GPT-6 Astra : ce qu'OpenAI a sorti, prix et benchmarks

OpenAI a annoncé GPT-6 Astra le 3 septembre 2026, la couverture presse suivant le lendemain. Tout le monde ne l'a pas eu en même temps : les entreprises admises dans le Trusted Access Program, un programme sur candidature, l'ont eu en premier, puis l'API et ChatGPT Plus, Pro, Business et Enterprise ont suivi dans les jours d'après, avec aussi une distribution via Amazon Web Services. Sources : CNBC, Al Jazeera.

C'est le modèle phare actuel d'OpenAI, et le nom mérite d'être décomposé : Astra désigne la sortie, GPT-6 la génération. OpenAI le vend comme le modèle « le plus intelligent et le mieux aligné du monde » et le positionne sur le travail agentique de longue haleine : les tâches qui s'enchaînent sur de nombreuses étapes sans qu'un humain rectifie la trajectoire, donc l'usage d'ordinateur, le développement, la recherche et les workflows professionnels multi-étapes. Source : OpenAI via CNBC.

Sur l'API, 10 dollars par million de tokens en entrée et 50 dollars par million en sortie, avec les préfixes de prompt réutilisés facturés 1 dollar par million de tokens en cache. Cette remise sur le cache n'est pas un détail : pour un agent qui renvoie un gros prompt système à chaque tour, c'est ce qui sépare une facture tenable d'une facture absurde. Les abonnés ChatGPT y accèdent via leur formule Plus, Pro, Business ou Enterprise. Sources : OpenRouter, CloudZero.

1 050 000 tokens en entrée et jusqu'à 128 000 tokens en sortie. En ordre de grandeur, un million de tokens représente quelques milliers de pages : une base de code entière ou un dossier complet tiennent dans une seule requête. Le plafond de sortie est celui qu'on oublie : un modèle peut lire un million de tokens et rester limité à ce qu'il réécrit en une réponse. Sources : OpenRouter, llm-stats.

Sur les benchmarks publiés par OpenAI, Astra devance son prédécesseur GPT-5.6 Sol et le Claude Fable 5 d'Anthropic. À lire avec la prudence habituelle : ce sont les chiffres de l'éditeur sur les tests choisis par l'éditeur, et les avances au benchmark ont souvent mal résisté au contact des usages réels. La réponse honnête est que les deux sont assez proches pour que le choix se joue sur le prix, la latence et le comportement sur vos tâches. Source : Al Jazeera.

OpenAI annonce 99,9 % sur ARC-AGI-3, 97,6 % sur FrontierMath Tier 4, 72,6 % sur OSWorld 2.0 et 100 % sur ExploitBench. Le chiffre le plus parlant concerne la récupération en contexte long : 96,3 % sur MRCR v2 contre 73,8 % pour GPT-5.6 Sol. Un écart pareil est ce qui rend une fenêtre d'un million de tokens réellement exploitable plutôt que décorative, car un contexte dans lequel on ne retrouve rien est juste cher. Source : OpenAI.

Astra expose cinq niveaux d'effort, donc vous choisissez combien de temps le modèle réfléchit avant de répondre. Un effort faible est plus rapide et moins cher pour de l'extraction ou de la mise en forme ; un effort élevé consomme beaucoup plus de tokens de sortie en raisonnement interne et convient aux démonstrations, au débogage et à la planification. Comme la sortie est facturée 50 dollars le million, ce réglage est un levier de coût direct, pas seulement de qualité.

Trois voies. ChatGPT, si vous êtes en Plus, Pro, Business ou Enterprise, où il apparaît dans le sélecteur de modèle. L'API OpenAI, avec l'identifiant `gpt-6-astra`. Amazon Web Services, pour les équipes qui routent déjà leurs modèles par AWS. Les tout premiers accès sont allés aux entreprises retenues dans le Trusted Access Program, orienté cybersécurité : c'est une candidature, pas un achat. Sources : CNBC, OpenRouter.

Parce que ce qui rend Astra utile est exactement ce qui le rend inquiétant. Un modèle qui obtient 100 % sur ExploitBench est, dit simplement, très bon pour trouver des failles logicielles, ce qui coupe des deux côtés. L'annonce d'OpenAI a consacré une place inhabituelle à l'alignement et au mésusage, et le déploiement est passé par un programme cybersécurité filtré plutôt que par une ouverture générale. L'examen critique des sorties de modèles de pointe s'est durci en 2026, et le cadrage s'en ressent. Source : Al Jazeera.

Ça dépend de ce que vous faites tourner. Si votre usage se résume à des prompts courts et des sorties simples, les modèles plus anciens et bien moins chers suffisent et le prix au token d'Astra est difficile à justifier. Si vous faites tourner des agents sur de nombreuses étapes, de gros documents, ou du code à lire avant de l'écrire, c'est là que le contexte long et l'usage d'ordinateur font la différence. Le réflexe pragmatique est de router par type de tâche plutôt que de tout migrer d'un coup.