GPT-6 Astra est disponible sur Smart AIPI — 75 % de réduction, et le vrai sujet, c'est l'efficacité des tokens

OpenAI a annoncé GPT-6 Astra le September 3, 2026, le qualifiant de « modèle le plus intelligent et le plus aligné au monde ». Il est disponible dans l'API sous le nom gpt-6-astra, et il est disponible dès maintenant sur Smart AIPI à un quart du prix d'OpenAI.

Les publications de lancement relèvent du marketing. Pas celle-ci — nous vendons l'accès au modèle, donc ce que nous pouvons faire d'utile est de vous dire exactement où il gagne, où il perd et ce qu'il vous coûtera réellement. Tous les chiffres ci-dessous proviennent des tableaux d'évaluation publiés par OpenAI et de leur analyse indépendante.

Les résultats phares

Astra est à la pointe pour l'utilisation d'ordinateurs, la navigation web, l'ingénierie logicielle, la cybersécurité, la science et le travail professionnel. Les scores les plus importants pour les développeurs :

Certains de ces résultats méritent chacun une phrase. Terminal-Bench 4.0 est ce qui se rapproche le plus de « un agent peut-il piloter une vraie machine et accomplir un vrai travail » — les 57.9% d'Astra face aux 37.3% de Sol constituent un bond générationnel, pas un simple écart marginal. AutomationBench (workflows métier en plusieurs étapes à travers des applications) fait plus que doubler Sol. Sur OSWorld 2.0, Astra obtient un score plus élevé et termine en environ 40 minutes par tâche, contre 75 pour Sol — soit environ 47% de temps en moins. Et la ligne d'alignement n'est pas une note de bas de page : lors d'un test adversarial de sécurité lié à l'utilisation d'ordinateurs, Astra produit des résultats non alignés 2.4% du temps, contre 22.0% pour Sol. Si vous laissez un agent interagir avec la production, ce chiffre vaut davantage qu'un point de benchmark.

Trois réserves que les graphiques de lancement ne montrent pas

Nous préférons que vous les entendiez de notre part plutôt que de les découvrir vous-même.

1. Le 99.9% sur ARC-AGI-3 est un résultat de harness

ARC-AGI-3 évalue un modèle en lui fournissant une grille 64×64 de cellules colorées sous forme d'objet JSON et en le laissant émettre des tokens d'action dans un environnement simulé — sans captures d'écran, sans vidéo et sans règles expliquées à l'avance. Le chiffre de 99.9% a été produit avec le harness Responses API d'OpenAI, avec sa propre gestion du contexte. Exécutez le même modèle via le harness hébergé par l'ARC Foundation avec de simples appels API, et Astra obtient environ 62.7%.

Les deux chiffres sont honnêtes ; ils mesurent des systèmes différents. Mais cela vous apprend quelque chose d'important sur 2026 : le harness est désormais une composante de premier ordre du score. Lorsque vous évaluez un modèle pour votre propre stack, évaluez-le dans votre harness, et non sur le graphique promotionnel de quelqu'un d'autre.

2. Les indices composites divergent fortement

OpenAI a mis en avant 14 benchmarks dans son annonce. Un seul d'entre eux recoupe l'Artificial Analysis Intelligence Index, qui classe Astra cinquième avec 61.2 — derrière Claude Fable 5.1 (65.7), Claude Opus 5 (63.1) et Claude Fable 5 (62.1). Dans l'Artificial Analysis Coding Agent Index v1.4, Astra obtient 67.0 contre 68.1 pour Opus 5 et 67.2 pour Fable 5. Et Astra perd face à Fable 5.1 sur Humanity's Last Exam avec outils, 57.2% contre 65.0%.

Les indices agrégés sont des enveloppes autour de benchmarks, et une enveloppe peut faire ressortir le signal ou l'enfouir. L'interprétation honnête : Astra est clairement le modèle de référence pour le travail agentique, dans le terminal et sur ordinateur, mais ce n'est pas le leader incontesté selon chaque mesure de l'« intelligence ». Choisissez le modèle qui gagne sur l'axe réellement important pour votre produit.

3. La capacité cyber est contrôlée, et la trace de raisonnement s'est raccourcie

Astra atteint le seuil de cybersécurité Critical du Preparedness Framework d'OpenAI — 100% sur ExploitBench, 42.4% sur ExploitGym contre 30.3% pour Sol, 88.0% sur une seule tentative en rétro-ingénierie binaire SRE-Bench contre 55.9% pour Sol. Durant l'évaluation, il a découvert et exploité deux zero-days jusque-là inconnus, qu'OpenAI indique avoir divulgués aux mainteneurs.

La conséquence pour vous : la version de lancement effectue le travail défensif — revue de code sécurisée, correctifs — mais refuse de créer des exploits proof-of-concept, et des contrôles de sécurité supplémentaires peuvent occasionnellement interrompre une tâche légitime. Dans l'API, une tâche bloquée s'arrête simplement. Il s'agit d'un comportement du modèle en amont, pas d'une limite de Smart AIPI. OpenAI prévoit d'assouplir cela pour les workflows défensifs vérifiés via son programme Daybreak.

OpenAI a également signalé une véritable régression : le raisonnement écrit d'Astra est plus difficile à surveiller que celui de Sol, car il résout les problèmes en moins d'étapes écrites et contrôle davantage sa trace. OpenAI l'a indiqué elle-même. C'est ce qu'il faut savoir si votre approche de la sécurité dépend de la lecture de chaînes de pensée.

La vraie histoire : l'efficacité des tokens, pas le prix par token

À $10 / $50 par 1M tokens directement chez OpenAI, Astra semble cher face à la famille 5.6 — et sur une base par token, il l'est. Mais le prix par token est la mauvaise unité. Ce que vous payez, ce sont les tokens consommés pour terminer la tâche, et c'est là qu'Astra est réellement différent :

• Sur DeepSWE, Astra utilise environ deux fois moins de tokens de sortie que GPT-5.6 Sol pour un score supérieur.
• Sur Agents' Last Exam, avec les paramètres obtenant le score le plus élevé, il utilise environ 65% de tokens de sortie en moins que Claude Opus 5.
• Gemini 3.8 Flash (73.8%) et Claude Opus 5 (73.7%) se situent à moins d'un point d'Astra sur DeepSWE — tout en étant environ 4–5x moins efficaces en tokens par tâche.
• Sur Terminal-Bench 4.0, Astra atteint ses 57.9% avec un coût API estimé par tâche environ 9% inférieur à celui de Sol, et 63% inférieur à celui de Fable 5.1.
• Sur BenchCAD, Astra atteint 95.9% de recouvrement géométrique à un coût environ 43% inférieur à celui de Sol et 86% inférieur à celui de Fable 5.1.

Il s'agit d'un modèle dont la courbe de Pareto s'est déplacée en faisant moins de travail, et non en facturant moins. Cela crée également une véritable tension pour les laboratoires : si chaque token permet d'accomplir davantage de travail, une activité facturée au token doit soit répercuter le gain d'efficacité auprès des clients, soit le conserver en marge. À $10 / $50, OpenAI l'a conservé.

C'est l'écart que Smart AIPI existe pour combler. Nous répercutons la remise : vous bénéficiez de l'efficacité des tokens d'Astra et d'un tarif par token inférieur de 75%.

Tarification : 75% de réduction, même modèle, même API

Mêmes poids, même format d'API compatible OpenAI, mêmes outils. La seule différence est la facture.

Ce qui a également été livré avec Astra

• Notes consultables dans Codex. Au lieu de compacter une longue session en un résumé unique avec perte d'information, Astra conserve des notes entre les fenêtres de contexte et peut rechercher dans les fenêtres précédentes — y compris les sorties d'outils qui n'ont jamais intégré un résumé. Activez cette fonctionnalité dans votre config.toml Codex ; OpenAI indique qu'elle deviendra la valeur par défaut pour Astra dans les prochaines semaines.
• Meilleure gestion de l'ambiguïté. Astra comble les lacunes courantes grâce au contexte et ne pose des questions ciblées que lorsque la réponse modifierait le résultat. Dans Codex, il peut poser des questions de manière asynchrone tout en poursuivant un travail indépendant.
• Il reste concentré sur la tâche lorsqu'il est orienté. Les modèles précédents traitaient souvent une correction en cours de tâche comme un objectif entièrement nouveau. Astra intègre les nouvelles exigences sans abandonner les contraintes initiales.
• Un véritable contexte long. Récupération MRCR v2 à 100% jusqu'à 512K tokens, 96.3% dans la plage 512K–1M.
• Des résultats scientifiques concrets. Sur les écarts entre nombres premiers, la meilleure borne connue concernant les paires de nombres premiers proches récurrentes à l'infini était passée de 246 à 240 ; Astra a contribué à établir 186. Il a également amélioré un terme d'une borne sur les grands écarts entre nombres premiers qui était en vigueur depuis plus de 80 ans.

Comment utiliser GPT-6 Astra

API Chat Completions

curl https://api.smartaipi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "messages": [{"role": "user", "content": "Refactor this module and add tests"}]
  }'

API Responses avec raisonnement élevé

curl https://api.smartaipi.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "input": "Audit this repo for security issues and open PRs to fix them",
    "reasoning": {"effort": "high", "summary": "auto"}
  }'

Codex CLI, Cursor, Cline, Roo Code, OpenCode, Aider

OPENAI_BASE_URL=https://api.smartaipi.com/v1
OPENAI_API_KEY=sk-your-smart-aipi-key
OPENAI_MODEL=gpt-6-astra

L'effort de raisonnement prend en charge low, medium, high et xhigh. Astra évolue de manière significative avec l'effort — les premiers partenaires indiquent qu'un effort plus élevé apporte davantage de passes de vérification et de tests navigateur sur des builds récents, et pas seulement des réponses plus longues. Pour le travail agentique de longue durée, utilisez high ou xhigh.

Quel modèle devez-vous réellement exécuter ?

• gpt-6-astra — utilisation d'ordinateurs, automatisation de navigateur, agents intensifs en terminal, refactorings de longue durée, tout cas où terminer la tâche sans supervision est l'objectif. Son efficacité des tokens signifie que le tarif plus élevé revient souvent moins cher par tâche terminée.
• gpt-5.6-sol — reste un excellent modèle frontier pour le code et est sensiblement moins cher par token. Le bon choix par défaut pour le codage agentique à grand volume lorsque vous ne payez pas pour l'avantage d'Astra sur l'utilisation d'ordinateurs.
• gpt-5.6-terra — la solution équilibrée : une qualité de code proche du modèle phare à la moitié du prix de sol.
• gpt-5.6-luna — traitements en masse, classification, synthèse, pipelines économiques à haut débit.

Les quatre s'exécutent sur le même endpoint et avec la même clé. Le changement ne demande qu'une ligne, alors benchmarkez-les sur votre charge de travail au lieu de faire confiance au graphique de qui que ce soit — y compris celui-ci.

Premiers pas

1. Inscrivez-vous sur smartaipi.com/signup (crédits gratuits, sans carte bancaire)
2. Créez une clé API dans le tableau de bord
3. Définissez votre URL de base sur https://api.smartaipi.com/v1
4. Utilisez le modèle gpt-6-astra

Le meilleur modèle agentique et d'utilisation d'ordinateurs publié, en production, à un quart du prix catalogue.