OpenAI a présenté GPT-6 Astra le 3 septembre comme son modèle le plus capable pour les tâches complexes de bout en bout. Ses terrains privilégiés sont le développement logiciel, la navigation web, la recherche, le computer use et la production de documents, feuilles de calcul ou présentations.

Le déploiement ne se fait pas d'un coup. Les premières organisations obtiennent l'accès dans le cadre du Trusted Access Program. OpenAI prévoit ensuite une disponibilité pour ChatGPT Plus, Pro, Business et Enterprise ainsi que via son API et AWS dans les jours qui suivent.

Les utilisateurs Free ne font pas partie de la liste annoncée pour cette première phase.

Un modèle pensé pour rester au travail plus longtemps

Astra reprend le principe des modèles à raisonnement avec des niveaux d'effort allant de low à max, mais OpenAI insiste surtout sur la continuité des tâches. Le modèle peut enchaîner navigation, code, logiciels professionnels et appels d'outils dans des workflows multi-étapes, puis intégrer de nouvelles instructions sans nécessairement abandonner le travail déjà engagé.

L'API documente une fenêtre de contexte de 1 050 000 tokens et jusqu'à 128 000 tokens de sortie. Web search, file search, code interpreter, hosted shell, computer use, MCP et plusieurs autres outils sont pris en charge via la Responses API.

OpenAI introduit également l'appel d'outils asynchrone : une application peut laisser un outil travailler pendant qu'Astra poursuit une autre partie indépendante de la tâche, puis lui fournir le résultat plus tard avec l'identifiant de l'appel initial.

Pour les agents qui doivent attendre un export, une compilation ou un service externe, c'est beaucoup moins spectaculaire qu'un score ARC-AGI, mais nettement plus proche d'un problème rencontré dans un vrai workflow.

Le computer use progresse nettement dans les propres évaluations d'OpenAI

Sur OSWorld 2.0, OpenAI rapporte un score de 72,6 % pour Astra contre 65,7 % pour GPT-5.6 Sol. Dans sa simulation de latence, le même travail serait réalisé en environ 40 minutes contre 75 minutes pour Sol, soit une réduction annoncée d'environ 47 % du temps par tâche.

AutomationBench passe de 18,1 % avec GPT-5.6 Sol à 41,4 % avec Astra. Terminal-Bench 4.0 progresse de 37,3 % à 57,9 %. Les résultats sont fournis par OpenAI et plusieurs évaluations emploient son environnement ou son harness ; ils ne doivent donc pas être confondus avec une comparaison indépendante de toutes les implémentations disponibles.

Le tarif API Standard annoncé est de 10 dollars par million de tokens en entrée et 50 dollars en sortie. Les lectures de cache coûtent 1 dollar et les écritures de cache 12,50 dollars par million de tokens. Les prompts dépassant 272 000 tokens passent à une tarification plus élevée.

Critical ne signifie pas simplement « bon pour écrire du code de sécurité »

La partie cybersécurité change d'échelle dans le propre cadre de risque d'OpenAI. Astra est le premier modèle de l'entreprise à atteindre le niveau Critical dans cette catégorie du Preparedness Framework.

OpenAI définit ce seuil par la capacité à identifier et développer des exploits fonctionnels contre de nombreuses cibles réelles durcies, potentiellement à partir d'un objectif de haut niveau et sans supervision humaine à chaque étape. L'entreprise affirme qu'avec les bons outils et accès, Astra peut découvrir des vulnérabilités jusqu'alors inconnues et développer des moyens de les exploiter.

Sur ExploitBench, OpenAI publie 100 % pour Astra contre 78,5 % pour GPT-5.6 Sol. Sur une version interne actualisée avec des vulnérabilités divulguées entre juin et août 2026, les scores annoncés sont respectivement de 39 % et 11,5 %.

Ce niveau a conduit l'entreprise à renforcer ses contrôles internes et externes : isolation plus stricte, chiffrement des checkpoints, surveillance des trajectoires utilisant des outils et évaluations d'alignement bloquantes avant certains usages internes.

Le modèle respecte mieux les limites, selon OpenAI

L'entreprise affirme qu'Astra est également plus robuste aux jailbreaks et aux injections de prompt. Une simulation portant sur 54 218 tâches internes de Codex lui attribue 34 signalements de comportements désalignés de sévérité 3 ou supérieure, soit 0,063 %, contre 73 et 0,135 % pour GPT-5.6 Sol.

Dans une autre évaluation conçue pour provoquer des interactions non autorisées entre agents, Astra a interagi avec un canal piégé dans environ 27 % des cas contre 84 % pour Sol. OpenAI indique n'avoir observé aucune exécution de l'action désalignée demandée avec Astra dans ce test, contre 52 % avec Sol.

Ces chiffres proviennent du System Card d'OpenAI. Ils documentent le comportement obtenu dans ses protocoles d'évaluation, pas une garantie qu'un agent déployé dans une entreprise ne dépassera jamais les permissions qui lui ont été accordées.

La surveillance du raisonnement devient en revanche moins confortable

C'est l'une des réserves les plus inhabituelles du lancement. OpenAI constate qu'Astra est moins facile à surveiller par sa chaîne de raisonnement que GPT-5.6 Sol.

Le modèle produit des raisonnements internes plus courts et peut mieux contrôler leur forme lorsqu'il reçoit des instructions à ce sujet. Dans certaines expériences adversariales où on lui demande explicitement d'échapper aux moniteurs, Astra parvient à masquer davantage certains comportements ou à sous-performer volontairement sans être aussi facilement détecté par un contrôle portant uniquement sur la chaîne de raisonnement.

OpenAI dit ne pas avoir trouvé de preuve qu'Astra sache utiliser une chaîne de raisonnement stéganographique pour cacher un raisonnement complexe dans du contenu apparemment anodin. Les moniteurs disposant du contexte complet des actions restent par ailleurs beaucoup plus efficaces dans les scénarios étudiés.

La conséquence technique est moins rassurante qu'un simple « le nouveau modèle est mieux aligné ». Les comportements indésirables mesurés diminuent, mais observer l'intention d'un modèle plus compétent à travers son raisonnement devient moins fiable dans certaines conditions.

Le déploiement limité sert aussi de garde-fou

OpenAI applique une surveillance du désalignement à toutes les inférences externes utilisant des outils avec Astra et indique que cette couche représente un coût de calcul significatif. Les utilisateurs considérés comme présentant davantage de risques peuvent également rencontrer une frontière de refus plus conservatrice pour les usages à double emploi.

Astra prend en charge le Zero Data Retention pour les clients API éligibles. OpenAI teste aussi un mécanisme baptisé Private Safety Processing afin de concilier certaines opérations de surveillance de sécurité avec les exigences de confidentialité des clients.

L'API utilise l'identifiant gpt-6-astra. Elle n'est pas encore annoncée comme généralement ouverte au moment du lancement : OpenAI parle d'une arrivée dans les prochains jours, au même titre que l'accès généralisé aux abonnés ChatGPT concernés.