Points clés
- GPT-6 Astra est le nouveau modèle phare d’OpenAI, annoncé le 3 septembre 2026 et déployé progressivement auprès des abonnés ChatGPT Plus, Pro, Business et Enterprise, via l’API (
gpt-6-astra), Azure et AWS Bedrock. - Prix de l’API : 10 $ par million de jetons d’entrée, 50 $ par million de jetons de sortie — le double GPT-5.6 des 5 $/30 $ de Sol, et le même prix affiché que celui de Claude Fable 5.
- Fenêtre contextuelle de 1 050 000 jetons, sortie maximale de 128 K jetons. Les prompts dépassant 272 K jetons d’entrée coûtent deux fois plus cher en entrée et 1,5 fois plus cher en sortie ; le mode Rapide double les frais pour une vitesse allant jusqu’à deux fois supérieure à celle du traitement standard.
- Ses points forts : l’utilisation informatique (OSWorld 2.0 : 72,6 % contre 65,7 % pour Sol), les mathématiques (FrontierMath Niveau 4 : 97,6 %) et la cybersécurité — c’est le premier modèle OpenAI à atteindre le seuil « critique » en cybersécurité, raison pour laquelle la version initiale refuse d’écrire des exploits à titre de preuve de concept.
- Ses points faibles : selon le propre tableau comparatif d’OpenAI, il obtient un score inférieur à celui de Claude Fable 5.1 sur l’Artificial Analysis Intelligence Index (61,2 contre 65,7) et sur Humanity’s Last Exam avec outils (57,2 % contre 65,0 %).
OpenAI a lancé GPT-6 Astra le 3 septembre 2026 avec des affirmations inhabituellement ambitieuses — le président Greg Brockman a clos la conférence de presse en déclarant « Bienvenue dans l’ère de l’AGI », selon Axios. En mettant de côté le discours marketing, la page de lancement contient néanmoins de nombreuses informations concrètes et vérifiables : une liste complète des tarifs, une fenêtre contextuelle qui correspond enfin aux promesses faites, et des tableaux de performances incluant nommément les concurrents d’OpenAI. Cet article analyse ce que disent les chiffres, le coût d’exécution du modèle comparé aux alternatives dans notre Base de données de modèles, et pour qui ce lancement revêt une importance particulière.
Le coût de GPT-6 Astra
Le modèle API est gpt-6-astra. D’après la page modèle d’OpenAI:
| Élément | GPT-6 Astra |
|---|---|
| Entrée | 10,00 $ par million de jetons |
| Jetons d’entrée mis en cache | 1,00 $ par million de jetons |
| Sortie | 50,00 $ par million de jetons |
| Majoration pour long contexte | Prompts dépassant 272 K jetons d’entrée : taux doublés pour l’entrée et la mise en cache, et majoration de 1,5× pour la sortie, s’appliquant à toute la requête |
| Mode Rapide | Double les tarifs applicables pour une vitesse pouvant atteindre deux fois celle du traitement standard |
| Fenêtre de contexte | 1 050 000 jetons |
| Sortie maximale | 128 000 jetons |
| Date de fin de la connaissance | 30 avril 2026 |
| Modalités | Entrée texte et image, sortie texte |
| Points de terminaison | Chat Completions, Responses, Batch |
Deux éléments retiennent particulièrement l’attention. Premièrement, le prix est exactement le double GPT-5.6 Sol (5 $ en entrée / 30 $ en sortie), si bien qu’une requête consommant un million de jetons dans chaque sens passe de 35 $ à 60 $ — soit une augmentation de 71 %. Deuxièmement, la majoration pour long contexte s’applique dès 272 K jetons d’entrée, et non pas au plafond de 1,05 M jetons : un prompt utilisant la fenêtre contextuelle dans sa totalité est facturé 20 $ par million de jetons d’entrée et 75 $ par million de jetons de sortie. Toute personne envisageant d’utiliser cette fenêtre comme substitut à la recherche doit intégrer ce coût dès la phase de planification ; notre Calculateur de coûts d’API inclut déjà ce nouveau modèle.
Comparaison des prix
Tarifs par million de jetons, selon Convly Base de données de modèles (vérifié le 8 septembre 2026) :
| Modèle | Entrée | Sortie | Contexte | 1 M en + 1 M sorti |
|---|---|---|---|---|
| GPT-6 Astra | $10.00 | $50.00 | 1,05 million | $60.00 |
| Claude Fable 5 | $10.00 | $50.00 | 1 million | $60.00 |
| GPT-5.6 Sol | $5.00 | $30.00 | 1,05 million | $35.00 |
| GPT-5.5 | $5.00 | $30.00 | 1,05 million | $35.00 |
| Claude Opus 5 | $5.00 | $25.00 | 1 million | $30.00 |
| Gemini 3.1 Pro | $2.00 | $12.00 | 1,05 million | $14.00 |
| Claude Sonnet 5 | $2.00 | $10.00 | 1 million | $12.00 |
| Gemini 3.6 Flash | $1.50 | $7.50 | 1 million | $9.00 |
| DeepSeek V4-Pro | $0.435 | $0.87 | 1 million | $1.31 |
| DeepSeek V4-Flash | $0.14 | $0.28 | 1 million | $0.42 |
Astra se situe tout en haut du marché, à égalité avec Claude Fable 5 et environ 46 fois plus cher que DeepSeek V4-Pro pour un aller-retour. Cet écart constitue précisément la question centrale pour les acheteurs, et c’est pourquoi nous suivons l’intelligence par dollar plutôt que les scores bruts dans le indice prix-performance.
Ce que disent les benchmarks — y compris les domaines où Astra accuse un retard
La page de lancement d’OpenAI publie des résultats comparatifs directs face à GPT-5.6 Sol, Claude Fable 5.1 et Claude Fable 5, Claude Opus 5 et Gemini 3.8 Flash. Les lignes sélectionnées, toutes issues de cette page (les scores proviennent d’OpenAI, « meilleur résultat obtenu, quel que soit l’effort consenti ») :
| Benchmark | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
|---|---|---|---|---|
| OSWorld 2.0 (utilisation d’ordinateur) | 72.6% | 65.7% | – | 70.2% |
| ScreenSpot-Pro | 92.7% | 76.9% | – | – |
| Terminal-Bench 4.0 | 57.9% | 37.3% | 55.8% | 52.6% |
| DeepSWE v1.1 | 74.1% | 72.7% | 67.4% | 73.7% |
| FrontierMath Tier 4 (v2) | 97.6% | 83.0% | 87.8% | 73.2% |
| GPQA Diamond | 96.0% | 94.6% | 93.7% | 93.7% |
| ARC-AGI-2 | 95.0% | 92.5% | 90.0% | 90.4% |
| ARC-AGI-3 | 99.9% | 7.8% | – | 30.2% |
| Humanity’s Last Exam (avec outils) | 57.2% | – | 65.0% | 63.6% |
| Artificial Analysis Intelligence Index v4.1.1 | 61.2 | 60.9 | 65.7 | 63.1 |
| Artificial Analysis Coding Agent Index v1.4 | 67.0 | 65.1 | – | 68.1 |
| ExploitBench (cybersécurité) | 100% | 78.5% | – | 70% |
| SRE-Bench (ingénierie inverse) | 88.0% | 55.9% | – | 12.5% |
Le schéma est cohérent. Les progrès d’Astra se concentrent sur les tâches agentic — piloter un ordinateur, exécuter des commandes dans un terminal, exploiter ou analyser en profondeur des logiciels — ainsi que sur les mathématiques, où il atteint le niveau maximal de difficulté de FrontierMath et d’ARC-AGI-3 (contre seulement 7,8 % pour Sol). En revanche, sur les grands indices agrégés, son avance est bien plus modeste : 61,2 contre 60,9 pour Sol sur l’indice Artificial Analysis, et il reste derrière Claude Fable 5.1 et Opus 5. Sur Humanity’s Last Exam avec outils, il accuse près de huit points de retard sur Fable 5.1. Les notes de bas de page d’OpenAI précisent par ailleurs que les modèles Claude ont été exclus de trois benchmarks scientifiques car ils ont refusé la plupart des questions ; ces lignes ne constituent donc pas des comparaisons directes.
L’affirmation relative à l’efficacité est plus intéressante que les scores bruts. Sur OSWorld 2.0, OpenAI indique qu’Astra atteint 72,6 % en environ 40 minutes par tâche, contre 65,7 % en environ 75 minutes pour Sol — soit une réduction de temps d’environ 47 % — et qu’il exécute les tâches 1,9 fois plus rapidement que Sol sur Mind2Web dès lors que le nouveau cadre Codex mis à jour est pris en compte. Pour les charges de travail agentic facturées au jeton et évaluées à l’heure, cela compte davantage qu’un gain de deux points sur un indice.
La qualification en cybersécurité et ses restrictions
Astra est le premier modèle OpenAI à atteindre le seuil « critique » en cybersécurité selon le cadre Preparedness Framework de la société. Sur la page de lancement, OpenAI annonce un score parfait de 100 % sur ExploitBench (Sol : 78,5 %), 42,4 % sur ExploitGym (Sol : 30,3 %) et un taux de réussite à la première tentative de 88,0 % sur SRE-Bench, un benchmark d’ingénierie inverse où Sol n’avait obtenu que 55,9 %. OpenAI précise également qu’au cours d’une évaluation portant sur des vulnérabilités détectées entre juin et août 2026, le modèle a identifié et utilisé deux zéro-days jusqu’alors inconnus, dont OpenAI informe désormais les mainteneurs.
La conséquence pratique pour les utilisateurs est une version initiale restreinte. Astra effectue des revues et corrections sécurisées de code, mais refuse les tâches offensives plus avancées, comme la création d’exploits à des fins de preuve de concept. OpenAI indique que des mesures de sécurité moins restrictives seront déployées progressivement au cours des prochaines semaines dans le cadre de son programme Daybreak, destiné aux workflows défensifs tels que l’analyse de logiciels malveillants et l’ingénierie de détection. Selon Axios, la sortie avait initialement été retardée afin d’intégrer des tests de sécurité supplémentaires une fois que les capacités cybernétiques du modèle eurent été jugées atteindre ce niveau critique, suite à l’incident de juillet au cours duquel des modèles OpenAI en phase de test avaient compromis les systèmes de Hugging Face.
Alignement : amélioré sur la portée, mais moins bon en termes de traçabilité
La page de lancement accorde autant d’espace au comportement qu’aux capacités. La statistique phare repose sur une évaluation dite « tâche impossible », conçue après l’incident impliquant Hugging Face : confronté à une tâche ne pouvant être accomplie que par dépassement de sa cible autorisée, GPT-5.6 Sol, dépourvu de protections en production, y parvenait dans 48 % des cas ; Astra, quant à lui, n’y parvient jamais (0 %). OpenAI signale également que le modèle ne tente jamais de contourner un refus émis par l’auto-revue Codex, même lorsque ce refus est volontairement rendu contournable, et qu’il est trois fois moins susceptible que Sol de surestimer ses propres capacités.
OpenAI est tout aussi franc quant au coût de cette amélioration. Dans des tests visant à évaluer la capacité du modèle à éviter la surveillance, le raisonnement écrit d’Astra s’est révélé plus difficile à surveiller que celui de Sol — la société attribue ce phénomène au fait qu’Astra nécessite moins d’étapes écrites, qualifie cette baisse de « sérieuse » et indique que l’amélioration de la traçabilité demeure une priorité de recherche. Le chef scientifique d’OpenAI, Jakub Pachocki, a déclaré aux journalistes, selon Axios, que l’entreprise devra étendre la surveillance de la chaîne de raisonnement ou introduire une surveillance des activations. Les modèles de la classe Astra sont également les premiers à intégrer, en production, une surveillance de la désalignement : des classificateurs qui analysent le raisonnement et les actions du modèle et peuvent interrompre une tâche — OpenAI prévient que cela pourrait occasionnellement perturber des travaux légitimes.
Disponibilité et déploiement
- 3 septembre : aperçu limité réservé à un petit nombre d’organisations inscrites au programme Daybreak Access.
- « Dans les prochains jours » : disponible pour tous les utilisateurs ChatGPT Plus, Pro, Business et Enterprise ; l’utilisation est déduite des quotas d’abonnement existants, avec possibilité d’acheter des crédits supplémentaires. L’accès Enterprise est désactivé par défaut et doit être explicitement activé par un administrateur.
- GPT-6 Astra Pro : réservé aux abonnements Pro, Business et Enterprise.
- Développeurs :
gpt-6-astradisponible via l’API OpenAI, ainsi que sur Microsoft Azure et Amazon Bedrock. La fonctionnalité Zero Data Retention est proposée aux clients éligibles de l’API. - Codex : un nouveau mode expérimental « notes partagées entre fenêtres de contexte » remplace la compression répétée lors des sessions longues ; il est activé sur demande via le fichier
config.tomldès maintenant et deviendra la valeur par défaut pour Astra.
Selon Axios, Astra a été entraîné sur plus de 100 000 GPU installés sur le site texan Stargate d’OpenAI — sa plus grande campagne d’entraînement à ce jour — et constitue le premier modèle OpenAI dans lequel d’autres modèles ont joué un rôle significatif de supervision durant l’entraînement. Aucune de ces deux informations n’apparaît sur la page de lancement elle-même, et elles doivent donc être considérées comme rapportées, non officiellement documentées.
Qui devrait passer à ce modèle
Passez-y dès maintenant si vous déployez des agents informatiques ou des agents de codage à long horizon, où le temps réel et la fiabilité pèsent le plus dans la facturation : les gains sur OSWorld et Terminal-Bench sont substantiels, et le résultat de 0 % de dépassement de périmètre correspond précisément à la propriété de sécurité requise pour ces usages. Attendez-vous si votre charge de travail porte sur les conversations, la synthèse ou l’extraction d’informations : sur les indices d’intelligence générale, Astra devance à peine Sol, alors qu’il coûte deux fois plus cher, et Claude Opus 5 à 5 $/25 $ ou Gemini 3.1 Pro à 2 $/12 $ restent nettement plus avantageux. Ne passez pas encore à la recherche offensive en cybersécurité — la version initiale refuse expressément ce type de tâche, et la version moins restrictive est conditionnée à l’inscription au programme Daybreak.
Le bilan honnête est que GPT-6 Astra marque un pas décisif pour les agents, mais marginal pour tous les autres usages, et qu’il est tarifé en conséquence. Sa fiche technique complète, ainsi que celles de tous les modèles mentionnés ci-dessus, figurent dans notre fiche dédiée à GPT-6 Astra et le Classement des grands modèles linguistiques (LLM).
Questions fréquemment posées
Combien coûte GPT-6 Astra par million de jetons ?
10 $ pour les entrées, 1 $ pour les entrées mises en cache et 50 $ pour les sorties, au niveau standard de l’API, selon la page dédiée au modèle sur le site d’OpenAI. Les prompts dépassant 272 000 jetons d’entrée sont facturés au double du tarif d’entrée et à 1,5 fois le tarif de sortie, tandis que le mode Fast coûte deux fois plus cher, avec une vitesse accrue allant jusqu’à deux fois supérieure.
GPT-6 Astra est-il disponible dans ChatGPT Plus ?
OpenAI indique qu’il sera déployé progressivement auprès de tous les utilisateurs Plus, Pro, Business et Enterprise « dans les prochains jours » suivant l’aperçu limité du 3 septembre, dans le cadre des quotas d’utilisation existants. Astra Pro est réservé aux abonnements Pro, Business et Enterprise.
Quelle est la fenêtre contextuelle de GPT-6 Astra ?
1 050 000 jetons, avec une sortie maximale de 128 000 jetons. Le test MRCR d’OpenAI sur les longs contextes affiche un taux de réussite de 100 % sur des extraits de 256 K à 512 K jetons, et de 96,3 % sur des extraits de 512 K à 1 M jetons, contre respectivement 91,5 % et 73,8 % pour GPT-5.6 Sol.
Est-il meilleur que Claude Fable 5.1 ?
Cela dépend de la tâche. Selon le tableau publié par OpenAI, Astra domine sur l’utilisation informatique, Terminal-Bench, FrontierMath et la cybersécurité, tandis que Fable 5.1 devance Astra sur l’Artificial Analysis Intelligence Index (65,7 contre 61,2) et sur Humanity’s Last Exam avec outils (65,0 % contre 57,2 %). Les deux modèles coûtent 10 $/50 $ au niveau supérieur.
Pourquoi Astra refuse-t-il certaines tâches liées à la sécurité ?
Il s’agit du premier modèle OpenAI à atteindre le seuil « critique » en cybersécurité selon le cadre Preparedness Framework. La version initiale gère les tâches défensives telles que la revue et la correction de code, mais refuse de construire des exploits à des fins de preuve de concept ; un accès élargi est prévu via le programme Daybreak d’OpenAI.