TL;DR — OpenAI a lancé GPT-6 Astra le 3 septembre 2026 et a ouvert l’API sous le nom gpt-6-astra le lendemain : un nouveau modèle phare qui « mène le travail à terme » — raisonnement complexe, programmation, utilisation d’un ordinateur, recherche et production complète de documents. Le tarif est de 10 $ / 50 $ par million de jetons, avec une fenêtre de contexte de 1,05 M de jetons et une sortie de 128 K, soit un prix 2,5 fois supérieur à GPT-5.6 Sol. Les benchmarks autodéclarés progressent dans toutes les catégories qui comptent pour les agents : DeepSWE v1.1 à 74,1, OSWorld 2.0 à 72,6, BrowseComp à 91,5, ExploitBench à un score parfait de 100. Deux lectures encadrent ce lancement : l’API règle par défaut reasoning.effort sur low malgré la fiche « Highest reasoning », et les résultats cyber sont réservés aux défenseurs via Trusted Access. Le déploiement lui-même a fait l’actualité : une sortie échelonnée « clients limités d’abord » qui ressemblait à une fuite, puis un lancement officiel 24 heures plus tard (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
Introduction
GPT-6 Astra est la réponse d’OpenAI à un mois de septembre chargé : Claude Fable 5.1 d’Anthropic, la gamme Gemini 3.8 Flash de Google et une longue traîne de modèles open-weight. Ce qui distingue ce lancement, c’est le positionnement. OpenAI ne vend pas un modèle de chat ; il vend un exécutant de niveau agent — un modèle conçu pour mener à bien des tâches de bout en bout : bases de code, sessions de navigateur, boucles de recherche et production de « documents finis, feuilles de calcul et présentations » (Source : DEV Community — GPT-6 Astra: OpenAI’s New Model Is Built to Finish the Work).
Ce cadrage est important pour quiconque développe aujourd’hui sur l’API. Les dernières sorties de modèles de pointe étaient tarifées et réglées comme des moteurs de raisonnement. Astra est le premier modèle phare d’OpenAI qui fait davantage penser à un opérateur autonome : une fenêtre de contexte de 1,05 M de jetons, assez grande pour contenir une session complète sur une base de code, une prise en charge d’outils qui inclut désormais hosted shell, apply patch, skills et computer use sur l’API Responses, ainsi qu’un tableau de benchmarks organisé par métier — programmation, sciences, utilisation de l’ordinateur, puis cybersécurité (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
Le positionnement : « Most Capable » face à une phrase de labo
OpenAI décrit Astra comme son modèle le plus capable « pour les tâches de bout en bout les plus difficiles ». LLM Stats est plus direct : c’est une phrase de laboratoire, et les chiffres de la page d’annonce sont ceux d’OpenAI, sans vérification indépendante (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks). Les plateformes indépendantes le classent bien, mais pas unanimement : BenchLM le place n° 1 sur 22 modèles éligibles pour le raisonnement et la logique avec 88,8/100, tandis qu’OpenRouter l’affiche avec un contexte de 1 050 000 jetons et un tarif de 10 $/50 $, soutenu par deux fournisseurs (Source : BenchLM — GPT-6 Astra Benchmarks & Pricing) (Source : OpenRouter — GPT-6 Astra).
La fiche du modèle ajoute deux signaux architecturaux :
reasoning.effortpropose désormais cinq niveaux — low, medium, high, xhigh, max — où max est le nouveau « sommet de l’échelle » (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).- L’API règle l’effort par défaut sur low. OpenAI met en avant « Highest reasoning » sur la fiche, mais toute intégration qui ne définit pas explicitement l’effort obtient le mode de réflexion le moins coûteux (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
Cet écart entre le marketing et le réglage par défaut est le détail d’implémentation le plus important de ce lancement : deux applications pointant vers le même identifiant de modèle peuvent se comporter très différemment selon qu’elles augmentent l’effort ou non.
Le tableau des benchmarks, lu par métier
OpenAI a publié un tableau autodéclaré. Considérez-le comme indicatif, non vérifié — mais la structure est cohérente : Astra s’améliore surtout là où les agents travaillent réellement.
Programmation. Terminal-Bench 4.0 à 57,7, DeepSWE v1.1 à 74,1 — un petit bond par rapport aux 72,7 de GPT-5.6 Sol sur la page d’OpenAI — et FrontierCode 1.1 Extended à 64,5 (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks). L’amélioration de DeepSWE par rapport à Sol est réelle mais modeste ; ce n’est pas l’explosion que le label « GPT-6 » laisse à lui seul entendre.
Sciences et recherche. Terminal-Bench-Science 0.1 à 64,6 contre 52,6 pour Claude Fable 5.1 est la paire de comparaison qu’OpenAI a choisi de mettre en avant. FrontierMath T4 v2 atteint 97,6 ; GPQA Diamond à 96,0 est en pratique saturé et doit être lu comme une ligne plafond, pas comme un différenciateur (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
Utilisation de l’ordinateur et agents. BrowseComp à 91,5, OSWorld 2.0 à 72,6 (partiel hors ligne), Agents’ Last Exam à 59,3, AutomationBench à 41,4, ScreenSpot-Pro à 92,7 sans outils et BenchCAD à 95,9 avec Python (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks). C’est la catégorie qui justifie l’argument du « mène le travail à terme » : la navigation dans le navigateur, l’orchestration d’outils et l’autonomie sur longue durée sont les domaines où se concentrent les gains.
Cybersécurité. ExploitBench à 100 % — développement d’exploits à partir de vulnérabilités connues — avec ExploitGym à 42,4 et SEC-Bench Pro à 85,4 (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks). Un score cyber parfait est exactement le genre de chiffre qui attire l’attention des politiques sur un modèle, plutôt que des applaudissements.
Le dossier cyber : capacité et garde-fous dans la même version
La partie la plus lourde de conséquences de ce lancement ne figure pas dans le tableau des benchmarks. Le document Path to Astra d’OpenAI place Astra au seuil critique de capacité en cybersécurité dans le cadre de son Preparedness Framework, avec effet au 1er septembre 2026. En pratique, les flux de travail cyber les plus avancés sont limités : l’accès avancé des défenseurs passe par Trusted Access et le programme Daybreak Blue, et le produit par défaut n’est pas un usage dual sans restriction (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks). Le document Path indique également qu’Astra n’a pas été impliqué dans l’incident Hugging Face, une distinction qu’OpenAI tient désormais à souligner publiquement (Source : OpenAI — Path to Astra).
C’est la nouvelle norme pour les modèles de pointe : la capacité et la restriction avancent ensemble. Pour les entreprises qui évaluent Astra, la question de sécurité n’est plus « quelle est sa capacité sur des tâches offensives » mais « à quel niveau d’accès mon cas d’usage va-t-il correspondre ».
Le déploiement qui ressemblait à une fuite
Astra a aussi fait parler de lui par la manière dont il a été livré. La sortie du 3 septembre a d’abord concerné un nombre limité de clients — un déploiement échelonné qui, vu de l’extérieur, ressemblait à une exposition anticipée accidentelle et a suscité des articles sur une « fausse sortie » avant qu’OpenAI ne confirme et officialise le lancement le lendemain avec l’ouverture de l’API (Source : ai.rs — GPT-6 Astra Benchmarks: What the 98.6% on ARC-AGI-3 Hides) (Source : Codersera — GPT-6 Astra vs GPT-5.6 Sol: Should You Upgrade?).
En étant généreux, le déploiement échelonné est la manière dont OpenAI gère la charge et le risque sur un modèle classé critique en cybersécurité. En étant cynique, c’est du théâtre de lancement. Dans les deux cas, cela révèle une réalité du rythme d’OpenAI en 2026 : fini les journées de sortie monolithiques — les capacités phares arrivent désormais par vagues, et la « date de sortie » annoncée le premier jour est rarement celle à laquelle l’API s’ouvre réellement à tous.
Tarification : même prix affiché, un coût réel différent
Le tarif Standard d’Astra est de 10 $ / 50 $ par million de jetons en entrée/sortie — la même gamme de prix que Claude Fable 5.1, mais 2,5 fois celui de GPT-5.6 Sol à 4 $ / 20 $ (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
Trois détails tarifaires comptent plus que le prix affiché :
- Entrée en cache à 1 $ (0,1×) — mais Fable 5.1 descend à 0,25 $, et OpenAI n’a pas publié les taux de succès du cache pour Astra (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
- Écritures en cache à 12,50 $ — une surtaxe de 1,25× sur l’entrée non mise en cache, pas une remise. Les longues boucles d’agents qui réécrivent leur contexte la paient (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
- Une falaise à 272 K jetons : les invites dépassant 272 K jetons en entrée sont facturées à 2× les tarifs d’entrée et de cache, et 1,5× le tarif de sortie sur l’ensemble de la requête (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
Le coût par tâche peut tout de même baisser — OpenAI avance qu’une moindre consommation de jetons grâce à un meilleur raisonnement peut compenser le tarif plus élevé — mais seulement pour les charges de travail qui aboutissent réellement plus vite. Batch et Flex sont à 50 % du tarif Standard ; le mode Fast est à 2×.
Ce que cela signifie pour les développeurs
Pour les développeurs d’agents, Astra modifie trois calculs :
- Le contexte devient une vraie dimension produit. Une fenêtre de 1,05 M de jetons et des niveaux d’effort jusqu’à max permettent aux tâches de longue haleine qui exigeaient auparavant des systèmes de mémoire externes de rester dans le contexte — à un certain prix.
- L’effort est un réglage, pas une valeur par défaut. Les intégrations qui ne définissent jamais
reasoning.effortachètent silencieusement le modèle à effort faible. Le « Highest » de la fiche est en opt-in. - La capacité cyber a une couche d’accès. Si votre flux de travail touche à des outils de sécurité, prévoyez un examen Trusted Access, pas des clés API immédiates (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
FAQ
Quand GPT-6 Astra a-t-il été lancé ? OpenAI l’a annoncé le 3 septembre 2026 et a ouvert le modèle d’API gpt-6-astra le 4 septembre. Le niveau d’API gratuit n’est pas pris en charge ; l’accès dépend du niveau de compte et des limites de déploiement (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
Combien coûte GPT-6 Astra ? 10 $ par million de jetons en entrée, 50 $ par million en sortie (Standard). L’entrée en cache est à 1 $ ; les écritures en cache à 12,50 $. Les invites dépassant 272 K jetons en entrée entraînent 2× sur l’entrée/le cache et 1,5× sur la sortie. Batch et Flex bénéficient de 50 % de réduction sur le tarif Standard (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
Quelle fenêtre de contexte prend-il en charge ? 1 050 000 jetons de contexte avec jusqu’à 128 000 jetons de sortie. La date limite de connaissances est le 30 avril 2026 (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).
GPT-6 Astra est-il meilleur que GPT-5.6 Sol ? Sur le tableau d’OpenAI, oui sur toute la ligne — mais modestement par endroits (DeepSWE 74,1 contre 72,7) et à 2,5 fois le prix au jeton. Le saut le plus important est architectural : cinq niveaux d’effort, un contexte de 1,05 M et une pile d’outils conçue pour le travail autonome (Source : Codersera — GPT-6 Astra vs GPT-5.6 Sol: Should You Upgrade?).
Puis-je fine-tuner GPT-6 Astra ? Non. Le fine-tuning n’est pas pris en charge sur cette fiche ; le modèle est disponible uniquement via Chat Completions, Responses et Batch (Source : LLM Stats — GPT-6 Astra: Released Flagship, API Pricing and Benchmarks).