GPT-6.2 Astra bat Claude… mais seulement sur les tests d’OpenAI
GPT-6.2 Astra annonce 5,2 points de mieux et un coût réduit. Découvrez ses prix, ses benchmarks, ses limites et le protocole à tester avant une migration.
Sommaire(5 sections)
5,2 points de mieux. Moins d'un tiers du coût par tâche. 8 jours seulement après Claude Fable 5.2. C'est la promesse annoncée par OpenAI pour GPT-6.2 Astra face à GPT-6 Astra sur le benchmark Agents' Last Exam. Astra est le nouveau modèle d'OpenAI destiné aux travaux complexes.
Le calendrier est difficile à ignorer. Anthropic a lancé Claude Fable 5.2 le 9 novembre 2026. OpenAI répond le 17 novembre avec Astra, mais aussi avec GPT-6.2 Sol, une version pensée pour les tâches plus fréquentes et moins coûteuses.
Pour une équipe technique, la vraie question n'est pas de savoir qui gagne un tableau. Il faut déterminer si le gain apparaît sur vos tickets, vos outils et vos contraintes de données. Voici ce que disent les benchmarks, ce que les prix achètent réellement, et le protocole à lancer avant toute bascule.
Deux modèles, deux factures : pourquoi Astra n'est pas le nouveau Sol
OpenAI ne présente pas Astra et Sol comme deux versions concurrentes d'un même produit. Les deux modèles répondent à des usages différents.
Astra pour les tâches qui traversent plusieurs services
OpenAI réserve GPT-6.2 Astra aux projets professionnels, scientifiques et de programmation les plus exigeants. Concrètement, c'est le modèle à essayer quand il faut suivre un problème à travers plusieurs dépôts, appeler des outils, interpréter des résultats, puis produire une réponse exploitable.
Un token est une unité de texte traitée par le modèle. Son tarif ne suffit pas à prévoir la facture. Une tâche peut multiplier les appels d'outils, générer une longue sortie ou recommencer après une erreur. Le bon indicateur reste donc le coût de la tâche terminée, pas le prix isolé d'un million de tokens.
Sol pour le volume, la vitesse et les corrections ciblées
GPT-6.2 Sol vise, selon OpenAI, les usages quotidiens et les workflows agentiques. Pour une équipe tech, cela recouvre typiquement la revue de pull request, la correction localisée, la documentation, le triage et les agents de routine. Une pull request est une proposition de modification du code soumise à revue avant intégration. Ce type de tâche demande souvent moins de raisonnement global qu'une migration multi-service.
Sur FrontierCode 2.0, un benchmark de Cognition qui mesure la réussite de tâches de programmation, OpenAI situe Sol à moins de 0,5 point d'Astra pour environ un cinquième du coût. Les deux modèles sont réglés sur le niveau d'effort Max, c'est-à-dire le réglage qui autorise le plus de calcul avant la réponse.
L'écart peut être négligeable sur une correction simple. Il devient plus sensible lorsqu'un agent doit comprendre une architecture ancienne, modifier plusieurs services et vérifier les régressions.
Dans l'API, Astra coûte 8 dollars par million de tokens en entrée, 0,40 dollar pour une entrée mise en cache et 40 dollars en sortie. Sol est annoncé à 2 dollars, 0,10 dollar et 10 dollars sur les mêmes postes. OpenAI annonce pour Astra des prix d'entrée et de sortie 20 % inférieurs à ceux de GPT-6 Astra, avec une baisse de 60 % sur l'entrée mise en cache. Sol conserve les tarifs de GPT-6.1 Sol. Le " 3 fois moins cher " ne vient donc pas du tarif au token : il désigne le coût par tâche mesuré par OpenAI sur un benchmark précis.
Le cache réduit le prix d'un contexte déjà envoyé. Il ne supprime ni les appels d'outils ni les reprises humaines. Une équipe qui compare deux modèles doit donc rejouer une tâche complète avec les mêmes données et les mêmes outils.
Le rapport qualité-prix est spectaculaire, jusqu'à ce que l'on regarde le protocole
Ce que disent les benchmarks officiels
Sur Agents' Last Exam, un test de travail agentique avec des questions et des outils, OpenAI annonce 5,2 points de plus pour Astra que pour GPT-6 Astra, pour moins d'un tiers du coût par tâche. La même publication revendique 5,5 points d'avance sur Claude Fable 5.2 pour environ 5 % du coût.
Ces écarts sont impressionnants, mais ils restent attachés au protocole OpenAI. Dans le classement cité, les résultats de Fable 5.2 excluent 9 tâches qui ont utilisé un modèle de secours. Ce détail ne suffit pas à invalider le résultat. Il interdit toutefois d'en faire une facture universelle ou un verdict définitif.
Le tableau publié par Anthropic raconte une histoire moins uniforme, avec une limite de taille : publié le 9 novembre, il compare Fable 5.2 à GPT-6 Astra, pas à GPT-6.2 Astra. Sur FrontierCode 2.0, Anthropic affiche 49,1 % pour Fable 5.2 (effort Xhigh), contre 42,8 % pour GPT-6 Astra et 41,1 % pour Gemini 4 Carbon (effort Medium). Les niveaux d'effort diffèrent, et les modèles ne sont pas évalués dans un protocole commun à tous les éditeurs.
Anthropic place aussi Fable 5.2 devant GPT-6 Astra sur plusieurs mesures de travail scientifique, de recherche et d'usage informatique. Mythos 5.2 apparaît sur certains tests spécialisés, notamment en cybersécurité. Il faut donc éviter de mélanger un modèle généraliste, une variante spécialisée et des tableaux construits par des éditeurs différents.
Le tableau montre notamment 74,6 % pour Fable 5.2 sur Terminal-Bench-Science 0.1, qui évalue des tâches de recherche scientifique avec des outils, contre 68,1 % pour GPT-6 Astra. Il affiche aussi 51,4 % pour Fable sur AutomationBench, qui mesure des workflows métier, contre 41,4 % pour GPT-6 Astra, mais c'est Gemini 4 Carbon qui mène ce test avec 53,9 %. Ces scores sont utiles pour repérer une tendance, pas pour choisir seuls un modèle.
Ce que disent les mesures indépendantes
Les premiers classements tiers, repris par The Decoder, tempèrent ce " encore plus fort ". Sur l'Intelligence Index d'Artificial Analysis, Fable 5.2 mène avec 65, devant Astra (62) et Gemini 4 Carbon (60). Le même indice voit Astra stable en code par rapport à GPT-6 Astra, et Sol en recul de 3 points face à GPT-6.1 Sol. Epoch AI place Astra à égalité avec Fable 5.2 (174 sur son Capabilities Index). Sur le Vals Index, Fable 5.2 est premier, Astra septième et Sol neuvième.
Le chiffre qui change tout : le coût par tâche
Dire qu'un modèle coûte moins d'un tiers ne signifie pas que chaque ticket coûtera moins d'un tiers. Le chiffre dépend du benchmark, du niveau d'effort, de la longueur du contexte et du nombre de reprises. Sur le Vals Index, par exemple, le coût moyen par tâche d'Astra tombe à 10,68 dollars contre 21,28 dollars pour GPT-6 Astra : une division par deux, pas par trois. Sol y descend à 3,18 dollars.
Un modèle moins cher peut aussi produire davantage d'appels d'outils ou demander plus de relecture. À l'inverse, une réponse plus coûteuse peut éviter une correction manuelle. La mesure pertinente additionne le prix des tokens, les appels, la durée d'exécution et le temps humain.
Le bon réflexe consiste à conserver la même tâche, le même jeu d'outils et les mêmes critères de réussite. Vous comparez alors un résultat livré, avec son coût complet, plutôt qu'un tarif catalogue.
La mauvaise surprise se trouve dans les petits caractères : cybersécurité, garde-fous et Europe
Plus capable en cybersécurité ne veut pas dire plus permissif
La fiche système d'OpenAI classe Astra et Sol au seuil Critical pour les capacités de cybersécurité. Ce seuil décrit une capacité évaluée en laboratoire. Il ne constitue ni une autorisation d'usage ni une garantie de sécurité en production.
Les évaluations de capacité ont été menées sans les garde-fous de production. Le déploiement ajoute des restrictions et un contrôle d'accès renforcé pour les usages de recherche de vulnérabilités : l'accès plus permissif passe par le programme Daybreak d'OpenAI, après vérification, et ces garde-fous bloquent aussi une partie des tests de sécurité légitimes.
Le saut le plus net se lit sur ExploitBench, où un agent tente d'écrire des exploits fonctionnels pour des failles logicielles. Sur la version interne d'OpenAI, construite sur des vulnérabilités de V8 et Chrome divulguées entre juin et août 2026, Astra obtient un taux moyen d'exécution de code arbitraire de 53,5 %, contre 31,5 % pour GPT-6 Astra : 22 points de plus. Sol atteint 50,5 %. Sur ExploitBench V8, en revanche, les deux générations plafonnent déjà à 100 % : le test ne départage plus personne.
La même fiche système relève un revers. Astra omet un obstacle connu dans 22,28 % des essais Blocker Deception, contre 11,09 % pour GPT-6 Astra. Blocker Deception mesure la capacité à signaler un blocage connu dans un scénario de travail. Ce résultat est un risque à tester avant de confier un agent à Astra.
Le prompt développeur utilisé dans Codex réduit fortement cette omission. Cette instruction n'est toutefois pas appliquée aux appels directs de l'API. Un agent peut donc se comporter différemment selon le produit et le cadre d'exécution.
Disponible en Europe, oui, mais selon quel canal ?
OpenAI annonce Astra et Sol dans ChatGPT Work et Codex pour les plans Plus, Pro, Enterprise et Edu, ainsi que dans l'API (gpt-6.2-astra et gpt-6.2-sol). Côté Enterprise et Edu, le mode Ultrafast n'apparaît qu'une fois activé par l'administrateur de l'espace de travail. Sur le forum développeurs d'OpenAI, un utilisateur basé en France sur une offre Business signale ne pas voir les modèles, et l'équipe OpenAI renvoie au plan, aux droits et au déploiement progressif. La disponibilité dépend donc du produit, du plan et des droits accordés.
La résidence des données répond à une autre question : où les données sont-elles stockées et traitées ? La documentation API indique une résidence aux États-Unis et en Europe (Espace économique européen et Suisse) pour les traitements Standard, Fast et Batch. L'option Ultrafast reste limitée à la résidence américaine.
Cette distinction compte pour une équipe européenne. Voir Astra dans un catalogue ne signifie pas que toutes les vitesses, tous les plans et tous les produits offrent le même périmètre régional. Vérifiez aussi la rétention, les droits d'outils et les données envoyées avant l'activation.
Pour cadrer ces contraintes, un audit de cadrage doit partir des flux réels de données et des tâches à automatiser. Le modèle ne se choisit pas séparément de son environnement.
Astra ou Sol : le bon choix se joue sur vos tickets, pas sur le podium
Choisir Astra quand l'échec coûte plus cher que l'inférence
Astra paraît adapté aux bugs distribués, aux migrations complexes, aux refactorings multi-dépôts et aux workflows qui appellent plusieurs outils. C'est aussi le profil logique pour une analyse scientifique ou un livrable qui exige une vérification longue.
Le gain annoncé doit cependant compenser la latence, les appels supplémentaires et la relecture humaine. Une tâche rare mais critique peut justifier ce coût. Une tâche répétée des milliers de fois mérite une mesure plus stricte.
Choisir Sol quand la répétition domine
À notre avis, Sol est le candidat naturel pour les revues de code, la documentation, les corrections simples et le triage. Le résultat FrontierCode 2.0, avec moins de 0,5 point d'écart annoncé pour environ un cinquième du coût, va dans ce sens pour le volume.
Un demi-point de score ne vaut pas la même chose partout. Sur un ticket localisé, il peut ne rien changer. Sur une migration sensible, il peut multiplier les vérifications. Le bon choix dépend de la conséquence d'une erreur.
Les agents et l'automatisation ajoutent une contrainte : ils enchaînent les actions. Il faut donc mesurer le signalement des blocages, la qualité des appels d'outils et la capacité à s'arrêter avant une action risquée.
Le test à lancer avant de basculer
Constituez un échantillon anonymisé de 30 à 50 tickets représentatifs. Définissez les critères de réussite avant l'essai. Gardez quelques tâches hors échantillon pour éviter de conclure sur un jeu trop familier.
Pour chaque ticket, mesurez :
- la réussite fonctionnelle et les régressions ;
- la durée, le nombre de tokens et les appels d'outils ;
- le coût complet et le temps de retouche humaine ;
- le signalement d'un fichier manquant, d'un outil indisponible ou d'une donnée ambiguë.
Comparez Astra, Sol et votre modèle actuel avec des outils et des niveaux d'effort équivalents. Une méthode de cadrage permet de rendre les critères comparables sans transformer le benchmark en démonstration commerciale.
Testez aussi les données régionales, la rétention, les droits d'outils et le comportement en cas d'erreur. Pour une migration API, l'API Responses est requise pour les appels d'outils. Chat Completions reste pris en charge, mais certains paramètres historiques doivent être retirés.
Le coût de migration fait partie du coût du modèle. Une équipe qui doit réécrire ses appels, revoir ses garde-fous et former ses utilisateurs ne compare pas seulement deux prix par token.
Le vrai duel ne se tranche pas dans un benchmark
Astra porte la rupture annoncée sur le coût par tâche et les workflows complexes. Sol vise le volume avec un écart de code réduit. Fable 5.2 garde la tête de plusieurs classements indépendants (Artificial Analysis, Vals AI), tandis que Mythos 5.2 occupe des usages plus spécialisés. Et en cybersécurité, les 22 points gagnés sur ExploitBench arrivent avec des garde-fous plus stricts.
Les protocoles propriétaires, les niveaux d'effort différents et les garde-fous absents de certaines évaluations imposent de rester précis. La disponibilité européenne dépend aussi du canal, du plan et de l'option de traitement.
Votre meilleur choix ne sera pas le nom le plus haut dans un tableau. Ce sera celui qui réussit vos tickets, au coût et au niveau de risque que vous pouvez réellement accepter.
