GPT-6 Astra : 99,9 % sur ARC-AGI-3, mais avec son propre harnais

Le chiffre qui claque, et son astérisque

OpenAI a mis GPT-6 Astra en ligne le 3 septembre 2026, d’abord pour un nombre limité d’organisations, avec une ouverture annoncée dans les jours qui suivent aux comptes ChatGPT Plus, Pro, Business et Enterprise, ainsi qu’à l’API et à AWS (l’annonce). Tarif API : 10 dollars par million de tokens en entrée, 50 en sortie — exactement le prix de Claude Fable 5 et 5.1. Le positionnement concurrentiel tient donc en une ligne de grille tarifaire. Le modèle s’appellera gpt-6-astra une fois le déploiement terminé.

Le chiffre qui circule depuis, c’est 99,9 % sur ARC-AGI 3, un benchmark sorti en mars 2026. Sauf que, comme le relève Simon Willison, le blog d’ARC-AGI accompagne le score de son protocole : ces 99,9 % ont été obtenus pour 19 000 dollars avec un harnais maison d’OpenAI, le Provider Adapter, qui conserve entre deux requêtes un état de raisonnement opaque et compacte les conversations longues pour que le modèle réutilise son travail précédent. Avec le harnais par défaut d’ARC-AGI, le même modèle obtient 62,7 %, pour 26 000 dollars. Moins bon et plus cher : ce n’est pas le modèle qu’on compare d’un chiffre à l’autre, c’est la plomberie autour. Et Claude Fable 5 n’a pas de résultat publié sur ce benchmark, ce qui rend la comparaison implicite difficile à faire tenir.

Les scores qui n’ont pas besoin d’aménagement

Sur la sécurité, les résultats rapportés sont nets et se lisent en comparaison avec GPT-5.6 Sol : 100 % sur ExploitBench contre 78,5 %, 42,4 % sur ExploitGym contre 30,3 %, et 99,2 % en quatre tentatives sur la partie rétro-ingénierie de binaires de SRE-Bench, contre 68,7 %. Un bond réel, à condition de noter qu’ExploitGym reste un test que le modèle rate près de six fois sur dix.

Le long contexte progresse aussi : sur le benchmark maison à huit aiguilles d’OpenAI, Astra affiche 100 % entre 256 000 et 512 000 tokens, et 96,3 % entre 512 000 et un million. C’est le genre de chiffre qui, s’il tient hors du laboratoire, règle un problème que tout le monde contourne depuis deux ans à coups de RAG.

Le classement où Astra ne gagne pas

Artificial Analysis place Astra à 61 sur son Intelligence Index, soit à égalité avec GPT-5.6 Sol, cinq points derrière Claude Fable 5.1 en effort maximal avec fallback, et derrière le Muse Spark 1.3 de Meta. Une génération qui n’améliore pas l’indice de la précédente, c’est inhabituel pour un changement de numéro majeur.

En revanche, sur le Coding Agent Index de la même maison, Astra tient la frontière d’efficacité coût : à effort maximal, il coûte à peu près autant que Sol pour deux points de plus, et moins de la moitié du prix par tâche de Claude Fable 5 à score égal. C’est là que se joue l’argument commercial, pas sur ARC-AGI.

Ce que la system card ne dit pas encore

La system card est publiée, mais l’essentiel des chiffres qui tournent proviennent des benchmarks auto-rapportés par OpenAI, sur lesquels Astra devance Fable dans la plupart des cas. Le billet, intitulé « A new generation of intelligence », était par ailleurs difficile à lire le jour même : le blog d’OpenAI renvoyait des erreurs 500, et les lecteurs sont passés par un miroir. Le fil Hacker News, lui, tenait 638 points et 369 commentaires en quelques heures. Willison, qui n’a pas encore eu accès au modèle, ne s’avance pas plus loin.

Un score de 99,9 % sur son propre banc d’essai, c’est un résultat. Ce qu’on saura dans quelques jours, c’est ce qu’il en reste quand quelqu’un d’autre tient le chronomètre.