GPT-5.2-Codex : contexte 400K, prix et migration

Les caractéristiques vérifiées

La fiche décrit un modèle de code avec 400 000 tokens de contexte et 128 000 tokens de sortie maximale. Il accepte texte et image en entrée, produit du texte et propose les niveaux de raisonnement low, medium, high et xhigh. Les tarifs indiqués par million de tokens sont de 1,75 $ en entrée, 0,175 $ en entrée mise en cache et 14 $ en sortie. Source : documentation du modèle.

L’ancien texte annonçait 256K et faisait de la taille de contexte une garantie de compréhension d’un dépôt entier. Cette garantie a été retirée. Mettre davantage de fichiers à disposition ne démontre pas que la bonne règle métier sera retrouvée ou conservée.

Ce qu’une grande fenêtre de contexte ne remplace pas

Un dépôt contient du code, des conventions, des tests et parfois des règles contradictoires. Le premier travail consiste à identifier ce qui fait autorité pour la tâche. Un exemple ancien ne doit pas devenir la spécification d’un comportement nouveau par accident.

Préparez une courte liste de fichiers utiles : fonction concernée, appels, tests et documentation de la règle. Écartez les copies, sorties générées et documents sans rapport. Demandez ensuite à l’assistant d’expliquer les éléments manquants avant de supposer une réponse.

Exemple de coût, avec hypothèses explicites

Cas arithmétique fictif : 100 000 tokens d’entrée non mis en cache et 10 000 tokens de sortie facturés, sans outil ni autre frais.

• →Entrée : 100 000 / 1 000 000 × 1,75 $ = 0,175 $.
• →Sortie : 10 000 / 1 000 000 × 14 $ = 0,14 $.
• →Total de cet exemple : 0,315 $.

Ce montant n’est ni un devis pour un correctif réel ni le prix d’une session complète. Les lectures répétées, tentatives, outils et tokens facturés doivent être pris en compte selon l’environnement. Le budget des comparatifs LearnIA reste de 0 € : nous proposons ce calcul, sans lancer d’appel payant.

Préparer une migration sans confondre modèle et application

Pour comparer une ancienne intégration et une solution actuelle, conservez le même point de départ. Notez aussi les outils et droits accordés : un agent qui peut exécuter les tests dispose d’un environnement différent d’un chat qui ne voit qu’un extrait.

Voici une petite grille proposée par LearnIA. Les résultats doivent rester vierges tant qu’aucune exécution n’existe.

Atelier : préserver une donnée manquante

Cas fictif : trois enregistrements de stock contiennent les valeurs 0, 5 et une cellule vide. Un assistant transforme la cellule vide en 0 pour simplifier le total. Le problème n’est pas seulement arithmétique : il a changé « inconnu » en « absence de stock ».

Le corrigé attendu conserve 0 pour l’absence confirmée, 5 pour le stock connu et un état manquant pour le troisième enregistrement. Le total connu est 5, mais le stock global complet est indéterminé. L’interface doit montrer qu’une donnée manque au lieu d’afficher un total complet rassurant.

Crée un exemple fictif de trois lignes de stock : zéro, cinq et une valeur manquante. Définis une sortie qui distingue zéro et inconnu. Propose les tests attendus, sans prétendre les avoir exécutés. Explique ce qu’un total de cinq permet et ne permet pas de conclure. Ne lance aucun appel externe.

Lire les anciens résultats avec leur date et leur protocole

Un classement mélangeant un modèle, un assistant et un éditeur ne permet pas d’isoler l’effet du modèle. Notre comparatif Claude Code/Copilot/Cursor porte sur les environnements ; le guide GPT-5.3-Codex documente une autre version précise.

Pour les scores publics, exigez benchmark, version, agent, budget et nombre de tentatives. Consultez la méthode de comparaison des benchmarks avant de recopier un pourcentage dans une décision d’achat.

Que faire avec une intégration existante ?

Inventoriez les endroits qui imposent cet identifiant, les sorties attendues et les contraintes de données. Préparez une solution de remplacement, mais ne changez pas le modèle directement dans un flux important sans comparer les régressions pertinentes. La mention deprecated ne suffit pas à déterminer le calendrier de votre compte.

Pour apprendre à cadrer une tâche avant d’utiliser un assistant, ouvrez le guide de prompt engineering. Pour une équipe qui souhaite adapter cette vérification à ses documents et outils, consultez l’accompagnement LearnIA.