Mise à jour sur les limites de Codex
OpenAI a identifié la cause de l'épuisement accéléré des quotas Codex, liée à une baisse du taux de réussite du cache. L'entreprise promet un correctif imminent.
Mise à jour sur les limites de Codex
OpenAI a effectivement trouvé une raison probable expliquant pourquoi certains utilisateurs ont constaté cette semaine une augmentation notable de la vitesse d'épuisement de leurs limites.
Il s'avère que certains utilisateurs ont subi une diminution de leur taux de réussite du cache (cache hit rate). Étant donné que le cache influence considérablement la consommation de tokens, ce phénomène pourrait avoir accéléré l'utilisation des quotas.
OpenAI examine actuellement la situation et promet de fournir une mise à jour demain.
Bien noté.
Cinq réinitialisations sauvegardées pour tout le monde — et nous sommes quittes.
Pourquoi c'est important
AnalyseCette information est cruciale car les utilisateurs de Codex risquent de voir leur productivité impactée par une consommation imprévue de leurs limites. La résolution rapide annoncée par OpenAI devrait permettre de stabiliser l'expérience utilisateur.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Codex Skills pour débutants : comment automatiser les scénarios de travail des agents IA
Guide pratique pour créer et utiliser les Skills dans Codex : anatomie du fichier SKILL.md, activation explicite et automatique, différences entre les compétences, les scripts et les outils, l'API Skills et la configuration des limites de sécurité.
OpenAI prépare les GIF animés pour ChatGPT
OpenAI a ajouté un support expérimental pour la génération de GIF animés dans Codex, via OpenAI Images API. Cette fonction pourrait bientôt arriver dans ChatGPT.
Mise à jour de ChatGPT : développement et workflows avec les plugins et Codex
Guide pratique complet pour la création, l'empaquetage, le test et la publication de plugins pour ChatGPT et Codex : spécification du manifeste, serveurs MCP, hooks de cycle de vie, marketplaces personnalisées et processus de revue OpenAI.
Dépassement de la fenêtre de contexte et compression
Modèles d'ingénierie pour prévenir les défaillances critiques lors de l'épuisement de la limite de contexte : résumés glissants (Rolling Summaries), agrégation d'états et éviction sélective des historiques obsolètes.