OpenAI sort GPT-6.2 Astra à 8 dollars le million de tokens
OpenAI publie le 17 novembre GPT-6.2 Astra et GPT-6.2 Sol, avec 20 % de baisse sur l'entrée et la sortie du modèle de tête : 8 dollars le million de tokens d'entrée, 0,40 dollar en entrée mise en cache et 40 dollars en sortie. Sur Agents' Last Exam, Astra gagne 5,2 points sur GPT-6 Astra pour moins d'un tiers du coût par tâche, et sur GDPval v2 il produit 22 % de tokens de sortie en moins. Astra est le premier modèle qu'OpenAI publie à franchir le seuil haut d'auto-amélioration de son cadre de sûreté.
par Gyom 18 novembre 2026 à 07:24 4 min de lecture rubrique : Automatiser
etiquettes : En entreprise · Hébergé · Coût
OpenAI met en ligne le 17 novembre GPT-6.2 Astra, présenté comme son modèle de tête pour les projets difficiles, et GPT-6.2 Sol pour le travail courant. Les deux arrivent le même jour dans l'API, dans ChatGPT et dans GitHub Copilot, où ils sont facturés au tarif du fournisseur pour les offres Pro+, Max, Business et Enterprise, avec un déploiement progressif. La fiche système est publiée à part. Pour une équipe qui fait tourner des agents, le chiffre qui décide est le prix par tâche, et il dépend désormais autant du nombre de tokens produits que du tarif affiché.
Huit dollars en entrée, quarante en sortie
GPT-6.2 Astra est facturé 8 dollars le million de tokens d'entrée, 0,40 dollar pour l'entrée relue depuis le cache et 40 dollars pour la sortie. OpenAI annonce 20 % de baisse sur l'entrée et la sortie par rapport à GPT-6 Astra, et 60 % de remise sur l'entrée en cache. GPT-6.2 Sol garde les tarifs de GPT-6.1 Sol. Pour situer l'échelle du marché, Google facture 1,50 dollar le million de tokens pour Gemini 4 Hydrogen, sorti le 13 novembre.
- Entrée : 8 dollars le million, 0,40 dollar quand le préfixe est déjà en cache.
- Sortie : 40 dollars le million, le poste qui pèse sur un agentIA agentiqueModèle qui boucle : il choisit une action, le plus souvent un appel d'outil, en lit le résultat, puis recommence jusqu'à l'objectif ou l'abandon. La boucle est ce qui distingue un agent d'une réponse unique.Fiche du lexique qui raisonne longuement.
- Sol : tarifs inchangés sur GPT-6.1 Sol, pour un modèle qui gagne 5,3 points sur GDPval v2.
5,2 points de plus qu'Astra pour moins d'un tiers du coût
Sur Agents' Last Exam, qui note des tâches professionnelles menées sur plusieurs étapes, GPT-6.2 Astra marque 5,2 points de plus que GPT-6 Astra pour moins d'un tiers du coût par tâche, et 5,5 points de plus que Claude Fable 5.2 pour 5 % de son coût. OpenAI précise que le classement de Fable 5.2 sur ce banc écarte neuf tâches traitées par un modèle de secours.
Sur Terminal-Bench-Science 0.1, qui mesure le travail scientifique mené dans un terminal, Astra gagne 9 points sur GPT-6 Astra pour moins d'un tiers du coût. Il prend aussi la tête du Vals Science Index, où le modèle interprète des données biologiques réelles et conduit des expériences pour retrouver le fonctionnement d'un système simulé.
22 % de tokens de sortie en moins sur GDPval v2
Sur GDPval v2, banc interne bâti sur des projets réels de conseil, de finance et de design, Astra gagne 6,2 points sur GPT-6 Astra en produisant 22 % de tokens de sortie en moins, et Sol gagne 5,3 points sur GPT-6.1 Sol. Sur Harvey LAB-AA v1.1, qui juge un livrable juridique sur l'ensemble de ses critères, Astra fait plus que doubler le taux de réussite de Claude Fable 5.2 pour environ un sixième du coût. Sur AA-AnalystAgent, il répond correctement à 62,5 % des questions lors des cinq tentatives indépendantes.
Sol à un cinquième du prix d'Astra sur FrontierCode 2.0
Sol reste à 0,5 point d'Astra sur FrontierCode 2.0, le banc de Cognition qui juge si une modification de dépôt passerait la revue des mainteneurs, pour environ un cinquième du coût. Sur LifeVal, qui note des tâches de la vie courante, il dépasse GPT-6 Astra pour environ un septième du coût. Sur AA-3D, où des juges humains comparent deux scènes construites à partir de la même consigne, Astra prend la première place avec 1 318 Elo, devant Claude Fable 5.2 à 1 271 et Sol à 1 259.
Premier modèle publié au seuil haut d'auto-amélioration
Les deux modèles atteignent le seuil critique en cybersécurité du Preparedness Framework et le seuil haut en capacités biologiques et chimiques. Astra est le premier modèle qu'OpenAI publie à franchir le seuil haut d'auto-amélioration, qui mesure la capacité d'un modèle à accélérer la recherche en IA : OpenAI l'évalue comme l'équivalent d'un ingénieur chercheur de plus par chercheur, sur sa référence de 2024. Les garde-fous cybersécurité sont resserrés, ce qui restreint aussi une partie de la recherche de vulnérabilités légitime, et GPT-6 Cyber reste la voie ouverte pour les tests autorisés.
Nettoyage de code et revue, selon GitHub
Dans Copilot, GitHub annonce que Sol repère près de deux fois plus de vrais problèmes en revue de code que GPT-6.1 Sol en gardant ses constats exacts, que les deux modèles en trouvent nettement plus que les GPT-6 précédents en consommant moins de tokens, et qu'Astra mène ses tâches d'agent avec sensiblement moins de tokens.
Le reste dépend du mélange de tâches. Un agent qui écrit beaucoup paie la sortie à 40 dollars le million, et la remise sur l'entrée ne vaut que si les préfixes reviennent d'un appel à l'autre. Sur un harnais bavard, qui relit tout son fenêtre de contextecontexteQuantité de tokens qu'un modèle peut lire d'un seul coup, question et réponse comprises. Au-delà, il faut découper, résumer ou chercher ailleurs.Fiche du lexique à chaque tour, le gain de 22 % de tokens de sortie laisse la facture suivre le nombre d'aller-retours.
Source primaire OpenAI, « Introducing GPT-6.2 Astra and Sol », 17 novembre 2026