Sélection du modèle
Trouvez le modèle adapté à votre cas d’usage
Découvrez les modèles
Astra
Une intelligence de pointe
Problèmes ambigus, analyses approfondies et livrables ambitieux.
GPT-6.1 Sol
Optimisé et performant
Tâches complexes pour lesquelles vous devez aussi maîtriser le temps et les coûts.
GPT-6.1 Terra
Raisonnement visuel et utilisation de l’ordinateur
Flux de travail à l’écran, rédaction concise et corrections de code ciblées.
Luna
Intelligent et efficace
Tâches ciblées, triage et automatisations fréquentes
La disponibilité, les outils, les paramètres de raisonnement et les limites d’utilisation varient selon le produit et la version du modèle. Consultez les modèles disponibles dans ChatGPT ou le catalogue des modèles de l’API.
Trouver le modèle adapté à votre workflow
Choisissez votre travail et votre tâche pour obtenir une recommandation.
Quand envisager GPT-6.1 Terra
Essayez GPT-6.1 Terra pour une rédaction concise à partir d’éléments fournis, des tâches sur ordinateur visant un résultat défini et des corrections de code ciblées. Fournissez des données d’entrée et des exigences claires, ainsi qu’un moyen de vérifier le résultat, par exemple en contrôlant les enregistrements sauvegardés ou en exécutant des tests de non-régression.
Comparez-le à GPT-6.1 Sol avec les mêmes données d’entrée et le même effort de raisonnement. Pour la rédaction, évaluez l’adéquation au public, le ton et les détails utiles, ainsi que l’exactitude et la longueur. Pour l’utilisation de l’ordinateur, vérifiez le résultat enregistré et l’exactitude du compte rendu d’exécution.
Quand envisager GPT-6.1 Sol
Envisagez GPT-6.1 Sol pour les projets complexes où le coût compte, comme la création d’une présentation pour le conseil d’administration à partir de résultats financiers ou d’un site web à partir d’un brief produit. Comparez-le à Astra sur une même tâche pour évaluer le compromis entre qualité et coût.
Consultez la page du modèle dans l’API pour connaître ses caractéristiques et les tarifs de l’API, ou la disponibilité dans Codex et ChatGPT Work pour savoir comment y accéder avec votre forfait ChatGPT.
Comment choisir un modèle et un effort de raisonnement
Luna est notre modèle le plus efficient, tandis qu’Astra est notre modèle de pointe, le plus puissant. Si vous n’avez pas à tenir compte de l’utilisation ou du temps nécessaire pour accomplir une tâche, vous pouvez choisir Astra par défaut. Pour optimiser l’utilisation, suivez les conseils ci-dessous afin de choisir un modèle et un effort de raisonnement adaptés à vos besoins.
Modèle et effort de raisonnement
Luna · Faible
Modifications précises, résolution de problèmes bien délimités et extraction simple de données.
Luna · Très élevé
Recherche du contexte actuel dans plusieurs apps, hiérarchisation des tâches et résolution de problèmes soumis à des contraintes claires.
GPT-6.1 Sol · Moyen
Travaux techniques complexes et livrables coordonnés que vous prévoyez de retravailler.
GPT-6.1 Sol · Très élevé
Livrables soignés, systèmes visuels interconnectés et décisions fondées sur des éléments contradictoires.
Astra · Faible
Rédaction concise et adaptation de contenu préservant les faits et les nuances.
Astra · Moyen
Projets ambitieux nécessitant un vaste contexte, des interactions fiables et des résultats complets.
Astra · Très élevé
Analyses exigeantes et livrables complexes soumis à des exigences rigoureuses.
Expérimentez
Considérez les conseils de cette page comme un point de départ. La meilleure façon de trouver le bon modèle pour votre workflow consiste à essayer différents modèles et paramètres de raisonnement afin d’identifier ce qui fonctionne.
Commencez par tenir compte des éléments suivants :
- À quelle fréquence votre workflow s’exécute-t-il ? Avec une automatisation fréquente, l’utilisation et le coût augmentent plus vite qu’avec un projet occasionnel.
- Dans quel délai avez-vous besoin du résultat ? Une tâche dont vous attendez le résultat peut nécessiter un paramètre plus rapide qu’une tâche exécutée pendant la nuit.
- Comment utiliserez-vous le résultat ? Un brouillon destiné à votre relecture peut nécessiter moins de finition qu’un document que vous partagerez en externe.
- Quelle importance accordez-vous à la qualité du résultat ? Selon votre cas d’usage ou votre secteur, vous pourriez choisir un modèle plus puissant afin de privilégier la qualité.
Si possible, effectuez vos essais avec les mêmes données d’entrée pour comparer les résultats et conservez le paramètre le plus léger qui répond à vos critères de qualité.
Définissez des critères d’acceptation avant de comparer les modèles :
- Rédaction : vérifiez les faits requis, les nuances nécessaires, le public et le ton. Examinez les deux résultats avant de décider si le plus court est le plus utile.
- Utilisation de l’ordinateur : rouvrez l’enregistrement ou la page concernés pour vérifier les modifications sauvegardées, confirmez que le flux de travail a préservé les données sans rapport avec la tâche et comparez le compte rendu d’exécution au résultat réel.
- Code et interfaces : exécutez des tests de non-régression. Pour une application interactive, inspectez également le rendu sur ordinateur et sur mobile.
Répétez la comparaison sur des tâches représentatives. Mesurez le temps d’exécution en parallèle de la qualité, en incluant le temps consacré à la vérification ou à la correction du résultat. Ensuite, faites varier l’effort de raisonnement en conservant le même modèle et les mêmes données d’entrée.