GPT-6.1 Terra mise sur le raisonnement visuel et l'usage de l'ordinateur

OpenAI présente GPT-6.1 Terra comme un modèle rapide et efficient qui combine raisonnement visuel détaillé et usage précis de l’ordinateur, avec une écriture plus claire et naturelle ². Le modèle est décrit comme un progrès significatif sur GPT-5.6 Terra, avec des résultats sur les tâches de communication et d’ordinateur qui remplissent la journée de travail, de la rédaction de propositions à l’interprétation de dessins techniques, en passant par le remplissage de formulaires et le montage vidéo ². Simon Willison note que Terra occupe la même position que Sonnet dans la collection Anthropic, ni le moins cher ni le plus cher, ce qui rend le choix d’usage plus difficile ².

Cohere publie un article sur le comportement préoccupant d’un modèle open-weight populaire, et indique que des modèles open-weight non fiables peuvent faire fuiter des données même lorsqu’ils sont auto-hébergés ¹. L’article annonce aussi Rerank 5, présenté comme une recherche plus précise avec moins de jetons, désormais doté de Context Focus ¹.

AV-FABLE introduit un benchmark à double timeline pour les manipulations éparses dans des vidéos audio-visuelles longues en scène ouverte, avec 16 650 paires de vidéos appariées, 998 heures et 27 configurations d’édition ⁴. Le benchmark sépare les timelines audio et visuelle pour permettre une localisation temporelle par modalité et exposer les erreurs masquées par une évaluation à timeline jointe ⁴. En zero-shot, le prompting des grands modèles audio-visuels donne une détection proche du hasard et une localisation temporelle médiocre ⁴.

Un rapport d’expérience systèmes couvrant juillet à octobre 2026, sur des clients de code, des recettes de serving par modèle, vLLM, SGLang, llama.cpp et MLX, montre que des modèles derrière un endpoint nominalement compatible diffèrent encore sur le format des appels d’outils, le contrôle des tours, le comportement du contexte, la réutilisation du cache et la fiabilité ⁵. Le rapport distingue quatre niveaux de progrès : un modèle servi, un texte cohérent, des appels d’outils exécutés et du code qui passe des contrôles comportementaux indépendants ⁵. Les preuves incluent 4 165 tours de passerelle d’agents de code, 623 tâches de débogage et trois études de délégation avec contrôles comportementaux cachés et un parent Claude Opus 5.5 fixe ⁵. Les requêtes à préfixe froid en cache ont un temps médian jusqu’au premier jeton d’environ 69,4 s, contre 2,8 s pour les requêtes à forte réutilisation ⁵.