GPT-6 Astra sort menotté : OpenAI redoute son propre modèle

OpenAI a mis GPT-6 Astra en ligne le 3 septembre, et le lancement ne ressemble à aucun autre : c'est la première fois que l'entreprise expédie un modèle qu'elle classe elle-même « critique » en cybersécurité — le dernier échelon de son Preparedness Framework. Le modèle pulvérise les records d'usage autonome d'un ordinateur, coûte 2,5 fois plus cher que GPT-5.6 Sol, et sort volontairement bridé. Si vous faites tourner des agents IA en production, voici ce qui atterrit dans vos outils cette semaine — et ce qu'on vous refusera.

Un lancement nommé, suspendu, puis relancé sous conditions

La chronologie dit tout du malaise. OpenAI officialise le nom « Astra » le 1er août. Le 7 août, l'entreprise annonce qu'elle « ne peut pas exclure des capacités cyber critiques » : elle suspend deux semaines d'entraînement par renforcement orienté déploiement, gèle son plus gros run de RL frontière planifié, et réécrit son Preparedness Framework. Le 3 septembre, le modèle sort quand même — classification « critique » maintenue, garde-fous renforcés. The New Stack résume l'ambiance côté communication : OpenAI souhaite la bienvenue dans « l'ère AGI ».

Le contraste avec la mi-août est frappant. Astra n'était alors qu'une preview recherche qui résolvait dix problèmes de maths ouverts devant un public de chercheurs sceptiques. Trois semaines plus tard, c'est un produit commercial, avec un identifiant API (gpt-6-astra), une grille tarifaire et un calendrier de déploiement : les défenseurs vérifiés du programme Daybreak d'abord, puis les abonnés Plus, Pro, Business et Enterprise « dans les prochains jours », ainsi que l'API, Azure et AWS Bedrock, selon l'annonce officielle d'OpenAI. Les comptes gratuits, eux, restent sur GPT-5.6 Luna.

Combien coûte GPT-6 Astra en API et dans ChatGPT

La grille API positionne Astra en haut du marché : 10 $ le million de tokens en entrée, 50 $ en sortie. La lecture de cache tombe à 1 $, l'écriture de cache coûte 12,50 $. Le mode Batch/Flex divise la facture par deux ; le mode Fast la double (environ 20 $/100 $) pour un débit jusqu'à 2,5× supérieur, d'après le détail tarifaire compilé par Digital Applied.

Pour situer : GPT-5.6 Sol facturait 4 $/20 $, soit un rapport de 2,5. GPT-5.6 Terra reste à 2 $/12 $ et Claude Opus 5 à 5 $/25 $. Astra n'est pas un modèle pour brasser du texte en volume — c'est un moteur d'agents, et il se paie comme tel. Côté ChatGPT, pas de surcoût d'abonnement : le modèle arrive dans Plus (20 $/mois), et les paliers Pro, Business et Enterprise reçoivent en plus une variante Astra Pro, sans grille séparée publiée à ce jour.

Le compteur s'emballe au-delà de 272 000 tokens

Un détail qui piquera les gros contextes : au-delà de 272 000 tokens d'entrée, les tarifs d'entrée et de cache doublent et la sortie prend 50 % — sur l'ensemble de la requête. La fenêtre totale d'1,05 million de tokens (922 000 en entrée, 128 000 en sortie) est donc utilisable, mais chère. Avant de charger des dossiers entiers, relisez notre décryptage sur ce que coûte réellement un agent IA en production : la logique de cache y devient déterminante.

GPT-6 Astra vs GPT-5.6 Sol vs Claude Fable 5.1 : les benchmarks

Le chiffre le plus utile pour un pro n'est pas un score, c'est un chrono. Sur OSWorld 2.0, le benchmark d'usage autonome d'un ordinateur, Astra atteint 72,6 % (contre 65,7 % pour Sol et 70,2 % pour Claude Opus 5) — en écoulant chaque tâche en 40 minutes environ, là où Sol en prenait 75, selon les données compilées par DataCamp. Un temps d'exécution quasi divisé par deux, c'est ce qui change l'équation économique d'un agent, bien plus que 7 points de pourcentage.

Le reste suit la même pente : 57,7 % sur Terminal-Bench 4.0 (Sol : 37,3 % ; Claude Fable 5.1 : 55,8 %), 88 % sur SRE-Bench en une tentative (Sol : 55,9 %), 97,6 % sur FrontierMath Tier 4 v2 (Sol : 83 %). Le score de 99,9 % sur ARC-AGI-3 mérite en revanche un astérisque : il repose sur le harnais « stateful » fourni par OpenAI. En appels API classiques, sans état, des tests indépendants mesurent entre 17 et 63 % selon le niveau de raisonnement. Retenez la fourchette, pas le titre.

Là où Claude garde la main

Astra ne gagne pas partout. Sur Humanity's Last Exam avec outils, il plafonne à 57,2 % quand Claude Fable 5.1 tient 65 % et Opus 5 63,6 %. Sur FrontierCode Extended, l'écart est une marge d'erreur : 64,5 % contre 64,9 % pour Fable 5. Le duel au sommet que nous documentions dans notre comparatif Opus 5 / GPT-5.6 Sol sur le code n'est donc pas plié : OpenAI reprend l'avantage sur l'agentique pure, Anthropic conserve la culture générale outillée et fait jeu égal sur le code.

« Critique » en cybersécurité : ce qu'OpenAI bride, et pourquoi

Tous les modèles précédents s'arrêtaient au seuil « High ». Astra franchit le seuil critique, et la définition qu'en donne OpenAI dans sa safety overview ne laisse pas de place à l'interprétation :

Le modèle peut trouver et construire des exploits zero-day fonctionnels contre des systèmes durcis du monde réel, sans guidage humain, et planifier puis mener des attaques inédites de bout en bout à partir d'un simple objectif de haut niveau.

La réponse d'OpenAI : vendre le modèle, pas la capacité. L'endpoint de production refuse la génération d'exploits avancés, l'usage des outils passe sous monitoring systématique, et les capacités offensives complètes sont réservées aux organisations vérifiées du programme Daybreak — celui que nous avions décortiqué au lancement de Daybreak avec GPT-5.5, et qu'OpenAI dote désormais d'1 milliard de dollars d'accès subventionné pour les défenseurs d'infrastructures essentielles. Après l'épisode du contrôle de Washington sur GPT-5.6 Sol, c'est la deuxième fois en trois mois que l'accès au meilleur modèle d'OpenAI dépend de qui vous êtes.

Point souvent éclipsé par le volet cyber : l'alignement progresse nettement. Le taux de « sorties déviantes » en environnement réaliste tombe à 3,4 %, contre 18,8 % pour Sol. Mais le UK AISI signale une monitorabilité de la chaîne de raisonnement en baisse, avec un potentiel d'évasion sous prompts adverses — dossier ouvert.

Comment accéder à GPT-6 Astra en entreprise

L'ordre de passage est fixé : défenseurs Daybreak d'abord, puis les abonnés payants ChatGPT sur plusieurs jours, l'API, Azure et AWS Bedrock dans la foulée. Deux pièges d'accès à connaître. Un : sur ChatGPT Enterprise, Astra est désactivé par défaut — l'administrateur doit l'activer espace de travail par espace de travail. Si vos équipes ne le voient pas la semaine prochaine, ce n'est pas le rollout, c'est votre console d'admin. Deux : en API, le modèle répond sur Responses, Chat Completions et Batch, mais l'appel d'outils exige l'API Responses. Les intégrations encore accrochées à Chat Completions devront migrer pour faire de l'agentique.

Cinq niveaux de raisonnement sont exposés (low à max), avec un cutoff de connaissances au 30 avril 2026. Le fait que la sortie simultanée sur Bedrock et Azure soit désormais la norme confirme une tendance : le modèle frontier n'est plus une exclusivité de plateforme, c'est une commodité multi-cloud — avec les écarts de latence habituels les premières semaines.

Brancher vos agents dessus, ou attendre ?

Notre lecture, à chaud mais chiffrée. Si vous opérez des agents « computer use » ou des sessions longues (support niveau 2, back-office, SRE, remplissage de CRM), testez dès l'ouverture de l'API : une tâche qui passe de 75 à 40 minutes consomme moins de tokens d'errance, et le taux de déviation divisé par cinq réduit les reprises humaines. Même à 2,5× le prix unitaire, le coût par tâche terminée peut baisser — c'est le seul ratio qui compte. Si votre usage est du texte en volume (tri, résumé, extraction), passez votre chemin : Terra à 2 $/12 $ et Luna en batch restent imbattables, et Astra n'a pas été construit pour ça. Et si vous êtes dans la sécurité, offensive ou défensive, attendez de voir où se stabilisent les faux positifs des garde-fous avant de promettre quoi que ce soit à un client.

Le symbole reste, lui, considérable : OpenAI a jugé son propre modèle assez dangereux pour geler ses entraînements, réécrire ses règles internes — puis l'a vendu quand même, menotté. La disponibilité se vérifie dans les réglages de ChatGPT au fil du déploiement. L'ère des modèles dont on ne débat que des benchmarks est close : désormais, on débat de qui a le droit de s'en servir.