Il y a deux mois, GPT-5.6 Sol a causé un gros problème.
Il a supprimé presque tous les fichiers de Matt Shumer, fondateur de HyperWrite, sur son Mac, y compris les documents essentiels de l'entreprise.
Matt a abandonné sur place et a remplacé tous ses outils de production principaux par Claude Fable 5.
Deux mois plus tard, le jour même de la sortie de GPT-6 Astra, Matt a annoncé un avis approfondi : GPT-6 Astra m'a récupéré.
Il a constaté que GPT-6 Astra était plus prudent que sa précédente version, sachant exactement quoi faire et quoi éviter, ce qui lui a enfin permis de confier entièrement le travail sans avoir à surveiller constamment comme un contremaître.
Il a également mené une expérience extrêmement folle sur GPT-6 Astra : à partir d'une seule phrase d'invite, il a progressivement étendu une version virtuelle de Manhattan dans Unreal Engine, rue par rue.
Mais ce qui l’a vraiment poussé à rétablir le principal, ce n’est pas seulement la mise à niveau des capacités du modèle, mais aussi la méthode qu’il a développée lui-même pour faire travailler l’IA par paires : Manager Loop.
Cette méthode résout un problème plus mortel que « l'IA peut-elle travailler » :
À quel moment un projet devient-il suffisamment grand pour que quelqu'un doive veiller à ce que l'équipe reste sur la bonne voie ?
Pourquoi la personne dont l'ordinateur a été effacé est-elle revenue ?
D'abord, présentez le contexte.
Le 10 juillet, soit le lendemain de la sortie de la famille GPT-5.6, Matt a dénoncé sur les réseaux sociaux son triste sort :
GPT-5.6 Sol « J’ai accidentellement supprimé presque tous les fichiers de mon Mac ».
Quelques jours plus tard, la base de données de production de l'ingénieur Bruno Lemos a également été supprimée par le même modèle. Ironiquement, quelques heures plus tôt, il défendait le modèle sur Slack de l'entreprise, reprochant à Shumer d'avoir accordé des autorisations Full-Access.
Thibault Sottiaux, responsable du projet OpenAI Codex, a ensuite expliqué en personne que ce type d'accident se produit généralement dans des scénarios où le mode Full-Access est activé, sans sandbox ni examen automatique :
Le modèle a tenté de réécrire les variables d'environnement, ce qui a entraîné la suppression directe du répertoire personnel de l'utilisateur.
Une « erreur honnête », c'est ainsi qu'elle est qualifiée par OpenAI.
Cette explication ne convainc évidemment pas Matt. Sa réaction consiste à passer à Claude, en lançant une menace : pour le ramener, OpenAI devra présenter un modèle « miraculeux ».
Dans deux mois, GPT-6 Astra arrive.
Matt ne se concentre pas sur à quel point il est devenu plus intelligent, mais sur le fait de oser lui confier les tâches.
Sa réponse est oser. Astra est beaucoup plus prudent que son prédécesseur, parfois même trop prudent, mais il peut enfin s'éloigner en toute sécurité.
Il a donné un exemple : un week-end, il était en rendez-vous et un ami lui a envoyé un message pour lui dire qu’un service d’agent qu’il avait déployé était hors ligne.
Il a sorti son téléphone, a tapé « En panne, réparez » sur le projet, puis a verrouillé l'écran et l'a remis dans sa poche. Une heure plus tard, son ami a dit que c'était réparé.
Et lui-même avait même oublié avoir donné cet ordre.
Cinq Mac ont leurs ventilateurs à pleine vitesse, bloqués contre le même mur
Après avoir terminé avec succès les tâches quotidiennes, Matt a décidé d'intensifier Astra.
Il a demandé à Astra de construire une ville de New York dans Unreal Engine.
Astra est effectivement plus performante que sa prédécesseur pour les tâches longues, mais une fois qu'elle atteint un certain stade, l'avancement stagne.
L'IA continue de travailler frénétiquement, mais de plus en plus en détail, s'immergeant dans les moindres détails d'un petit coin, tandis que l'avancement global du projet reste inchangé.
Le réservoir d'eau sur le toit, l'enseigne néon à l'entrée, Astra s'attarde sur ces petits détails de plus en plus précis, mais l'avancement global stagne.
Pour briser cette impasse, Matt a essayé cinq façons d'organiser les agents intelligents.
La première méthode est la plus simple et la plus directe : attribuer une grande tâche à exécuter en continu, en intégrant un mécanisme d'analyse aveugle entre les étapes.
Le début est impressionnant, mais on se retrouve souvent coincé dans les détails. Il en a tiré une leçon : faire en sorte que le modèle « continue sans arrêt » et lui faire « savoir quelle tâche accomplir ensuite » sont deux choses complètement différentes.
Le deuxième type est la spécialisation des rôles. Cette répartition des tâches est claire, mais la coordination et l'approbation deviennent de nouveaux problèmes.
Le troisième consiste à désigner un superviseur du type « PDG » qui effectue une vérification toutes les 30 minutes. Le résultat n'a presque pas amélioré la situation.
Le quatrième consiste à laisser le coordinateur ajuster lui-même la structure de l'équipe. Il y a beaucoup de variantes, mais elles aboutissent toutes au même mur.
Cinquième méthode : il est revenu à la méthode la plus simple et originale : faire en sorte que l'agent décompose l'objectif en une liste étapes, s'arrête après chaque étape, et Matt tape simplement deux mots « continue » pour que l'IA passe à l'étape suivante.
Cette méthode a enfin fonctionné ; le projet peut enfin avancer de manière continue.
Mais le problème qui en découle : il faut à chaque fois qu'il, cet humain, approuve.
Lui-même est devenu le goulot d'étranglement : pour que le projet puisse vraiment démarrer, il faut le sortir de la boucle.
Manager Loop : Sortez-vous de la boucle
Sixième solution, soit Manager Loop, dont la logique centrale est extrêmement ingénieuse.
Il a ouvert deux sessions parallèles dans Codex, chacune gérant un domaine :
L’un est « le coordinateur ».
Il effectue d'abord une série d'entretiens approfondis avec les humains, aligne les objectifs avec eux, puis décompose ces objectifs en une liste de tâches et en différentes étapes.
L'autre est « l'exécuteur ».
Il s'exécute dans une session complètement indépendante, pas en tant que sous-ordonné du coordinateur.
Le coordinateur attribue la tâche actuelle à celui-ci et lui demande de la suivre jusqu'à son achèvement.
Terminé, vérification par le coordinateur, puis attribution du prochain étage.
Si l'exécuteur est débordé, il peut déléguer automatiquement des sous-agents selon les besoins.
Dans ce cercle parfaitement fermé, le coordinateur a entièrement pris en charge le travail humain : surveiller étroitement le plan global pour empêcher le projet de s'arrêter et remplacer les humains en répétant sans cesse le mot « continue ».
La limite des sous-agent a été portée à 96, créant artificiellement Manhattan
Pour permettre aux exécutants de travailler sans restriction, Matt a modifié la limite de concurrence du système.
Il a augmenté les 4 par défaut de l'ordinateur à 96, ce qui est absurde.
Bien sûr, cela ne signifie pas que les 96 IA travaillent en permanence en même temps. Parfois, le modèle n'utilise pas entièrement son quota, et il faut qu'il insiste explicitement dans le prompt.
Mais dans ce paramètre extrême, un miracle s'est produit.
En utilisant des outils et des actifs prêts à l'emploi, comme les personnages MetaHuman, Astra a créé ce monde de Manhattan dans Unreal Engine en une semaine.
Il a réparé la première rue jusqu'à satisfaction, puis a étendu progressivement vers les rues voisines.
Les détails de la façade de la première rue, y compris la texture des murs en brique, les bas-reliefs au-dessus des fenêtres et les échelles d'incendie, sont en place.
Bien qu'il reste plusieurs mois avant la construction complète de New York, Astra est le premier modèle à véritablement exploiter ces environnements complexes.
C'est un processus fou qui exige énormément de puissance matérielle.
Le salon de Matt ressemble à un petit centre de données : un Mac mini sur la cuisine, trois MacBook Pro sur la table basse dont les ventilateurs tournent à plein régime, et une machine dans le cloud saturée par des agents intelligents.
Le plus absurde, c’est qu’au moment où le disque était sur le point d’être plein, il a demandé à Astra d’écrire temporairement un système : déplacer les anciens threads vers le cloud, supprimer les copies locales, et les récupérer à nouveau lors de l’ouverture.
Selon ses propres mots : employer une IA pour prendre soin de l'ordinateur, juste pour que l'ordinateur puisse employer davantage d'IA, est déjà assez magique.
Astra n'a pas remporté tous les champs de bataille
Bien sûr, Matt n'est pas totalement en faveur d'Astra.
À son avis, le véritable atout d’Astra réside dans l’ingénierie, les opérations informatiques et les tâches longues, mais en matière d’esthétique et de création de contenus 3D, Claude reste supérieur.
Le jour de la publication, un internaute a réalisé une série de comparaisons :
Utilisez le même prompt pour faire construire une villa en bord de mer à Fable 5.1 et à GPT-6 Astra dans Blender. À gauche : Fable 5.1. À droite : GPT-6 Astra.
L'écart semble très important.
Même mission de villa, à gauche Fable 5.1, à droite GPT-6 Astra. (Source : @karankendre)
Mais il ne s'agit que d'une seule comparaison de prompt, les prompts et le nombre d'essais n'ayant pas été rendus publics ; cela va à l'encontre de l'analyse de Matt et ne représente pas les capacités visuelles globales des deux entreprises.
Le jugement personnel de Matt est : pour faire directement « dessiner » de belles choses à Claude dans Three.js ou Blender, Claude reste plus fort ; mais lorsqu'on les lance dans Unreal, avec des actifs et un éclairage prêts à l'emploi, Astra gagne pour la première fois.
Il prévoit également d'importantes améliorations de Fable 5.1 sur Unreal, et des évaluations comparatives spécifiques sont en cours.
Ainsi, les différences au niveau du modèle persistent, mais elles passent de « qui est globalement le plus fort » à « qui est le plus fort à quel niveau ».
Ce qui crée réellement la différence, c'est la couche d'orchestration.
Lorsque les modèles de pointe entrent dans une plage de capacités similaire, ce qui se trouve en dehors du modèle : la manière dont vous les organisez, les outils et l’environnement que vous leur fournissez, ainsi que la quantité de calcul parallèle que vous pouvez vous permettre, commence à déterminer la valeur réelle que vous pouvez produire.
Références : https://x.com/mattshumer_/status/2095609734845927525
Cet article provient du compte WeChat « Nouvelle Intelligence », auteur : Apocalypses de l'ASI ; éditeur : Yuan Yu