. Expérience sur l'effort de raisonnement

OpenAI a indiqué avoir ajusté l'effort de raisonnement lors du suivi d'une augmentation anormale de l'utilisation, ces paramètres internes étant appelés valeur de jus.

La société a précisé que cette expérience avait été annulée.

4. Utilisation du multi-agent et de la vérification automatisée

OpenAI a également signalé que l'utilisation réelle du multi-agent en modes « Élevé » et « Très élevé » était légèrement supérieure aux prévisions. La société a indiqué qu'elle corrigeait ce comportement et améliorait l'efficacité de la vérification automatisée.

C'est important car la délégation à des agents consomme beaucoup de ressources. Une exécution lançant davantage de sous-agents ou effectuant un travail de vérification supplémentaire peut épuiser le quota d'abonnement beaucoup plus rapidement qu'une exécution mono-agent.

Un budget de raisonnement plus faible rend-il le modèle moins intelligent ?

Pas nécessairement, mais cela peut donner l'impression que le modèle est moins performant lorsqu'il est confronté à des tâches difficiles.

Il est utile de séparer trois niveaux :

Capacité du modèle

Celle-ci provient principalement du modèle entraîné lui-même : ses poids, son architecture, ses connaissances acquises et ses capacités fondamentales de résolution de problèmes.

Allocation de raisonnement en cours d'exécution

Celle-ci détermine le temps ou les ressources de calcul que le système autorise le modèle à consacrer à une requête spécifique.

Environnement de l'agent

Cela inclut les outils, le contexte, la mémoire, les autorisations, les sous-agents, les exécuteurs de tests, les droits d'accès aux fichiers et les stratégies de nouvelle tentative.

Un modèle puissant disposant d'une allocation de raisonnement limitée peut encore répondre correctement à des questions simples, mais aura de moins bonnes performances sur des tâches de codage de longue durée. Il peut s'arrêter après avoir trouvé une première solution apparemment plausible, sans essayer d'alternatives ou sans se remettre d'une approche initiale erronée.

Cela ne signifie pas que la capacité sous-jacente du modèle a disparu. Cela signifie que, lors d'une exécution particulière, la manifestation de cette capacité a pu être réduite.

Pourquoi les performances perçues peuvent changer sans nouveaux poids de modèle

Les systèmes d'IA en production ne sont pas des fichiers statiques fournis toujours de la même manière. Les fournisseurs peuvent modifier de nombreux paramètres opérationnels sans renommer le modèle.

Par exemple, les utilisateurs peuvent ressentir des différences lorsque la plateforme modifie :

• La durée maximale de raisonnement
• Le budget de jetons ou de calcul
• Les limites de contexte
• Les limites d'appels d'outils
• Le comportement de nouvelle tentative
• Les règles relatives aux agents parallèles
• La mise en cache
• Les contrôles de sécurité
• L'équilibrage de charge
• Les quotas d'abonnement

C'est pourquoi le simple fait de connaître le nom du modèle ne garantit pas un comportement cohérent d'un jour à l'autre, d'un produit à l'autre, d'un abonnement à l'autre ou d'un paramètre de raisonnement à l'autre.

Pour les utilisateurs professionnels, la question clé n'est pas seulement « quel modèle ai-je choisi ? » mais aussi « quelles garanties d'exécution ce modèle comporte-t-il ? »

Comment tester si les performances de Codex ont changé

Des tests efficaces nécessitent de contrôler autant de variables que possible. Exécuter une requête une seule fois avant et après le changement suspecté ne suffit pas.

Première étape : Fixer la tâche

Utilisez la même révision de dépôt, les mêmes fichiers d'entrée, les mêmes dépendances, les mêmes variables d'environnement et la même suite de tests.

Créez un point de contrôle Git avant chaque exécution pour garantir un état de départ parfaitement identique.

Deuxième étape : Enregistrer la configuration

Dans l'interface en ligne de commande de Codex, vérifiez le modèle actif actuel et la configuration de la session :

/status

Utilisez le sélecteur de modèle si nécessaire :

/model

Vous pouvez également lancer Codex avec un modèle spécifique :

codex

--model gpt-5.6

Pour les tâches non interactives reproductibles :

codex exec -m gpt-5.6 "Examiner la modification en cours"

Journalisation

Niveau de raisonnement, autorisations, utilisation du contexte, version de Codex, ainsi que tout outil ou plug-in activé.

Étape 3 : Utiliser des critères de réussite objectifs

Avant de commencer, définissez clairement le résultat attendu. Les indicateurs utiles incluent :

• Tests réussis
• Bogues corrigés
• Scores de benchmark
• Fichiers modifiés correctement
• Nombre de régressions
• Nombre de corrections manuelles nécessaires
• Temps nécessaire pour atteindre la solution
• Nombre d’appels d’outils et de tentatives
• Quantité totale de ressources consommées

Évitez de noter uniquement en fonction de l’apparence d’intelligence de la réponse.

Étape 4 : Répéter chaque condition

Effectuez plusieurs exécutions pour une même condition. Les modèles de raisonnement et les agents peuvent varier entre différentes tentatives, une seule exécution peut donc être trompeuse.

Comparez les médianes et les taux d’échec, plutôt que de sélectionner les exemples les meilleurs ou les pires.

Étape 5 : Ne modifier qu’une seule variable à la fois

En gardant toutes les autres conditions identiques, comparez Medium et Max. Ensuite, comparez les dates, les versions ou les limites de contexte une par une.

Si vous modifiez plusieurs variables à la fois, vous ne pourrez pas déterminer laquelle a causé le changement de résultat.

Étape 6 : Conserver les journaux

Sauvegardez les invites, les sorties du terminal, les différences, les résultats des tests, le temps passé et les données d’utilisation des ressources. Une documentation claire aide à signaler les régressions et permet à d’autres utilisateurs de reproduire les tests.

Guide pratique pour les utilisateurs de Codex

Pour les tâches quotidiennes, OpenAI recommande de commencer avec les paramètres de raisonnement par défaut et d’augmenter le niveau uniquement lorsque des analyses ou planifications plus approfondies sont nécessaires.

Les pratiques suivantes rendent les tâches difficiles plus fiables :

1. Spécifiez clairement les critères d’acceptation.
2. Demandez à Codex de vérifier la base de code avant de modifier.
3. Demandez-lui d’exécuter les tests pertinents.
4. Indiquez-lui de signaler les échecs non résolus, plutôt que de cacher les problèmes.
5. Utilisez des points de contrôle Git avant et après les modifications importantes.
6. Vérifiez le modèle et le niveau de raisonnement actuels avant de lancer une tâche coûteuse.
7. Conservez des benchmarks reproductibles pour le travail important de l’équipe.

Pour les projets particulièrement difficiles, Max ou Ultra peuvent être appropriés. Ultra est utile lorsque les problèmes peuvent être attribués à des sous-agents, mais il consomme également plus de ressources.

La controverse révèle la vérité derrière une « intelligence figée »

Le problème principal ne réside pas dans le fait qu’un nombre interne controversé soit 960 ou 128. La préoccupation plus profonde est que les utilisateurs considèrent généralement le nom du modèle comme représentant un niveau de comportement fixe et stable.

En réalité, l’expérience utilisateur dépend du modèle et de la configuration du service qui l’entoure. Les fournisseurs peuvent optimiser le raisonnement, modifier les limites de contexte, ajuster l’allocation du raisonnement ou modifier l’orchestration des agents tout en conservant le même nom de modèle.

Cette flexibilité est utile pour gérer des services à grande échelle, mais elle crée également des problèmes de transparence. Les développeurs qui construisent des workflows critiques doivent savoir quelles fonctionnalités sont fiables et lesquelles peuvent changer dynamiquement.

Une documentation plus claire devrait inclure :

• Des définitions stables des niveaux de raisonnement
• Des garanties sur la fenêtre de contexte
• Un journal des changements significatifs d’exécution
• Des règles de comptabilisation de l’utilisation des ressources
• Des notifications lors du déploiement de configurations expérimentales
• Des directives pour des évaluations reproductibles

En l’absence de ces informations, les utilisateurs ne peuvent qu’inférer les changements du système par la vitesse de réponse, la quantité de jetons utilisée et la qualité subjective de la sortie.

Questions fréquentes

Le GPT-5.6 Sol a-t-il été officiellement affaibli ?

OpenAI indique qu’il n’a pas délibérément réduit les performances du modèle. L’entreprise reconnaît l’existence d’expériences temporaires qui ont ajusté les paramètres d’intensité de raisonnement ainsi que les paramètres de contexte, de multi-agents et de statistiques d’utilisation.

Que signifie la « valeur du jus » dans GPT-5.6 Sol ?

OpenAI utilise ce terme pour désigner un paramètre interne lié à l’intensité du raisonnement. Cette valeur semble contrôler ou représenter les ressources de raisonnement, mais l’entreprise n’a pas encore publié de définition technique complète ni d’échelle numérique officielle.

La valeur du jus de Sol Max est-elle vraiment passée de 960 à 128 ?

Cette affirmation provient de captures d’écran communautaires et d’expériences avec des invites cachées. OpenAI n’a officiellement confirmé ni l’un ni l’autre de ces chiffres, ils ne doivent donc pas être considérés comme des spécifications de modèle vérifiées.

Pourquoi Sol semble-t-il plus rapide mais moins profond ?

Une allocation de raisonnement plus faible amène le modèle à explorer moins de méthodes, à réduire le nombre de vérifications ou à mettre fin prématurément au processus. D’autres facteurs, tels que les limites de contexte, le comportement des outils, la configuration du serveur et les fluctuations aléatoires, peuvent également produire des effets similaires.

Qu’est-il arrivé à la fenêtre de contexte Codex de 372k ?

OpenAI a déclaré que la limite de contexte du GPT-5.6 Sol est passée de 272k à 372k, mais ce changement a entraîné une déduction de ressources plus rapide que prévu. En attendant de relancer l’option 372k, la limite a été temporairement ramenée à 272k.

Les développeurs doivent-ils toujours utiliser le raisonnement Max ?

Non. Un paramètre de raisonnement plus élevé prend plus de temps et consomme plus de ressources. Il est recommandé de commencer avec les paramètres par défaut et de ne les augmenter que lorsque la tâche nécessite réellement une planification approfondie, des tests ou une récupération d’erreurs.

Comment une équipe peut-elle vérifier une suspicion de dégradation du modèle ?

Effectuez des exécutions répétées avec la même base de code, les mêmes invites, les mêmes outils, les mêmes autorisations, le même niveau de raisonnement et les mêmes tests. Suivez des indicateurs objectifs tels que le taux de réussite des tests, le taux d’erreurs, le temps d’achèvement, les appels d’outils et la consommation de ressources.

Outils associés

• OpenAI Codex : L’environnement de codage intelligent d’OpenAI pour traiter les bases de code et les tâches de développement.
• Codex CLI : L’interface en ligne de commande officielle pour exécuter Codex sur des projets locaux et des workflows automatisés.
• Dépôt GitHub Codex : Le dépôt open source officiel de Codex CLI.
• ChatGPT : Interface web permettant d’utiliser le modèle GPT-5.6 et ses paramètres de raisonnement pris en charge.
• Terminal-Bench : Benchmark pour tester la planification et l’utilisation des outils par les agents IA dans des tâches en ligne de commande.

Liens associés

• Annonce de sortie de GPT-5.6 : Annonce par OpenAI de la disponibilité générale de la série GPT-5.6 et aperçu des benchmarks.
• Aperçu de GPT-5.6 Sol : Aperçu officiel présentant les modes de raisonnement Max et multi-agents Ultra.
• Guide des modèles Codex : Guide officiel sur Sol, Terra, Luna et les niveaux de raisonnement disponibles.
• Documentation Codex CLI : Instructions d’installation, de configuration et de workflow pour l’outil en ligne de commande Codex.
• Mises à jour d’exécution d’OpenAI sur la plateforme X : Discussions publiques sur l’optimisation du raisonnement, les limites de contexte, les expériences sur la « valeur du jus » et l’utilisation multi-agents.
• Rapport communautaire sur Sol Max : Rapport Reddit ayant déclenché une discussion plus large sur les performances.

Résumé

La controverse autour de GPT-5.6 Sol a commencé avec des retours d’utilisateurs indiquant que le raisonnement Max était devenu plus rapide mais moins profond. Des captures d’écran communautaires ont lié cette expérience à un ajustement connu de la « valeur du jus » interne, mais l’affirmation d’une baisse de 960 à 128 reste non confirmée.

OpenAI nie avoir délibérément affaibli le modèle, tout en confirmant avoir tenté d’ajuster les paramètres d’effort de raisonnement, modifié temporairement les limites de contexte et découvert des utilisations imprévues dans les workflows multi-agents et de vérification automatique. Il s’agit de changements au niveau opérationnel, et non d’une confirmation de remplacement des poids sous-jacents du modèle, mais les ajustements opérationnels peuvent toujours affecter les performances réelles.

Pour les équipes qui dépendent de Codex, la meilleure réponse est d’établir des benchmarks reproductibles, de documenter les paramètres d’exécution et de mesurer les résultats par des tests plutôt que par l’intuition.

La leçon clé est que le nom du modèle ne décrit pas complètement le comportement réel dont l’utilisateur bénéficie ; l’allocation du raisonnement, le contexte, les outils et la configuration du service sont tout aussi essentiels.