« Bienvenue dans l'ère de l'AGI » : OpenAI lance GPT-6 Astra

Par Xiaojing, Tencent Tech

« Bienvenue dans l'ère de l'AGI. »

Greg Brockman, cofondateur et président d'OpenAI, a résumé ainsi le lancement de GPT-6 Astra.

Le 3 septembre, heure locale aux États-Unis, OpenAI a officiellement lancé GPT-6 Astra. Contrairement aux modèles précédents, principalement chargés de répondre, de générer et d'invoquer des outils, Astra va plus loin : il peut exécuter en continu des tâches complètes, depuis la réception d'instructions et l'utilisation de logiciels jusqu'à l'ajustement des actions suivantes en fonction des résultats. C'est aussi l'une des raisons pour lesquelles OpenAI évoque à nouveau l'« ère de l'AGI ».

OpenAI positionne Astra comme « le modèle d'utilisation d'ordinateur le plus puissant au monde ». Cette capacité s'étend désormais des tâches simples comme la navigation, la messagerie et les tableurs à des logiciels professionnels tels que Power BI, KiCad et FreeCAD, et commence à couvrir des flux de travail plus complexes comme l'analyse de données, la conception technique, les tests logiciels et le dépannage.

Dans les vidéos présentées par OpenAI, Astra peut partir d'un simple graphique et mener à bien des tâches comme un jeu 3D ou une page produit. OpenAI a également fourni des exemples de conception de circuits imprimés, de modélisation Blender, de documents juridiques, d'Excel et d'analyses scientifiques.

Les résultats de plusieurs benchmarks publiés par OpenAI montrent que les gains de performance se concentrent sur les tâches nécessitant des actions continues, comme l'utilisation d'ordinateurs, le codage de longue durée, la conception technique et la recherche scientifique. Astra atteint 100 % sur ExploitBench et surpasse nettement le modèle précédent dans les tests liés à l'utilisation d'ordinateurs et à la CAO.

Astra est actuellement accessible à certaines organisations et sera progressivement proposé dans les prochains jours aux utilisateurs de ChatGPT Plus, Pro, Business et Enterprise. Il est également disponible via l'API OpenAI et Amazon Bedrock. Le tarif standard de l'API est de 10 dollars par million de jetons d'entrée et de 50 dollars par million de jetons de sortie, soit 2,5 fois celui de GPT-5.6 Sol.

01 D'abord apprendre à l'IA à « utiliser un ordinateur »

Le principal changement mis en avant par Astra est l'« utilisation d'un ordinateur ». Auparavant, les utilisateurs devaient connecter l'IA à des logiciels spécifiques pour accomplir des tâches. Les entreprises devaient développer des API, des plugins, des systèmes de recherche et divers connecteurs pour que le modèle puisse utiliser les outils internes.

Astra tente de contourner une partie de ce travail. Il peut voir directement l'interface de l'ordinateur et utiliser la souris, le clavier et le navigateur pour effectuer des opérations. Les exemples fournis par OpenAI incluent le remplissage de formulaires en ligne, la mise à jour de fiches clients dans un CRM, la planification d'agendas, la recherche sur le web et la transformation des résultats de recherche en e-mails ou documents.

Il peut aussi ouvrir un notebook Python pour analyser des données scientifiques, traiter des données dans Power BI, réaliser des conceptions techniques avec KiCad et FreeCAD, créer des sites web et effectuer des tests front-end, ainsi qu'installer des logiciels, vérifier les erreurs et traiter les problèmes qui apparaissent à l'écran.

OpenAI a montré Astra réalisant un routage de PCB dans KiCad. Le modèle part d'un schéma électronique, place les composants sur la carte, puis effectue le routage des pistes en cuivre. L'ensemble du processus est condensé en 15 secondes. Pour les ingénieurs, ce type de travail qui nécessitait auparavant une intervention manuelle peut désormais être exécuté par le modèle.

Une autre démonstration concerne la modélisation 3D dans Blender et Unreal Engine 5. Astra crée d'abord une maison dans Blender, puis convertit le modèle en une scène navigable dans Unreal Engine 5, permettant aux concepteurs et aux clients d'entrer dans la scène à l'avance pour visualiser l'espace.

OpenAI a également présenté des scénarios de développement de jeux, d'Excel, de Power BI, de boîtes de vitesses automobiles, de documents juridiques et de formulaires 1040.

Dans le sous-ensemble hors ligne d'OSWorld 2.0, Astra obtient 72,6 % et GPT-5.6 Sol 65,7 %. Après simulation de la latence réelle, OpenAI a constaté qu'Astra met en moyenne environ 40 minutes pour accomplir chaque tâche, contre environ 75 minutes pour GPT-5.6 Sol, soit une réduction d'environ 47 %.

Dans Agents' Last Exam, Astra obtient 59,3 %, GPT-5.6 Sol 53,6 % et Claude Opus 5 55,5 %. De plus, avec le réglage de score maximal, Astra utilise environ 65 % de jetons de sortie en moins que Claude Opus 5.

Le score ScreenSpot-Pro atteint 92,7 %, contre 76,9 % pour GPT-5.6 Sol.

La vitesse s'est également améliorée. OpenAI a mis à jour le framework Codex : associé à Astra, la vitesse d'exécution des tâches dans le test Mind2Web atteint 1,9 fois celle de l'expérience actuelle avec GPT-5.6 Sol.

Les démonstrations officielles incluent aussi plusieurs scénarios du quotidien : rechercher un pédiatre, trouver un appartement, prendre rendez-vous au DMV, chercher des en-cas pauvres en glucides et analyser une école maternelle. Dans la démonstration, Astra a accompli une tâche en 2 minutes 54 secondes.
 

Matt Shumer, investisseur et praticien de l'IA, a partagé une expérience sur X. Il a demandé à Astra de créer un monde dans Unreal Engine, puis d'y ajouter des agents humains pilotés par Astra pour qu'ils coexistent. 

Un jour plus tard, depuis sa chambre, il a entendu des bruits provenant du salon et a d'abord cru qu'un intrus était entré dans l'appartement. Il s'est avéré que les bruits venaient de ces agents Astra, qui avaient commencé à communiquer entre eux.

Cette expérience n'est pas encore totalement stable, mais Shumer estime que l'effet de plusieurs agents IA entrant dans le même monde virtuel et interagissant de manière autonome est déjà suffisamment surprenant.

Silas Alberti, vice-président senior de la recherche chez Cognition, a indiqué que l'entreprise prévoyait d'intégrer Astra au framework Devin dès le jour du lancement. Lors des tests internes, Astra a montré des améliorations significatives en matière d'utilisation d'ordinateurs, de rédaction et de compréhension des bases de code, avec une compréhension vidéo plus claire et des rapports plus concis.

02 Du code à l'exécution complète des tâches

Avec des capacités d'utilisation d'ordinateur renforcées, le champ d'action d'Astra s'élargit encore. OpenAI le positionne comme un modèle pour l'ingénierie logicielle, le travail professionnel et la recherche scientifique. Il peut traiter des tâches plus longues et ajuster sa direction en fonction de l'évolution des tâches.

Cette capacité est particulièrement visible dans les tests de codage.

Dans le test Terminal-Bench 4.0, Astra obtient 57,9 %, GPT-5.6 Sol 37,3 % et Claude Fable 5.1 55,8 %.

Dans DeepSWE v1.1, Astra obtient 74,1 % et GPT-5.6 Sol 72,7 %. Dans une tâche interne de migration de base de données, Astra atteint 63,9 % contre 42,7 % pour GPT-5.6 Sol.

Astra introduit également des améliorations pour les longues tâches Codex.

Auparavant, lorsqu'une longue tâche atteignait la limite de la fenêtre de contexte, le modèle devait généralement compresser le travail précédent en un résumé, ce qui entraînait souvent une perte de détails, par exemple la raison de l'échec d'une correction ou les problèmes rencontrés précédemment par un composant.

Astra peut conserver les informations importantes pendant le processus Codex et les récupérer dans le contexte ultérieur. Les premiers messages et sorties d'outils restent consultables, ce qui permet au modèle de redécouvrir les exigences antérieures, les résultats de tests et l'historique des opérations d'outils.

Des changements similaires se produisent dans le travail professionnel. Dans le test BenchCAD, Astra obtient un score de chevauchement géométrique de 95,9 %, contre 83,3 % pour GPT-5.6 Sol et 84,3 % pour Claude Fable 5.1. Dans BrowseComp, Astra obtient 91,5 % et GPT-5.6 Sol 90,4 %. Dans le test OpenScore String Quartets, Astra atteint 0,84 contre 0,19 pour GPT-5.6 Sol.

OpenAI a également montré la capacité d'Astra à créer des présentations, des tableurs et des documents.

Lorsqu'on lui fournit quelques diapositives d'un modèle de présentation OpenAI, il peut créer une nouvelle présentation en respectant le ton, la mise en page et la structure d'origine. Il gère aussi les compromis d'information dans les tâches. OpenAI indique qu'Astra a été spécialement entraîné pour intégrer le contexte important dans le résultat final et réduire la répétition du travail déjà effectué.

Lorsque les instructions d'une tâche sont incomplètes, Astra sait aussi quand interroger l'utilisateur. Si l'information manquante affecte le résultat final, il pose des questions ciblées. Si elle n'affecte pas l'orientation principale, il peut continuer à travailler et formuler des hypothèses raisonnables. Dans Codex, même si l'utilisateur ne répond pas temporairement, le modèle peut continuer à traiter d'autres parties ; face à une décision majeure, il attend la confirmation de l'utilisateur.

Niko Grupen, directeur de la recherche appliquée chez Harvey, indique que lors des premiers tests de tâches juridiques, Astra a mieux distingué les documents des enregistrements existants, identifié plus facilement les hypothèses non étayées et transformé les lacunes d'information en suggestions de rédaction concrètes.

John Crepezzi, de l'équipe d'assistants IA de Jane Street, souligne qu'Astra excelle dans les tests de codage internes. Utilisé pour le codage agentique, son style de communication est plus facile à comprendre pour les développeurs, et le code généré nécessite moins de modifications pour atteindre une qualité de production.

Le domaine scientifique est un autre axe majeur. Dans FrontierMath Tier 4 v2, Astra obtient 80,5 % avec une précision de 97,6 %, contre 83,0 % pour GPT-5.6 Sol ; GPQA Diamond atteint 96,0 % contre 94,6 % pour GPT-5.6 Sol.

Le test Terminal-Bench Science 0.1 évalue les flux de travail de recherche scientifique, notamment l'analyse de données, la simulation et l'ajustement de modèles. Astra obtient 64,6 %, Claude Fable 5.1 52,6 % et GPT-5.6 Sol 22,4 %.

Dans les applications scientifiques présentées par OpenAI, Astra peut accéder à des logiciels scientifiques professionnels, vérifier la qualité du séquençage, visualiser les variations génétiques et décider de la prochaine étape d'analyse en fonction des données.

En combinant raisonnement scientifique et utilisation d'ordinateur, le modèle peut travailler directement dans l'environnement logiciel utilisé par les chercheurs.

Greg Burnham, d'Epoch AI, spécialisé dans l'évaluation des capacités, a résumé ce changement lors de la présentation comme la fin d'une époque et le début d'une autre. OpenAI souligne que la valeur d'Astra s'étend désormais de la réponse aux questions scientifiques à la participation directe aux flux de travail scientifiques.

03 Plus les capacités augmentent, plus le seuil de sécurité est élevé

Astra présente cette fois un aspect très particulier : la cybersécurité.

Dans ExploitBench, Astra atteint 100 % contre 78,5 % pour GPT-5.6 Sol ; dans ExploitGym, Astra obtient 42,4 % contre 30,3 % pour GPT-5.6 Sol. 

OpenAI a également mis en place un test interne couvrant les vulnérabilités récentes de juin à août 2026. Dans ce test, le taux d'exécution de code arbitraire d'Astra est nettement supérieur à celui de GPT-5.6 Sol, avec moins de jetons de sortie utilisés. Au cours du test, Astra a également découvert deux vulnérabilités zero-day inconnues jusqu'alors, qu'OpenAI a déclaré avoir divulguées aux mainteneurs concernés.

Le test SRE-Bench évalue la capacité à faire de l'ingénierie inverse sur des binaires logiciels sans code source et à comprendre leur logique centrale. Astra a résolu 88,0 % des tâches en une seule tentative et 99,2 % après quatre tentatives, contre respectivement 55,9 % et 68,7 % pour GPT-5.6 Sol.

L'augmentation des capacités s'accompagne de nouvelles exigences de sécurité. OpenAI indique qu'Astra a atteint un seuil critique dans son cadre de préparation à la cybersécurité. Le modèle peut découvrir des vulnérabilités logicielles inconnues et potentiellement former des chaînes d'exploitation.

Par conséquent, la version actuelle d'Astra refusera d'exécuter des tâches de cybersécurité plus avancées, comme la création de preuves de concept d'exploitation. OpenAI prévoit d'élargir progressivement l'accès aux défenseurs de confiance via Daybreak pour la validation des vulnérabilités, l'analyse de logiciels malveillants et l'ingénierie de détection.

En matière d'alignement, OpenAI fournit également des données notables. Dans un benchmark interne de sécurité d'utilisation d'ordinateur, le taux de comportement inapproprié d'Astra est de 2,4 %, contre 22,0 % pour GPT-5.6 Sol ; avec AutoReview, il est de 1,8 % pour Astra et de 4,5 % pour GPT-5.6 Sol. Dans un benchmark interne de contournement, Astra obtient 0,00 % contre 0,29 % pour GPT-5.6 Sol.

Dans le test honeypot d'ExploitGym, Astra obtient 0 % contre 48,2 % pour GPT-5.6 Sol. Ce test observe principalement si le modèle tente de contourner les restrictions en raison de la difficulté de la tâche. Dans un benchmark interne d'hallucinations, Astra obtient 4,2 % contre 12,2 % pour GPT-5.6 Sol.

OpenAI indique qu'Astra s'est amélioré dans la compréhension des limites des tâches, le traitement des instructions ambiguës et l'explication de ses capacités aux utilisateurs. La probabilité d'hallucinations de capacités est environ un tiers de celle de GPT-5.6 Sol.
 

Cependant, OpenAI reconnaît aussi un problème : plus les capacités du modèle augmentent, plus il peut être difficile de surveiller son processus de raisonnement. Jakub Pachocki, scientifique en chef, estime que la capacité du modèle à résoudre des problèmes plus complexes avec moins de jetons de raisonnement en langage naturel signifie aussi qu'il devient de plus en plus difficile pour les humains de juger ce que fait réellement le modèle à travers son raisonnement textuel.

OpenAI intègre donc la surveillance des désalignements dans le déploiement d'Astra. Le système vérifie le raisonnement et les actions du modèle et peut suspendre la tâche s'il détecte un comportement non autorisé.

Ce mécanisme peut aussi avoir des effets concrets. Les tâches légitimes peuvent parfois ralentir, être suspendues, voire s'arrêter. Dans ChatGPT ou Codex, l'utilisateur peut devoir confirmer pour continuer ; dans les flux de travail API, les tâches signalées peuvent être directement arrêtées.

Ainsi, avec le lancement d'Astra, un changement très concret apparaît : lorsque l'IA commence à obtenir davantage de permissions sur les ordinateurs, la préoccupation des entreprises passe de « le modèle va-t-il répondre de travers ? » à « que peut-il manipuler, à quoi peut-il accéder et quand doit-il s'arrêter ? »

OpenAI mentionne également qu'Astra est son premier modèle pré-entraîné sur l'infrastructure Stargate avec plus de 100 000 DBU. Aidan Clark, vice-président de la recherche chez OpenAI, indique que d'après les évaluations de la phase de pré-entraînement, le bond de capacités d'Astra dépasse celui de GPT-5.6 Sol par rapport à son prédécesseur.

OpenAI attribue ce changement à la combinaison d'un pré-entraînement à grande échelle et de l'apprentissage par renforcement, avec un accent accru sur la connexion des informations, l'exécution de tâches plus longues et le travail continu dans des environnements complexes.

04 Plus cher, mais « plus capable »

La tarification d'Astra a également connu un changement significatif.

Le tarif standard de l'API OpenAI est de 10 dollars par million de jetons d'entrée et de 50 dollars par million de jetons de sortie. Auparavant, GPT-5.6 Sol était facturé 4 dollars par million de jetons d'entrée et 20 dollars par million de jetons de sortie. Les prix d'entrée et de sortie ont tous deux augmenté de 2,5 fois.

La lecture et l'écriture en cache sont facturées séparément. OpenAI propose également un mode rapide, jusqu'à 2,5 fois plus rapide que le traitement standard, au double du prix du mode standard.
 

Si l'on considère uniquement le prix des jetons, Astra est nettement plus cher. Cependant, OpenAI espère que les entreprises calculeront les coûts différemment. Brockman estime qu'à mesure que les modèles deviennent plus agentiques, le coût par jeton reflète de moins en moins précisément le coût réel. Un modèle peut avoir des jetons bon marché, mais s'il nécessite des tentatives répétées et des corrections manuelles, le coût final de la tâche peut être plus élevé.

Les données d'OpenAI soutiennent cette évaluation. Dans le test Terminal-Bench Science 0.1, Astra obtient 64,6 % et Claude Fable 5.1 52,6 %, avec un coût API estimé inférieur de 31 %. Avec un réglage à faible coût, Astra obtient 61,1 %, contre un meilleur résultat de 22,4 % pour GPT-5.6 Sol, avec un coût API estimé inférieur de 27 %.

Dans BenchCAD, Astra obtient 95,9 %, avec un coût API estimé inférieur d'environ 43 % à celui de GPT-5.6 Sol et d'environ 86 % à celui de Claude Fable 5.1. Dans Terminal-Bench 4.0, Astra obtient 57,9 %, GPT-5.6 Sol 37,3 % et Claude Fable 5.1 55,8 %. OpenAI estime que les coûts par tâche sont respectivement inférieurs d'environ 9 % et 63 %.

Les données de l'évaluateur tiers Artificial Analysis présentent un autre point de vue. 

GPT-6 Astra obtient 61,2 à l'Artificial Analysis Intelligence Index, proche des 60,9 de GPT-5.6 Sol, mais avec environ 10 % de jetons de sortie en moins. En raison de la hausse de prix de 2,5 fois, le coût par tâche est en réalité supérieur d'environ 75 % à celui de GPT-5.6 Sol.

Dans l'Artificial Analysis Coding Agent Index, Astra obtient 67,0, proche des 67,2 de Claude Fable 5 et des 68,1 de Claude Opus 5. Artificial Analysis estime que dans l'environnement Codex, Astra réduit considérablement le nombre de jetons nécessaires pour accomplir une tâche ; au niveau d'effort maximal, le coût par tâche est proche de celui de GPT-5.6 Sol ; par rapport à Claude Fable 5, le coût pour accomplir des tâches similaires est inférieur de moitié.

Cependant, Astra n'est pas en tête dans tous les tests. Les données d'Artificial Analysis montrent une baisse d'environ 80 Elo sur GDPval-AA v2, ainsi que quelques reculs sur des tests comme τ³-Banking, SciCode et AA-LCR. Humanity's Last Exam progresse d'environ 6 points.

C'est aussi un point notable du lancement d'Astra. OpenAI n'a cette fois pas divulgué le score d'Astra sur GDPval. GDPval est un test utilisé par OpenAI pour mesurer la performance économique réelle, couvrant 44 professions et 1 320 tâches, notamment des résumés juridiques, de la conception technique, des tableurs, des présentations, du support client et des plans de soins.

Au vu des capacités présentées par Astra, GDPval est fortement corrélé aux scénarios de travail professionnel mis en avant, mais OpenAI n'a pas inclus ce score dans les principales données de lancement.

Par conséquent, la capacité de travail réelle d'Astra se reflète actuellement davantage à travers les résultats d'Agents' Last Exam, BenchCAD, AutomationBench, des tâches de conception internes et des tâches de science des données. 

En fin de compte, la question de savoir si Astra pourra devenir un employé IA que les entreprises accepteront réellement d'utiliser à long terme dépendra de son coût, de sa vitesse, de sa précision et du nombre d'interventions humaines lors de l'exécution de tâches réelles.

Quant à savoir si Astra est une AGI, Brockman n'élude pas la question. Il estime qu'il n'existe pas de norme universellement acceptée pour l'AGI et que la question de savoir si Astra y correspond peut continuer à être débattue. Cependant, si un système peut déjà assumer un grand nombre de tâches dans la navigation, l'utilisation d'ordinateurs, la programmation, les mathématiques, les sciences, le droit et d'autres travaux professionnels, il n'est pas déraisonnable de dire qu'il est entré dans l'ère de l'AGI.

Sam Altman, PDG d'OpenAI, décrit également Astra comme un modèle ouvrant une nouvelle génération d'entrepreneuriat, de découvertes scientifiques et de création.
 

Le rédacteur spécial Jin Lu a également contribué à cet article.