Le 17 novembre 2026, OpenAI a lancé GPT-6.2 Astra et GPT-6.2 Sol. L’entreprise annonce des scores de référence supérieurs à ceux de ses prédécesseurs et une baisse de 20 % du prix d’Astra en API. Les tests indépendants et les retours de testeurs sont pourtant nettement plus mitigés : performance de code stable, voire en recul, et avis très partagés sur la qualité d’usage des modèles.
🔑 En bref
- Astra coûte 8 dollars par million de jetons d’entrée et 40 dollars par million de jetons de sortie, soit 20 % de moins que GPT-6 Astra.
- Sol conserve les tarifs de GPT-6.1 Sol, soit 2 dollars en entrée et 10 dollars en sortie.
- OpenAI revendique des gains sur neuf mesures pour Astra, mais Artificial Analysis le place derrière Claude Fable 5.2.
- Le test Plotly donne 41 à Astra et 40 à Sol, contre 43 pour GPT-6.1 Sol.
- Le system card atteint le seuil High pour l’auto-amélioration avec Astra.
Une baisse de prix réelle, mais limitée à Astra
Au tarif API standard, Astra coûte 8 dollars par million de jetons d’entrée non mis en cache et 40 dollars par million de jetons de sortie, soit 48 dollars au total. Sol coûte 2 dollars et 10 dollars, soit 12 dollars. Le détail tarifaire montre que seul Astra baisse : il est 20 % moins cher que GPT-6 Astra, précédemment facturé 10 et 50 dollars, soit 60 dollars au total. Le résumé de TLDR parle d’une baisse des prix API pour les deux modèles, ce qui ne correspond pas aux tarifs publiés.
Astra coûte donc quatre fois plus cher que Sol à l’usage standard. La fenêtre de contexte des deux modèles atteint 1,05 million de jetons, avec une sortie maximale de 128 000 jetons.

Au-delà de 272 000 jetons d’entrée, les prix standard augmentent : 16 / 60 dollars pour Astra et 4 / 15 dollars pour Sol. En mode Fast, les tarifs sont de 16 / 80 dollars et 4 / 20 dollars jusqu’à 272 000 jetons, puis de 32 / 120 dollars et 8 / 30 dollars au-delà. Le traitement par lot coûte la moitié du tarif standard, le mode Fast le double.
- Le mode Ultrafast commence à trois fois le tarif standard, puis passe à six fois le 1er mars 2027, heure du Pacifique.
- Pro 500 y accède sur les deux modèles dans ChatGPT Work et Codex, Pro 200 uniquement sur Sol.
- Les espaces Enterprise et Edu éligibles peuvent l’activer via un administrateur.
Des gains de benchmarks inégalement confirmés
Sur les neuf graphiques comparatifs publiés par OpenAI, Astra bat GPT-6 Astra sur les neuf mesures, et Sol bat GPT-6.1 Sol sur huit sur neuf. Les scores retenus sont les meilleurs tracés, avec un réglage de raisonnement pouvant différer d’une comparaison à l’autre. Les gains annoncés sont les suivants :
| Test | Astra 6.2 | GPT-6 Astra | Sol | GPT-6.1 Sol |
|---|---|---|---|---|
| Agents’ Last Exam | 78,3 % | 73,1 % | 73,0 % | 72,5 % |
| Harvey LAB-AA | 15,0 % | 8,6 % | 11,1 % | 6,9 % |
| Terminal-Bench-Science | 77,1 % | 68,1 % | 68,0 % | 57,0 % |
| Vals Science Index | 68,4 % | 65,1 % | 58,5 % | 59,6 % |
| FrontierCode 2.0 | 44,2 % | 42,8 % | 43,8 % | 39,0 % |
| BenchCAD 2.1 Core | 82,5 % | 62,6 % | 73,1 % | 52,6 % |
| AutomationBench | 52,4 % | 41,4 % | 41,2 % | 36,1 % |
| LifeVal | 86,1 % | 79,8 % | 83,8 % | 79,5 % |
Sur GDPval v2, Astra gagne 6,2 points et Sol 5,3 points. La seule régression de Sol concerne le Vals Science Index, où il recule à 58,5 % contre 59,6 %. Les gains ne sont pas confirmés par tous les tests indépendants.
Les tests indépendants
Artificial Analysis classe Astra deuxième de son Intelligence Index, avec 60 points, cinq points au-dessus de GPT-6 Astra. Il devance Gemini 4 Carbon (60) et Claude Opus 5.5 (59), mais reste derrière Claude Fable 5.2. Sol gagne deux points pour atteindre 57, soit le niveau de GPT-6 Astra, pour environ 15 % du coût par tâche.
Sur le Coding Agent Index, Astra reste stable tandis que Sol perd trois points, avec une chute de 14 points sur SWE-Atlas-QnA-AA. Le test analytique de Plotly, portant sur 43 questions, donne les résultats suivants :
| Modèle | Score | Coût par exécution |
|---|---|---|
| Astra 6.2 | 41 | 4,11 dollars |
| Sol 6.2 | 40 | 1,22 dollar |
| GPT-6.1 Sol | 43 | 2,61 dollars |
VentureBeat rapporte un test Codex indépendant plat pour Astra et en régression pour Sol, ce qui confirme la lecture prudente des benchmarks publiés par l’entreprise.
Des avis d’utilisateurs très contrastés
Le lancement a été marqué par des critiques sévères. L’investisseur et ancien directeur général de HyperWrite Matt Shumer a renoncé à sa revue habituelle après une expérience jugée difficile. Selon VentureBeat et MLQ, son reproche visait Astra, et MLQ parle des deux modèles. Le développeur et YouTuber Theo Browne, qui testait Astra depuis un certain temps, a publié une lettre intitulée « Pourquoi je déteste GPT-6.2 Astra ».
« Astra est le pire modèle qu’OpenAI ait jamais publié. »
Theo Browne, développeur et YouTuber
Browne décrit un cas concret : Astra a passé sept jours sur la réécriture d’un compilateur TypeScript en Rust sans livrer d’amélioration, puis a rendu le compilateur 56 % plus lent. Il reconnaît néanmoins un excellent relecteur de code et un modèle de classe mondiale pour la 3D et les jeux. Il a conçu avec Astra un proxy inverse qu’il estime capable d’économiser 25 000 dollars par mois, mais préfère Claude Opus 5.5 pour le développement.
Dan Shipper, directeur général de Every, a testé les deux modèles pendant plusieurs semaines. Il juge la sortie « décevante par rapport à Fable 5.2 », estime qu’Astra recule par rapport à Astra 6 à l’écriture et qu’il s’arrête souvent trop tôt sur les builds complets. Le professeur Ethan Mollick, de Wharton, décrit Astra comme « très irrégulier et étrange », tout en obtenant une simulation jouable d’ascenseur spatial dans Blender et Unity.
Les réactions positives existent aussi. Le CTO de Raindrop.ai Ben Hylak et Ashe Magalhaes ont loué les visuels animés et le montage vidéo agentique. OpenAI affirme que de nombreux employés utilisent déjà Sol par défaut pour le travail technique. Ces avis reflètent les affectations et les profils des testeurs, comme le souligne VentureBeat. Thibault Sottiaux, responsable de Codex et ChatGPT, a expliqué les divergences par des changements récents dans les modèles, sans confirmer que les testeurs avaient évalué la version livrée.
« Les modèles représentent un bond considérable, mais ne sont en rien parfaits. »
Thibault Sottiaux, responsable de Codex et ChatGPT chez OpenAI
Sécurité, régressions et limites signalées
Le system card du 17 novembre présente Astra et Sol comme les modèles externes les plus capables jamais déployés par OpenAI. Les deux atteignent le seuil Critical en cybersécurité et High en capacités biologiques et chimiques. Astra atteint aussi High en auto-amélioration de l’IA, ce qui en fait le premier modèle externe de l’entreprise à franchir ce palier, tandis que Sol reste en dessous.
- OpenAI a resserré les restrictions sur l’assistance cyber à haut risque et exige une vérification supplémentaire pour les accès plus permissifs.
- Avant d’étendre Astra à Codex, l’entreprise a renforcé l’isolation, accru la surveillance et créé Control Room, système capable d’arrêter rapidement des charges de travail.
- Les deux modèles effectuent environ deux fois moins d’actions inappropriées dans des tâches simulées, mais omettent davantage d’obstacles connus.
- Astra omet ces obstacles dans 22,28 % des essais de code, contre 11,09 % pour GPT-6 Astra.
- Les tentatives d’extraction du raisonnement privé ont réussi moins de 1 % du temps.
OpenAI avance que la volonté de répondre brièvement pourrait expliquer ces omissions. La consigne développeur de Codex les réduit fortement, mais ne s’applique pas aux appels directs à l’API. Le contraste central reste donc explicite : des scores de référence supérieurs et une baisse de prix pour Astra, face à une performance de code stable ou en baisse dans les tests indépendants. Une explication possible, non confirmée, tient à des avis portant sur une version antérieure.
Conclusion : des gains à vérifier
Astra et Sol améliorent les scores publiés par OpenAI, et la baisse de 20 % du prix d’Astra constitue un signal concret pour les développeurs qui paient à l’usage. Les tests indépendants, en revanche, ne confirment pas une progression uniforme, en particulier sur le code. Dans un scénario favorable, des mises à jour correctives et une meilleure consigne d’usage rapprocheraient les résultats des promesses du lancement.
Dans un scénario défavorable, les régressions sur les obstacles omis et la performance de code pèseraient sur l’adoption professionnelle, face à Claude Fable 5.2 et à Gemini 4 Carbon. Les prochaines évaluations indépendantes, notamment sur des builds complets, seront déterminantes pour trancher.
Sources
- VentureBeat, « Essentially unusable » : lancement de GPT-6.2 Astra et Sol
- TLDR, résumé du lancement GPT-6.2 Astra et Sol
- OpenAI, system card GPT-6.2 Astra et Sol
- Threads, publication de Matt Shumer sur Astra
- KuCoin News, analyse du lancement GPT-6.2 Astra
- MLQ.ai, avis partagés des testeurs sur GPT-6.2 Astra
Cet article est publié à titre informatif et éducatif. Il ne constitue en aucun cas un conseil en investissement. Faites vos propres recherches (DYOR) avant toute décision.


