Chargement...

OpenAI vient de déployer de nouveaux modèles de prompt et des ajustements d'API pour ses derniers modèles GPT‑6.2 – Astra pour les tâches lourdes et Sol pour les travaux complexes et moins coûteux. La plus grande nouvelle ? Astra commence désormais à 8 $ par million de tokens d'entrée et 40 $ par million de tokens de sortie, et OpenAI exhorte les développeurs à abandonner les anciennes piles de prompts et à adopter les nouvelles copies axées sur les résultats.
Selon The Decoder, OpenAI a publié des prompts système prêts à l'emploi pour GPT‑6.2 Astra et Sol qui abordent trois points sensibles : le style d'écriture, l'initiative et le codage. Astra est décrit comme « plus bref et direct » que ses prédécesseurs, de sorte que les prompts lui demandant d'« être concis » sont désormais redondants. Le prompt de travail quotidien recommandé indique au modèle d'utiliser la terminologie de l'utilisateur, d'écrire à la voix active et de mettre en avant les points clés. Pour les publics externes, il doit ajouter le contexte qui manque au lecteur ; pour l'édition, il doit préserver le ton de l'auteur.
Sur les tâches plus longues, le modèle peut involontairement intégrer des raccourcis de son propre raisonnement dans la réponse finale. Le nouveau modèle d'OpenAI indique explicitement au modèle de rendre la réponse finale autonome, afin que les utilisateurs n'aient jamais à fouiller dans des messages intermédiaires repliés. Lorsque le modèle ne sait pas quoi faire ensuite, il peut suggérer une étape et attendre une confirmation. Les directives indiquent désormais aux développeurs de lui donner la permission d'effectuer cette étape automatiquement, à moins que l'action ne soit un changement de portée majeur, un bloqueur, une décision que l'utilisateur doit prendre ou une opération destructive.
Le prompt de codage encourage la réutilisation de la logique de dépôt existante, évite les fonctions d'aide inutiles et n'ajoute de nouveaux tests que sur demande ou lorsque requis par le dépôt. Il interdit également les raccourcis de « code‑golf » qui sacrifient la lisibilité. Pour le travail front‑end, le modèle préfère les images réalistes ou les SVG uniquement sur demande et indique au modèle de supprimer la numérotation décorative et le texte de remplissage.
Côté API, l'API de Réponses ignorera le contenu de raisonnement antérieur si vous modifiez l'historique de conversation, changez de modèle ou modifiez l'utilisateur final/l'organisation. Cela peut gonfler l'utilisation des tokens car le modèle peut répéter le travail. OpenAI recommande désormais un niveau de raisonnement « moyen » pour les nouvelles intégrations et un passage de « aucun » ou « minimal » à « faible » pour les configurations existantes. Les paramètres de température et top_p ne sont plus pris en charge.
En termes de prix, l'API d'Astra commence à 8 $ / M tokens d'entrée et 40 $ / M tokens de sortie jusqu'à 272 k tokens, puis passe à 16 $ / M et 60 $ / M respectivement. Les lectures de cache coûtent 0,80 $ / M tokens. Les tarifs de Sol sont inférieurs mais ne sont pas détaillés dans l'extrait. The Decoder note que les longues sessions de codage peuvent rapidement atteindre le plafond, de sorte que Codex d'OpenAI compresse automatiquement le contexte après 272 k tokens.
Si vous dirigez une opération allégée, deux choses sont les plus problématiques : les factures de tokens et la qualité des résultats. La nouvelle tarification facilite les dépenses excessives sur un seul prompt de longue durée, surtout si vous utilisez toujours un raisonnement « aucun » et que le modèle continue de renvoyer son propre travail préparatoire. Passer au niveau de raisonnement recommandé « faible » ou « moyen » peut réduire l'utilisation des tokens sans sacrifier l'utilité.
Tout aussi important, le style bref par défaut d'Astra signifie que de nombreuses instructions « soyez concis » que vous avez parsemées dans vos prompts sont désormais du bruit. Conserver les anciennes piles de prompts non seulement gaspille des tokens, mais déclenche également l'habitude du modèle de poser des questions de suivi – quelque chose qu'OpenAI a essayé de freiner avec les prompts Astra de septembre. La mise à jour vers les nouveaux modèles rendra les réponses du modèle plus autonomes, ce qui se traduit par moins d'allers-retours et une expérience utilisateur plus fluide pour vos outils internes ou vos bots orientés client.
Enfin, les directives de codage rappellent que le code généré par l'IA peut sembler élégant mais être un cauchemar de maintenance. En imposant la lisibilité et la réutilisation, les nouveaux prompts vous aident à éviter une dette technique cachée que les petites équipes ne peuvent pas se permettre de rembourser plus tard.
Open-source Hermes Agent is coming to Microsoft Teams, allowing workers to package successful AI workflows into team-wide reusable skills.

OpenAI's internal data shows researchers value their AI coding agents so highly they'd rather give up staff, despite the tools frequently producing 'AI slop' and requiring significant human oversight.

Reson8 open-sourced Rumble-2-Flash, a 0.5B parameter ASR model for 40+ languages that outperforms models up to 60x larger, with Apache 2.0 licensing.

Instagram introduces a tool to detect unauthorized video reposts and AI-modified content, allowing creators to block or label infringing posts.

Commentaires2
Dropping the redundant "be concise" instructions is long overdue, especially for operations teams managing high-volume document pipelines where every extra token adds up. I am more interested in whether Sol can actually maintain that logic-to-cost ratio in multi-step agentic workflows without needing constant human sanity checks on the intermediate steps.
In my benchmark tests with Sol last week, the error rate spiked dramatically by step three of an agent loop, forcing me to throw in extra validator calls just to keep it on the rails. For complex workflows, you are definitely still paying the "babysitting tax" in both API costs and dev hours.
The new pricing for Astra seems steep; we tried a similar model and ended up with a 30% increase in costs, how do you plan to mitigate this?