Passer au contenu principal
Cette note explique comment examiner le programme de parité GPT-5.4 / Codex en quatre unités de fusion sans perdre l’architecture originale à six contrats.

​
Unités de fusion

​
PR A : exécution strictement agentique

Possède :
  • executionContract
  • suivi dans le même tour avec GPT-5 en priorité
  • update_plan comme suivi de progression non terminal
  • états bloqués explicites au lieu d’arrêts silencieux limités au plan
Ne possède pas :
  • classification des échecs d’authentification/d’exécution
  • véracité des permissions
  • refonte de la relecture/continuation
  • benchmarking de parité

​
PR B : véracité de l’exécution

Possède :
  • correction des scopes Codex OAuth
  • classification typée des échecs provider/runtime
  • disponibilité véridique de /elevated full et raisons de blocage
Ne possède pas :
  • normalisation du schéma des outils
  • état de relecture/vivacité
  • barrières de benchmark

​
PR C : correction de l’exécution

Possède :
  • compatibilité des outils OpenAI/Codex détenue par le provider
  • gestion stricte des schémas sans paramètres
  • remontée de replay-invalid
  • visibilité des états de tâches longues paused, blocked et abandoned
Ne possède pas :
  • continuation auto-élue
  • comportement générique du dialecte Codex en dehors des hooks provider
  • barrières de benchmark

​
PR D : harnais de parité

Possède :
  • premier pack de scénarios GPT-5.4 vs Opus 4.6
  • documentation de parité
  • rapport de parité et mécanismes de barrière de publication
Ne possède pas :
  • changements de comportement à l’exécution hors QA-lab
  • simulation auth/proxy/DNS à l’intérieur du harnais

​
Correspondance avec les six contrats originaux

Contrat originalUnité de fusion
Correction transport/authentification providerPR B
Compatibilité contrat/schéma des outilsPR C
Exécution dans le même tourPR A
Véracité des permissionsPR B
Correction relecture/continuation/vivacitéPR C
Barrière benchmark/publicationPR D

​
Ordre de revue

  1. PR A
  2. PR B
  3. PR C
  4. PR D
PR D est la couche de preuve. Il ne doit pas être la raison pour laquelle les PR de correction d’exécution sont retardées.

​
Points à examiner

​
PR A

  • les exécutions GPT-5 agissent ou échouent en fermeture stricte au lieu de s’arrêter à un commentaire
  • update_plan ne ressemble plus à une progression à lui seul
  • le comportement reste centré sur GPT-5 et limité à Pi intégré

​
PR B

  • les échecs auth/proxy/runtime cessent de se fondre dans un traitement générique « le modèle a échoué »
  • /elevated full n’est décrit comme disponible que lorsqu’il l’est réellement
  • les raisons de blocage sont visibles à la fois pour le modèle et pour le runtime orienté utilisateur

​
PR C

  • l’enregistrement strict des outils OpenAI/Codex se comporte de façon prévisible
  • les outils sans paramètres n’échouent pas aux vérifications strictes de schéma
  • les résultats de relecture et de Compaction préservent un état de vivacité véridique

​
PR D

  • le pack de scénarios est compréhensible et reproductible
  • le pack inclut une voie mutante de sécurité de relecture, et pas seulement des flux en lecture seule
  • les rapports sont lisibles par des humains et par l’automatisation
  • les affirmations de parité sont étayées par des preuves, et non anecdotiques
Artefacts attendus de PR D :
  • qa-suite-report.md / qa-suite-summary.json pour chaque exécution de modèle
  • qa-agentic-parity-report.md avec comparaison agrégée et au niveau des scénarios
  • qa-agentic-parity-summary.json avec un verdict lisible par machine

​
Barrière de publication

Ne revendiquez pas la parité GPT-5.4 ni sa supériorité sur Opus 4.6 tant que :
  • PR A, PR B et PR C ne sont pas fusionnées
  • PR D n’exécute pas proprement le premier pack de parité
  • les suites de régression de véracité à l’exécution restent vertes
  • le rapport de parité ne montre aucun cas de faux succès ni aucune régression du comportement d’arrêt
Le harnais de parité n’est pas la seule source de preuve. Gardez cette séparation explicite lors de la revue :
  • PR D possède la comparaison basée sur les scénarios GPT-5.4 vs Opus 4.6
  • Les suites déterministes de PR B possèdent toujours les preuves auth/proxy/DNS et de véracité d’accès complet

​
Carte objectif → preuve

Élément de barrière de complétionPropriétaire principalArtefact de revue
Pas de blocage limité au planPR Atests d’exécution strictement agentique et approval-turn-tool-followthrough
Pas de fausse progression ni de fausse complétion d’outilPR A + PR Dnombre de faux succès de parité plus détails du rapport au niveau des scénarios
Pas de faux conseils /elevated fullPR Bsuites déterministes de véracité à l’exécution
Les échecs de relecture/vivacité restent explicitesPR C + PR Dsuites lifecycle/replay plus compaction-retry-mutating-tool
GPT-5.4 égale ou dépasse Opus 4.6PR Dqa-agentic-parity-report.md et qa-agentic-parity-summary.json

​
Raccourci pour reviewer : avant vs après

Problème visible par l’utilisateur avantSignal de revue après
GPT-5.4 s’arrêtait après la planificationPR A montre un comportement agir-ou-bloquer au lieu d’une complétion limitée au commentaire
L’usage des outils semblait fragile avec les schémas stricts OpenAI/CodexPR C maintient prévisible l’enregistrement des outils et l’invocation sans paramètres
Les indices /elevated full étaient parfois trompeursPR B lie les conseils à la capacité réelle d’exécution et aux raisons de blocage
Les tâches longues pouvaient disparaître dans l’ambiguïté relecture/CompactionPR C émet un état explicite paused, blocked, abandoned et replay-invalid
Les affirmations de parité étaient anecdotiquesPR D produit un rapport plus un verdict JSON avec la même couverture de scénarios sur les deux modèles

​
Lié