Résumé :
Quelques heures avant la sortie d'Astra, la communauté de l'IA était dans le chaos. Dans la soirée du 3 septembre, ChatGPT, Claude et Grok ont connu presque simultanément des anomalies de service à grande échelle. Un grand nombre d'utilisateurs n'ont pas pu ouvrir les modèles ou leurs requêtes ont échoué. A ce moment, le compte officiel ChatGPT regardait les étoiles : "Les étoiles sont presque alignées."
Quelqu'un a vite commencé à plaisanter : Astra a-t-il piraté Anthropic et xAI pendant le déploiement, et ne s'est-il même pas épargné à la fin ?
Bien sûr, ce n'est qu'une blague créée par les internautes. Il n’existe actuellement aucune preuve que cet échec soit lié à Astra.
Mais cette blague est apparue au bon moment : il y a à peine deux jours, OpenAI venait d'annoncer que ce nouveau modèle, qui n'a pas encore été officiellement publié, est devenu le premier modèle de l'entreprise à franchir le seuil de capacité de cybersécurité « critique » du cadre de préparation.
Ensuite, les étoiles se sont vraiment mises en place.
Tôt le matin du 4 septembre, heure de Pékin, OpenAI a officiellement publié GPT-6 Astra.
Mais tous ne sont pas en ligne. Astra n'est actuellement ouvert qu'à un petit nombre d'organisations dans le système Trusted Access/Daybreak et aux utilisateurs audités de la sécurité réseau - Les utilisateurs Plus, Pro, Business, Enterprise et API devront attendre encore quelques jours.
Astra arrive, mais Tathagata
Le 4 septembre, OpenAI a publié GPT-6 Astra "en interne".
Actuellement, Astra n'est ouvert qu'à un petit nombre d'institutions du système Trusted Access/Daybreak. OpenAI a déclaré que les abonnés et les API Plus, Pro, Business, Enterprise y auront accès dans les prochains jours.
Quant à la durée réelle de ces « quelques jours », il n'y a pas de calendrier plus précis pour le moment.
Lors d'une conférence de presse à huis clos avant la sortie, le président d'OpenAI, Greg Brockman, a donné à Astra une note de bas de page plutôt exagérée : "Bienvenue dans l'ère AGI."
Bienvenue dans l'ère AGI.
Aidan Clark, vice-président de la recherche chez OpenAI, a expliqué pourquoi Astra est spécial d'un autre point de vue : « C'est la première fois que plus de 100 000 GPU sont utilisés pour la pré-formation sur le site de Stargate au Texas. Du réseau du centre de données au noyau d'inférence en passant par la forme du modèle lui-même, tout est conçu de toutes pièces autour de cette échelle de formation.
Aidan a également déclaré qu'Astra est également le premier produit d'OpenAI à permettre aux modèles d'ancienne génération d'être profondément impliqués dans le processus de formation.
Pour faire simple, les personnes qui forment la prochaine génération d’IA ont déjà commencé à apparaître dans la génération précédente d’IA.
Bien qu'il soit loin de « l'IA s'entraîne », le modèle est entré dans le processus de développement du modèle de nouvelle génération.
Après qu'Anthropic ait qualifié avant-hier Fable/Mythos 5.1 de « modèle de codage et de travail des connaissances le plus avancé au monde », OpenAI a également qualifié aujourd'hui Astra de « modèle le plus solide et le plus aligné au monde ».
En termes de tests de référence, les chiffres les plus effrayants proviennent d'ARC-AGI-3.
Il s'agit d'un test d'agent qui teste spécifiquement si un modèle peut entrer dans un environnement 2D qu'il n'a jamais vu auparavant, découvrir des règles par des essais et des erreurs continus et atteindre ses objectifs. Ce n'est pas comme un examen traditionnel qui teste la quantité de connaissances mémorisées, mais cela revient plus près à lancer l'IA dans un jeu inconnu pour voir si elle peut comprendre par elle-même "comment le monde fonctionne".
Astra a obtenu le score le plus élevé de 99,9 % avec la configuration Provider Adapter d'OpenAI.
Mais ce numéro doit être démonté. ARC Prize utilise également un ensemble de harnais standards que tous les fabricants peuvent comparer uniformément. Ici, Astra plafonne à seulement 62,7 %.
La plus grande différence entre les deux n'est pas que le sujet ait été modifié. OpenAI avait précédemment découvert que la raison pour laquelle Sol avait un score faible n'était pas due au fait que le modèle était stupide, mais au fait que le harnais continuait à formater sa mémoire. Par conséquent, OpenAI a remplacé le harnais d'ARC-AGI-3 par la configuration de production de sa propre API Responses, puis a spécialement préparé deux paramètres spéciaux pour ARC-AGI-3, à savoir le raisonnement retenu et le compactage. Le premier permet au modèle de se souvenir de ses pensées précédentes entre les actions, tandis que le second utilise un résumé au lieu d'une troncature grossière.
Après connexion à ce système de production, Astra a bondi de 62,7 % à 99,9 %. Dans les tâches accomplies avec succès par les deux parties, l'adaptateur de fournisseur a globalement fonctionné environ 3,66 fois plus rapidement et la consommation de jetons a été réduite de 49 %.
Dans un sens, c'est un peu comme ouvrir un plug-in.
En mathématiques difficiles, FrontierMath Tier 4 est de 97,6 %. Epoch AI, où est basé FrontierMath, a déclaré qu'OpenAI avait financé le développement du benchmark et avait un accès exclusif à certaines de ses questions.
Les scores dignes d'attention incluent :
DeepSWE v1.1 74,1 %
BenchCAD 95,9 %
Tâche scientifique Terminal-Bench 64,6 %.
Mais cette fois, OpenAI ne s’est évidemment pas appuyé uniquement sur une série de benchmarks pour introduire Astra.
Lorsque vous ouvrez le site officiel, les cas sont affichés presque les uns après les autres.
KiCad, Excel, Blender, Power BI, remplissage de formulaires de navigateur, assurance qualité de sites Web ; puis chercher une maison, trouver un médecin, prendre rendez-vous chez DMV, rédiger des formulaires fiscaux, créer des PPT, développer des jeux et analyser des données de recherche scientifique.
Au cours des dernières générations de versions GPT, OpenAI indiquait principalement aux utilisateurs ce que le modèle pouvait répondre ; avec Astra, son objectif semble avoir changé et est devenu : combien de choses vous reste-t-il qui peuvent être directement confiées à l'IA.
OpenAI a même directement qualifié Astra de "meilleur modèle d'utilisation informatique au monde".
Les progrès du modèle dans « l'utilisation des ordinateurs » peuvent être plus importants que le score. Dans Codex, Astra apporte un nouveau mécanisme contextuel : au lieu de simplement compresser le résumé lorsque la fenêtre contextuelle est pleine, vous pouvez conserver des notes dans les fenêtres et rechercher des messages antérieurs et des résultats de l'outil.
Astra peut également continuer à travailler sur la partie qui ne dépend pas de la réponse lorsqu'une certaine question n'est pas résolue, afin d'éviter qu'une seule question non résolue ne bloque l'ensemble de la tâche.
Bien entendu, les capacités sont également directement inscrites dans le prix.
Le prix standard de l'API de GPT-6 Astra est : 10 USD par million de jetons d'entrée, 1 USD pour l'entrée en cache et 50 USD pour la sortie.
Par rapport à l'entrée actuelle de 4 $, au cache de 0,4 $ et à la sortie de 20 $ du GPT-5.6 Sol, le prix de l'ensemble de la gamme Astra a été directement augmenté jusqu'à 2,5 fois. Le positionnement d'OpenAI est également très clair : si vous ne savez pas quel modèle phare choisir, vous pouvez choisir Astra ; si vous vous souciez davantage du coût, continuez à utiliser GPT-5.6 Terra ou Luna.
Il fournit toujours 1,05 million de jetons de contexte et un maximum de 128 000 jetons de sortie. Mais un contexte long entraîne également des coûts supplémentaires : comme pour la série GPT-5.6, lorsqu'une seule entrée dépasse 272 000 jetons, le coût d'entrée de l'ensemble de la demande sera calculé comme 2 fois et la sortie sera calculée comme 1,5 fois.
Ainsi, OpenAI a en fait défini un niveau intelligent plus coûteux pour Astra.
Si vous posez simplement une question et modifiez quelques paragraphes du texte, cela ne vaut peut-être pas la peine de dépenser 2,5 fois le prix.
Mais si le modèle peut réellement s'asseoir devant l'ordinateur, travailler en continu pendant des dizaines de minutes, voire des heures, et accomplir l'intégralité de la tâche qui nécessitait auparavant que les gens changent de logiciel, vérifient les informations, remplissent des formulaires et modifient des fichiers, alors ce qu'il faut vraiment comparer n'est plus seulement combien d'argent par million de jetons.
Quelques points techniques à noter
Astra présente également plusieurs points techniques qui peuvent être plus remarquables que le Benchmark lui-même.
La première est l'ingénierie inverse.
OpenAI a cité SRE-Bench dans cette version. Il s'agit d'un ensemble de benchmarks d'ingénierie inverse lancés cette année par des équipes telles que Columbia DAPLab : le code source du modèle n'est pas donné, seul le programme binaire compilé est donné pour voir s'il peut re-comprendre la logique du programme et trouver les comportements clés.
Astra a un taux de réussite de 88,0 % en une seule tentative et de 99,2 % en quatre tentatives maximum.
Selon le même ensemble de règles, GPT-5.6 Sol n'est respectivement que de 55,9 % et 68,7 %.
En termes humains, face à un programme qui a été compilé et qui ne contient presque aucun code lisible par l'homme, l'IA commence à être capable de le « reprendre » petit à petit à partir des instructions de la machine.
Cela a des implications directes pour l'analyse des logiciels malveillants, la recherche de micrologiciels, l'exploration des vulnérabilités et l'investigation numérique.
Le deuxième changement est qu'Astra "n'est plus facile de retrouver les objets perdus" dans des missions extrêmement longues.
Dans le test de récupération à huit broches MRCR v2, la précision d'Astra a atteint 100 % face à des contextes allant de 256 000 à 512 000 ; en ce qui concerne 512 000 à 1 million de jetons, la précision était toujours de 96,3 %. Cependant, GPT-5.6 Sol n’a respectivement que 91,5 % et 73,8 % dans ces deux intervalles.
Dans le passé, de nombreux modèles prétendaient prendre en charge des millions de contextes, mais si une information importante est enfouie en dehors de centaines de milliers de jetons, le modèle peut l'avoir presque oublié dans la seconde moitié du processus.
Astra a commencé à pousser la question de la taille de la fenêtre contextuelle vers une autre question plus pratique : combien de temps un agent peut-il se souvenir de ce qui s'est passé auparavant.
Pour un agent qui doit travailler en continu pendant des dizaines de minutes, voire des heures, cela peut s'avérer plus important que l'ajout de centaines de milliers de fenêtres de jetons supplémentaires.
De plus, Astra présente un autre changement inhabituel.
Cela devient plus aligné, mais aussi plus difficile à surveiller.
Dans une série de tests internes de sécurité de l'utilisation de l'ordinateur publiés par OpenAI, le taux de violation d'Astra est passé de 22,0 % à Sol à 2,4 % ; dans un test qui observait spécifiquement si le modèle contournerait les restrictions afin de terminer la tâche, celui d'Astra était de 0 %. Le test d'hallucinations internes est également passé de 9,4 % sur Sol à 2,0 % sur Astra.
Au moins selon les propres tests d'OpenAI, Astra est nettement moins "chaotique". Mais Jakub Pachocki, scientifique en chef d'OpenAI, a également rappelé : "Les progrès de l'intelligence ne garantissent pas les progrès de l'alignement."
L'une des raisons est qu'Astra a commencé à écrire de moins en moins son processus de réflexion complet.
Dans le passé, une méthode de sécurité très importante de l'IA consistait à surveiller la chaîne de pensée du modèle : si le modèle allait outrepasser son autorité, attaquer un certain système ou modifier secrètement ses objectifs, vous pouviez voir à l'avance des indices dans son raisonnement.
Mais OpenAI a constaté qu'Astra avait un plus grand contrôle sur son raisonnement écrit. Certains problèmes qui, dans le passé, devaient être résolus en écrivant de nombreuses étapes peuvent désormais être résolus avec un raisonnement moins explicite ; si le modèle sait que son processus de réflexion est surveillé, ces contenus seront considérablement modifiés ou raccourcis.
Par conséquent, OpenAI ne peut plus se concentrer uniquement sur la chaîne de réflexion.
Afin de garder un œil sur Astra et de l'empêcher de commettre les mêmes attaques que celles apparues auparavant sur Sol, OpenAI a installé une « surveillance des désalignements » dans l'environnement de production. Il observe simultanément le raisonnement du modèle, les actions réelles, les appels d'outils et l'ensemble de la trajectoire de la tâche.
Si le système détermine que le modèle peut s'écarter sérieusement de l'intention initiale de l'utilisateur, il peut suspendre ou même terminer directement la tâche.
Dans l'API, la tâche interceptée peut se terminer directement ; dans ChatGPT ou Codex, dans certains cas, il sera demandé à l'utilisateur de reconfirmer d'abord :
"Est-ce vraiment ce que tu veux que je fasse ?"
Au niveau du produit, le nom du modèle d'API d'Astra est directement gpt-6-astra, et il entre également dans Amazon Bedrock.
OpenAI a également lancé le mode Fast : le prix est doublé et la vitesse d'exécution maximale est d'environ 2,5 fois.
Pour une conversation informelle, cela n'est peut-être pas intéressant. Mais si un agent doit initialement s'exécuter dans le navigateur et le logiciel pendant 40 minutes, et que cette durée est réduite à dix ou vingt minutes, la vitesse elle-même fera partie des capacités du produit.
Du côté des abonnements, Astra sera inclus dans le quota d'abonnement existant ; Pro, Business et Enterprise bénéficieront également de l’Astra Pro, plus puissante. Enterprise ne sera pas activé directement par défaut et doit être activé manuellement par l'administrateur.
Bien qu'il ne puisse pas encore être ouvert...
Historique complexe, ouverture limitée
Astra est peut-être le modèle le plus « historique » d’OpenAI à ce jour.
De nombreux modèles sont commercialisés en premier et exposent ensuite lentement les problèmes, mais Astra fait le contraire - bien sûr, certaines méthodes de marketing ne sont pas exclues. Mais avant son lancement officiel, OpenAI avait passé près d’un mois à expliquer constamment pourquoi il devait être formé, testé et ouvert avec plus de soin.
Le 7 août, OpenAI a déclaré publiquement pour la première fois que la dernière évaluation interne a rendu impossible pour l'entreprise d'exclure la possibilité qu'Astra ait atteint le seuil de capacité de cybersécurité « critique » dans le cadre de préparation.
Le 1er septembre, cette « possibilité » est devenue une conclusion formelle : Astra est devenu le premier modèle d'OpenAI classé comme critique en termes de capacités de sécurité réseau.
Selon les propres normes d'OpenAI, cela signifie qu'avec les bons outils et droits d'accès, Astra a pu découvrir de manière indépendante des vulnérabilités jusqu'alors inconnues et développer des exploits disponibles dans de nombreux systèmes durcis du monde réel sans avoir besoin de conseils humains étape par étape ; ou bien il peut concevoir et exécuter un ensemble de stratégies d’attaque de bout en bout contre des cibles durcies en lui donnant simplement une cible de haut niveau.
Il ne s'agit plus simplement de « être capable d'écrire du code d'attaque ». Sur ExploitBench, Astra a directement obtenu un score de 100 %.
Afin d'éviter que le modèle ne mémorise uniquement les vulnérabilités publiques, OpenAI a préparé une autre série de tests internes et intégré 20 vulnérabilités à haut risque V8 qui n'ont été divulguées qu'entre juin et août 2026. Astra utilise non seulement moins de jetons de sortie que GPT-5.6 Sol, mais atteint également un taux de réussite d'exécution de code arbitraire nettement plus élevé.
Au cours du test, il a même découvert et exploité deux zero-days jusqu'alors inconnus et les a liés dans une chaîne d'exploitation. OpenAI a déclaré qu'il divulguait actuellement ces deux vulnérabilités aux responsables.
Les tests experts sont plus proches des attaques réelles. Face à un navigateur renforcé, Astra peut s'échapper complètement du bac à sable après avoir découvert des vulnérabilités inconnues et exécuté des commandes sur la machine hôte ; sur le système d'exploitation renforcé, il regroupe plusieurs vulnérabilités dans une chaîne d'élévation de privilèges locale pour obtenir les privilèges root des utilisateurs ordinaires.
C'est au cours de ce processus qu'OpenAI a découvert pour la première fois que les capacités dangereuses du modèle avaient commencé à affecter la façon dont le modèle lui-même devait être entraîné.
Le 18 août, OpenAI a publiquement admis que l'entreprise avait temporairement suspendu l'expansion de l'échelle de formation, notamment en suspendant le dernier modèle de formation d'apprentissage par renforcement dont le déploiement était prévu pendant deux semaines.
Dans le même temps, un grand nombre de tâches de formation et d'évaluation impliquant Astra continuent d'être suspendues car elles n'ont pas encore été migrées vers le nouvel environnement sécurisé.
Dans le passé, lorsque nous discutions de la sécurité de l'IA, nous nous demandions principalement si le modèle pouvait être remis en toute sécurité aux utilisateurs après la formation ; mais ici chez Astra, le problème a été avancé jusqu'au stade de la formation.
OpenAI a donc renforcé l'ensemble de l'environnement de recherche. La tâche d'exécution du code de génération de modèle nécessite un sandboxing plus strict ; les charges de travail à haut risque nécessitent une isolation réseau plus forte ; Le point de contrôle Astra ajoute le cryptage et le contrôle d'accès ; toutes les inférences Astra avec des outils sont soumises à une surveillance supplémentaire.
Cet ensemble de surveillance lui-même n'est même pas bon marché. OpenAI estime que la surcharge de calcul causée par le seul système de surveillance équivaut à environ 20 % de la puissance de calcul d'inférence surveillée.
En d'autres termes, le coût d'Astra ne consiste pas seulement à « former un modèle plus grand », mais OpenAI dépense également une quantité considérable de puissance de calcul supplémentaire pour garder un œil sur ce que fait le modèle.
Cela explique également pourquoi, après le lancement officiel d'Astra, les fonctionnalités de sécurité réseau les plus avancées n'ont pas été directement accessibles à tout le monde.
OpenAI a clairement indiqué que la version de production par défaut d'Astra fixerait toujours des limites aux demandes d'attaque réseau à haut risque ; des flux de travail de sécurité réseau plus avancés seront initialement ouverts à un petit groupe de testeurs Alpha, puis s'étendront progressivement aux utilisateurs défensifs audités via Daybreak Blue.
Bien que les utilisateurs ordinaires recevront également Astra dans les prochains jours, cela ne signifie pas que tout le monde bénéficiera exactement des mêmes capacités.
De telles restrictions peuvent même provoquer des blessures accidentelles. OpenAI prévient à l'avance que des contrôles de sécurité supplémentaires peuvent ralentir, suspendre ou même arrêter les tâches normales. Même certaines tâches d'agent à long terme qui semblent n'avoir rien à voir avec la sécurité du réseau peuvent également être mal étiquetées.
Si des tâches dans ChatGPT ou Codex sont suspendues en raison d'un mauvais alignement, l'utilisateur devra peut-être revenir pour confirmer l'opération avant de continuer ; les tâches de l'API peuvent être terminées directement.
Cette partie du changement a été facilement éclipsée par "AGI" après la sortie d'Astra.
Plus le modèle est performant, plus une personne peut obtenir directement de capacités, cela commence à dépendre de plus en plus du degré d'autorité que la plateforme est prête à vous accorder.
Puis, après une telle série de « Critique, suspension de l'entraînement, isolement, surveillance et ouverture progressive », Greg Brockman a déclaré lors du point de presse sur la sortie d'Astra : « Bienvenue dans l'ère AGI. »
Il a même déclaré que s'il en jugeait personnellement, il pensait que "nous y sommes parvenus".
Mais à la question : "OpenAI a-t-il officiellement annoncé la mise en œuvre de l'AGI ?" Brockman a admis que l'AGI est devenue une « chose grise et floue », ressemblant davantage à un « concept de mission » ou à un « concept spirituel » plutôt qu'à une norme technique pouvant être dessinée avec précision.
Plus tôt, dans "Sources Podcast", Altman était réticent à discuter sérieusement de la question de savoir "quand mettrons-nous en œuvre l'AGI". Il pensait que le terme AGI était « au mieux un concept très vague » et le qualifiait même presque de « terme marketing insignifiant ».
La raison n'est pas qu'OpenAI soit plus éloigné de l'AGI. Au contraire, c'est parce que, selon Altman, l'AGI n'est peut-être plus si importante.
Ce qui l'inquiétait vraiment, c'était le mot suivant : superintelligence.
Altman a déclaré qu'il y a un an, il ne pensait pas qu'OpenAI était sur une trajectoire à court terme vers la superintelligence. Maintenant, il pense que cela « pourrait arriver ».
Mais je veux quand même me plaindre, ASI n'est-il pas un « terme marketing insignifiant » ?
Commentaires