Remplacer l’ID du modèle par gpt-6.2-astra ou gpt-6.2-sol est la partie la plus simple d’une migration vers GPT-6.2. Depuis cette version, l’API supprime les éléments de raisonnement lorsqu’elle détecte une modification du préfixe en cours de conversation, une rétrogradation du modèle ou un changement d’utilisateur final ou d’organisation. La requête peut quand même renvoyer une réponse. Celle-ci peut être moins bonne, et le modèle peut dépenser des tokens à refaire un travail déjà effectué.
C’est un échec silencieux. Les règles explicites de compatibilité sont également importantes : un effort de raisonnement défini sur none est rejeté, les appels d’outils nécessitent l’API Responses, et temperature, top_p et logprobs doivent être omis. Le rejet de none n’est pas nouveau pour les utilisateurs de GPT-6 Astra. Cet article passe en revue ces deux types d’échec, puis les paramètres de facturation qu’on oublie facilement de mettre à jour, et enfin la sélection des nouveaux ID dans Codex et Claude Code ainsi que la vérification d’une petite tâche.
Les deux modèles gpt-6.2-astra et gpt-6.2-sol sont disponibles sur AIHubMix. Dans l’instantané public consulté vers 15:04–15:06 UTC le 18 novembre 2026 (23:04–23:06, heure de Pékin), les pages des deux modèles affichent les fournisseurs, les tarifs et « Try this model » ; l’index des paramètres et les schémas répertorient OpenAI Chat Completions, OpenAI Responses et Anthropic Messages. Cela confirme la disponibilité et les protocoles de passerelle documentés. Aucune requête d’inférence ni reproduction d’erreur n’a été effectuée pour cet article ; les règles de l’API ci-dessous proviennent de la documentation d’OpenAI.
Ce qui échoue silencieusement : le préfixe est désormais déterminant
Le guide d’OpenAI Utiliser GPT-6.2 énonce d’abord la nouvelle règle : ne modifiez pas le préfixe du prompt et ajoutez les nouvelles instructions à la suite. Si l’API détermine que l’historique précédant un élément de raisonnement a été modifié, elle supprime cet élément. La qualité peut diminuer, et le modèle peut consommer davantage de tokens pour reconstituer le travail antérieur.
Le guide Ne pas modifier le préfixe énumère les façons habituelles dont un agent peut le faire sans le vouloir :
- Réécrire un message de développeur ou une instruction système au lieu d’en ajouter une nouvelle.
- Modifier
toolsoutext.formatdans la requête Responses suivante. - Modifier
reasoning.effortau niveau de la requête en cours de conversation. - Raccourcir le résultat d’un ancien appel d’outil ou remplacer les tours précédents par un résumé rédigé par vos soins.
Les instructions de premier niveau, dans instructions, constituent une exception dans GPT-6.2. Le guide actuel indique qu’elles sont ajoutées après input : les consignes propres au tour peuvent donc changer d’une requête à l’autre sans empêcher la réutilisation de l’ancien préfixe. Elles ne sont pas conservées avec previous_response_id, et leurs tokens sont facturés au tarif des entrées non mises en cache à chaque requête, même si elles sont répétées à l’identique. Placez les consignes stables et réutilisables dans le message initial developer de input ; modifier ce message antérieur change toujours le préfixe. Il s’agit du contrat officiel de l’API, et non d’un comportement de transfert vérifié de la passerelle.
La solution préconisée par la documentation d’OpenAI consiste à ajouter les éléments à la suite. Pour modifier l’effort de raisonnement ou un schéma de sortie structurée sans altérer le préfixe, le guide recommande d’ajouter un élément configuration_update à la liste d’entrées et de laisser inchangé le paramètre d’origine au niveau de la requête. Pour ajouter des outils, il recommande d’utiliser additional_tools plutôt que de réécrire le tableau tools. Pour additional_tools, le guide précise le rôle developer, un tableau tools ajouté à la suite, la position de rejeu d’origine et l’ordre inchangé des définitions d’outils existantes. Ce sont les règles officielles de structuration des requêtes. Elles n’ont pas été vérifiées via AIHubMix, et cet article ne fournit pas d’exemple de requête présenté comme un appel fonctionnel à la passerelle.
Le guide sur le raisonnement indique deux motifs de suppression introduits avec GPT-6.2 : prefix_mismatch, lorsque du contenu antérieur a été inséré ou modifié, et end_user_mismatch, lorsque le safety_identifier de la requête de réutilisation ne correspond pas à celui qui a créé l’élément (y compris lorsqu’il n’est défini que dans l’une des deux requêtes). Si vous cherchez pourquoi un agent 6.2 « est soudain devenu moins intelligent » après un changement de paramètres, vérifiez ces points avant d’augmenter l’effort de raisonnement.
Les agents disposant de véritables autorisations doivent considérer cela comme un risque produit, et pas seulement comme un cache manqué. Par précaution d’ingénierie, conservez les vérifications d’autorisations et la déduplication des appels d’outils dans l’état de l’application, au lieu de vous fier au raisonnement conservé par le modèle ; il s’agit d’un conseil, et non d’un mode d’échec mesuré de 6.2. OpenAI précise également que GPT-6.2 Astra est plus concis par défaut et que, lorsque l’intention de l’utilisateur n’est pas claire, il peut proposer une prochaine étape et attendre. Si votre agent a l’habitude de poursuivre sans s’arrêter, indiquez-le dans le prompt et précisez les actions qui nécessitent une confirmation.
Ce qui échoue ouvertement : none, les outils et les paramètres d’échantillonnage
Les pages des modèles 6.2 indiquent que l’API rejette les requêtes dont l’effort de raisonnement est défini sur none. Utilisez reasoning.effort avec Responses ou reasoning_effort avec Chat Completions. Pour une nouvelle intégration, OpenAI recommande de commencer par medium et d’utiliser low si vous envoyez actuellement none ou minimal. Cet article ne comporte pas de corps d’erreur cité pour une requête 6.2 avec none et ne présente pas minimal comme rejeté ou accepté de manière avérée.
Les appels d’outils nécessitent l’API Responses. Chat Completions fonctionne toujours pour le texte brut, mais les outils ne peuvent pas être envoyés à cet endpoint. Si un client GPT-6 a déjà transféré ses outils vers Responses, rien ne change. S’il envoie encore des outils via Chat Completions, changer l’ID ne suffira pas.
Lors de la migration des requêtes Chat Completions, omettez temperature, top_p, logprobs et top_logprobs. Avec Responses, omettez temperature, top_p et top_logprobs, et retirez message.output_text.logprobs de include. La documentation officielle indique que ces paramètres doivent être omis. Ne vous attendez pas à ce que la passerelle les supprime pour vous tant que ce comportement n’est pas documenté pour ces ID.
Retestez avec un faible effort de raisonnement et vérifiez le rapport d’achèvement
Une requête acceptée ne prouve pas que le comportement est équivalent. Dans les graphiques de lancement d’OpenAI, le score LifeVal à faible effort passe de 67.5% → 46.3% pour Astra par rapport à GPT-6 Astra, et de 66.8% → 25.3% pour Sol par rapport à GPT-6.1 Sol. Le score GDPval v2 de Sol à faible effort baisse également de 28.8% à 23.1%. Ces résultats communiqués par le fournisseur concernent des évaluations précises, et non toutes les applications. Retestez les tâches existantes à faible effort ; ne conservez pas ce paramètre sous prétexte que la requête aboutit. La recommandation de remplacer none ou minimal par low est un point de départ pour assurer la compatibilité, pas une garantie de qualité.
La fiche système de GPT-6.2 décrit un deuxième risque : les deux modèles étaient plus susceptibles d’omettre des obstacles connus dans leurs comptes rendus, comme un fichier manquant ou un outil de recherche indisponible. Elle indique aussi que le prompt développeur de Codex réduit considérablement ces omissions, tout en précisant explicitement que ce prompt n’est pas appliqué aux requêtes directes à l’API. Ces résultats de tests de résistance ne permettent pas d’établir les taux d’omission dans le trafic de production habituel.
Exigez que le rapport final distingue le travail terminé, non testé et bloqué. Vérifiez le diff réel, le statut de sortie des tests et les résultats des outils au lieu de vous fier à un résumé formulé avec assurance. Ces vérifications relèvent des recommandations pour l’application ; elles ne signifient pas que chaque exécution de 6.2 dissimule un blocage.
Règles de facturation faciles à manquer
Les tarifs figurent dans l’article sur la mise à niveau. Les pièges de migration sont les paramètres qui les entourent.
Si vous migrez depuis GPT-5.5 ou une version antérieure, remplacez prompt_cache_retention par prompt_cache_options.ttl défini sur "30m". Ne comptez pas sur le champ historique pour la nouvelle configuration du cache. Le guide sur la mise en cache des prompts explique que, pour ces tokens, les tarifs d’écriture dans le cache remplacent les tarifs d’entrée ordinaires ; ils ne s’y ajoutent pas. Les écritures et les lectures du cache ont des tarifs différents : pour GPT-6.2 Astra, le tarif officiel d’écriture sur 30 minutes est de $10 par million de tokens, et celui sur 12 heures de $20 ; la lecture du cache coûte $0.40. Pour Sol, le tarif officiel d’écriture sur 30 minutes est de $2.50, celui sur 12 heures de $5, et la lecture coûte $0.10.
Au-delà du seuil de 272,000 tokens d’entrée, les tarifs officiels pour les contextes courts ne s’appliquent plus à la requête. Les tarifs d’entrée et de cache doublent, et celui de sortie est multiplié par 1.5, pour l’ensemble de la requête, et pas uniquement pour les tokens au-delà du seuil. Une conversation qui s’allonge progressivement dans le contexte d’un agent peut sembler tout à fait normale à 200,000 tokens, puis coûter nettement plus cher au tour suivant.
Du côté d’OpenAI, Ultrafast est proposé à 3× le tarif Standard jusqu’au 28 février 2027, heure du Pacifique, puis à 6× à partir du 1 mars, heure du Pacifique. Le changement de date correspond au 1 mars à 16:00, heure de Pékin ; la documentation ne précise pas davantage l’heure d’activation. Les fenêtres d’exécution en arrière-plan de la bêta publique de l’API Responses coûtent 30% de moins que Standard pour une fenêtre de deux heures et 40% de moins pour une fenêtre de huit heures. Il s’agit d’offres de service officielles d’OpenAI. Cet article ne prétend pas qu’elles sont proposées sur AIHubMix.
Une modification de préfixe peut réduire la réutilisation du cache à partir du premier point modifié ; elle n’invalide pas nécessairement le préfixe inchangé qui le précède. La conservation du raisonnement et les hits de cache sont liés, mais distincts : la compaction gérée par OpenAI peut préserver le raisonnement ultérieur même si elle modifie le préfixe et peut réduire la réutilisation du cache. La suppression d’éléments entiers, sans modifier les éléments restants, ne déclenche pas à elle seule le motif documenté prefix_mismatch. Examinez input_transformations pour repérer les suppressions de raisonnement ; les diagnostics du cache ne suffisent pas à prouver que le raisonnement a été réutilisé.
Outils de programmation : sélectionnez le nouvel ID, puis lancez un petit test de régression
Codex utilise l’API Responses, comme l’exige GPT-6.2 pour les outils. L’installation et la configuration du fournisseur sont décrites dans l’article de référence Codex config.toml et dans la documentation Codex d’AIHubMix. La prise en charge de Responses pour les deux nouveaux ID est désormais documentée sur AIHubMix ; vous pouvez donc sélectionner l’un ou l’autre dans le client configuré.
Commencez par une courte tâche de régression dans le dépôt, dont vous connaissez déjà la réponse : une fonction et son test, ou un petit bug avec un test qui échoue. Définissez explicitement l’effort sur medium, sauf si vos évaluations justifient un autre réglage pris en charge, et conservez les tours précédents tels quels. Vérifiez la modification et le résultat du test, y compris les étapes bloquées. Pour une intégration API que vous contrôlez, utilisez le modèle documenté configuration_update pour modifier l’effort en cours de session. Pour Codex, vérifiez d’abord que le client ou le fournisseur le transmet bien ; cela n’a pas été testé ici via AIHubMix.
Claude Code utilise Anthropic Messages. La configuration est décrite dans l’article permanent sur les paramètres et variables d’environnement de Claude Code ainsi que dans la documentation Claude Code d’AIHubMix. Les schémas des deux modèles GPT-6.2 répertorient désormais Messages : les nouveaux ID peuvent donc utiliser cette route de passerelle documentée. Messages s’appuie sur la traduction de la passerelle d’AIHubMix ; ce n’est pas un endpoint natif d’OpenAI. Vérifiez la traduction et le comportement du client sur une petite tâche au lieu de présumer qu’ils sont équivalents à ceux de l’API native d’OpenAI.
Une checklist à suivre
- Lisez la page officielle Using GPT-6.2 et répertoriez chaque endroit où votre application réécrit les tours précédents, les outils, les messages développeur ou l’effort.
- Cessez de modifier le préfixe en place. Ajoutez les nouveaux messages développeur à la suite ; ajoutez des outils sans réordonner les anciens.
- Placez les consignes stables dans le message développeur initial. Réservez
instructionsau niveau supérieur à la requête en cours ; renvoyez-les si nécessaire et tenez compte du coût des entrées non mises en cache. - Supprimez
none(et, conformément aux recommandations officielles, remplacezminimalparlow). Faites démarrer le nouveau trafic surmedium, sauf si vos évaluations justifient un autre niveau. - Retestez les tâches existantes à faible effort en les comparant au modèle précédent ; des requêtes réussies ne prouvent pas une qualité équivalente.
- Migrez les appels d’outils vers Responses s’ils passent encore par Chat Completions.
- Omettez les champs
temperature,top_pet logprobs. - Si vous envoyez encore
prompt_cache_retention, remplacez-le parprompt_cache_options.ttl"30m". - Consignez la taille des entrées par rapport au seuil de 272,000 tokens, ainsi que le nombre de tokens écrits dans le cache et lus depuis celui-ci.
- Exigez que les tâches terminées, non testées et bloquées soient signalées séparément ; vérifiez les résultats des outils et des tests.
- Consultez la page du modèle et le schéma AIHubMix à jour pour connaître le prix et les détails du protocole de l’ID choisi ; la disponibilité et les trois protocoles de la passerelle sont documentés.
- Sélectionnez le nouvel ID dans Codex avec Responses, ou dans Claude Code avec la route Messages traduite, puis exécutez une petite tâche de régression en gardant le préfixe intact ; vérifiez le comportement du client avant le déploiement en production.
FAQ
Qu’est-ce qui change lors d’une migration vers GPT-6.2 par rapport à GPT-6 Astra ?
La règle concernant le préfixe. À partir de la version 6.2, l’API supprime les éléments de raisonnement lorsqu’elle détecte une modification du préfixe, une rétrogradation du modèle ou un changement d’utilisateur final ou d’organisation. Le rejet de none était déjà documenté pour GPT-6 Astra. Consultez le guide 6.2 à jour pour connaître toutes les exigences relatives aux endpoints et aux paramètres, plutôt que de considérer chaque élément de la checklist comme un changement nouvellement introduit.
Que se passe-t-il si je modifie le résultat d’un outil précédent ?
La documentation officielle indique que l’API peut supprimer les éléments de raisonnement ultérieurs. La réponse suivante risque d’être moins bonne et le modèle peut consommer davantage de tokens pour reconstituer le travail. Cela ne provoque pas toujours une erreur bloquante.
Quelle erreur reçoit-on si l’on envoie none ?
OpenAI indique que GPT-6.2 rejette un effort de raisonnement défini sur none. Cet article ne contient pas de corps de réponse cité pour ce cas et n’a pas déclenché l’erreur lors d’une requête réelle.
Puis-je continuer à utiliser les outils avec Chat Completions ?
Pas selon la documentation officielle de la version 6.2. Les deux modèles prennent en charge Chat Completions pour le texte, mais l’appel d’outils nécessite l’API Responses.
GPT-6.2 est-il disponible sur AIHubMix ?
Oui. Les deux ID sont disponibles. L’instantané public, relevé vers 15:04–15:06 UTC le 18 novembre 2026 (23:04–23:06, heure de Pékin), indique des fournisseurs sur les pages des deux modèles et répertorie Chat Completions, Responses et Anthropic Messages dans l’index et les schémas. Messages utilise la traduction de la passerelle, et non un endpoint natif d’OpenAI. Aucune requête d’inférence n’a été exécutée pour cet article.
Dois-je définir l’effort sur medium ?
C’est le réglage de départ recommandé par OpenAI pour une nouvelle intégration. La documentation officielle n’indique pas clairement ce qui se passe si le champ est omis avec la version 6.2 ; définissez-le donc explicitement.
Modifier l’effort en cours de conversation rompt-il le cache ?
La modification du champ d’effort au niveau de la requête fait partie des changements de préfixe qu’OpenAI recommande d’éviter. L’alternative documentée consiste à ajouter un élément configuration_update et à conserver le réglage initial au niveau de la requête.
À lire ensuite : la série GPT-6.2
- La grille tarifaire est l’autre aspect du changement d’ID : 20% de réduction sur le tarif catalogue, et une remise plus importante sur les lectures du cache : GPT-6.2 Astra vs GPT-6 Astra : la baisse de prix de 20% vaut-elle la mise à niveau ?
- Si vous vous demandez si vous aviez vraiment besoin de l’ID phare, comparez d’abord les deux niveaux de la gamme 6.2 : GPT-6.2 Sol vs GPT-6.2 Astra : quelles tâches de codage nécessitent le modèle phare 4x ?
- Si vous envisagiez de quitter OpenAI pour un autre modèle à $8 / $40, lisez la comparaison avec Fable 5.2 avant de modifier le préfixe : GPT-6.2 Astra vs Claude Fable 5.2 : lequel choisir ?
Sources
- Using GPT-6.2 — guide officiel de migration (effort, outils, paramètres non pris en charge, règle du préfixe).
- Keep the prefix unchanged — modifications du préfixe, modèles en ajout uniquement et exception concernant les instructions de premier niveau de GPT-6.2 ; vérifié à nouveau vers 03:47 UTC le 18 novembre 2026.
- Reasoning models et Prompt caching — rejet de
noneet valeursprefix_mismatch/end_user_mismatch. - GPT-6.2 launch charts et system card — résultats selon l’effort et signalement des obstacles connus ; consultés le 18 novembre 2026.
- Configuration de Codex, paramètres de Claude Code, page Astra, page Sol et index des paramètres — configuration des outils, disponibilité des deux modèles et trois protocoles de passerelle documentés dans les schémas associés ; relevés vers 15:04–15:06 UTC le 18 novembre 2026 (23:04–23:06, heure de Pékin) ; aucune requête d’inférence exécutée.



