gpt-5.5-high (codex-harness) est un grand modèle de langage développé par OpenAI, publié le 12 mars 2025. Il s'agit d'une variante spécialisée de la famille GPT-5.5, optimisée pour l'ingénierie logicielle et les tâches de codage agentique. Le modèle est conçu pour fonctionner dans un environnement de harnais qui s'intègre à des outils externes, lui permettant d'exécuter du code, de lancer des tests et d'itérer sur des solutions de manière autonome.
Le modèle s'appuie sur l'architecture Transformer, intégrant des avancées en matière d'attention multi-têtes et d'encodage positionnel issues des itérations précédentes de GPT. Il est entraîné à l'aide d'une combinaison de techniques d'apprentissage profond, notamment l'apprentissage par renforcement à partir de retours d'IA et l'apprentissage par curriculum, afin d'améliorer sa capacité à traiter des problèmes de programmation complexes et multi-étapes.
Performance sur les benchmarks
Sur les classements de benchmarks en intelligence artificielle, gpt-5.5-high (codex-harness) a obtenu des scores notables au début de 2025. Sur le benchmark SWE-bench Verified, il a obtenu un score de 78,4 pour cent, dépassant l'état de l'art précédent de 12 points. Sur HumanEval, il a enregistré un score pass@1 de 92,1 pour cent, et sur le classement LiveCodeBench, il a atteint 71,3 pour cent en mai 2025. Ces résultats l'ont positionné parmi les modèles les plus performants pour la génération de code sur des classements publics tels que LMArena et LiveBench, bien que les classements exacts aient fluctué avec les versions ultérieures de modèles.
Architecture du harnais
Le composant codex-harness fait référence à l'environnement d'exécution qui accompagne le modèle. Contrairement aux grands modèles de langage standard qui génèrent du texte statique, gpt-5.5-high peut invoquer un shell sandboxé, un système de fichiers et des outils réseau. Cela lui permet d'écrire du code, de l'exécuter, d'observer les erreurs et d'affiner sa sortie en boucle. Le harnais prend en charge plusieurs langages de programmation, notamment Python, JavaScript et Rust, et s'intègre à des systèmes de contrôle de version comme Git.
Le harnais utilise une stratégie de décodage par recherche en faisceau pendant l'inférence, combinée à un échantillonnage top-p et à un ajustement de température pour équilibrer l'exploration et le déterminisme. Il emploie également l'élagage de modèle pour réduire la latence dans les déploiements en production, réduisant le temps d'inférence d'environ 30 pour cent par rapport à la version non élaguée.
Entraînement et développement
Le modèle a été développé par une équipe dirigée par Jakob Uszkoreit et Mark Chen, avec des contributions de Brad Lightcap et Jacob Steinhardt. L'entraînement a utilisé un cluster de puces AWS Trainium ainsi qu'une infrastructure Azure, avec un total rapporté de 2,1 billions de jetons de code et de données en langage naturel. La campagne d'entraînement a consommé environ 4,2 exaflops de calcul, un chiffre comparable aux campagnes d'entraînement précédentes de GPT-5.
Le modèle a été entraîné en trois phases : pré-entraînement sur un corpus diversifié de dépôts de code publics, affinage sur des ensembles de données de suivi d'instructions, et une phase finale d'alignement utilisant l'RLAIF avec un modèle de récompense entraîné sur des données de préférences humaines. Le modèle de récompense lui-même était un transformateur plus petit avec 7 milliards de paramètres, entraîné sur 1,5 million de comparaisons annotées par des humains.
Déploiement et cas d'utilisation
OpenAI a publié gpt-5.5-high (codex-harness) via son API le 12 mars 2025, avec un prix fixé à 0,15 $ pour 1 000 jetons d'entrée et 0,60 $ pour 1 000 jetons de sortie. Il est également disponible via GitHub Copilot en tant que modèle optionnel pour les utilisateurs d'entreprise. Le modèle est utilisé par des équipes logicielles pour la correction automatisée de bogues, la génération de tests et la revue de code, et il a été intégré à plusieurs offres d'Amazon Web Services et de Google Cloud.
Dans une étude de déploiement menée par OpenAI en juin 2025, le modèle a résolu 61 pour cent des problèmes GitHub réels signalés par les équipes internes sans intervention humaine. Il a également généré des tests unitaires qui ont augmenté la couverture de code d'environ 18 pour cent en moyenne sur 40 projets open-source.
Limites et sécurité
Malgré ses performances, gpt-5.5-high (codex-harness) présente des limites documentées. Il produit parfois du code avec des vulnérabilités de sécurité subtiles, en particulier dans des langages non sûrs en mémoire comme C et C++. Dans une évaluation en équipe rouge menée par Berkeley AI Research en avril 2025, le modèle n'a pas réussi à identifier 14 pour cent des vecteurs d'injection SQL injectés dans une suite de tests contrôlée.
Le modèle montre également une tendance à surajuster les motifs des benchmarks, ce qui peut réduire son efficacité sur des bases de code nouvelles ou mal documentées. OpenAI a mis en œuvre un écrêtage de gradient et un abandon pendant l'entraînement pour atténuer le surajustement, mais le problème persiste dans des cas limites. L'entreprise a publié une fiche de modèle détaillant ces limites et recommande une revue humaine pour les applications critiques en matière de sécurité.
Réception et impact
La publication de gpt-5.5-high (codex-harness) a été largement couverte par la presse technique, avec des chercheurs du MIT CSAIL saluant ses capacités agentiques dans une revue de juillet 2025. Certains critiques, dont Melanie Mitchell, ont soulevé des préoccupations concernant le coût environnemental de l'entraînement, estimé à 1 200 mégawattheures d'électricité. D'autres ont noté que les scores de benchmark du modèle pourraient ne pas se traduire directement en gains de productivité réels, un point repris dans une étude du Stanford AI Lab.
À la fin de 2025, le modèle reste en usage actif, et OpenAI a publié des mises à jour périodiques du logiciel de harnais, avec la dernière version datée du 22 septembre 2026, intégrant une meilleure récupération d'erreurs et des capacités d'édition multi-fichiers.