La vitesse d'itération dans le domaine de l'intelligence artificielle est en train de dépasser les perceptions extérieures. OpenAI a officiellement annoncé le 14 octobre que le GPT-5.5 est officiellement retiré de ChatGPT, ChatGPT Work et Codex accessible via connexion de compte ; toutefois, les interfaces API concernées ne sont pas affectées pour le moment. Parallèlement, les versions spécifiées de plusieurs anciens modèles, dont le GPT-4o, entrent dans un compte à rebours de retrait : elles seront officiellement désactivées le 14 janvier 2027, ne laissant aux développeurs et aux utilisateurs entreprises qu'environ trois mois pour effectuer leur migration.
Avec le déploiement complet des nouveaux modèles de nouvelle génération tels que le GPT-6.1, des améliorations significatives ont été réalisées tant en matière de vitesse de réponse que d'exactitude factuelle, tandis que les prix d'appel sont également plus compétitifs sur le marché. Actuellement, le nombre d'utilisateurs actifs hebdomadaires de ChatGPT a déjà dépassé le cap des 1,2 milliard ; comment équilibrer les investissements en puissance de calcul entre le service d'inférence pour une vaste base d'utilisateurs et l'entraînement intensif des modèles constitue un défi concret auquel OpenAI est confronté.
Dans une compétition de marché intense, OpenAI et Anthropic se livrent une course globale sur les capacités des modèles, la vitesse de réponse et les coûts d'appel. Les itérations rapprochées des deux parties ont récemment apporté aux utilisateurs des performances plus puissantes, mais ont également révélé à plusieurs reprises des anomalies de service, ce qui met une fois de plus en évidence le rôle crucial des infrastructures sous-jacentes et de la stabilité opérationnelle.
Concernant le retrait de ces anciens modèles, l'officiel a non seulement fourni des solutions de remplacement concrètes, mais a également rappelé aux utilisateurs de vérifier et de mettre à jour en temps utile les paramètres de spécification de modèle des anciennes tâches concernées. Il est conseillé aux développeurs et aux utilisateurs de choisir avec flexibilité le modèle et l'intensité d'inférence les plus adaptés en fonction de leurs scénarios d'activité spécifiques et des besoins réels de leurs tâches, afin d'assurer l'utilisation la plus efficace des ressources dans les applications pratiques.