Codex permet désormais d'exécuter des agents sur des modèles sélectionnés
Codex permet désormais d'exécuter des agents sur des modèles sélectionnés
Codex offre aux utilisateurs la possibilité de lancer des agents sur le modèle de leur choix, ouvrant ainsi la voie à une personnalisation accrue. Cette évolution renforce la flexibilité et l'adaptabilité dans les projets de développement assisté par IA.
Codex permet désormais d'exécuter des agents sur des modèles sélectionnés
Codex autorise maintenant les utilisateurs à faire tourner un agent sur un modèle spécifique de leur choix. Cette fonctionnalité offre une plus grande flexibilité pour personnaliser les projets et expérimenter avec différents modèles.
Dans la démonstration, on peut observer comment Codex exécute toutes les combinaisons possibles de modèles et de niveaux d'effort de réflexion pour construire le même site web dans MagicPath. Cela illustre la puissance et l'adaptabilité de Codex lorsqu'il travaille avec divers modèles d'IA.
Pourquoi c'est important
AnalyseCette nouvelle fonctionnalité permet aux utilisateurs de Codex de tirer parti de l'IA plus efficacement pour la création de projets, ce qui pourrait améliorer significativement la productivité et la créativité dans le développement.
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 : onboarding de base, configuration et premières tâches
Il existe trois façons de travailler avec l'IA pour la rédaction de code – et Codex couvre la plus ambitieuse d'entre elles.
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.
Mémoire à court et long terme des agents
Architecture de mémoire hiérarchique pour les agents autonomes. Distinction entre la mémoire à court terme (Short-Term Memory — fenêtre contextuelle active de la session en cours) et la mémoire à long terme (Long-Term Memory — bases de données vectorielles, fichiers de profil utilisateur et journaux épisodiques).
Des chercheurs du MIT montrent que GPT-6 Astra peut améliorer d’autres modèles d’IA en modifiant leurs poids
Dans une expérience, Astra a porté la précision de Qwen3.5-0.8B sur MATH-500 de 7,9 % à 48,1 % en ne modifiant que 0,016 % des poids du modèle.