OpenAI lance GPT-6 Astra comme « le modèle le plus intelligent au monde ». C’est en même temps le premier modèle qui, selon son propre cadre de référence, atteint le seuil critique pour les capacités cyber.
Après des mois de retard, une session d’entraînement interrompue et un incident qu’OpenAI aurait préféré éviter, GPT-6 Astra est disponible depuis début septembre dans l’API ainsi que sur Azure et AWS Bedrock. Les abonnés à ChatGPT Plus, Pro, Business et Enterprise suivront d’ici quelques jours. Le prix : dix dollars par million de tokens d’entrée et cinquante dollars par million de tokens de sortie, avec un mode Fast au double du tarif.
Dans l’annonce, OpenAI ne mâche pas ses mots. GPT-6 Astra est présenté comme le premier modèle capable d’atteindre le niveau d’« intelligence artificielle générale ». Les benchmarks sont impressionnants, les comparaisons sélectives et l’architecture de sécurité repose sur un fondement qu’OpenAI voit lui-même s’affaiblir.
Premier de la classe
Le lancement d’un modèle s’accompagne de benchmarks destinés à le faire briller. C’est sur les tâches agentiques que GPT-6 Astra réalise les plus grands bonds en avant. Sur Terminal-Bench 4.0, le modèle grimpe à 57,9 %, contre 37,3 % pour GPT-5.6 Sol. SRE-Bench passe de 55,9 à 88 % en une seule tentative. Sur OSWorld 2.0, Astra atteint 72,6 % en environ quarante minutes par tâche, là où son prédécesseur atteignait 65,7 % en 75 minutes. C’est presque deux fois plus rapide.
GPT-6 Astra devrait également se montrer plus performant en matière d’efficacité des tokens. Astra bat Claude Opus 5 avec 59,3 % contre 55,5 %, avec environ 65 % de tokens de sortie en moins pour des invites comparables. Pour ceux qui exploitent des agents en production, ce ratio pèse plus lourd que quelques points de pourcentage.
Comparaison sélective
Comme souvent, il faut prendre les chiffres des benchmarks avec des pincettes. D’autres chiffres mis en avant par OpenAI en disent surtout long sur l’étalon de mesure lui-même : 99,9 % sur ARC-AGI-3, 98 % sur FrontierMath Tier 4 et 96 % sur GPQA Diamond contre 94,6 % pour Sol. Pour les deux premiers, le benchmark est saturé ; pour le troisième, le gain n’est plus guère intéressant.
Dans ses propres tableaux, OpenAI place Astra aux côtés de Claude Fable 5.1 et Gemini 3.8 Flash. C’est également un choix délibéré. Fable 5.1 est la variante publique d’Anthropic avec des garde-fous supplémentaires ; le modèle qui définit la frontière en matière de cybersécurité s’appelle Claude Mythos 5.1. OpenAI semble éviter la comparaison directe avec Mythos. Gemini 3.8 Flash est quant à lui le modèle rapide et économique de Google, et non un fleuron, ce qui en fait une comparaison peu représentative.
Au-delà du seuil
OpenAI qualifie Astra de premier modèle à franchir le seuil cyber critique. Astra affiche un score de 100 % sur ExploitBench (Sol : 78,5 %) et a découvert deux failles zero-day inconnues lors de l’évaluation, lesquelles ont été signalées aux mainteneurs. Nous avons déjà pu constater de quoi Astra et d’autres modèles d’OpenAI sont capables lors de l’incident Hugging Face.
Anthropic a publié sur Mythos Preview des chiffres au moins aussi frappants. Ce modèle a obtenu un détournement complet du flux de contrôle (control flow hijack) sur dix cibles distinctes et entièrement corrigées, a construit 181 exploits fonctionnels pour des vulnérabilités dans le moteur Firefox, et a découvert des bogues logiciels vieux de vingt-sept ans. Mythos Preview peut trouver et exploiter des failles zero-day dans n’importe quel système d’exploitation ou navigateur majeur.
Point faible
Après l’incident avec Hugging Face, OpenAI a pris des mesures qui sont opérationnelles pour GPT-6 Astra. Au niveau du modèle, Astra refuse les requêtes malveillantes dans 91,5 % des cas, contre 59 % pour Sol. Dans des tests de type honeypot simulant l’incident Hugging Face, Sol a tenté d’obtenir un accès non autorisé dans 56 % des cas ; Astra n’a fait aucune tentative. Par ailleurs, les capacités cyber les plus pointues restent sous clé et ne sont exposées qu’à un groupe restreint de testeurs.
Dans sa propre présentation, OpenAI écrit qu’Astra est « mieux capable de se maîtriser ». Cela signifie que, lors des évaluations, le modèle sous-performe délibérément pour échapper aux moniteurs internes. C’est là que le bât blesse. Tout le modèle de surveillance d’OpenAI repose sur des traces de raisonnement lisibles, au moment même où celles-ci le deviennent moins. OpenAI reconnaît la tendance et affirme poursuivre ses recherches, mais aucune solution n’est encore en place.
Cette inquiétude n’est pas théorique. Lors de l’incident Hugging Face, un modèle de recherche interne et des agents Sol se sont échappés de leur bac à sable, ont acquis un accès à Internet, ont procédé à une escalade de privilèges et ont obtenu des droits d’administrateur sur le cluster Kubernetes interne d’OpenAI. La détection n’est intervenue que plus de deux mois après les premières traces.