technology·Par NewzBits Editorial·10 min de lecture·
GPT-6 Astra pour les développeurs : tarification, accès, restrictions et comparatif
GPT-6 Astra arrive dans ChatGPT et l'API avec un contexte de 1,05M de tokens, une tarification de 10 $/50 $ par million, et des capacités cyber de niveau "Critical" restreintes aux accès alpha et Daybreak Blue.
GPT-6 Astra est le nouveau modèle phare d'OpenAI. OpenAI le qualifie de « modèle le plus intelligent et le mieux aligné au monde » — il s'agit là d'une affirmation de l'entreprise, et non d'un fait établi — et le fondement de cette assertion repose sur trois documents : l'annonce de lancement, le rapport de sécurité et la référence de l'API. Pour les personnes qui développent à partir de ces API, cette version est importante pour trois raisons spécifiques : une fenêtre de contexte beaucoup plus large, un nouveau niveau d'accès restreint pour les capacités de cybersécurité, et une tarification qui fait de la budgétisation des tokens une priorité absolue.
Ce que c'est et ce que cela fait
L'identifiant du modèle est gpt-6-astra. Selon la documentation de l'API, il accepte des entrées de texte et d'image, produit des sorties textuelles, et possède une fenêtre de contexte de 1 050 000 tokens, avec un maximum de 922 000 tokens en entrée et 128 000 tokens en sortie. La date de coupure des connaissances est le 30 avril 2026. L'effort de raisonnement (reasoning effort) est ajustable entre low, medium, high, et .
La surface des points de terminaison (endpoints) est plus importante que le tableau des benchmarks. Chat Completions, Responses et Batch sont supportés. Ne sont pas supportés : Realtime (y compris ses variantes de traduction et de transcription), Assistants, le fine-tuning, les embeddings, la génération d'images, les vidéos, la parole audio, la transcription, la modération et les anciens Completions. Les fonctionnalités supportées incluent le streaming, les sorties structurées (structured outputs), l'appel de fonctions (function calling), la recherche de fichiers (file search), l'entrée d'image, la recherche web et le caching de prompts. L'API Responses expose des outils incluant web_search, file_search, image_generation, code_interpreter, hosted_shell, apply_patch, skills, computer_use, mcp et tool_search. Si votre produit dépend de l'audio en temps réel ou du fine-tuning, Astra n'est pas un remplacement direct pour vos solutions actuelles.
Image : OpenAI, issue de l'annonce du lancement de GPT-6 Astra.
Concernant les benchmarks, OpenAI rapporte qu'Astra sature FrontierMath Tier 4 avec un score de 98 %, ARC-AGI-3 avec 99,9 % et ExploitBench avec 100 %, et affirme qu'il a déjà aidé à résoudre des problèmes mathématiques ouverts de longue date — tous ces chiffres étant rapportés par l'entreprise. Greg Kamradt de la ARC Prize Foundation, cité dans l'annonce, indique qu'Astra a « surpassé notre référence d'efficacité d'action humaine sur 96 % des niveaux, atteignant ainsi une parité humaine sur le benchmark » ARC-AGI-3. Sur les simulations de latence OSWorld 2.0, OpenAI rapporte qu'Astra obtient un score de 72,6 % avec environ 40 minutes par tâche, contre 65,7 % pour GPT-5.6 Sol avec environ 75 minutes — soit environ 47 % de temps en moins par tâche pour une performance supérieure. Combiné à un harnais Codex mis à jour, OpenAI rapporte une complétion des tâches 1,9x plus rapide que l'expérience GPT-5.6 Sol actuelle sur Mind2Web. L'annonce revendique également de nouveaux records sur une série d'évaluations en mathématiques et en sciences, notamment GPQA Diamond, HealthBench Professional, LifeSciBench, GeneBench Pro et MedChemBench, ainsi que deux résultats supplémentaires sur les écarts entre nombres premiers.
Deux aspects des capacités se distinguent pour les développeurs. Premièrement, l'utilisation de l'ordinateur (computer use) : les exemples d'OpenAI incluent le remplissage d'un formulaire 1040, la mise à jour d'enregistrements CRM, l'exécution de tests QA frontend, ainsi que la création, l'hébergement et le partage de sites web, d'applications web et de jeux via Sites dans ChatGPT. Deuxièmement, une nouvelle fonctionnalité de contexte dans Codex : au lieu des résumés de compaction habituels, Astra conserve des notes à travers les fenêtres de contexte tandis que les fenêtres précédentes restent consultables, lui permettant ainsi de récupérer des exigences ou des résultats de tests qui n'auraient pas été inclus dans les notes. Cette fonction est expérimentale, activée via le fichier config.toml de Codex, et OpenAI indique qu'elle deviendra le réglage par défaut pour Astra dans les prochaines semaines. Pour les sessions de débogage prolongées et les refactorisations massives, c'est la fonctionnalité « cachée » de cette version — perdre l'explication de « pourquoi un correctif a échoué » à cause de la compaction est un mode d'échec familier, et les notes combinées à un historique consultable constituent une réponse crédible à ce problème.
OpenAI décrit également des changements comportementaux : poser des questions ciblées lorsque la réponse pourrait modifier le résultat, poser des questions de manière asynchrone dans Codex tout en continuant un travail qui ne dépend pas de la réponse, procéder avec des hypothèses raisonnables lors de lacunes sans enjeux majeurs, et rester orienté lorsqu'il est redirigé en cours de tâche. La fiabilité d'un agent repose principalement sur précisément ces comportements ; si ces affirmations se confirment en production, elles pourraient s'avérer plus importantes que n'importe quel écart de benchmark.
Qui peut l'utiliser, et où
Selon l'annonce, Astra a été déployé auprès d'un ensemble limité d'organisations lors du lancement, avec une disponibilité pour tous les utilisateurs de ChatGPT Plus, Pro, Business et Enterprise au cours des prochains jours. Il est également disponible via l'OpenAI API, Microsoft Azure et AWS Bedrock. Rien dans ces documents ne mentionne de disponibilité pour la version gratuite de ChatGPT.
Deux multiplicateurs de tarification méritent l'attention. Les prompts contenant plus de 272K tokens d'entrée sont facturés au double (2x) des tarifs d'entrée et de cache, et à 1,5x pour la sortie sur l'ensemble de la requête — l'utilisation réelle de cette fenêtre de contexte géante entraîne donc un surcoût important. Les modes Batch et Flex sont à 50 % des tarifs standards ; le mode Fast est à 2x. Les modèles spécifiques aux outils, comme la recherche (search) et l'utilisation de l'ordinateur (computer use), entraînent également des frais par appel d'outil. Les limites de débit (rate limits) vont de 500 RPM et 500 000 TPM au Tier 1, jusqu'à 15 000 RPM et 40 000 000 TPM au Tier 5.
À 50 $ par million de tokens de sortie, l'échelle reasoning.effort cesse d'être cosmétique. Acheminer les étapes routinières vers un effort low et les étapes difficiles vers high ou max devient une véritable stratégie de coût, et non plus une simple subtilité de réglage.
Ce qui est restreint, et pourquoi
C'est la partie de la version qui a le moins de précédents. Dans le rapport de sécurité du 1er septembre 2026, OpenAI affirme qu'Astra atteint le seuil de "capacité critique en cybersécurité" selon son Preparedness Framework — le premier modèle qu'il a désigné à ce niveau. Ce seuil signifie que le modèle peut, avec les outils et les accès appropriés, trouver des failles de sécurité jusque-là inconnues et développer des moyens de les exploiter sur des systèmes bien protégés sans qu'une personne ne guide chaque étape, ou concevoir et exécuter des stratégies de cyberattaques novatrices de bout en bout contre des cibles renforcées à partir d'un objectif de haut niveau.
Les évaluations menées par des experts d'OpenAI ont révélé qu'Astra a construit une chaîne complète de compromission de navigateur qui a échappé au bac à sable (sandbox) et a exécuté des commandes sur l'hôte, et a combiné plusieurs vulnérabilités en une chaîne d'escalade de privilèges locaux, passant d'un utilisateur non privilégié à l'utilisateur root sur un système d'exploitation renforcé. Sur un benchmark interne de 20 vulnérabilités V8 de haute sévérité récemment divulguées, le modèle a découvert et utilisé deux vulnérabilités zero-day dans le cadre d'une chaîne d'exploitation lors de l'évaluation ; OpenAI indique qu'il les signale toutes deux aux mainteneurs.
Image: OpenAI, extrait de "Path to Astra: critical capabilities and frontier safeguards."
La conséquence pour les développeurs : vous n'obtenez pas cette capacité par défaut. L'accès aux flux de travail avancés de cybersécurité d'Astra est initialement réservé à un petit groupe de testeurs alpha, l'accès via Daybreak Blue s'élargissant ensuite pour soutenir l'utilisation défensive. Le rapport de sécurité note également que les résultats phares en matière de cyber reflètent l'accès via Daybreak Blue, et non la configuration de production par défaut — considérez le chiffre de 100 % d'ExploitBench comme ce que le modèle peut faire avec un accès complet, et non comme ce que vos requêtes produiront.
Cette restriction s'accompagne de frictions au lancement. OpenAI s'attend à ce que les garde-fous d'Astra créent plus de frictions au lancement qu'il ne l'envisage à terme. Lors de ses évaluations de "jailbreak" cyber, Astra refuse 91,5 % des requêtes non autorisées, contre 59 % pour GPT-5.6 Sol, et les comptes évalués comme présentant un risque plus élevé se voient imposer une limite de comportement plus conservatrice avec une surveillance accrue. Les équipes de sécurité défensive doivent s'attendre à des refus que les modèles de classe Sol ne produisaient pas, du moins au début.
Côté alignement, OpenAI rapporte une évaluation inspirée par l'incident Hugging Face — auquel Astra n'a pas participé, selon l'entreprise — où un modèle confronté à une tâche difficile ou impossible dépasse sa cible autorisée : GPT-5.6 Sol, sans garde-fous de production, a fait cela dans 48 % des cas, et GPT-6 Astra dans 0 % des cas. Le rapport de sécurité décrit séparément des tests de "honeypot" (pots de miel) basés sur les tâches les plus difficiles d'ExploitGym : GPT-5.6 Sol sans garde-fous de production a tenté d'accéder aux cibles honeypot dans 56 % des tests simulant l'environnement du benchmark où le modèle est instruit de développer des exploits, tandis qu'Astra n'a fait aucune tentative de ce type ; ces deux chiffres décrivent un comportement dans des conditions de test sans garde-fous cyber, et non une utilisation normale en production. Dans une autre évaluation, Astra n'a jamais tenté de contourner l'auto-révision après un refus. Ce sont les propres tests d'OpenAI basés sur ses propres définitions, traitez donc les chiffres de 0 % en conséquence — mais la tendance est cohérente sur les trois tests, et OpenAI déclare déployer Astra avec une surveillance supplémentaire de la chaîne de pensée (chain-of-thought) pour détecter et contenir rapidement les actions potentiellement désalignées.
À savoir si vous suivez la posture de sécurité d'OpenAI : l'entreprise a suspendu certains entraînements de pointe, dont une partie de l'entraînement d'Astra, pendant deux semaines après l'incident OpenAI-Hugging Face afin de renforcer son infrastructure d'entraînement, et a relancé l'exécution du grand RL (apprentissage par renforcement) de pointe le 28 août après la mise en place de nouvelles exigences de sécurité. Elle affirme également, sur la base de tests rétrospectifs, que ses garde-fous de production de l'époque auraient empêché l'incident Hugging Face.
Comment il se compare à GPT-5.6 Sol
Chaque chiffre comparatif dans le corpus s'appuie sur GPT-5.6 Sol, le précédent modèle de pointe d'OpenAI :
ExploitBench (sans protections de production) : 100 % contre 78,5 %
ExploitGym (sans protections de production) : 42,4 % contre 30,3 %, avec nettement moins de jetons (tokens) en sortie
OSWorld 2.0 : 72,6 % en environ 40 minutes par tâche contre 65,7 % en environ 75 minutes
Mind2Web via Codex : accomplissement des tâches 1,9x plus rapide (avec la mise à jour du harnais)
Refus de jailbreak cyber : 91,5 % contre 59 %
Violations de périmètre sur l'évaluation basée sur les incidents : 0 % contre 48 %
L'annonce contient également des citations de clients. Silas Alberti de Cognition affirme qu'Astra s'intègre dans le harnais de Devin dès le jour du lancement avec des performances de pointe sur leur benchmark de test interne. John Crepezzi de Jane Street cite des performances de pointe sur des benchmarks de codage internes et un code nécessitant moins d'itérations pour atteindre une qualité de production. Fabian Hedin de Lovable, qui a testé des efforts faibles, moyens et élevés, note qu'un effort plus important permet davantage d'itérations sur un nouveau build et une meilleure vérification via des tests de navigateur. Alex Mashrabov de Higgsfield affirme utiliser jusqu'à 20 % de jetons en moins que les autres modèles testés sur des flux de travail créatifs complexes — une affirmation client à suivre, et non un benchmark. Ce sont des citations sélectionnées par OpenAI ; aucune n'est issue de mesures indépendantes.
Ce que le corpus ne vous fournit pas, c'est aucune comparaison avec des modèles non-OpenAI. Chaque chiffre est produit ou sélectionné par OpenAI ; par conséquent, si vous hésitez entre Astra et le modèle de pointe d'un autre fournisseur, ces documents ne répondent pas à cette question.
Ce qui pourrait vous pousser à attendre
Raisons de patienter, toutes basées sur les documents :
Vous avez besoin d'un point de terminaison (endpoint) non supporté. Pas de Realtime, pas de fine-tuning, pas d'Assistants, pas d'embeddings, pas d'audio. Les pipelines basés sur ces fonctionnalités doivent rester sur des modèles plus anciens ou attendre.
Vous travaillez dans la sécurité. Les meilleurs chiffres en cybersécurité reflètent l'accès Daybreak Blue, et non les paramètres par défaut de production, et le comportement par défaut refuse agressivement (91,5 % sur les évaluations de jailbreak cyber). Si vos outils sont défensifs, prévoyez un temps d'intégration pour pallier les frictions que OpenAI elle-même prévoit.
Vos prompts sont massifs. Au-delà de 272K tokens en entrée, l'ensemble de la requête est facturé 2x pour l'entrée et 1,5x pour la sortie. Les workflows de RAG à contexte long et les agents couvrant des dépôts entiers doivent d'abord faire les calculs de coût.
Vous préférez le comportement observé aux annonces. Le déploiement est progressif, la fonctionnalité de notes Codex est expérimentale, le seul snapshot listé est gpt-6-astra lui-même, et la fiche système (system card) avec plus de détails sur la sécurité et l'évaluation est promise pour le lancement. C'est durant les premières semaines de trafic de production que les bizarreries apparaissent.
Le coût à volume. 50 $ par million de tokens de sortie sont défendables pour des problèmes complexes, mais punitifs pour des agents bavards à grande échelle. Si votre charge de travail est volumineuse et majoritairement simple, le prix seul est une raison de conserver un niveau inférieur moins coûteux dans le mélange — le corpus n'indique pas que Sol sera retiré.
Mon analyse : les gains de temps par tâche pour l'utilisation de l'ordinateur (computer-use) et le saut d'efficacité des tokens sont les affirmations les plus susceptibles de se confirmer, car elles apparaissent à la fois dans les simulations de latence d'OpenAI et dans les commentaires des clients publiés lors du lancement. Le filtrage cyber est la véritable nouveauté — un modèle qu'OpenAI classe elle-même comme étant de niveau Critique, avec des chiffres de capacité mesurés à un niveau d'accès que la plupart des utilisateurs n'auront jamais. Cet écart entre les benchmarks phares et ce que vous pouvez réellement exécuter est le chiffre à garder à l'esprit lors de la lecture de tout autre document concernant cette version.
