OpenAI expédie GPT-6 Astra et l'appelle son premier cybermodèle critique
OpenAI a publié GPT-6 Astra le 3 septembre avec une fenêtre contextuelle de 1,1 million de jetons à 10 $ par million de jetons d'entrée et 50 $ par million de sortie. Il s’agit du premier modèle qui, selon l’entreprise, atteint son seuil critique de cybersécurité.
OpenAI a publié GPT-6 Astra jeudi dernier, quatre semaines après avoir déclaré avoir délibérément ralenti le modèle en raison du cyber-risque. Il s’agit du nouveau produit phare de l’entreprise, et le lancement a eu lieu au milieu de la période la plus chargée de lancement de modèles frontières cette année : quatre gros modèles en 72 heures environ, provenant de quatre laboratoires différents.
Les chiffres d’abord. Astra prend une fenêtre contextuelle d’environ 1,1 million de jetons, soit la quantité de texte qu’un modèle peut garder à l’esprit à la fois, et produit jusqu’à 128 000 jetons en une seule réponse. Le prix de l’API est de 10 $ par million de jetons d’entrée et de 50 $ par million de jetons de sortie, avec une entrée en cache à 1 $. Il existe un mode rapide qui fonctionne jusqu’à 2,5 fois plus vite pour deux fois le prix. Sur OSWorld 2.0, une référence qui mesure dans quelle mesure un modèle peut piloter un ordinateur de bureau réel, OpenAI rapporte 72,6 % contre 65,7 % pour GPT-5.6 Sol et 70,2 % pour Claude Opus 5. La société affirme également qu’Astra atteint souvent ces scores en dépensant moins de jetons de sortie que ses prédécesseurs, ce qui est important car les jetons de sortie représentent la moitié la plus chère de la facture.
La ligne la plus conséquente de l’annonce ne constitue pas une référence. OpenAI affirme qu’Astra est le premier modèle à atteindre le niveau « critique » de sa propre échelle de risque de cybersécurité, ce qui signifie qu’il peut trouver des failles logicielles jusqu’alors inconnues et écrire du code d’exploitation fonctionnel sans qu’un humain ne le guide à travers les étapes. Le modèle est livré avec une formation à l’alignement ainsi que ce qu’OpenAI appelle des protections du système : examen automatisé du code qu’il produit et surveillance des désalignements pendant son exécution en production. Dépouillé de ces protections opérationnelles, OpenAI rapporte qu’Astra refuse 91,5% des tentatives de jailbreak connues, contre 59% pour Sol.
Que se passe-t-il réellement ici. Tous les grands laboratoires publient désormais un cadre de risque avec des niveaux, et 2026 est l’année où les modèles ont commencé à atterrir dans le niveau supérieur plutôt que confortablement en dessous. Google a fait la même chose la veille avec une variante Gemini axée sur le cyberespace qu’il ne remet qu’à des défenseurs approuvés. Le modèle est le suivant : la capacité brute arrive en premier, le contrôle arrive avec elle, et le public obtient la version sécurisée tandis qu’un ensemble plus restreint d’organisations de confiance obtient la version sans restriction. Il s’agit d’un arrangement raisonnable et également d’une énorme confiance accordée à une poignée d’entreprises privées qui décident qui compte comme digne de confiance. Cela vaut la peine de garder les deux pensées à la fois.
Ce que cela signifie pour vous. Si vous utilisez ChatGPT, Astra est déployé sur tous les forfaits, y compris Plus, vous l’avez donc peut-être déjà sans vous en rendre compte. Pour la rédaction, la synthèse et la recherche quotidiennes, la réponse honnête est que vous aurez du mal à ressentir la différence par rapport au modèle précédent. Là où cela devrait se montrer, c’est un travail long et en plusieurs étapes : un modèle capable de contenir un million de jetons et de piloter un ordinateur de bureau est destiné aux personnes qui lui remettent une base de code entière ou un après-midi entier de clic, pas un paragraphe. Si vous payez par jeton via l’API, faites le calcul avant de changer. À 50 $ par million de jetons de sortie, Astra est un modèle à prix frontière, et un modèle moins cher peut tout aussi bien terminer votre travail.
Sources
K2 Horizon fournit six modèles ouverts et les données de formation qui les accompagnent
L'Institut des modèles de base d'Abu Dhabi a publié le 3 septembre six modèles allant de 0,9 à 375 milliards de paramètres sous Apache 2.0, publiant les poids, le code, les données de formation et la méthodologie. Le plus petit est destiné à fonctionner sur une montre.
