OpenAI a annoncé le 13 août un mode Ultrafast pour GPT-5.6 Sol, présenté comme un nouveau palier de service API capable d’exécuter son modèle phare jusqu’à 14 fois plus vite que le traitement standard. L’accès démarre en aperçu limité pour certains clients, avec une infrastructure fournie par Cerebras.
Selon OpenAI, Ultrafast peut atteindre jusqu’à 750 jetons de sortie par seconde. L’objectif affiché n’est pas seulement de répondre plus vite, mais de rendre utilisables des modèles de haut niveau dans des situations où la latence conditionne l’expérience : assistance vocale, support client, analyse d’incident, recherche financière ou workflows interactifs.
La vitesse sans changer de modèle
Jusqu’ici, les applications temps réel reposaient souvent sur un compromis : utiliser un modèle plus petit pour réduire l’attente, puis réserver les modèles les plus capables aux tâches moins urgentes. OpenAI présente Ultrafast comme une manière de déplacer ce compromis, en gardant GPT-5.6 Sol tout en accélérant fortement l’inférence.
Le billet d’annonce cite plusieurs usages internes et clients. En réponse à incident, le modèle peut lire des journaux, rapprocher des changements récents, synthétiser des échanges d’ingénieurs et proposer les prochaines vérifications pendant que la panne évolue encore. En recherche, OpenAI décrit des boucles d’expérimentation qui passent d’un rythme nocturne à plusieurs itérations dans la journée.
Cerebras derrière le palier Ultrafast
Le mode repose sur le partenariat entre OpenAI et Cerebras, déjà positionné sur l’inférence à très faible latence. Cerebras indique de son côté fournir la capacité qui alimente ce nouveau palier pour GPT-5.6 Sol. Pour les développeurs, le signal est clair : la performance perçue des agents ne dépend plus seulement du modèle, mais aussi du choix du palier d’exécution, de l’orchestration et de la gestion du contexte.
Cette annonce s’inscrit dans une séquence plus large autour de GPT-5.6. Le guide publié le même jour par OpenAI insiste sur les gains de coût et de performance obtenus avec les nouveaux contrôles d’API : raisonnement persistant, compaction, orchestration multi-agent et appels d’outils programmatiques. Ultrafast ajoute une dimension de latence à ce même chantier.
Un aperçu encore restreint
OpenAI ne généralise pas encore l’accès. Le mode est disponible en aperçu limité, avec une extension prévue à mesure que la capacité augmente. Il faudra donc attendre les retours de production, les conditions tarifaires et les limites exactes avant de savoir dans quels produits Ultrafast devient économiquement pertinent.
Pour les entreprises qui bâtissent des agents connectés à plusieurs outils, l’enjeu est néanmoins important. Un modèle capable de raisonner plus vite peut réduire l’attente visible, mais aussi changer la manière dont les workflows sont conçus : davantage d’allers-retours, des vérifications plus fréquentes, et des interfaces où l’utilisateur reste dans la boucle sans subir les temps morts habituels.
