TL;DR
Le 17 novembre 2026, OpenAI a lancé GPT-6.2 Astra (modèle de pointe pour les projets professionnels les plus difficiles) et GPT-6.2 Sol (modèle efficace pour le quotidien). Les deux sont disponibles dans ChatGPT Work, Codex et l’API OpenAI (gpt-6.2-astra et gpt-6.2-sol). Astra coûte 20 % moins cher que GPT-6 Astra (8 $ / 40 $ par million de tokens en entrée/sortie) et offre de meilleurs résultats avec un coût par tâche nettement inférieur. Sol conserve la tarification précédente (2 $ / 10 $) tout en égalant presque Astra sur des benchmarks clés de code pour environ un cinquième du coût. Les deux modèles utilisent moins de tokens de sortie, disposent d’une fenêtre de contexte d’environ ~1,05 M de tokens et prennent en charge le mode Ultrafast sur les offres supérieures. CometAPI propose déjà l’accès aux deux modèles, avec un point de terminaison unifié compatible OpenAI, une clé API unique et des tarifs compétitifs pour les développeurs.
Points clés
- Sortis, pas rumeurs : OpenAI a annoncé les deux modèles le 17 novembre 2026.
- Des workflows professionnels plus solides : Astra gagne 5,2 points sur Agents’ Last Exam et 6,2 points de pourcentage sur GDPval v2 par rapport à GPT-6 Astra.
- L’efficacité compte : Astra utilise 22 % de tokens de sortie en moins sur GDPval v2 dans l’évaluation d’OpenAI.
- Résultats de code indépendants mitigés : Artificial Analysis observe un Astra inchangé sur son Coding Agent Index et un Sol en baisse de trois points par rapport à GPT-6.1 Sol.
- Accès via CometAPI disponible : les pages des modèles listent des tarifs d’entrée, de sortie et d’entrée mise en cache inférieurs de 20 % aux tarifs standard correspondants d’OpenAI.
- Prudence pour la migration : l’appel d’outils requiert Responses API, et
reasoning_effort="none"n’est pas pris en charge.
Qu’est-ce que GPT-6.2 Astra et Sol ?
Les deux modèles acceptent des entrées texte et image et renvoient du texte. Ils partagent une grande fenêtre de contexte d’environ 1 050 000 tokens (avec des limites élevées en entrée et 128 000 en sortie rapportées dans la couverture). Les dates de connaissances sont indiquées au 18 mai 2026 pour Astra et au 1er juin 2026 pour Sol dans des sources secondaires.
OpenAI met l’accent sur l’efficacité réelle : les deux modèles terminent des tâches exigeantes avec moins de tokens de sortie, ce qui permet d’accomplir davantage dans les mêmes limites d’usage ou avec le même budget.
GPT-6.2 Astra : le modèle pour les projets exigeants
OpenAI décrit GPT-6.2 Astra comme son modèle le plus capable pour mener à bien des projets difficiles de bout en bout. Ses capacités documentées incluent la création et la révision de logiciels, l’utilisation d’un ordinateur et le travail sur des documents. La charge de travail visée dépasse la réponse à une question : elle inclut la compréhension des sources, le choix des outils, les modifications, la vérification des résultats et la production d’un livrable exploitable.
Ce positionnement rend Astra pertinent pour l’ingénierie à l’échelle d’un dépôt, l’analyse financière détaillée, les documents professionnels et les workflows de recherche. Sa valeur dépend de sa capacité à améliorer le résultat final ou à réduire le nombre de cycles de corrections suffisamment pour justifier sa prime par rapport à Sol. Source : documentation du modèle Astra.
GPT-6.2 Sol : travail quotidien à un prix de jeton inférieur
GPT-6.2 Sol est le modèle de référence d’OpenAI pour le travail quotidien, notamment le code et les agents à grande échelle. Ses tarifs standard en entrée et sortie sont un quart de ceux d’Astra, tandis que ses limites de contexte et de sortie égalent celles d’Astra.
OpenAI rapporte que Sol se situe à 0,5 point d’Astra sur FrontierCode 2.0 de Cognition pour environ un cinquième du coût de la tâche, les deux modèles étant au niveau Max d’effort de raisonnement. C’est une raison utile de tester d’abord Sol, bien que ce résultat n’établisse pas une performance équivalente sur tous les workloads de code. Source : annonce de lancement.
Fonctionnalités clés de GPT-6.2 : ce qui a changé
Recherche scientifique améliorée et utilisation de l’ordinateur
Astra progresse nettement sur les benchmarks scientifiques (par ex., ~+9 points sur Terminal-Bench Science) et les capacités avancées d’utilisation de l’ordinateur, y compris un travail plus fin dans des outils CAO, des simulations et la modélisation 3D (pièces, assemblages, interactions physiques).
Des documents, feuilles de calcul et présentations plus utiles
OpenAI met en avant une meilleure conformité aux conventions professionnelles en droit, vente, finance et comptabilité. Astra est conçu pour produire des documents plus clairs, des feuilles de calcul plus utilisables et des présentations qui respectent les modèles fournis, y compris la mise en page, la couleur et la typographie.
Pour un utilisateur professionnel, le test pratique consiste à vérifier si un classeur reste éditable, si ses calculs sont traçables et si ses conclusions correspondent aux preuves sous-jacentes. Pour une présentation, comparez la fidélité au modèle et la quantité de retouches manuelles nécessaires. Ces résultats comptent davantage que l’apparence d’une première capture d’écran. Source : exemples de sorties professionnelles.
Meilleure sélection d’outils et utilisation de l’ordinateur
Les deux modèles prennent en charge les outils via Responses API, y compris la recherche web, la recherche de fichiers, l’interpréteur de code, un shell hébergé, l’utilisation de l’ordinateur, MCP et la recherche d’outils. OpenAI documente également une bêta Multi-agent pour déléguer le travail.
Ces capacités permettent aux développeurs de relier le raisonnement aux workflows des applications. Un modèle pourrait inspecter des rapports, calculer des chiffres et préparer une note, à condition que l’application fournisse les outils et autorisations nécessaires. La sortie native reste du texte ; la génération d’images est un outil séparé pris en charge. Les outils hébergés par le fournisseur nécessitent aussi un support spécifique de l’endpoint lorsqu’ils sont accessibles via une passerelle. Source : documentation du modèle.
Raisonnement plus efficace et code plus propre
OpenAI affirme qu’Astra prend de meilleures décisions quant aux outils et à l’effort, écrit un code plus propre et nécessite moins de cycles de révision lors des premiers tests. Son guide de migration décrit aussi un style d’écriture par défaut plus concis.
Pour les applications existantes, cela signifie que les prompts méritent d’être réexaminés. Un prompt système qui exige à répétition la brièveté pourrait maintenant supprimer des détails utiles. À l’inverse, demander explicitement des références aux sources, des critères de complétion et des éléments de validation peut rendre la sortie plus facile à examiner. Source : Using GPT-6.2.
Comment GPT-6.2 se comporte-t-il sur les tests de benchmarks ?
GPT-6.2 délivre de solides résultats dans le travail professionnel, le raisonnement scientifique et le développement 3D interactif. Astra offre la capacité globale la plus forte, tandis que Sol fournit des performances compétitives à un coût par tâche plus bas. Cependant, des évaluations de code indépendantes montrent que les améliorations ne sont pas uniformes selon les workloads.
Principaux résultats officiels / rapportés par OpenAI
Ceux-ci proviennent principalement des supports de lancement d’OpenAI (souvent à effort de raisonnement max ou xhigh) :
| Benchmark | Ce qu’il teste | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | Notes / Contexte de coût |
|---|---|---|---|---|---|
| Agents’ Last Exam v1.1 | Workflows professionnels multi-étapes | 78,3 % | 73,1 % | 73,0 % | +5,2 pts vs Astra précédente à <⅓–½ du coût ; +5,5 pts vs Claude Fable 5.2 à ~5 % du coût |
| GDPval v2 (internal) | Travail de connaissance à long horizon (conseil, finance, design) | 50,4 % (+6,2 pts) | 44,2 % | 46,9 % (+5,3 pts) | 22 % de tokens de sortie en moins pour Astra |
| Terminal-Bench-Science 0.1 | Recherche scientifique dans un terminal | 77,1 % (+9 pts) | 68,1 % | 68,0 % | <⅓ du coût d’Astra précédente |
| FrontierCode 2.0 | Modifications prêtes à être fusionnées sur des codebases réelles | 44,2 % | 42,8 % | 43,8 % | Sol à ~0,5 pt d’Astra pour ~⅕ du coût |
| Vals Science Index | Données biologiques + expériences simulées | 68,4 % | 65,1 % | 58,5 % | Astra en tête |
| Harvey LAB-AA v1.1 | Livrables juridiques stricts | 15,0 % | 8,6 % | 11,1 % | Gain relatif fort ; plus du double de Fable 5.2 dans certains rapports |
| BenchCAD 2.1 Core | Modélisation CAO / assemblages à partir de dessins | 82,5 % | 62,6 % | 73,1 % | Très proche de Claude Fable 5.2 (~83,5 %) pour ~1/9–1/10 du coût |
| ExploitBench Internal Port (cyber) | Succès d’exploit | 53,5 % (+22 pts) | 31,5 % | 50,5 % | Saut important ; garde-fous plus stricts appliqués |
Astra est également en tête ou se classe très haut sur AA-3D (expériences 3D interactives, ~1 318 Elo) et montre de bons résultats sur AutomationBench et des évaluations internes de code de sécurité (SecureSWE, PatchBench).
Code : forte efficacité en coût, résultats de mise à niveau mitigés
Sur FrontierCode 2.0 de Cognition, OpenAI rapporte que GPT-6.2 Sol termine à 0,5 point de GPT-6.2 Astra, pour environ un cinquième du coût de la tâche, les deux modèles utilisant un effort de raisonnement Max. Ce benchmark évalue si des changements apportés à des dépôts réels respectent les standards de fusion des mainteneurs.
Cela rend Sol un candidat convaincant pour les applications de code où le coût est important. Toutefois, l’évaluation indépendante d’Artificial Analysis présente un tableau plus nuancé :
- GPT-6.2 Astra est inchangé par rapport à GPT-6 Astra sur son Coding Agent Index.
- GPT-6.2 Sol baisse de trois points par rapport à GPT-6.1 Sol sur le même index.
- La baisse de Sol est due à une chute de 14 points sur SWE-Atlas-QnA-AA, où l’évaluateur a observé davantage d’omissions de faits.
La conséquence pratique est d’évaluer séparément la mise en œuvre du code et l’explication du dépôt. Un modèle peut produire des correctifs efficaces tout en manquant des informations importantes lorsqu’il répond à des questions sur une base de code.
Résultats indépendants en intelligence, 3D et robotique
Des évaluations indépendantes identifient également des points forts au-delà du code.
| Évaluation | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Artificial Analysis Intelligence Index | Deuxième derrière Claude Fable 5.2 ; gain de cinq points vs GPT-6 Astra | Score 57, +2 pts vs GPT-6.1 Sol |
| AA-3D | 1 318 Elo | 1 259 Elo |
| AA-Robotics v0.1 | 79 | 78 |
Source : analyse de la sortie du 17 novembre par Artificial Analysis.
- À part, Epoch AI liste Astra à 174 ECI, à égalité avec Claude Fable 5.2. Les différences entre classements reflètent des batteries d’évaluation distinctes.
- Vals Index : Astra ~67,7 % (#7), Sol ~66,1 % (#9). Derrière plusieurs modèles d’Anthropic et de Google ici (pondération plus forte vers finance/code).
- Coding Agent Index (Artificial Analysis, harness Codex) : Astra à peu près stable vs GPT-6 Astra ; Sol légèrement inférieur à GPT-6.1 Sol dans certains runs. Des tests tierce partie de code (par ex., sessions multi-tours difficiles) placent souvent les deux derrière Claude Opus 5.5 / Fable 5.2 de quelques points, bien que Sol reste très rentable.
Résumé des forces et des compromis
- Plus grands gains : efficacité en coût + workflows professionnels/agentiques, recherche scientifique, documents/diapositives respectant les modèles, CAO/3D et capacité de cybersécurité.
- Gains plus modestes : performance des agents de code purs (Sol est extrêmement proche d’Astra sur FrontierCode pour une fraction du prix).
- Positionnement : Astra est l’option haute capacité pour les projets difficiles ; Sol est le choix par défaut pratique pour la plupart des travaux quotidiens et de code grâce à une quasi-parité sur les benchmarks clés pour une fraction du coût.
Tarification de l’API GPT-6.2 : OpenAI vs CometAPI
Prix standards des tokens
Toutes les valeurs ci-dessous sont en USD par un million de tokens, vérifiées le 19 novembre 2026. Les tarifs OpenAI sont des tarifs standard pour contexte court ; les chiffres CometAPI proviennent des pages actuelles des modèles.
| Modèle et fournisseur | Entrée | Entrée mise en cache | Sortie |
|---|---|---|---|
| GPT-6.2 Astra, OpenAI | 8,00 $ | 0,40 $ | 40,00 $ |
| GPT-6.2 Astra, CometAPI | 6,40 $ | 0,32 $ | 32,00 $ |
| GPT-6.2 Sol, OpenAI | 2,00 $ | 0,10 $ | 10,00 $ |
| GPT-6.2 Sol, CometAPI | 1,60 $ | 0,08 $ | 8,00 $ |
Sources : OpenAI Astra, OpenAI Sol, CometAPI Astra, et CometAPI Sol.
Les tarifs CometAPI listés sont inférieurs de 20 % aux tarifs OpenAI correspondants. Il s’agit d’une comparaison spécifique de grilles tarifaires, et non d’une affirmation que CometAPI est toujours l’option la moins chère sur tous les paliers de traitement ou les termes contractuels.
Long contexte, écritures en cache et paliers de vitesse
OpenAI applique des tarifs plus élevés lorsqu’une requête dépasse 272 000 tokens en entrée : les tarifs d’entrée et de cache doublent, et les tarifs de sortie augmentent de 1,5 fois pour l’ensemble de la requête. Les tarifs standard résultants d’Astra sont 16 $ / 60 $ ; ceux de Sol sont 4 $ / 15 $.
Les lectures et écritures de cache ont des coûts distincts. OpenAI liste des écritures de cache de 30 minutes à 10 $ par million de tokens pour Astra et 2,50 $ pour Sol. Les écritures de 12 heures coûtent 20 $ et 5 $, respectivement, avant les multiplicateurs long contexte.
Batch coûte 50 % du Standard, tandis que Fast coûte deux fois le Standard. Ultrafast coûte trois fois le Standard jusqu’au 28 février 2027, puis six fois le Standard à partir du 1er mars 2027, heure du Pacifique. Vérifiez séparément le support de la passerelle et la facturation.
Comment accéder à GPT-6.2 Astra et Sol
ChatGPT Work, Codex et API OpenAI
L’annonce de lancement d’OpenAI met les deux modèles à disposition dans ChatGPT Work et Codex pour les utilisateurs Plus, Pro, Enterprise et Edu. L’accès Enterprise et Edu peut dépendre des paramètres de l’administrateur. Les développeurs peuvent utiliser gpt-6.2-astra et gpt-6.2-sol via l’API. L’accès par abonnement et l’usage de l’API ont des modalités de facturation distinctes ; consultez l’offre et la documentation de l’API pertinentes. Source : annonce de disponibilité.
Accès via CometAPI
CometAPI offre une voie pratique pour les équipes qui veulent ces modèles aux côtés de modèles d’autres fournisseurs sous une intégration API unifiée. Ses pages modèles actuelles listent les deux variantes GPT-6.2 comme disponibles.
- Connectez-vous à la console CometAPI et créez une clé API.
- Stockez la clé dans une variable d’environnement côté serveur.
- Configurez le SDK OpenAI avec
https://api.cometapi.com/v1. - Sélectionnez l’ID du modèle, envoyez une petite requête et inspectez l’usage et la sortie.
L’exemple texte basique suivant adapte le quickstart CometAPI et les conseils d’OpenAI sur les paramètres spécifiques au modèle.
Utilisez Responses API pour les workflows d’outils. Vérifiez les outils hébergés requis, le comportement de streaming et les limites dans la documentation API de CometAPI ; la disponibilité d’un modèle à elle seule n’établit pas le support de chaque fonctionnalité hébergée par le fournisseur.
Conseils de migration pour les applications GPT existantes
OpenAI recommande de commencer les nouvelles intégrations à un effort de raisonnement Medium. Remplacez none ou minimal par low. Pour Chat Completions, omettez temperature, top_p, logprobs et top_logprobs ; ces options de requête plus anciennes ne sont pas compatibles avec la trajectoire de migration documentée.
La gestion de conversation évolue également. Modifier l’historique précédent, certains changements de modèle dont des rétrogradations, ou changer l’utilisateur final ou l’organisation peut invalider des éléments de raisonnement antérieurs. Cela peut réduire la qualité et augmenter le travail répété.
Conservez des instructions stables dans un message développeur au début de input de Responses, et préservez le préfixe de conversation. À partir de GPT-6.2, les instructions de niveau supérieur sont ajoutées après input, ce qui modifie leurs implications de cache. Source : guide de migration GPT-6.2.
Meilleurs cas d’utilisation pour GPT-6.2 Astra et Sol
Équipes logicielles : séparer implémentation et explication
Utilisez Sol comme candidat initial pour des changements routiniers et une assistance de code répétable. Testez Astra sur les décisions d’architecture, le débogage difficile et les changements couvrant plusieurs services. Étant donné les résultats de code indépendants, conservez également GPT-6.1 Sol pour les évaluations d’explication de dépôt. Exigez des preuves concrètes : modifications exécutables, vérifications pertinentes et références de fichiers qu’un relecteur peut valider.
Finance et opérations : évaluer le livrable
Les résultats de travail professionnel d’Astra justifient des tests sur des classeurs éditables, des rapprochements et du reporting de gestion. Donnez-lui les rapports sources et le modèle requis, puis vérifiez les formules, hypothèses et liens entre les chiffres. Sol peut suffire pour des synthèses récurrentes une fois le workflow établi. Choisissez sur la base d’outputs corrects et vérifiables et du temps de retouche, plutôt que sur le seul vernis de présentation.
Produit et design : prototyper, puis inspecter
AA-3D fournit des indices pour tester Astra sur des expériences de navigateur interactives et des prototypes 3D. Fournissez un brief spécifique, des images de référence et des exigences d’interaction. Vérifiez le résultat dans le navigateur, y compris les contrôles et la mise en page, avant adoption. Un benchmark de préférence soutient l’exploration ; il n’établit pas l’accessibilité, la performance ou la préparation production d’une application générée particulière.
Limitations et considérations de déploiement
Aucun des modèles n’offre d’entrée audio/vidéo native ni de fine-tuning. Une grande fenêtre de contexte ne garantit pas non plus une récupération parfaite de chaque document ; vérifiez les affirmations importantes par rapport aux passages sources.
La fiche système GPT-6.2 rapporte des améliorations dans le comportement simulé au travail parallèlement à des régressions dans la divulgation d’obstacles de tâche connus. OpenAI indique que le prompt développeur Codex réduit substantiellement ces omissions. Les applications doivent exiger une signalisation claire lorsque des fichiers, outils ou sources sont indisponibles.
Artificial Analysis rapporte également des taux d’hallucination AA-Omniscience de 59 % pour Astra et 55 % pour Sol à effort Max. Cette métrique mesure les conjectures sur son évaluation factuelle ; elle ne signifie pas que ces pourcentages de toutes les réponses en production sont fausses. Elle renforce la valeur de la recherche et des citations vérifiables. Source : analyse indépendante.
Faut-il choisir GPT-6.2 Astra ou Sol ?
Choisissez Sol en premier pour la rédaction quotidienne, le traitement de documents et les workflows d’agents sensibles au budget. Ses tarifs plus bas en font une base accessible, et plusieurs évaluations montrent une forte capacité pour son coût mesuré.
Testez Astra sur l’ingénierie difficile, les livrables financiers détaillés, le design interactif et les workflows où les erreurs entraînent un rework substantiel. Comparez-le à votre modèle actuel à l’aune de résultats acceptés, plutôt que de supposer qu’une version plus récente améliore chaque tâche.
Pour les utilisateurs CometAPI, un bon point de départ est un ensemble fixe de prompts représentatifs exécutés sur les deux modèles via la même intégration. Comparez la justesse, les omissions, la latence et la dépense, puis affectez chaque workload au modèle qui répond à ses exigences. Explorez GPT-6.2 Astra sur CometAPI ou GPT-6.2 Sol sur CometAPI pour consulter les tarifs actuels et commencer les tests.
Conclusion et recommandations
GPT-6.2 Astra et Sol reflètent un focus clair d’OpenAI sur l’efficacité sans sacrifier la capacité. La combinaison de meilleurs résultats de benchmarks, de moins de tokens de sortie et de tarifs plus bas (ou stables) rend les deux modèles plus attractifs pour la production que leurs prédécesseurs immédiats.
Pour la plupart des développeurs et des équipes :
- Par défaut, utilisez GPT-6.2 Sol pour le code, l’écriture et les boucles d’agents.
- Optez pour GPT-6.2 Astra sur la recherche complexe, les livrables professionnels à enjeux élevés ou lorsque la qualité maximale est requise.
- Utilisez CometAPI pour l’intégration la plus simple, la flexibilité multi-modèles et une facturation unifiée — particulièrement utile lors de l’évaluation de ces nouveaux modèles aux côtés de Claude, Gemini et autres systèmes.
Les modèles sont disponibles dès maintenant. L’adoption précoce et des tests indépendants clarifieront précisément où les gains en conditions réelles sont les plus importants.


