OpenAI : deux réglages d'API ont triplé le score de GPT-5.6 sur ARC-AGI-3, à 38,3 %

OpenAI a annoncé le 30 juillet 2026 que l'activation de deux réglages de son API Responses, la conservation du raisonnement (retained reasoning) et la compaction (compaction), avait triplé le score du modèle GPT-5.6 Sol sur le benchmark ARC-AGI-3 : de 13,3 % à 38,3 % sur l'ensemble public de tâches. La consommation de tokens de sortie par partie a, elle, été divisée par environ six, et avec cette nouvelle configuration le modèle a dépassé Anthropic Opus 5.

Ce que mesure ARC-AGI-3

ARC-AGI-3 est un benchmark interactif de raisonnement abstrait : un agent IA y affronte des jeux inconnus, tour par tour. Il effectue une action, observe le résultat, puis planifie la suivante. Contrairement aux tests statiques, la mémoire d'un tour à l'autre y est déterminante : l'agent doit accumuler sa compréhension des règles du jeu au fil de la partie. C'est précisément cette mémoire qui explique tout le bond de 13,3 % à 38,3 % décrit par OpenAI.

Quels sont ces deux réglages ?

Ces deux réglages, retained reasoning et compaction, sont les mêmes mécanismes qu'OpenAI utilise dans ses produits ChatGPT et Codex. Retained reasoning conserve la chaîne de raisonnement privée du modèle d'une fenêtre de contexte à l'autre. Compaction résume le contexte accumulé lorsqu'il approche de la limite, au lieu de tronquer mécaniquement les éléments les plus anciens. Les deux paramètres sont disponibles via l'API Responses, l'interface d'OpenAI dédiée aux scénarios agentiques.

• Modèle : GPT-5.6 Sol d'OpenAI
• Harness officiel ARC-AGI-3 : 13,3 % sur l'ensemble public
• Avec retained reasoning et compaction via l'API Responses : 38,3 %
• Tokens de sortie par partie : environ 6 fois moins
• Publication : blog d'OpenAI, 30 juillet 2026

Pourquoi le score plafonnait

Après chaque tour de l'agent, le harness officiel d'ARC-AGI-3 jetait son raisonnement privé, ce qui bloquait le score à 13,3 %. GPT-5.6 Sol voyait le journal de ses actions passées et de courtes notes associées, mais pas la réflexion qui avait produit ces coups. À chaque étape, elle devait donc, en pratique, redécouvrir le jeu. Lorsque l'historique des coups dépassait la fenêtre de contexte, le harness supprimait en plus les actions les plus anciennes. En somme, le modèle se souvenait d'avoir « déplacé le bloc violet », mais oubliait pourquoi.

«

Les benchmarks ne mesurent jamais uniquement le modèle : ils mesurent aussi l'infrastructure technique qui l'entoure », écrit OpenAI sur son blog.

Comment GPT-5.6 se compare à Opus 5

Avec ces réglages activés, GPT-5.6 Sol a obtenu 38,3 % et dépassé Anthropic Opus 5, qui affiche 30,2 % sur ARC-AGI-3. Selon OpenAI, cet écart ne vient pas du modèle lui-même mais de la configuration du test : le harness officiel est dépourvu de fonctionnalités propres à chaque fournisseur, comme retained reasoning, accessibles via l'API Responses. La même technique a aussi eu un effet secondaire : une économie d'environ six fois sur les tokens de sortie par partie.

Ce que cela signifie

Le résultat d'un benchmark dépend non seulement du modèle, mais aussi de la configuration de l'API et de la conception du harness de test. Le même GPT-5.6 Sol affiche 13,3 % ou 38,3 % selon la configuration, ce qui change la lecture des tableaux comparatifs sur lesquels les laboratoires d'IA se mesurent les uns aux autres.

Questions fréquentes

Que sont retained reasoning et compaction ?

Retained reasoning conserve la chaîne de raisonnement privée du modèle d'une fenêtre de contexte à l'autre, tandis que compaction résume l'ancien contexte au lieu de le tronquer simplement. OpenAI utilise déjà les deux réglages dans ChatGPT et Codex.

De combien les résultats de GPT-5.6 Sol ont-ils progressé ?

Sur l'ensemble public d'ARC-AGI-3, le score est passé de 13,3 % à 38,3 %, soit environ le triple. Dans le même temps, la consommation de tokens de sortie par partie a été divisée par environ six.

GPT-5.6 Sol a-t-il dépassé Opus 5 ?

Oui. Avec les deux réglages, GPT-5.6 Sol a obtenu 38,3 % contre 30,2 % pour Anthropic Opus 5 sur ARC-AGI-3, selon OpenAI.