OpenAI: GPT-5.5 (batch)

GPT-5.5 est le modèle phare de raisonnement d’OpenAI pour les travaux professionnels complexes et la programmation. Il accepte du texte et des images et renvoie du texte, en combinant l’analyse et l’utilisation d’outils lorsqu’une tâche exige des informations ou des actions au-delà du prompt fourni. Les recommandations d’OpenAI mettent l’accent sur un résultat clairement défini : expliquez le résultat nécessaire, les contraintes à respecter, les preuves à utiliser et la condition qui termine la tâche.

Pour une modification logicielle substantielle, fournissez les éléments pertinents du dépôt, le comportement actuel, le comportement souhaité et les critères d’acceptation. Identifiez ce qui peut changer et ce qui doit rester compatible. Un résultat utile à demander comprend une proposition de modification, une explication du comportement concerné et les preuves issues des vérifications réellement exécutées. Pour une tâche riche en documents, identifiez les documents sources et demandez une réponse organisée autour de la décision à prendre, chaque conclusion étant reliée aux preuves fournies et les questions non résolues étant séparées des faits établis.

GPT-5.5 prend en charge les efforts de raisonnement none, low, medium, high et xhigh, avec medium par défaut. OpenAI recommande d’envisager low avant none lorsqu’un processus réactif nécessite tout de même de la planification, de la recherche ou plusieurs appels d’outils. none convient aux tâches directes qui ne nécessitent pas ce processus de raisonnement. Un effort supérieur n’est pas automatiquement meilleur : des exigences contradictoires, un accès aux outils sans limites précises ou une règle d’arrêt peu claire peuvent entraîner des recherches et une réflexion inutiles. Choisissez l’effort pour la tâche réelle et explicitez le livrable final attendu et le critère d’achèvement.

Le fournisseur indique une fenêtre de contexte de 1 050 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite des connaissances au 1er décembre 2025. Le contexte accueille la conversation, les éléments fournis et le contenu généré ; ce n’est pas une allocation distincte à ajouter à la sortie maximale. Le raisonnement interne consomme lui aussi des tokens et de la capacité de sortie. Une vaste collection de sources doit donc être organisée autour de la question, en préservant les identifiants importants, les unités et les limites entre documents, et en laissant suffisamment de place pour le raisonnement et la réponse finale.

Le traitement des images diffère des valeurs par défaut antérieures. Dans les recommandations d’OpenAI pour GPT-5.5, un réglage de détail d’image non défini ou auto utilise le comportement original, qui préserve l’image sans redimensionnement lorsqu’elle respecte à la fois le budget indiqué de 10 240 000 pixels et la dimension maximale de 6 000 pixels. Un réglage high explicitement sélectionné préserve les détails dans les limites conjointes du budget indiqué de 2 500 000 pixels et de la dimension maximale de 2 048 pixels ; low redimensionne plus fortement les images dont une dimension dépasse 512 pixels. Il s’agit de réglages de traitement des images, et non d’une garantie d’acceptation de tous les téléversements. Pour une capture d’écran, un schéma ou une page, identifiez la zone et la question, fournissez une image lisible et demandez l’observation ou l’interprétation nécessaire plutôt qu’une description sans limites.

OpenAI documente les interfaces Responses, Chat Completions et Batch, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, le téléversement de fichiers, les images en entrée, la recherche dans les fichiers et sur le Web et la mise en cache des prompts. L’ensemble d’outils documenté comprend également la recherche d’outils, la génération d’images, l’interprétation de code, l’exécution de commandes dans un environnement hébergé, l’application de correctifs, les compétences, l’utilisation de l’ordinateur et MCP. Décrivez l’objectif, les arguments, les effets de bord et les informations renvoyées par chaque outil de l’application. Une demande d’appel d’une fonction applicative nécessite que l’application exécute l’opération et renvoie son résultat réel ; une proposition d’action générée ne prouve pas que l’action a eu lieu. La modalité de sortie propre du modèle reste textuelle, tandis qu’un outil de génération d’images peut produire un livrable distinct.

Pour les interactions longues, préservez les informations permettant de distinguer les travaux intermédiaires d’une réponse terminée. Le guide d’OpenAI décrit les valeurs de phase de l’assistant commentary et final pour les commentaires et les réponses finales : les applications qui rejouent manuellement les éléments de l’assistant doivent conserver leurs valeurs de phase d’origine, tandis que l’enchaînement par le mécanisme du fournisseur fondé sur la réponse précédente préserve automatiquement cet état. Pour la réponse visible, définissez explicitement la longueur, le ton et la structure souhaités. GPT-5.5 adopte par défaut un style concis et direct, et la verbosité du texte vaut medium par défaut ; un résultat compact peut demander une verbosité plus faible sans supprimer les preuves ou réserves requises.

Un livrable final utile peut être un fichier révisé avec une explication ciblée de la modification, une note de décision fondée sur des documents nommés ou une extraction structurée dont les valeurs manquantes sont clairement signalées. Fournissez les faits qui doivent être à jour plutôt que de vous appuyer sur la date limite des connaissances du modèle et comparez les affirmations importantes aux sources d’origine. Des règles de preuve claires, des outils délimités et des conditions d’arrêt explicites aident GPT-5.5 à terminer une tâche substantielle tout en gardant le résultat compréhensible et vérifiable.