OpenAI lance GPT-6 Astra et parle d’« ère de l’AGI »

OpenAI classe pour la première fois un de ses modèles au niveau « critique » et réserve ses fonctions de cybersécurité les plus sensibles à des défenseurs agréés. En parallèle, l’éditeur met en avant un raisonnement de coût par tâche, des scores en tête des benchmarks et un déploiement élargi imminent. Les dirigeants évoquent une transition graduelle et déclarent l’entrée dans l’« ère de l’AGI ».

Astra classé « critique » et capacités offensives encadrées

OpenAI classe GPT-6 Astra au niveau « critique » dans son Preparedness Framework, une première pour l’entreprise. Ce niveau désigne un système capable, avec les outils et accès adéquats, d’identifier des vulnérabilités inconnues et d’enchaîner des exploits sans guidage humain pas à pas. OpenAI reconnaît que le raisonnement écrit d’Astra est plus difficile à surveiller que celui de GPT-5.6 Sol. Sur ExploitBench, le modèle atteint 100 %. Selon OpenAI, il a découvert deux vulnérabilités inédites pendant l’évaluation, ensuite signalées aux fournisseurs concernés, et des experts humains confirment qu’il peut identifier des vulnérabilités zero-day dans plusieurs catégories logicielles, y compris navigateurs et systèmes d’exploitation. Les fonctions de cybersécurité les plus avancées sont réservées aux défenseurs de confiance dans le cadre du programme Daybreak Blue. OpenAI avait retardé la sortie pour conduire des tests de sécurité supplémentaires. Ces capacités sont à double usage et peuvent autant servir à corriger qu’à exploiter une faille.

Tarification : 10 $/M tokens entrée, 50 $/M sortie et cap sur le coût par tâche

En mode standard via l’API, GPT-6 Astra coûte 10 dollars pour chaque million de tokens en entrée et 50 dollars pour chaque million de tokens en sortie. Le mode rapide offre une vitesse multipliée par 2,5 et applique des tarifs doublés, ce qui positionne Astra à un niveau 2,5 fois supérieur à Sol et dans la même gamme que Fable 5.1. Les prix au token d’Astra sont 2,5 fois plus élevés que Sol et alignés sur Fable 5.1. Greg Brockman soutient que le prix au token est un mauvais comparateur, car les unités diffèrent entre acteurs et même entre familles de modèles d’OpenAI, et met en avant le prix par tâche, déjà testé par l’entreprise. OpenAI affirme que, selon les cas, le coût par tâche peut être inférieur. L’éditeur rapporte environ 43 % d’économies sur BenchCAD par rapport à Sol et 86 % par rapport à Fable 5.1, et évoque une baisse d’environ 57 % du coût par tâche sur DeepSWE v1.1 avec une configuration optimale d’Astra par rapport à Sol.

Scores de pointe et progrès sur OSWorld et en sciences

OpenAI publie des résultats où Astra dépasse son prédécesseur et les modèles Fable d’Anthropic. Le modèle atteint 99,9 % sur ARC-AGI-3 en logique, 97,6 % sur FrontierMath Tier 4 v2, 74,1 % sur DeepSWE v1.1 en ingénierie logicielle, 96 % sur GPQA Diamond et 95,9 % sur BenchCAD. Sur OSWorld 2.0, qui évalue la capacité à opérer un ordinateur, Astra obtient 72,6 % en environ 40 minutes par tâche, contre 65,7 % et environ 75 minutes pour Sol. OpenAI affirme qu’Astra a amélioré un résultat sur les écarts premiers et revendique de nouveaux records en biologie, chimie, médecine et physique. L’éditeur positionne le modèle comme capable de piloter un ordinateur de manière fiable à la manière d’un humain.

Accès : Daybreak d’abord, puis Plus, Pro, Business et Enterprise

Le déploiement commence auprès d’organisations sélectionnées via le programme Daybreak. Une ouverture aux abonnés ChatGPT Plus, Pro, Business et Enterprise est attendue dans les jours à venir, avec un accès également via l’API et des plateformes comme AWS Bedrock et Microsoft Azure. Les abonnés Pro, Business et Enterprise pourront utiliser GPT-6 Astra Pro, une variante plus performante, sous réserve d’activation manuelle par les administrateurs dans les espaces de travail Enterprise. Les clients payants et les environnements cloud devraient être servis rapidement.

Entraînement à grande échelle et déclarations sur l’AGI

Astra a été pré-entraîné sur plus de 100 000 GPU dans l’installation Stargate au Texas. Aidan Clark évoque la plus grande session d’entraînement jamais conduite par OpenAI et décrit un gain de capacité plus marqué de Sol vers Astra que lors des transitions précédentes, en partie grâce à des modèles antérieurs utilisés pour la supervision de l’entraînement. Greg Brockman affirme qu’Astra pourrait être considéré comme de l’AGI ou à portée selon la définition d’OpenAI, qui décrit un système surpassant l’humain dans la plupart des travaux économiquement précieux. Il estime toutefois qu’il n’existe pas de seuil net marquant l’AGI et décrit une transition plus graduelle qu’anticipé. Il conclut un briefing par « Bienvenue dans l’ère de l’AGI ». Sam Altman avait, de son côté, indiqué s’attendre à disposer d’un modèle qu’il qualifierait d’AGI d’ici la fin de l’année.

Codex évolue avec des notes multi-fenêtres de contexte

OpenAI fait évoluer son environnement de codage Codex. Une fonctionnalité expérimentale permet désormais au modèle de conserver des notes à travers plusieurs fenêtres de contexte durant de longues sessions. Les fenêtres historiques restent interrogeables, y compris pour retrouver des exigences ou des résultats de tests non consignés dans les notes. OpenAI prévoit d’activer par défaut ce fonctionnement dans les semaines à venir.