⚡ Verdict rapide
- A
Travail professionnel exigeant → GPT-6.2 Astra. Le modèle de pointe d’OpenAI pour la science, le droit, la finance et le travail agentique complexe — 8 $ en entrée / 40 $ en sortie par million de jetons, 20 % moins cher que GPT-6 Astra, et n° 2 de l’Artificial Analysis Intelligence Index avec 62.
- S
Travail quotidien → GPT-6.2 Sol. Le modèle quotidien pour le code de routine, la rédaction et les tâches générales — 2 $ en entrée / 10 $ en sortie, soit exactement un quart du prix d’Astra, et seulement 5 points derrière lui sur l’indice indépendant, avec 57.
- L’écart de prix est toute la décision. Astra coûte quatre fois plus cher que Sol par jeton dans chaque catégorie. Sauf si votre tâche est vraiment difficile — un débogage multi-services, un document exigeant qui doit suivre un modèle à la lettre, une analyse très documentée — Sol fait le même travail pour 75 % de moins, et la plupart des utilisateurs ne sentiront pas la différence.
- Les deux modèles portent la note de cybersécurité la plus élevée d’OpenAI. Astra et Sol sont tous deux classés Critical pour la cybersécurité dans le Preparedness Framework d’OpenAI, et Astra est le premier modèle OpenAI à atteindre le seuil High pour la capacité d’auto-amélioration de l’IA — les deux sont donc livrés avec des protections plus strictes que les modèles qu’ils remplacent.
Nous pouvons percevoir une commission si vous achetez via nos liens, sans frais supplémentaires pour vous.
OpenAI a lancé GPT-6.2 Astra et GPT-6.2 Sol le 17 novembre 2026 — deux modèles, une seule sortie, et un choix que chaque utilisateur de ChatGPT et de l’API doit désormais faire. Astra est le modèle de pointe pour le travail professionnel exigeant : science, droit, finance et le genre de code agentique où une erreur coûte cher. Sol est le modèle quotidien pour le code de routine, la rédaction et les tâches générales. Astra coûte quatre fois plus cher par jeton. La question n’est pas de savoir quel modèle est le meilleur — Astra l’est, mesurablement — mais si votre travail est assez difficile pour justifier de payer quatre fois plus.
Ce comparatif s’appuie sur l’annonce de lancement et la page tarifaire d’OpenAI, la fiche système GPT-6.2, l’instantané indépendant de l’Artificial Analysis Intelligence Index du 17 novembre 2026, ainsi que la couverture du premier jour et les rapports de testeurs publiés les 17 et 18 novembre 2026. Chaque benchmark attribué à OpenAI est signalé comme une affirmation du fournisseur, parce qu’OpenAI choisit les tâches qu’elle rapporte ; l’indice indépendant est le chiffre sur lequel nous nous appuyons le plus. Tous les prix et scores sont tels que publiés les 17 et 18 novembre 2026, et les deux évolueront — vérifiez la page tarifaire d’OpenAI avant de budgétiser. Pour la version actu du jour du lancement, voir notre actu du lancement de GPT-6.2 ; pour le tableau plus large des modèles de pointe, notre comparatif Claude Fable 5.2 vs GPT-6 Astra couvre le rival le plus proche d’Astra.
GPT-6.2 Astra vs Sol en un coup d’œil
| GPT-6.2 Astra | GPT-6.2 Sol | |
|---|---|---|
| Conçu pour | Travail professionnel exigeant — science, droit, finance, agents complexes | Travail quotidien — code de routine, rédaction, tâches générales |
| Prix API (par 1 M de jetons) | 8 $ en entrée / 40 $ en sortie | 2 $ en entrée / 10 $ en sortie |
| Entrée mise en cache (par 1 M) | 0,40 $ | 0,10 $ |
| Prix vs prédécesseur | 20 % moins cher que GPT-6 Astra (10 $ / 50 $) | Inchangé par rapport à GPT-6.1 Sol |
| Fenêtre de contexte | 1 050 000 jetons | 1 050 000 jetons |
| Sortie max | 128 000 jetons | 128 000 jetons |
| Date de coupure des connaissances | 18 mai 2026 | 1er juin 2026 |
| Indice Artificial Analysis (17 nov. 2026) | 62 — n° 2 au classement général | 57 |
| Identifiant API du modèle | gpt-6.2-astra | gpt-6.2-sol |
| Où il tourne | ChatGPT Work, Codex, API | ChatGPT Work, Codex, API |
Tarifs API Standard pour les prompts jusqu’à 272 000 jetons en entrée. Au-delà de ce seuil, les tarifs d’entrée et de cache doublent et la sortie coûte 1,5 fois plus cher pour toute la requête. Prix tels que publiés par OpenAI le 17 novembre 2026.
A
#1 · GPT-6.2 Astra · Travail professionnel exigeant
- Prix API
- 8 $ en entrée / 40 $ en sortie par 1 M de jetons
- Point fort
- Raisonnement de pointe — n° 2 de l’indice indépendant avec 62
- Idéal pour
- Science, droit, finance, code agentique complexe
Détail
1. GPT-6.2 Astra — idéal pour le travail professionnel exigeant
Astra est le modèle qu’OpenAI destine au travail où une mauvaise réponse coûte cher : analyse scientifique, rédaction juridique, modélisation financière et code agentique qui suit un bug à travers les services ou produit un document exigeant en suivant un modèle à la lettre. C’est le seul des deux modèles à pouvoir revendiquer une vraie place de pointe : sur l’instantané indépendant de l’Artificial Analysis Intelligence Index du 17 novembre 2026, Astra a obtenu 62, deuxième au classement général derrière Claude Fable 5.2 avec 65, et cinq points devant la catégorie de son prédécesseur. Les chiffres propres à OpenAI sont encore plus flatteurs — l’entreprise affirme qu’Astra bat GPT-6 Astra de 5,2 points sur Agents’ Last Exam à moins d’un tiers du coût, et devance Claude Fable 5.2 de 5,5 points sur le même benchmark à 5 % du coût — mais ce sont des affirmations du fournisseur sur une tâche choisie par OpenAI, et les premiers testeurs indépendants étaient partagés le jour du lancement : considérez-les comme le plaidoyer d’OpenAI, pas comme un fait établi.
Le prix est la vraie nouveauté. À 8 $ par million de jetons en entrée et 40 $ par million en sortie, Astra est 20 % moins cher que GPT-6 Astra, qui coûtait 10 $ et 50 $ — et l’entrée mise en cache a chuté de 60 %, de 1,00 $ à 0,40 $ par million de jetons. Si vous utilisez déjà GPT-6 Astra, les mêmes prompts coûtent désormais un cinquième de moins sans aucun changement de code au-delà de l’identifiant du modèle. Astra porte aussi une distinction qu’aucun modèle OpenAI n’avait portée avant : c’est le premier à atteindre le seuil High pour la capacité d’auto-amélioration de l’IA dans le Preparedness Framework d’OpenAI, ce qui explique en partie pourquoi les deux modèles 6.2 sont livrés avec des protections plus strictes. Le compromis honnête est évident — quatre fois le prix de Sol par jeton, et une majoration pour les longs contextes au-delà de 272 000 jetons en entrée qui double les tarifs d’entrée et multiplie la sortie par 1,5. L’évaluation honnête : Astra est le bon modèle quand la tâche est vraiment difficile et que le coût d’une erreur dépasse le coût des jetons. Pour tout le reste, Sol est le meilleur achat.
GPT-6.2 Astra
Points forts
- Modèle OpenAI le plus fort sur l’indice indépendant — 62, deuxième au classement général derrière Claude Fable 5.2.
- 20 % moins cher que GPT-6 Astra, avec l’entrée mise en cache en baisse de 60 %, à 0,40 $ par million de jetons.
- Conçu pour le travail où la précision compte : science, droit, finance, agents complexes.
- Même prix, 8 $ / 40 $, que Claude Fable 5.2 : le choix de pointe porte désormais sur le modèle, pas sur l’argent.
Points faibles
- Quatre fois le prix de Sol par jeton — du gaspillage pour le travail de routine.
- Majoration pour les longs contextes au-delà de 272 000 jetons en entrée, qui double les tarifs d’entrée.
- Les affirmations de benchmarks du fournisseur sont fortes mais non confirmées par des tests indépendants le jour du lancement.
- Premier modèle à atteindre le seuil High pour l’auto-amélioration de l’IA — attendez-vous à des protections plus strictes et à plus de refus.
S
#2 · GPT-6.2 Sol · Travail quotidien
- Prix API
- 2 $ en entrée / 10 $ en sortie par 1 M de jetons
- Point fort
- Meilleur rapport qualité-prix de la famille GPT-6 — 57 sur l’indice à un quart du prix d’Astra
- Idéal pour
- Code de routine, rédaction, travail quotidien dans ChatGPT et Codex
Détail
2. GPT-6.2 Sol — idéal pour le travail quotidien
Sol est le modèle que la plupart des gens devraient vraiment utiliser. C’est le modèle quotidien d’OpenAI — celui qu’elle recommande pour le code et la rédaction de routine, le modèle par défaut dans Codex, et celui qui traite l’essentiel du trafic ChatGPT. Son prix n’a pas changé : 2 $ par million de jetons en entrée et 10 $ par million en sortie, avec l’entrée mise en cache à 0,10 $ — soit exactement un quart d’Astra dans chaque catégorie. Sur l’Artificial Analysis Intelligence Index indépendant du 17 novembre 2026, Sol a obtenu 57, contre 55 pour GPT-6.1 Sol, et seulement cinq points derrière Astra. Cet écart de cinq points est toute l’histoire : pour le travail quotidien, la différence entre les deux modèles est faible, et la différence de prix est de quatre contre un.
Sol a aussi deux avantages discrets. Sa date de coupure des connaissances est le 1er juin 2026, deux semaines plus récente que celle d’Astra, le 18 mai 2026, donc il connaît un peu plus de faits récents. Et dans Codex, le contexte par défaut de Sol est de 500 000 jetons contre 272 000 pour Astra, donc il travaille d’emblée avec des bases de code plus grandes avant que la majoration pour les longs contextes ne s’applique. Les deux modèles acceptent du texte et des images, renvoient du texte, refusent les requêtes qui fixent l’effort de raisonnement à zéro, et partagent la même fenêtre de contexte de 1 050 000 jetons avec jusqu’à 128 000 jetons en sortie. Le compromis honnête est la capacité au sommet : sur les tâches vraiment difficiles — un bug suivi à travers les services, un document qui doit suivre un modèle à la lettre — Astra est mesurablement plus fort, et les premiers testeurs ont trouvé que Sol réussissait les petits tests de code sans se démarquer. L’évaluation honnête : Sol est le choix par défaut. Ne prenez Astra que quand la tâche le mérite.
GPT-6.2 Sol
Points forts
- Un quart du prix d’Astra dans chaque catégorie — 2 $ en entrée / 10 $ en sortie par million de jetons.
- Seulement cinq points derrière Astra sur l’indice indépendant (57 contre 62) pour le travail quotidien.
- Date de coupure des connaissances plus récente qu’Astra (1er juin 2026 contre 18 mai 2026).
- Contexte par défaut plus large dans Codex : 500 000 jetons contre 272 000 pour Astra.
Points faibles
- Mesurablement plus faible qu’Astra sur le raisonnement difficile et les tâches agentiques complexes.
- Prix inchangé par rapport à GPT-6.1 Sol — pas d’économie avec la mise à niveau, juste un petit gain de capacité.
- Les premiers testeurs indépendants ont peu publié sur Sol spécifiquement le jour du lancement.
Prix : la vraie différence de coût
Les jetons sont les morceaux de la taille d’un mot que les services d’IA facturent, et le calcul est assez simple pour se faire sur un coin de table. Aux tarifs Standard pour les prompts jusqu’à 272 000 jetons en entrée, un million de jetons en entrée coûte 8 $ sur Astra et 2 $ sur Sol ; un million de jetons en sortie coûte 40 $ sur Astra et 10 $ sur Sol ; l’entrée mise en cache — le texte du prompt déjà stocké par le fournisseur — coûte 0,40 $ sur Astra et 0,10 $ sur Sol. Chaque catégorie est exactement de quatre contre un. Une requête avec 100 000 jetons en entrée et 5 000 jetons en sortie coûte environ 1,00 $ sur Astra et 0,25 $ sur Sol. Un agent de code qui brûle un million de jetons en entrée et 200 000 jetons en sortie par jour coûte 16 $ sur Astra et 4 $ sur Sol — 360 $ par mois contre 90 $.
Deux détails en petits caractères changent le calcul. D’abord, la majoration pour les longs contextes : au-delà de 272 000 jetons en entrée, les tarifs d’entrée et de cache doublent et la sortie coûte 1,5 fois plus cher pour toute la requête, donc une très longue requête Astra coûte 16 $ en entrée et 60 $ en sortie. Le contexte par défaut de 500 000 jetons de Sol dans Codex signifie que les utilisateurs de Sol atteignent ce seuil moins souvent en pratique, même si la majoration s’applique aux deux modèles. Ensuite, le niveau Ultrafast — l’option à faible latence, disponible pour les abonnés Pro 500 — coûte trois fois le tarif Standard jusqu’au 28 février 2027, puis six fois le tarif Standard à partir du 1er mars 2027. À six fois, Astra Ultrafast coûterait 48 $ en entrée et 240 $ en sortie par million de jetons, un prix pour le travail de production critique en latence, pas pour l’usage quotidien. L’API Batch et les niveaux Fast ont leurs propres tarifs plus bas ; vérifiez la page tarifaire d’OpenAI pour le tableau complet avant de budgétiser une charge de production.
Benchmarks : ce que les chiffres disent vraiment
Deux séries de chiffres décrivent ces modèles, et elles ne sont pas d’accord — lisez donc les deux avec leurs étiquettes. Le chiffre indépendant vient d’Artificial Analysis, dont l’instantané du 17 novembre 2026 à l’effort maximal place Astra à 62 et Sol à 57 sur son Intelligence Index, avec Claude Fable 5.2 à 65 et GPT-6.1 Sol à 55. Sur cette mesure, Astra est le deuxième modèle le plus fort au monde, Sol est un modèle de milieu de gamme capable, cinq points derrière lui, et le passage de GPT-6.1 Sol à GPT-6.2 Sol vaut deux points. C’est le chiffre auquel faire le plus confiance, parce qu’Artificial Analysis exécute les mêmes tâches sur chaque modèle et publie sa méthode.
Les chiffres propres à OpenAI sont plus flatteurs et moins vérifiables. L’entreprise affirme qu’Astra bat GPT-6 Astra de 5,2 points sur Agents’ Last Exam à moins d’un tiers du coût, et devance Claude Fable 5.2 de 5,5 points sur le même benchmark à 5 % du coût. Les deux affirmations peuvent être vraies sur cette tâche précise — Agents’ Last Exam est un benchmark agentique difficile où la conception d’Astra se montre — mais OpenAI a choisi la tâche, et aucun testeur indépendant n’avait reproduit l’un ou l’autre chiffre au matin du 18 novembre 2026. Les premiers testeurs étaient partagés : les petits tests de code ont été réussis sur les deux modèles, et personne n’avait publié de face à face qui tranche la question de pointe. La lecture honnête : Astra est vraiment fort et vraiment moins cher que son prédécesseur, mais si vous utilisez déjà Claude Fable 5.2, les benchmarks du fournisseur d’OpenAI ne sont pas une raison de changer — l’indice indépendant place toujours Claude devant de trois points au même prix.
Notes de sécurité : les deux atteignent « Critical » pour la cybersécurité
La partie la moins rapportée de ce lancement est aussi la plus lourde de conséquences pour les développeurs. Dans le Preparedness Framework d’OpenAI, les deux modèles GPT-6.2 sont classés au niveau Critical pour la cybersécurité — le niveau le plus élevé — et au niveau High pour les risques biologiques et chimiques. Astra va plus loin : c’est le premier modèle OpenAI à atteindre le seuil High pour la capacité d’auto-amélioration de l’IA, ce qui signifie que les propres tests d’OpenAI l’ont jugé assez capable d’améliorer les systèmes d’IA pour déclencher le niveau de capacité le plus élevé du cadre. OpenAI affirme avoir appliqué des protections plus strictes aux deux modèles en conséquence, y compris des contrôles de déploiement plus restrictifs, et a publié une fiche système GPT-6.2 complète avec le lancement.
Pour la plupart des utilisateurs, cela change peu en pratique. Dans ChatGPT, les modèles refuseront plus souvent les demandes liées à la cybersécurité — code d’exploitation, recherche de vulnérabilités, aide aux tests d’intrusion — et les développeurs qui construisent des outils de sécurité doivent tester leurs prompts face au nouveau comportement plutôt que de supposer que les anciens prompts passent encore. Ces notes ne signifient pas que les modèles sont dangereux à utiliser ; elles signifient qu’OpenAI les juge assez capables dans ces domaines pour avoir besoin de contrôles plus forts. Si vous construisez avec ces modèles, lisez la fiche système — c’est le document qui explique ce que les modèles peuvent faire que leurs prédécesseurs ne pouvaient pas, et ce qu’OpenAI a fait à ce sujet.
Où utiliser chaque modèle
Les deux modèles sont sortis le 17 novembre 2026 aux trois mêmes endroits : ChatGPT Work et Codex pour les utilisateurs Plus, Pro, Enterprise et Edu, et l’API OpenAI sous les noms gpt-6.2-astra et gpt-6.2-sol, avec Ultrafast disponible pour les abonnés Pro 500. Il n’existe pas de modèle gpt-6.2 nu — vous appelez l’une des deux variantes nommées, et tout code qui appelle gpt-6.2 échouera. Dans ChatGPT, le sélecteur de modèle est l’interrupteur : les utilisateurs Plus et Pro obtiennent les deux modèles dans ChatGPT Work, et le choix se fait par conversation. Dans Codex, Sol est le modèle par défaut pour le travail quotidien avec un contexte par défaut de 500 000 jetons, tandis qu’Astra est à 272 000 jetons par défaut — les deux peuvent utiliser toute la fenêtre de 1 050 000 jetons quand vous le demandez. Dans l’API, les deux modèles fonctionnent dans l’API Responses et dans Chat Completions, avec l’appel d’outils via Responses, et les deux refusent les requêtes qui fixent l’effort de raisonnement à zéro.
Une note de migration pour les développeurs : la baisse de prix d’Astra est le gain gratuit de cette sortie. Si votre code appelle gpt-6-astra, changer l’identifiant du modèle en gpt-6.2-astra réduit le même travail de 20 % et l’entrée mise en cache de 60 %, avec des scores aux benchmarks meilleurs selon OpenAI. Les utilisateurs de Sol doivent changer pour la date de coupure des connaissances plus récente et le petit gain de capacité, pas pour économiser — le prix est identique. Et si vous utilisez GPT-6.1 Terra ou GPT-6 Luna pour le travail en masse bon marché, aucun des deux nouveaux modèles ne les remplace : Terra et Luna se situent sous Sol en prix, et la paire 6.2 se situe au-dessus d’eux.
GPT-6.2 vs Claude Fable 5.2 : la course de pointe
Le calendrier de ce lancement n’est pas un hasard. Claude Fable 5.2 est sorti huit jours avant Astra, le 9 novembre 2026, à exactement le même prix — 8 $ par million de jetons en entrée et 40 $ par million en sortie — et il mène l’indice indépendant avec 65 contre 62 pour Astra. Cela fait du choix de pointe un vrai duel pour la première fois depuis un moment : deux modèles, le même prix, trois points d’indice d’écart, avec OpenAI qui revendique une victoire sur son benchmark choisi et Anthropic en tête sur l’indice indépendant. Notre comparatif Claude Fable 5.2 vs GPT-6 Astra couvre en détail la génération précédente de cette rivalité, et la mise à jour 6.2 réduit l’écart sans le combler. Si vous utilisez Claude aujourd’hui, il n’y a pas d’argument de benchmark pour changer ; si vous utilisez OpenAI aujourd’hui, Astra est une version moins chère et plus forte de ce que vous avez déjà. Dans tous les cas, le gagnant de cette manche est l’acheteur : l’intelligence de pointe à 8 $ le million de jetons en entrée, avec un modèle quotidien à 2 $ en dessous.
Quel modèle utiliser ?
- Code et rédaction quotidiens → Sol. Code de routine, e-mails, résumés, travail général dans ChatGPT — Sol est le choix par défaut, et il coûte un quart d’Astra.
- Science, droit et finance → Astra. Analyse de recherche, rédaction juridique, modélisation financière — le travail où une mauvaise réponse coûte plus cher que les jetons.
- Travail agentique complexe → Astra. Débogage multi-services, documents exigeants qui doivent suivre un modèle, longues sessions d’agent — l’écart de raisonnement d’Astra se voit ici.
- Travail API à fort volume → Sol. Chatbots, classification, traitement en masse — à 2 $ en entrée / 10 $ en sortie, Sol est le cheval de trait, et l’écart d’indice de 5 points compte rarement à grande échelle.
- Grandes bases de code dans Codex → Sol. Un contexte par défaut de 500 000 jetons bat les 272 000 d’Astra pour le travail quotidien sur les dépôts.
- Déjà sur GPT-6 Astra → passez à 6.2 Astra maintenant. Même travail, 20 % moins cher, entrée mise en cache 60 % moins chère — un gain gratuit.
- Déjà sur Claude Fable 5.2 → restez. Claude mène toujours l’indice indépendant de trois points au même prix.
Vous hésitez encore ? Commencez par Sol — c’est le choix par défaut pour une raison — et basculez les tâches individuelles vers Astra quand la réponse de Sol n’est pas assez bonne. C’est le flux de travail qu’OpenAI a conçu : Sol pour la routine, Astra pour les 10 % difficiles. Revoyez ce choix dans un mois, une fois que des benchmarks indépendants au-delà de l’indice du jour du lancement auront eu le temps d’apparaître, parce que le classement de pointe entre Astra et Claude Fable 5.2 est assez serré pour que de nouveaux tests puissent le faire bouger. Et si vous construisez des produits d’IA plutôt que de simplement les utiliser, notre guide des meilleurs assistants IA de code couvre les outils qui intègrent ces modèles dans un flux de développement complet.
Astra vs Sol pour les développeurs : les détails API qui comptent
Pour les développeurs, le choix entre Astra et Sol est une décision de routage, pas une question de fidélité — et l’API vous donne les contrôles pour la prendre par requête. Les deux modèles sont disponibles dans l’API Responses et dans Chat Completions sous les noms gpt-6.2-astra et gpt-6.2-sol, avec l’appel d’outils via Responses uniquement. Les deux acceptent du texte et des images et renvoient du texte, les deux partagent la fenêtre de contexte de 1 050 000 jetons avec jusqu’à 128 000 jetons en sortie par réponse, et les deux refusent les requêtes qui fixent l’effort de raisonnement à zéro — il n’y a aucun moyen d’exécuter l’un ou l’autre modèle comme un modèle sans raisonnement, donc prévoyez des jetons de raisonnement dans chaque appel. Les dates de coupure des connaissances diffèrent légèrement : 18 mai 2026 pour Astra et 1er juin 2026 pour Sol, donc Sol connaît environ deux semaines de plus du monde.
Les niveaux tarifaires au-delà du Standard méritent l’attention avant de livrer. L’API Batch coûte moins cher que le Standard pour le travail qui peut attendre, les niveaux Fast échangent un peu de capacité contre de la vitesse à des prix plus bas, et Ultrafast — le niveau à faible latence, disponible pour les abonnés Pro 500 — coûte trois fois le tarif Standard jusqu’au 28 février 2027 et six fois le tarif Standard à partir du 1er mars 2027. À six fois le Standard, Astra Ultrafast coûterait 48 $ par million de jetons en entrée et 240 $ par million en sortie, un prix pour les chemins de production critiques en latence, pas pour le travail en masse. Le modèle pratique auquel la plupart des équipes aboutiront est celui qu’OpenAI a conçu : router les 90 % de requêtes de routine vers Sol, router les 10 % difficiles — les sessions d’agent en plusieurs étapes, les documents qui doivent suivre un modèle, l’analyse où une mauvaise réponse coûte plus cher que les jetons — vers Astra, et mettre en cache agressivement, parce que l’entrée mise en cache à 0,40 $ et 0,10 $ par million de jetons est là où se trouvent les vraies économies. Une dernière note opérationnelle : la majoration pour les longs contextes au-delà de 272 000 jetons en entrée double les tarifs d’entrée et de cache et multiplie la sortie par 1,5 pour toute la requête, donc découpez les longs documents ou gardez-les sous le seuil quand vous le pouvez.
Astra vs Sol dans ChatGPT : ce qui change pour les abonnés
Pour les utilisateurs de ChatGPT, le lancement 6.2 change le sélecteur de modèle, pas l’abonnement. Les deux modèles sont disponibles dans ChatGPT Work pour les utilisateurs Plus, Pro, Enterprise et Edu, et le choix se fait par conversation — vous pouvez rédiger un contrat dans Astra et résumer votre boîte de réception dans Sol le même après-midi. Les abonnés Pro 500 obtiennent aussi l’accès Ultrafast avec l’un ou l’autre modèle, l’option à faible latence pour le travail interactif. Il n’y a pas de nouveau forfait à acheter ni de changement de prix d’abonnement : la tarification par jeton ci-dessus s’applique à l’API, tandis que la tarification ChatGPT reste dans l’abonnement que vous payez déjà.
Ce qui doit changer, c’est l’habitude. La plupart des utilisateurs de ChatGPT laissent le sélecteur sur le modèle par défaut et n’y pensent plus jamais, et le modèle par défaut est le bon choix pour la plupart de leur travail — Sol gère bien la rédaction de routine, les résumés, le brainstorming et le code quotidien, et coûte à OpenAI un quart de ce que coûte Astra, ce qui explique pourquoi c’est le modèle par défaut. Le moment de passer à Astra est précis : vous demandez un long document structuré qui doit suivre un modèle ; vous travaillez sur un problème de recherche avec de vrais enjeux ; vous déboguez à travers les services et avez besoin que le modèle garde en tête une image large et contradictoire. Pour ces tâches, choisissez Astra pour cette conversation, puis revenez en arrière. Les deux modèles ne sont pas des rivaux dans ChatGPT — ce sont deux réglages du même outil, et le sélecteur est le contrôle.
Astra vs Sol pour le code dans Codex
Codex est l’endroit où le choix Astra contre Sol apparaît le plus clairement, parce que le code est l’endroit où l’écart de capacité se ressent le plus facilement. Les deux modèles sont disponibles dans Codex dès le jour du lancement, et les propres conseils d’OpenAI tracent la ligne clairement : Sol pour le code quotidien, Astra pour le travail exigeant comme suivre un bug à travers les services ou produire un document exigeant qui suit un modèle. Les valeurs par défaut encodent ce conseil : Codex donne à Sol un contexte par défaut de 500 000 jetons et à Astra un contexte par défaut de 272 000 jetons, donc Sol travaille d’emblée avec des dépôts plus grands, tandis que le contexte par défaut plus petit d’Astra reflète son rôle de modèle qu’on appelle pour un problème ciblé et difficile plutôt que pour toute la base de code.
Les premiers testeurs indépendants du jour du lancement ont trouvé que les deux modèles réussissaient les petits tests de code sans problème, et une première comparaison détaillée a noté qu’aucun testeur n’avait publié quoi que ce soit de précis sur les performances de code de Sol — l’attention est allée à Astra, comme elle va habituellement au fleuron. Cela vaut la peine de s’en souvenir : le modèle au lancement le plus bruyant n’est pas forcément le modèle qui fait l’essentiel du travail. Pour un développeur en activité, la configuration sensée est Sol comme modèle par défaut dans Codex pour les modifications, les tests et les refactorisations de routine, avec Astra réservé aux tâches où une mauvaise modification coûte un après-midi — le bug multi-services, le plan de migration, le changement sensible à la sécurité. À quatre fois le prix, Astra doit mériter chaque appel.
Ce que le lancement signifie pour la famille GPT-6
GPT-6.2 ne remplace pas la famille GPT-6 — il la réorganise. La famille a désormais une échelle de prix claire : GPT-6 Luna en bas pour le travail en masse le moins cher, GPT-6.1 Terra au-dessus, puis Sol à 2 $ en entrée et 10 $ en sortie, puis Astra à 8 $ et 40 $, avec GPT-6 Astra au-dessus à 10 $ et 50 $ — un modèle qu’Astra sous-cote désormais en prix tout en affirmant le battre sur les benchmarks. Il n’existe pas de modèle gpt-6.2 nu, et OpenAI n’a pas annoncé de GPT-6.2 Terra ou Luna, donc les niveaux bon marché gardent leurs identités 6.1 pour l’instant. Pour les équipes déjà dans la famille, la carte de migration est simple : les utilisateurs de GPT-6 Astra doivent passer immédiatement à GPT-6.2 Astra, les utilisateurs de GPT-6.1 Sol doivent passer à GPT-6.2 Sol pour la coupure plus récente et le petit gain de capacité, et les utilisateurs de Terra et Luna doivent rester où ils sont, parce qu’aucun des deux nouveaux modèles n’est tarifé pour les remplacer.
Le signal plus large est la guerre des prix à la pointe. Huit jours avant Astra, Anthropic a livré Claude Fable 5.2 à exactement 8 $ et 40 $ — le même prix affiché qu’Astra porte désormais — et la baisse de 20 % d’Astra par rapport aux 10 $ et 50 $ de GPT-6 Astra se lit comme OpenAI qui s’aligne sur ce prix plutôt que de le fixer. L’intelligence de pointe devient moins chère chaque trimestre, et le niveau quotidien devient plus fort en même temps : Sol à 57 sur l’indice indépendant n’est que cinq points derrière Astra, et l’écart entre le modèle quotidien et le modèle de pointe n’a jamais été aussi petit. Pour les acheteurs, c’est la vraie histoire de ce lancement — pas quel modèle gagne, mais comme ils sont proches.
Premières réactions : ce que les testeurs ont trouvé le jour du lancement
La couverture du jour du lancement a été rapide et, fait inhabituel, honnête sur ce qu’elle ne savait pas. La première comparaison indépendante détaillée, publiée quelques heures après la sortie, a noté que les deux modèles avaient réussi son petit test de code, qu’Astra porte exactement quatre fois le prix API de Sol par jeton, et qu’aucun testeur précoce n’avait publié quoi que ce soit sur Sol spécifiquement — le modèle quotidien était, le jour même de son lancement, la partie la moins examinée du lancement. D’autres couvertures du jour du lancement étaient partagées : certains testeurs ont salué la baisse de prix et les gains aux benchmarks, d’autres ont souligné que la plupart des affirmations de performance viennent d’OpenAI elle-même et que l’indice indépendant place toujours Claude Fable 5.2 devant. Le résumé juste, au matin du 18 novembre 2026, est qu’Astra est une vraie amélioration et une vraie baisse de prix, que Sol est une petite amélioration à prix inchangé, et que les affirmations de pointe d’aucun des deux modèles n’ont encore été reproduites de façon indépendante. C’est normal pour un modèle d’un jour — et c’est pourquoi ce comparatif s’appuie sur l’indice indépendant et étiquette chaque affirmation du fournisseur comme telle.
Scénarios de coût : à quoi ressemble un mois de chaque modèle
Les prix abstraits par jeton sont difficiles à ressentir, alors voici trois mois concrets aux tarifs Standard, en supposant un mélange réaliste de 70 % d’entrée mise en cache, 30 % d’entrée fraîche, et une sortie d’environ un cinquième du volume d’entrée — la forme d’une charge de travail typique d’agent de code. Un développeur solo utilisant Codex quelques heures par jour pourrait utiliser 5 millions de jetons en entrée et 1 million en sortie en un mois : environ 13 $ sur Sol et 52 $ sur Astra. Une petite équipe de cinq développeurs partageant une configuration d’agent pourrait utiliser 50 millions de jetons en entrée et 10 millions en sortie : environ 130 $ sur Sol et 520 $ sur Astra. Un pipeline agentique lourd — une équipe qui fait tourner des agents toute la journée sur une grande base de code — pourrait utiliser 500 millions de jetons en entrée et 100 millions en sortie : environ 1 300 $ sur Sol et 5 200 $ sur Astra. Ce sont des illustrations, pas des devis — votre mélange d’entrée mise en cache, de volume de sortie et de requêtes à long contexte fera bouger les chiffres — mais le ratio ne change jamais : Astra coûte quatre fois Sol dans chaque scénario, donc la question est toujours de savoir si la capacité supplémentaire mérite quatre fois la dépense.
Deux leviers changent la réponse plus que le choix du modèle. Le premier est la mise en cache : à 0,10 $ et 0,40 $ par million de jetons mis en cache, un ensemble de prompts qui réutilise les prompts système et le contexte récupéré coûte presque rien côté entrée, et les longues fenêtres de contexte des modèles rendent la mise en cache lourde pratique. Le second est le routage : envoyer les 90 % de requêtes de routine vers Sol et seulement les 10 % difficiles vers Astra réduit l’exemple de pipeline lourd ci-dessus de 5 200 $ à environ 1 700 $ par mois — l’essentiel de la capacité pour un tiers du prix. Si vous ne retenez qu’une leçon opérationnelle de ce comparatif, retenez celle-ci : le modèle de pointe le moins cher est celui qu’on n’appelle que quand la tâche le mérite.
Erreurs courantes dans le choix entre Astra et Sol
D’abord, prendre Astra par défaut pour tout. Le fleuron est le choix confortable et le choix cher : à quatre fois le prix de Sol, faire tourner le travail de routine sur Astra, c’est payer des tarifs de pointe pour des réponses quotidiennes, et la plupart des équipes qui le font ne le remarquent jamais parce que la facture arrive en un seul chiffre. Ensuite, juger sur les benchmarks du fournisseur. Les chiffres d’Agents’ Last Exam d’OpenAI sont de vrais chiffres sur une tâche choisie par OpenAI ; l’indice indépendant place Claude devant et Astra deuxième, et les premiers testeurs indépendants étaient partagés. Choisissez le modèle sur les preuves indépendantes et vos propres tests, pas sur un article de lancement. Troisièmement, ignorer la majoration pour les longs contextes. Au-delà de 272 000 jetons en entrée, Astra coûte 16 $ en entrée et 60 $ en sortie — et une équipe qui colle des dépôts entiers dans chaque requête atteindra ce seuil constamment, doublant une facture qu’elle n’avait jamais budgétisée. Quatrièmement, appeler un modèle qui n’existe pas. Il n’existe pas de gpt-6.2 nu — les identifiants API sont gpt-6.2-astra et gpt-6.2-sol, et le code qui appelle gpt-6.2 échouera. Cinquièmement, traiter les notes de sécurité comme un détail. Les deux modèles sont classés Critical pour la cybersécurité, et Astra est le premier modèle OpenAI à atteindre High pour l’auto-amélioration de l’IA — si vous construisez des outils de sécurité, testez vos prompts face aux nouvelles protections avant de livrer, parce que les refus font désormais partie du produit.
Questions fréquentes
Quelle est la différence entre GPT-6.2 Astra et Sol ?
Astra est le modèle de pointe d’OpenAI pour le travail professionnel exigeant — science, droit, finance et code agentique complexe — tandis que Sol est le modèle quotidien pour le code de routine, la rédaction et les tâches générales. Astra coûte 8 $ par million de jetons en entrée et 40 $ par million en sortie ; Sol coûte 2 $ et 10 $, soit exactement un quart d’Astra dans chaque catégorie. Sur l’indice indépendant Artificial Analysis Intelligence Index du 17 novembre 2026, Astra a obtenu 62 et Sol 57 : Astra est donc mesurablement plus fort — mais pour le travail quotidien, la plupart des utilisateurs ne sentiront pas la différence, et Sol coûte 75 % de moins.
Combien coûte GPT-6.2 Astra ?
GPT-6.2 Astra coûte 8 $ par million de jetons en entrée, 0,40 $ par million de jetons en entrée mis en cache et 40 $ par million de jetons en sortie aux tarifs Standard pour les prompts jusqu’à 272 000 jetons en entrée, selon la page tarifaire d’OpenAI publiée le 17 novembre 2026. C’est 20 % moins cher que GPT-6 Astra, qui coûtait 10 $ et 50 $. Sol est inchangé par rapport à GPT-6.1 Sol : 2 $ en entrée, 0,10 $ en entrée mise en cache et 10 $ en sortie. Au-delà de 272 000 jetons en entrée, les tarifs augmentent — Astra coûte 16 $ en entrée et 60 $ en sortie — et le niveau Ultrafast coûte trois fois le tarif Standard jusqu’au 28 février 2027, puis six fois. Les prix changent souvent : vérifiez la page tarifaire d’OpenAI avant de budgétiser.
GPT-6.2 Astra est-il meilleur que Claude Fable 5.2 ?
Cela dépend du benchmark auquel vous faites confiance. Sur l’indice indépendant Artificial Analysis Intelligence Index du 17 novembre 2026, Claude Fable 5.2 a obtenu 65 et GPT-6.2 Astra 62 : Claude mène donc sur cette mesure — et les deux coûtent le même prix, 8 $ par million de jetons en entrée et 40 $ par million en sortie. Les chiffres propres à OpenAI racontent une autre histoire : OpenAI affirme qu’Astra bat Claude Fable 5.2 de 5,5 points sur Agents’ Last Exam à 5 % du coût, mais c’est un benchmark du fournisseur sur une tâche choisie par OpenAI, pas un test indépendant. Les premiers testeurs indépendants étaient partagés le jour du lancement. Si vous utilisez déjà Claude, il n’y a pas de raison claire de changer sur la seule base des benchmarks ; si vous utilisez OpenAI, Astra est une baisse de prix directe par rapport à GPT-6 Astra.
Où puis-je utiliser GPT-6.2 Astra et Sol ?
Les deux modèles ont été lancés le 17 novembre 2026 dans ChatGPT Work et Codex pour les utilisateurs Plus, Pro, Enterprise et Edu, et dans l’API OpenAI sous les noms gpt-6.2-astra et gpt-6.2-sol, avec Ultrafast disponible pour les abonnés Pro 500. Il n’existe pas de modèle gpt-6.2 nu — vous appelez l’une des deux variantes nommées. Les deux modèles acceptent du texte et des images et renvoient du texte, avec une fenêtre de contexte de 1 050 000 jetons et jusqu’à 128 000 jetons en sortie par réponse. Dans Codex, le contexte par défaut est de 500 000 jetons pour Sol et de 272 000 pour Astra.
GPT-6.2 Astra et Sol sont-ils sûrs à utiliser ?
OpenAI classe les deux modèles au niveau Critical pour la cybersécurité dans son Preparedness Framework — le niveau le plus élevé — et au niveau High pour les risques biologiques et chimiques, et Astra est le premier modèle OpenAI à atteindre le seuil High pour la capacité d’auto-amélioration de l’IA. OpenAI affirme avoir appliqué des protections plus strictes aux deux modèles en conséquence, y compris des contrôles de déploiement plus restrictifs. Pour la plupart des utilisateurs, cela change peu en pratique : les modèles refusent plus souvent les demandes liées à la cybersécurité, et les développeurs qui construisent des outils de sécurité doivent tester leurs prompts face au nouveau comportement. Lisez la fiche système GPT-6.2 d’OpenAI pour l’évaluation complète de la sécurité.
Dois-je passer de GPT-6 Astra ou de GPT-6.1 Sol ?
Si vous utilisez GPT-6 Astra, passer à GPT-6.2 Astra est un gain gratuit : le même travail coûte 20 % de moins, l’entrée mise en cache est 60 % moins chère, et OpenAI annonce de meilleurs scores aux benchmarks — il suffit de changer l’identifiant du modèle en gpt-6.2-astra. Si vous utilisez GPT-6.1 Sol, la mise à niveau est plus modeste : le prix de Sol est inchangé et le score Artificial Analysis est passé de 55 à 57, donc changez quand vous voulez la date de coupure des connaissances plus récente, le 1er juin 2026, plutôt que pour économiser. Si vous utilisez GPT-6.1 Terra ou GPT-6 Luna pour le travail en masse bon marché, aucun des deux nouveaux modèles ne les remplace — Astra et Sol se situent au-dessus de ces niveaux en prix.