OpenAI a mis GPT-6 Astra en préversion le 3 septembre, à 10 dollars le million de tokens en entrée et 50 en sortie. Le modèle sort du plus gros entraînement jamais lancé par le laboratoire, et sa présentation s’est accompagnée d’une phrase que personne n’avait encore osée en interne.
Pour résumer
- Astra affiche 99,9 % sur ARC-AGI-3, mais retombe à 62,7 % dès qu’on repasse au harnais standard du benchmark.
- Le modèle atteint 100 % sur ExploitBench et devient le premier classé au niveau critique en cybersécurité chez OpenAI.
- Sur l’indice Artificial Analysis, Claude Fable 5.1 reste devant à 65,7 contre 61,2.
Faire résumer cet article par une IA
ChatGPTCent mille GPU derrière le plus gros entraînement du laboratoire
GPT-6 Astra est arrivé le 3 septembre en préversion limitée, réservée aux organisations du programme Daybreak. Le déploiement vers les comptes Plus, Pro, Business et Enterprise suit dans les jours qui viennent, avec l’API, AWS Bedrock et Azure.
Deux variantes circulent. La version standard porte le label gpt-6-astra dans l’API, tandis qu’Astra Pro reste attaché aux abonnements Pro, Business et Enterprise.
L’entraînement a mobilisé plus de 100 000 GPU sur le site Stargate au Texas. OpenAI le décrit comme sa plus grande campagne à ce jour, ce qui tranche avec le mois d’août, quand le laboratoire avait mis en pause l’entraînement le plus lourd de son histoire.
La fenêtre de contexte s’établit à 1 050 000 tokens, dont 922 000 en entrée maximum, pour 128 000 tokens en sortie. La date de coupure des connaissances est fixée au 30 avril 2026.
Greg Brockman a résumé la sortie d’une formule courte, « Welcome to the AGI era », en avançant que le modèle pourrait relever de l’intelligence artificielle générale ou en marquer le seuil. C’est le genre de déclaration qui, chez OpenAI, était jusqu’ici réservée aux prospectives lointaines.
Le vocabulaire n’est pas neutre pour le laboratoire. La question de savoir à quel moment un système bascule dans cette catégorie a déjà occupé un tribunal, quand Stuart Russell est venu alerter sur la course aux armements que déclencherait une telle bascule.
L’antécédent le plus parlant reste mathématique. Le modèle s’était déjà signalé en résolvant dix problèmes ouverts que personne n’avait fermés avant lui, un mois avant sa mise à disposition.
Les scores qui portent la revendication, et ceux qui la contredisent
Le chiffre affiché en tête est 99,9 % sur ARC-AGI-3. Il tombe cependant à 62,7 % lorsque l’évaluation repasse par le harnais standard du benchmark, celui qui sert à comparer les modèles entre eux.
L’écart de trente-sept points entre deux mesures du même test rappelle une règle simple. Le score dépend autant de l’échafaudage qui pilote le modèle que du modèle lui-même, et les deux ne se comparent pas.
Ailleurs, les résultats tiennent sans réserve. FrontierMath Tier 4 monte à 97,6 %, GPQA Diamond à 96 %, et la lecture longue reste à 100 % de précision entre 256 000 et 512 000 tokens, puis 96,3 % au-delà.
Sur l’usage machine, Astra prend nettement le dessus sur GPT-5.6 Sol. OSWorld 2.0 passe de 65,7 % à 72,6 % avec des tâches exécutées 47 % plus vite, et ScreenSpot-Pro grimpe de 76,9 % à 92,7 %.
La cybersécurité est le terrain où l’écart devient spectaculaire. ExploitBench affiche 100 %, ExploitGym 42,4 % contre 30,3 %, et le modèle a mis au jour deux failles zero-day inconnues pendant sa propre évaluation.
Ces chiffres ont un prix documentaire. Ils ont été obtenus sans les garde-fous de production, ce qui explique pourquoi le franchissement du seuil critique en cybersécurité était anticipé dès le mois d’août.
L’accès aux capacités offensives les plus avancées reste donc filtré. Il passe d’abord par les testeurs, avant un élargissement via la plateforme de cyberdéfense que le laboratoire avait ouverte au printemps.
Le contrepoint vient du classement agrégé. Sur l’indice Artificial Analysis, Astra marque 61,2 quand Claude Fable 5.1 tient 65,7, et l’écart n’est pas anecdotique pour un modèle présenté comme une bascule de génération.
Le détail par famille de tâches confirme la nuance. Fable 5.1 domine Humanity’s Last Exam avec outils, 65,0 % contre 57,2 %, et Muse Spark 1.3 passe devant sur DeepSWE v1.1 avec 75,4 % contre 74,1 %.
D’autres articles sur Horizon
- OpenAI rend le raisonnement d’Astra plus dur à suivre
- Gemini 3.8 Flash talonne Claude Opus 5 sur le code
- La détection du texte Claude s’ouvre aux médias
Ce que la facture change pour les équipes qui migrent
Le tarif s’aligne exactement sur celui d’Anthropic pour son haut de gamme, 10 dollars le million en entrée et 50 en sortie. La convergence des deux grilles au dollar près n’a rien d’un hasard de marché.
Rapporté à la génération précédente, l’addition est plus rude. GPT-6 Astra revient à 2,5 fois le prix de GPT-5.6 Sol, et le mode rapide multiplie encore la note par deux et demi pour un gain de vitesse équivalent.
Le cache change la lecture de la facture. L’entrée mise en cache tombe à 1 dollar le million, mais l’écriture en cache coûte 12,50 dollars, ce qui pénalise les charges où le contexte bouge à chaque appel.
Pour une équipe produit, l’arbitrage se joue donc sur la stabilité du contexte plus que sur le classement. Une boucle d’agent qui rejoue le même préfixe amortit le surcoût, une chaîne qui reconstruit son prompt à chaque tour le paie plein tarif.
Côté concurrence, la sortie met la pression sur deux fronts distincts. Anthropic voit son différenciant tarifaire disparaître sur le segment haut, et Meta se retrouve à défendre son avantage de coût avec un modèle qui bat Astra sur le code pour une fraction du prix.
Reste la question de l’audit, et elle n’est pas réglée par les tables de scores. Astra s’appuie sur une profondeur récurrente qui déplace une partie du calcul hors de la trace lisible, un choix que nous détaillions en observant comment le raisonnement du modèle devient plus dur à suivre.
Les prochaines semaines diront lequel des deux signaux l’emporte. La revendication d’une bascule de génération tient à des scores obtenus en conditions favorables, quand l’indice agrégé et la facture racontent une histoire nettement plus ordinaire.
Affaire à suivre sur Horizon.
