Live 18/11 · Cohorte 318 nov à 19h00 MSK — atelier pratique gratuit sur les agents IA · La Cohorte 3 démarre le 23/11Atelier 18/11 →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarArtificial Analysis→ original

OpenAI lance GPT-6.2 Astra : deuxième place au classement et prix en baisse de 20%

OpenAI a lancé GPT-6.2 Astra et Sol, et le classement indépendant Artificial Analysis place Astra en deuxième position, derrière le seul Claude Fable 5.2 d'Anthropic. Astra gagne 5 points et devient 20% moins chère : $8 par million de tokens en entrée et $40 par million en sortie. Le prix de Sol reste inchangé ($2/$10), mais son score égale celui de l'ancien modèle phare GPT-6 Astra, pour ~15% de son coût par tâche. Pour les agents de code, aucun gain : mieux vaut donc tester le modèle sur vos propres tâches avant de migrer.

Traité par IA depuis Artificial Analysis ; édité par Hamidun News
OpenAI lance GPT-6.2 Astra : deuxième place au classement et prix en baisse de 20%
Source : Artificial Analysis. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireArtificial Analysis ↗
Rédacteur en chef
AA-3DAstra obtient 1318 points, Claude Fable 5.2 1271, Sol 1259
Chiffre clé #2Sol perd 3 points dans l'indice des agents de code, et 14 points dans l'un des tests
Chiffre clé #3Quand elle ne connaît pas la réponse, Astra devine dans 59% des cas, Sol dans 55%

OpenAI a lancé deux modèles mis à jour : le modèle phare GPT-6.2 Astra et GPT-6.2 Sol, moins chère.

Le laboratoire indépendant Artificial Analysis les a passés à la moulinette de son Intelligence Index, un score agrégé sur un ensemble de tests difficiles, et a comparé ce que coûte la résolution d'une tâche. Résultat : Astra se classe deuxième, derrière le seul Claude Fable 5.2 d'Anthropic, et son prix baisse de 20%.

Imaginez un chatbot de support en production sur GPT-6 Astra. En passant à la 6.2, il répondra mieux, et la facture pour les mêmes tokens diminuera.

En revanche, si vous développez un agent de code qui modifie seul un dépôt, le gain au classement n'est pas confirmé : changer de modèle uniquement à cause du numéro de version serait prématuré.

Ce qui change côté prix et classement

GPT-6.2 Astra coûte $8 par million de tokens en entrée et $40 par million en sortie, soit 20% de moins que GPT-6 Astra. L'entrée mise en cache, c'est-à-dire la partie récurrente d'une requête, comme une instruction système ou un long document, passe de $1,00 à $0,40 par million de tokens. Pour les bots et les agents qui s'appuient sur un gros contexte permanent, l'économie est notable.

GPT-6.2 Sol conserve ses tarifs de $2 et $10 par million de tokens. Elle obtient en revanche 57 points, soit 2 de plus que GPT-6.1 Sol. C'est le niveau de l'ancien modèle phare GPT-6 Astra, mais pour environ 15% de son coût par tâche.

Astra gagne 5 points par rapport à GPT-6 Astra et devance Gemini 4 Carbon (60) et Claude Opus 5.5 (59) avec les réglages de raisonnement maximaux. Par ailleurs, les modèles d'OpenAI occupent l'essentiel de la frontière de Pareto du coût par tâche. On désigne ainsi l'ensemble des options pour lesquelles on ne peut obtenir une meilleure qualité sans payer plus. Seuls Anthropic et Meta partagent cette frontière avec OpenAI. Quant au nombre de tokens de sortie par tâche, la frontière appartient presque entièrement à OpenAI : parmi les autres laboratoires, seul Claude Fable 5.2 y figure.

Là où les modèles brillent

Le résultat le plus marquant concerne la science et les connaissances. OpenAI domine Terminal-Bench-Science 0.1, qui évalue les workflows agentiques de recherche scientifique. Dans CritPt v2 (partie difficile, raisonnement en physique), elle arrive deuxième, derrière Claude Fable 5.2. Dans le test de connaissances factuelles AA-Omniscience v1.1 et dans HLE-Diamond, qui évalue le raisonnement et les connaissances, Astra ne cède là aussi qu'au modèle d'Anthropic.

Deux autres résultats méritent d'être cités. Dans AA-3D, où des experts humains évaluent des scènes 3D interactives générées par le modèle, Astra obtient 1318, Claude Fable 5.2 1271 et Sol 1259. Dans AA-Robotics v0.1, un test où les modèles de langage doivent comprendre un environnement, planifier et exécuter des actions dans le monde réel, Astra et Sol obtiennent 79 et 78, contre 75 pour Claude Fable 5.2. Les auteurs eux-mêmes apportent une réserve : il s'agit d'une version de recherche préliminaire, et les modèles d'OpenAI et d'Anthropic viennent déjà à bout de la plupart des tâches simples. Le laboratoire en ajoute de plus difficiles.

Les points faibles : code et réponses inventées

Dans l'Artificial Analysis Coding Agent Index (harness Codex à l'effort maximal), Astra reste au niveau de GPT-6 Astra, tandis que Sol perd 3 points par rapport à GPT-6.1 Sol. En cause, une chute de 14 points dans le test SWE-Atlas-QnA-AA, où le modèle répond à des questions sur une base de code : il omet plus souvent que sa devancière des faits importants. Pour autant, côté coût par tâche, plusieurs modes d'effort d'Astra et de Sol se retrouvent malgré tout sur la frontière de Pareto.

La seconde réserve concerne les inventions. La métrique AA-Omniscience Hallucination Rate mesure à quelle fréquence le modèle devine quand il ne connaît pas la bonne réponse à une question factuelle. Pour Astra, ce taux est de 59%, pour Sol de 55%, à l'effort maximal. Si vous avez besoin de faits vérifiables, impossible de se passer d'une recherche dans les sources et d'une vérification du résultat.

Que faire en pratique

Si votre service tourne sur GPT-6 Astra, passer à la 6.2 apporte une meilleure qualité et une remise de 20%, et l'économie sera plus importante avec un contexte volumineux mis en cache. Si le niveau de GPT-6 Astra vous suffit, testez Sol : son score est comparable, pour environ 15% du coût par tâche. Pour les usages scientifiques, 3D et robotiques, la nouvelle Astra mérite d'être testée en priorité.

Pour les agents de code, inutile de se précipiter. Le gain dans l'indice n'est pas confirmé, et Sol régresse sur les réponses relatives à la base de code. Passez le modèle sur vos propres tâches avant de le remplacer en production. Tous les chiffres proviennent de l'indice indépendant, mais celui-ci moyenne les résultats, et vos données peuvent montrer un tableau différent.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qui change côté prix et classement ?

GPT-6.2 Astra coûte $8 par million de tokens en entrée et $40 par million en sortie, soit 20% de moins que GPT-6 Astra. L'entrée mise en cache, c'est-à-dire la partie récurrente d'une requête, comme une instruction système ou un long document, passe de $1,00 à $0,40 par million de tokens. Pour les bots et les agents qui s'appuient sur un gros contexte permanent, l'économie est notable. GPT-6.2 Sol conserve ses tarifs de $2 et $10 par million de tokens.

Que sait-on sur Là où les modèles brillent ?

Le résultat le plus marquant concerne la science et les connaissances. OpenAI domine Terminal-Bench-Science 0.1, qui évalue les workflows agentiques de recherche scientifique. Dans CritPt v2 (partie difficile, raisonnement en physique), elle arrive deuxième, derrière Claude Fable 5.2. Dans le test de connaissances factuelles AA-Omniscience v1.1 et dans HLE-Diamond, qui évalue le raisonnement et les connaissances, Astra ne cède là aussi qu'au modèle d'Anthropic. Deux autres résultats méritent d'être cités.

Que sait-on sur Les points faibles : code et réponses inventées ?

Dans l'Artificial Analysis Coding Agent Index (harness Codex à l'effort maximal), Astra reste au niveau de GPT-6 Astra, tandis que Sol perd 3 points par rapport à GPT-6.1 Sol. En cause, une chute de 14 points dans le test SWE-Atlas-QnA-AA, où le modèle répond à des questions sur une base de code : il omet plus souvent que sa devancière des faits importants. Pour autant, côté coût par tâche, plusieurs modes d'effort d'Astra et de Sol se retrouvent malgré tout sur la frontière de Pareto.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…