Tech • IA • Robotique • Jeu

ENFR

GPT-6.2 Astra et Sol : les nouveaux modèles d'OpenAI testés

AI CodingMelvynx18 novembre 2026 à 07:4222:34
Lecteur audio

INTRO

GPT-6.2 Astra et Sol semblent très compétitifs en prix, vitesse et efficacité sur les benchmarks, mais les premiers tests pratiques suggèrent qu’ils restent derrière la gamme Opus d’Anthropic en fiabilité du code, en goût et dans les longs workflows autonomes.

POINTS CLÉS

Les gains sur les benchmarks sont centrés sur l’efficacité

GPT-6.2 Astra est présenté comme un modèle proche de la frontière, situé près des meilleurs systèmes dans les classements généraux tout en utilisant bien moins de jetons de raisonnement. Dans une comparaison, Astra a eu besoin d’environ 41 000 tokens pour atteindre son résultat, contre environ 274 000 pour un modèle rival d’un niveau similaire, ce qui suggère une inférence bien plus rapide et un coût plus faible.

Le prix est la plus grande surprise

La réaction la plus forte concerne l’économie plutôt que l’intelligence brute. Les tests cités indiquent des prix d’environ 0,32 $ à 0,53 $ pour Sol, d’environ 0,60 $ à 1 $ pour Astra, et d’environ 7 $ à 12 $ pour des variantes d’Opus sur des tâches similaires, avec certaines générations créatives plus longues atteignant 16 $ à 37 $ côté Anthropic. Cet écart donne à GPT-6.2 une image de solution nettement moins chère pour l’expérimentation et les exécutions répétées.

La latence favorise aussi les nouveaux modèles d’OpenAI

La vitesse semble suivre le prix. Dans une comparaison, un concurrent a mis environ 41 minutes, un autre 16 minutes, tandis que GPT-6.2 Astra a terminé en environ 11 minutes. En pratique, cela rend les nouveaux modèles plus attractifs pour les workflows itératifs où le temps de retour compte autant que la qualité finale.

Les résultats en code sont plus mitigés

Malgré un bon positionnement sur les benchmarks, le code reste un domaine plus faible face aux meilleures offres d’Anthropic. Sur certaines mesures de code, Opus 5.5 Max aurait mené d’environ 5 points, et des benchmarks de code plus larges plaçaient les systèmes dans une fourchette plus resserrée que ne le suggèrent les graphiques principaux. Cela implique que GPT-6.2 est peut-être optimisé pour l’efficacité et la performance sur benchmark, sans être encore clairement dominant dans le travail logiciel réel.

Les démos 3D et de physique montrent du potentiel, pas la perfection

Dans des tâches de code visuel comme des simulations d’accidents de voiture, GPT-6.2 Astra a produit des scènes détaillées avec traces de pneus, débris et mouvements convaincants pour environ 1 $, tandis qu’une exécution standard de GPT-6.2 s’est terminée en environ 4 minutes 48 secondes. Les évaluateurs ont donné un avantage aux modèles d’OpenAI sur le comportement physique, même lorsque les visuels étaient moins soignés que ceux d’Opus.

Anthropic reste devant sur le jugement esthétique

Sur plusieurs tests fortement orientés design, Opus a été décrit à plusieurs reprises comme meilleur dans les choix de couleurs, le “ressenti général” et les décisions créatives intuitives. Les sorties d’OpenAI étaient souvent fonctionnelles et peu coûteuses, mais parfois génériques ou chargées. En comparaison directe, GPT-6.2 pouvait gagner sur la physique de destruction ou la réactivité, tandis qu’Opus l’emportait sur le goût.

Le code pour la génération vidéo met en évidence la fracture

Sur une tâche d’interface musicale riche en animation, Opus a fourni le design de mouvement le plus original et expressif, tandis qu’Astra medium a été jugé plat et lent. Pourtant, l’écart de coût était frappant: une exécution d’Opus a pris environ 1 heure 42 minutes et coûté 16 $, une autre environ 3 heures et 37 $, tandis que GPT-6.2 Sol a réalisé un travail similaire pour environ 1,91 $ en 40 minutes.

Sol pourrait devenir le cheval de trait économique

Si Astra est le modèle phare de l’efficacité, Sol ressemble à l’option pratique à bas coût. Il a été décrit à plusieurs reprises comme “presque gratuit” autour de 2 $ par exécution substantielle, tout en produisant des résultats exploitables. Cela le rend attractif pour les créateurs et développeurs qui ont besoin de nombreuses générations sans épuiser leurs quotas premium.

L’autonomie reste une préoccupation majeure

Les premiers retours d’utilisateurs avancés signalent un écart sur le travail long et non supervisé. Astra a été salué pour la revue de code, les tâches 3D, le développement de jeux et de solides capacités d’usage informatique, mais critiqué pour son incapacité à reconnaître ses limites, ses questions techniques inutiles, ses explications trop compliquées, ses boucles sans progrès et sa distraction par des objectifs secondaires. Un cas rapporté décrit une exécution ayant duré 7 jours sans avancée significative.

Le compromis central est désormais clair

Les nouveaux modèles d’OpenAI semblent offrir une efficacité coût-performance exceptionnelle et de très solides performances en one-shot, surtout dans les tâches visuelles interactives. Mais Anthropic Opus semble encore inspirer davantage confiance sur les tâches de code difficiles, car il se comporte de manière plus constante, fait preuve d’un meilleur jugement et demande moins de supervision une fois la tâche lancée.

CONCLUSION

GPT-6.2 Astra et Sol redessinent le marché en apportant des capacités de niveau frontière à des prix bien plus bas. La question restante est de savoir si cette efficacité peut se traduire par un travail fiable et très autonome, où Opus semble encore garder l’avantage.

Poser une question

Sur le même sujet : AI Coding