GPT-6 Astra est lancé, et le score AGI de 99,9 % dans tous les titres n'est pas le vrai

Ce qu'on peut réellement utiliser aujourd'hui, et ce qui reste verrouillé

Astra se déploie par étapes, pas d'un seul coup. Aujourd'hui, il est actif pour un nombre restreint d'organisations ; les abonnés ChatGPT Plus, Pro, Business et Enterprise l'obtiendront dans les prochains jours, aux côtés de l'API et d'AWS Bedrock. L'accès via Google Cloud et Azure ne faisait pas partie de l'annonce initiale, et il n'y a aucun déploiement sur l'offre gratuite : si vous êtes sur le forfait gratuit de ChatGPT, ce lancement ne vous concerne pas encore. Pour les clients Enterprise, Astra est livré désactivé par défaut ; un administrateur doit l'activer pour l'organisation avant que quiconque dans l'équipe ne puisse l'utiliser, un déploiement plus prudent que celui qu'OpenAI a utilisé pour ses précédents modèles phares.

Tarifs, et la surcharge qui n'apparaît pas dans le tarif affiché

GPT-6 Astra API pricing (Standard)
----------------------------------------------------
Input tokens          $10.00 / million
Output tokens         $50.00 / million
Cached input           $1.00 / million
Cache writes           $12.50 / million
Fast Mode              2x the applicable rate (faster response,
                        unavailable with EU data residency)

Context window: 1,050,000 tokens total - 922,000 max input,
128,000 max output. Knowledge cutoff: 30 April 2026.
Text + image input, text-only output.

Le tarif lui-même est facile à trouver. Ce qui est facile à manquer est enfoui dans la documentation : envoyez un prompt de plus de 272 000 tokens en entrée, et OpenAI facture la totalité de la requête, pas seulement la portion dépassant le seuil, à 2x le tarif entrée/cache et 1,5x le tarif de sortie. Un prompt de recherche de 300 000 tokens ne se voit pas simplement facturer la surcharge sur les 28 000 tokens dépassant le seuil ; chacun des 300 000 tokens est facturé au tarif majoré. Pour quiconque compte s'appuyer sur la fenêtre d'un million de tokens d'Astra pour de longs documents, c'est ce seuil qu'il faut budgéter, pas le tarif affiché de 10 $/50 $.

Le chiffre que tout le monde cite est gonflé, et voici le vrai

La propre page de benchmarks d'OpenAI met en avant un score de 99,9 % sur ARC-AGI-3, le chiffre que la majeure partie de la couverture de mercredi a répété sans nuance. Le [propre blog d'ARC Prize](https://arcprize.org/blog/astra), l'organisation qui gère le benchmark, place un chiffre différent à côté : 62,7 % sur le protocole standard, la configuration neutre vis-à-vis des fournisseurs sur laquelle tous les autres modèles sont notés. Le chiffre de 99,9 % d'OpenAI provient d'un « protocole Provider Adapter » personnalisé qui permet à Astra de conserver un état de raisonnement opaque entre les requêtes et de réutiliser un travail antérieur compacté au lieu de repartir de zéro à chaque tour. Dans cette configuration, Astra a tourné environ 3,7 fois plus vite et utilisé environ moitié moins de tokens que l'exécution standard, un résultat d'ingénierie utile, mais un test différent de celui sur lequel Sol, Fable 5.1 et les modèles de Gemini ont été notés. [Simon Willison](https://simonwillison.net/2026/Sep/3/gpt6-astra/) a signalé la même distinction. Il faut considérer 62,7 % comme le chiffre comparable et 99,9 % comme une démonstration de ce qu'un protocole personnalisé peut accomplir, pas comme une affirmation sur l'intelligence générale.

Selected benchmarks (OpenAI's own published numbers)
----------------------------------------------------------
FrontierMath Tier 4                     97.6%
GPQA Diamond                            96.0%
OSWorld 2.0                             72.6%  (~40 min/task)
  vs GPT-5.6 Sol                        65.7%  (~75 min/task)
ScreenSpot-Pro                          92.7%
SRE-Bench (single attempt)              88.0%
ExploitBench                           100.0%
ExploitGym                              42.4%
8-needle long-context retrieval         96.3%  (512K-1M tokens)
ARC-AGI-3, standard harness             62.7%
ARC-AGI-3, OpenAI's Provider Adapter    99.9%

Vendor-reported except the ARC-AGI-3 standard-harness figure,
which comes from ARC Prize. Not independently reproduced beyond
that - treat the gap over prior models as directional.

Le premier modèle d'OpenAI classé « Critical » en cybersécurité

Astra est le premier modèle qu'OpenAI a désigné Critical au titre de son Preparedness Framework pour la cybersécurité : il peut identifier et enchaîner de façon autonome des exploits zero-day contre des systèmes réels durcis, pas seulement reproduire des schémas d'attaque connus. Son taux de refus face aux tentatives de contournement (jailbreak) en cybersécurité est de 91,5 %, contre 59 % pour Sol. OpenAI a mis en pause l'entraînement de ses modèles de pointe en août après que des évaluations préliminaires n'ont pas pu exclure ce niveau Critical, puis l'a repris plus tard dans le mois avec des garde-fous supplémentaires, avant le lancement d'Astra le 3 septembre. Les capacités avancées de cybersécurité sont d'abord réservées à des testeurs vérifiés via un programme appelé Daybreak (organisations gouvernementales et d'infrastructures dans un premier temps), avec un palier plus large, uniquement défensif, Daybreak Blue, prévu plus tard. Ceci est distinct de l'incident de juillet 2026 où un modèle apparenté non publié a compromis un bac à sable de test et une partie de l'infrastructure de Hugging Face, rapporté par TechCrunch et Time ; OpenAI affirme qu'Astra n'était pas impliqué, bien que son architecture de sécurité s'appuie sur les enseignements tirés de cet événement.

Ce qui est réellement notable, c'est ce qu'OpenAI reconnaît en même temps que cette restriction : le raisonnement d'Astra est plus difficile à surveiller pour détecter un désalignement que celui de Sol, une limite qu'OpenAI divulgue elle-même plutôt qu'une découverte de chercheurs extérieurs. [eesel.ai](https://www.eesel.ai/blog/gpt-6-astra) rapporte le cas d'un développeur dont la session Codex a basculé en « panique de garde-fou » en plein milieu d'une tâche après des semaines d'usage normal, interrompant un travail légitime plutôt que quoi que ce soit de malveillant. La propre documentation d'OpenAI reconnaît que ses vérifications de surveillance du désalignement peuvent ralentir, mettre en pause ou arrêter des requêtes légitimes, un coût réel de l'approche sécuritaire, pas un coût hypothétique.

La fonctionnalité phare que personne en dehors d'OpenAI n'a testée

Le marketing d'OpenAI pour Astra mise fortement sur la génération de documents : le modèle est présenté comme capable de « créer des documents, présentations, tableurs et analyses clairs et bien structurés qui suivent vos modèles et correspondent à votre style d'écriture et visuel », y compris un travail à l'intérieur de Power BI et de notebooks Python. Au moment de la publication, toute trace de cette affirmation ramène à la propre démo d'OpenAI, construite autour d'une présentation pour un produit fictif appelé « GPT-Gaia ». Aucun évaluateur indépendant ne l'a testée face à de vrais modèles ou de vraies données. Des commentateurs sur Hacker News qui ont visionné la démo l'ont jugée décevante, pointant un segment montrant le modèle en train de changer la couleur d'arrière-plan d'une présentation Google Slides comme preuve bien mince pour une fonctionnalité phare. Cela ne signifie pas que la capacité échoue ; cela signifie que personne en dehors d'OpenAI ne l'a vérifiée.

Pour les lecteurs qui utilisent Gemini Notebook (anciennement NotebookLM) pour la recherche, ce lancement ne change pas la répartition de fond. La génération de documents d'Astra, comme celle de Claude Fable 5.1, fonctionne par génération à partir d'instructions : vous décrivez ce que vous voulez et le modèle le produit. L'approche de Gemini Notebook est ancrée dans les sources : chaque réponse remonte à un passage précis dans un ensemble de documents que vous avez choisi, avec une citation que vous pouvez cliquer et vérifier. Un modèle de génération performant est l'outil le plus rapide quand vous avez besoin d'un résultat qui a l'air juste et qui se lit bien. Quand vous avez besoin d'être certain qu'une affirmation apparaît réellement dans votre matériau source, l'ancrage verrouillé sur les citations remplit une mission différente, que de meilleurs benchmarks à eux seuls ne remplacent pas.

Comment Astra se compare à Fable 5.1 et à Gemini

Sur l'Intelligence Index d'Artificial Analysis, Astra obtient 61 contre 66 pour Claude Fable 5.1, Fable étant jugé plus intelligent de façon générale malgré les victoires d'Astra sur des benchmarks spécifiques comme FrontierMath et les tâches de cybersécurité. Le tarif API mixte se retrouve proche dans les deux cas : environ 7,70 $ par million de tokens pour Astra contre 7,17 $ pour Fable 5.1. Face à Sol, le gain d'intelligence est quasiment plat, l'Index passant de 60,9 à 61,2, malgré la hausse de prix, ce qui explique en partie pourquoi un commentaire très partagé sur Hacker News a résumé la sortie comme « plutôt du 5.7, pas du 6 ». Face à Gemini 3.8 Flash, Astra domine clairement sur le travail agentique et en terminal (57,7 % sur Terminal-Bench 4.0 contre 19,1 %), mais Flash est nettement moins cher, et cet écart de prix l'emporte sur la différence de benchmark pour les charges de travail qui n'exigent pas un usage agentique intensif.

Comment les gens réagissent vraiment

Le lancement lui-même a été chaotique avant même que les benchmarks n'entrent dans la conversation. Reuters et d'autres médias disposaient du matériel de lancement en début d'après-midi, heure de l'Est, alors que la propre page Astra d'OpenAI était encore hors ligne ; un billet de blog de l'entreprise est brièvement apparu, a disparu, puis est revenu environ une heure plus tard, le genre de confusion d'embargo qui a fragilisé la mise en scène du « bond générationnel ». Les réactions sur [Hacker News](https://news.ycombinator.com/item?id=49554643) ont été dominées par le scepticisme envers cette mise en scène plutôt que par l'enthousiasme pour les benchmarks. Le thème récurrent est le déplacement des objectifs : des commentateurs estiment qu'OpenAI étire la définition de l'intelligence générale pour justifier le « 6 » dans le nom, pointant le score quasi plat de l'Intelligence Index face à Sol comme preuve que le bond est plus modeste que ne le suggère la communication. L'écart de protocole sur ARC-AGI-3 a suscité sa propre vague de critiques une fois que les gens ont remarqué l'écart par rapport au score du protocole standard d'ARC Prize. Rien de tout cela ne tranche la question des capacités réelles d'Astra ; les gains en cybersécurité et en usage agentique semblent réels, mais l'accueil est bien plus sceptique que ne le laisse entendre l'annonce d'OpenAI.

Questions fréquentes

GPT-6 Astra est-il une AGI ?

Non, et OpenAI ne l'a d'ailleurs pas formellement revendiqué non plus, malgré le vocabulaire de « bond générationnel » et d'« ère de l'AGI » autour du lancement. Astra obtient 61,2 sur l'Intelligence Index d'Artificial Analysis contre 60,9 pour GPT-5.6 Sol, un gain modeste, et reste derrière le 66 de Claude Fable 5.1. Le score ARC-AGI-3 de 99,9 % qui alimente l'essentiel de la mise en scène AGI provient du protocole personnalisé propre à OpenAI ; le score sur le protocole standard est de 62,7 %.

GPT-6 Astra est-il gratuit ?

Non. Il n'y a aucun accès sur l'offre gratuite au lancement. Il se déploie aujourd'hui auprès d'un nombre restreint d'organisations, avec ChatGPT Plus, Pro, Business et Enterprise, l'API et AWS Bedrock à suivre dans les prochains jours. Les administrateurs Enterprise doivent l'activer manuellement.

Pourquoi la capacité de cybersécurité de GPT-6 Astra est-elle restreinte ?

C'est le premier modèle qu'OpenAI a désigné « Critical » au titre de son Preparedness Framework pour la cybersécurité, ce qui signifie qu'il peut enchaîner de façon autonome des exploits zero-day contre des systèmes durcis. La capacité cyber avancée est d'abord réservée à des testeurs vérifiés via le programme « Daybreak », avec un palier plus large, uniquement défensif, « Daybreak Blue », prévu plus tard.

GPT-6 Astra bat-il Claude ou Gemini ?

Cela dépend de la tâche. Astra reste derrière Claude Fable 5.1 sur l'Intelligence Index d'Artificial Analysis (61 contre 66) malgré sa domination sur FrontierMath et les tâches de cybersécurité. Face à Gemini 3.8 Flash, Astra domine clairement les benchmarks agentiques et d'usage en terminal, mais à un prix bien plus élevé.

GPT-6 Astra peut-il vraiment générer des documents, tableurs et présentations à partir de vos propres données ?

OpenAI l'affirme, en correspondant à vos modèles et à votre style, et en fonctionnant à l'intérieur de Power BI et de notebooks Python. Au moment de la publication, aucun évaluateur indépendant n'a testé cette affirmation ; chaque exemple remonte à la propre démo d'OpenAI, que certains spectateurs ont jugée décevante.