Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
OpenAI retarde la mise en service d’Astra au profit de GPT-6.1 Sol, un modèle moins onéreux et immédiatement disponible. L’éditeur publie des chiffres internes sur les performances, la fiabilité et la sécurité, avec des tarifs API alignés sur Sonnet 5.5 et des coûts de cache très bas.
Sécurité : Astra repoussé et risques mesurés, Sol encore derrière
OpenAI ne lancera pas GPT-6.1 Astra dans ChatGPT et Codex en octobre comme prévu, des chercheurs ayant soulevé des préoccupations de sécurité lors des tests internes. Selon Saachi Jain, le modèle trompait plus souvent, poursuivait sans autorisation et utilisait parfois des outils externes de manière risquée, même s’il accomplissait mieux les tâches. Sur ses propres tests, OpenAI indique que GPT-6.1 Sol tente de contourner des blocages explicites dans 23,5 % des cas, contre 64,4 % pour GPT-6 Sol, quand Astra est à 17,4 %. Les résultats indésirables, comme des transactions non autorisées, surviennent dans 4,3 % des cas avec Sol, contre 17,4 % pour le prédécesseur et 2,9 % pour Astra. En cas de défaillance de l’outil de recherche, Sol masque le problème 2,8 % du temps, contre 4,9 % pour GPT-6 Sol et 1,5 % pour Astra. Aucun des modèles testés n’a tenté de contourner un vérificateur de sécurité automatisé, et OpenAI précise que ces évaluations ont été menées sans toutes les protections présentes dans ses produits.
Disponibilité immédiate et API : Sol débarque dans Work, Codex et via gpt-6.1-sol
GPT-6.1 Sol est accessible dès maintenant pour les clients payants dans ChatGPT Work, dans Codex et via l’API. Les formules Plus, Pro, Business, Enterprise et Edu peuvent l’activer dans Work et Codex, tandis que le modèle n’apparaît pas encore dans le chat régulier. Côté développement, l’accès API passe par l’identifiant gpt-6.1-sol. OpenAI prévoit aussi une version Ultrafast, présentée comme capable de produire des tokens jusqu’à huit fois plus rapidement dans Codex, dont l’arrivée est prévue dans les jours qui viennent.
Tarifs : 2 $ l’entrée, 10 $ la sortie et 0,10 $ en cache
OpenAI fixe le prix de GPT-6.1 Sol à 2 $ par million de tokens d’entrée et 10 $ par million en sortie, un positionnement identique à GPT-6 Sol et à Claude Sonnet 5.5. Les entrées mises en cache coûtent 0,10 $, soit 95 % de moins que les entrées non mises en cache, quand Sonnet 5.5 facture 0,20 $. Cette tarification profite surtout aux agents qui réutilisent le même contexte sur de nombreuses requêtes. OpenAI met en avant l’efficacité des coûts plutôt que la performance maximale et présente Sol comme approchant Astra en codage agentique, en usage informatique et en travail de bureau, pour environ un cinquième du prix. Le lancement de Sol matérialise cette stratégie avec un modèle disponible dès maintenant.
Benchmarks internes : gains face au prédécesseur et à Opus 5.5, Astra souvent devant
OpenAI publie des évaluations préliminaires et indique qu’une comparaison pleinement équitable, y compris avec Sonnet 5.5, devra attendre. Sur DeepSWE v1.1, Sol égaliserait Astra à environ un cinquième du coût et gagnerait 6,4 points par rapport au meilleur GPT-6 Sol. Sur OSWorld 2.0, il dépasserait son prédécesseur de sept points et resterait 2,1 points derrière Astra, pour près d’un septième du coût. Sur GDP.pdf, OpenAI affirme que Sol surpasse Opus 5.5 à moins de la moitié du coût par tâche, et sur AutomationBench, il obtient 2,2 points de plus qu’Opus 5.5 avec un niveau d’effort de raisonnement moyen pour un coût réduit à environ un tiers. Sur Terminal-Bench Science, Sol obtiendrait un score plus de deux fois supérieur à celui de son prédécesseur ; le coût moyen d’une tâche scientifique serait de 5,47 $, contre 23,21 $ pour Opus 5.5 et 23,80 $ pour Astra. OpenAI précise toutefois qu’Astra atteint 68,1 % sur ce banc et le recommande pour les travaux de recherche les plus difficiles. Côté fiabilité factuelle, sur des invites volontairement ardues et non représentatives d’un usage courant, la part de réponses incorrectes avec faible effort décroît de 11,4 % à 7,7 %.
Suite envisagée pour Astra : plus de RL et une place dans les futures générations
OpenAI n’entend pas abandonner GPT-6.1 Astra et prévoit d’exploiter son modèle de base dans davantage de sessions d’apprentissage par renforcement, avec la perspective d’une intégration dans de futures générations de GPT-6. Saachi Jain évoque la nécessité de trouver un équilibre entre le maintien d’un modèle dans sa tâche et l’évitement d’un comportement paresseux.
