# GPT-6 Astra

> Fiche du modèle de langage GPT-6 Astra sur Quelle IA, édition du 28 septembre 2026. GPT-6 Astra (OpenAI) : score IA de 99,1, 2e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gpt-6-astra/
Origine : OpenAI · États-Unis · sorti le 3 septembre 2026

## Score général

- Score IA : 99,1 (marge à 90 % : de 97,6 à 100,5)
- Rang : 2 (Groupe 1, ex æquo)
- Couverture : 100 % du poids des tâches, 44 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 103,5 | Rang 1 · 67 % |
| Code | 97,8 | Rang 4 · 62 % |
| Agents | 99,9 | Rang 1 · 56 % |
| Usage | 94,1 | Rang 5 · 100 % |
| Maths | 102,0 | Rang 1 · 75 % |
| Sciences | 96,2 | Rang 2 · 80 % |
| Français | 98,3 | Rang 2 · 75 % |
| Vision | 99,3 | Rang 1 · 100 % |
| Écriture | 94,1 | Rang 6 · 100 % |
| Web | 102,2 | Rang 2 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [GPT-6 Astra (Max)](https://artificialanalysis.ai/models/gpt-6-astra) | 52,7 | 7e sur 193 | 51,1 jetons/s | 320,3 s | 10 $ / 50 $ |
| [GPT-6 Astra (Xhigh)](https://artificialanalysis.ai/models/gpt-6-astra-xhigh) | 52,4 | 9e sur 193 | 47,5 jetons/s | 181,0 s | 10 $ / 50 $ |
| [GPT-6 Astra (High)](https://artificialanalysis.ai/models/gpt-6-astra-high) | 50,9 | 15e sur 193 | 43,9 jetons/s | 61,6 s | 10 $ / 50 $ |
| [GPT-6 Astra (Medium)](https://artificialanalysis.ai/models/gpt-6-astra-medium) | 49,6 | 20e sur 193 | 44,3 jetons/s | 6,21 s | 10 $ / 50 $ |
| [GPT-6 Astra (Low)](https://artificialanalysis.ai/models/gpt-6-astra-low) | 45,8 | 32e sur 193 | 43,2 jetons/s | 2,86 s | 10 $ / 50 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gpt-6-astra

## Exécution locale

Non. GPT-6 Astra est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 8,78 € / 43,9 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 050 000 jetons (environ 788 000 mots)
- Entrées : Texte, image, PDF
- Réflexion : Faible, moyenne, élevée, très élevée, maximale (cinq niveaux réglables)
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : Non communiquée
- Hébergement en Europe : Non communiqué
- Connaissances jusqu'à : Avril 2026

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/openai/gpt-6-astra)
- Par API : [API OpenAI](https://platform.openai.com/docs)
- L'essayer : [ChatGPT](https://chatgpt.com)

## Dans les outils de code

- Disponible dans : [GitHub Copilot](https://quelleia.com/outils/#github-copilot) (offres payantes), [Devin Desktop (ex-Windsurf)](https://quelleia.com/outils/#devin-desktop) (à l'usage), [Codex](https://quelleia.com/outils/#codex), [Zed](https://quelleia.com/outils/#zed) (inclus), [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Droid (Factory)](https://quelleia.com/outils/#factory-droid), [Augment Code](https://quelleia.com/outils/#augment), [Warp](https://quelleia.com/outils/#warp)
- Utilisé par : [Amp](https://quelleia.com/outils/#amp)
- Mesuré dans : [Codex](https://quelleia.com/outils/#codex)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| OTIS Mock AIME 2024-2025 | Maths | 100 % | 93,8 | saturé | https://epoch.ai/benchmarks |
| ProofBench | Maths | 99 % | 105,8 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| ARC-AGI-1 | Raisonnement | 98,5 % | 98,6 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-1 | Raisonnement | 98,5 % | 98,6 | saturé | https://arcprize.org/leaderboard |
| FrontierMath, palier 4 (v2) | Maths | 97,6 % | 106,3 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 97,6 % | 106,3 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 97,6 % | 106,3 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 97,6 % | 106,2 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 97,5 % | 95,5 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-1 | Raisonnement | 97,5 % | 95,5 | saturé | https://arcprize.org/leaderboard |
| EuroEval, Allociné (sentiment) | Français | 96,7 % | 78,7 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| ARC-AGI-1 | Raisonnement | 96,5 % | 93,5 | saturé | https://arcprize.org/leaderboard |
| DTBench | Raisonnement | 97,3 % | 105,6 | saturé | https://conceptualreasoning.ai/dtbench |
| DTBench | Raisonnement | 97,1 % | 104,2 | saturé | https://conceptualreasoning.ai/dtbench |
| DTBench | Raisonnement | 97,1 % | 104,2 | saturé | https://conceptualreasoning.ai/dtbench |
| ARC-AGI-2 | Raisonnement | 95 % | 98,1 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 95,8 % | 93,9 | actif | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 96,5 % | 101,7 | saturé | https://conceptualreasoning.ai/dtbench |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 93,7 % | 102,4 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 93,6 % | 119,9 | actif | https://htihle.github.io/weirdml.html |
| ARC-AGI-2 | Raisonnement | 93,3 % | 96,7 | saturé | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 93,3 % | 119,1 | actif | https://htihle.github.io/weirdml.html |
| WeirdML (v2) | Code | 92,9 % | 118,0 | actif | https://htihle.github.io/weirdml.html |
| ARC-AGI-2 | Raisonnement | 92,1 % | 95,9 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 92,1 % | 95,9 | saturé | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 94,9 % | 95,9 | saturé | https://conceptualreasoning.ai/dtbench |
| EuroEval, HellaSwag (bon sens) | Français | 90,7 % | 112,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Code Arena, WebDev | Web | 1 789,1 Elo | 103,8 | actif | https://arena.ai/leaderboard |
| FrontierMath, palier 4 (v2) | Maths | 87,8 % | 98,8 | saturé | https://epoch.ai/benchmarks |
| EuroEval, MultiLoKo (connaissances locales) | Français | 86,1 % | 111,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| ARC-AGI-1 | Raisonnement | 86 % | 84,7 | saturé | https://arcprize.org/leaderboard |
| ARC-AGI-2 | Raisonnement | 85,4 % | 92,9 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 82,9 % | 97,1 | saturé | https://epoch.ai/benchmarks |
| EuroEval, ELTeC (noms propres) | Français | 82,5 % | 134,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Mystery Game Puzzles | Raisonnement | 84 % | 104,7 | actif | https://epoch.ai/benchmarks |
| EuroEval, INCLUDE (connaissances) | Français | 78,8 % | 88,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EBR-bench (Earthborne Rangers) | Agents | 76,2 % | 101,4 | actif | https://epoch.ai/benchmarks |
| LMCA | Raisonnement | 64,37 | 101,0 | actif | https://conceptualreasoning.ai/lmca |
| SimpleQA Verified | Données | 75,6 % | 105,7 | actif | https://epoch.ai/benchmarks |
| LMCA | Raisonnement | 64,11 | 100,7 | actif | https://conceptualreasoning.ai/lmca |
| LMCA | Raisonnement | 63,84 | 100,4 | actif | https://conceptualreasoning.ai/lmca |
| EuroEval, ScaLA (grammaire) | Français | 74,2 % | 122,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| DeepSWE | Code | 74,1 % | 94,5 | actif | https://deepswe.datacurve.ai/ |
| LMCA | Raisonnement | 62,93 | 99,5 | actif | https://conceptualreasoning.ai/lmca |
| DeepSWE | Code | 73,2 % | 94,2 | actif | https://deepswe.datacurve.ai/ |
| DeepSWE | Code | 73,2 % | 94,2 | actif | https://deepswe.datacurve.ai/ |
| LMCA | Raisonnement | 62,19 | 98,7 | actif | https://conceptualreasoning.ai/lmca |
| DeepSWE | Code | 72,8 % | 94,0 | actif | https://deepswe.datacurve.ai/ |
| Furniture Assembly | Vision | 80 % | 99,3 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 72 % | 103,4 | actif | https://epoch.ai/benchmarks |
| BALROG | Agents | 68,3 % | 105,7 | actif | https://balrogai.com/ |
| DeepSWE | Code | 67 % | 91,9 | actif | https://deepswe.datacurve.ai/ |
| FrontierSWE | Code | 65,5 % | 99,7 | actif | https://www.frontierswe.com/ |
| APEX-Agents | Agents | 64,7 % | 95,1 | actif | https://epoch.ai/benchmarks |
| EuroEval, FQuAD (compréhension) | Français | 63,8 % | 36,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, questions de code | Code | 1 539,0 Elo | 90,1 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 513,0 Elo | 87,8 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 490,0 Elo | 87,9 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 448,3 Elo | 87,5 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 476,2 Elo | 87,1 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 498,0 Elo | 86,3 | actif | https://arena.ai/leaderboard |
| ARC-AGI-2 | Raisonnement | 59,6 % | 86,8 | saturé | https://epoch.ai/benchmarks |
| Arena, vision | Vision | 1 285,1 Elo | 89,3 | actif | https://arena.ai/leaderboard |
| SciCode | Code | 56,5 % | 90,9 | actif | https://artificialanalysis.ai/evaluations/scicode |
| SciCode | Code | 55,7 % | 89,9 | actif | https://artificialanalysis.ai/evaluations/scicode |
| SciCode | Code | 55,4 % | 89,6 | actif | https://artificialanalysis.ai/evaluations/scicode |
| Vending-Bench 2 | Agents | 15 515 $ | 91,9 | actif | https://epoch.ai/benchmarks |
| SciCode | Code | 54,2 % | 88,1 | actif | https://artificialanalysis.ai/evaluations/scicode |
| SciCode | Code | 54,1 % | 88,0 | actif | https://artificialanalysis.ai/evaluations/scicode |
| SciCode | Code | 53,5 % | 87,3 | actif | https://artificialanalysis.ai/evaluations/scicode |
| FrontierCode | Code | 53,3 % | 96,1 | actif | https://cognition.com/frontiercode |
| Humanity's Last Exam | Sciences | 54,8 % | 96,7 | actif | https://epoch.ai/benchmarks |
| Blueprint-Bench 2 | Vision | 49,7 % | 99,0 | actif | https://andonlabs.com/evals/blueprint-bench-2 |
| MirrorCode | Code | 46,7 % | 95,4 | actif | https://epoch.ai/benchmarks |
| WeirdML v3 | Code | 42,2 % | 101,0 | actif | https://htihle.github.io/weirdml.html |
| EuroEval, OrangeSum (résumé) | Français | 37,3 % | 57,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| CritPt | Sciences | 31,7 % | 96,1 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 31,4 % | 96,0 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 29,1 % | 95,0 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 28,9 % | 94,9 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 26,3 % | 93,7 | actif | https://epoch.ai/benchmarks |
| Remote Labor Index | Agents | 20,8 % | 98,8 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 19,7 % | 90,3 | actif | https://epoch.ai/benchmarks |
| FrontierMath Erdős | Maths | 2,9 % | 118,8 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de GPT-6 Astra ?** GPT-6 Astra obtient un score IA de 99,1, avec une marge de 97,6 à 100,5, dans l'édition du 28 septembre 2026. Il est classé 2e sur 246 modèles, à partir de 44 mesures.

**Dans quelles tâches GPT-6 Astra est-il le plus fort ?** Ses deux meilleures tâches sont raisonnement (103,5) et web (102,2). Sa tâche la plus faible est écriture (94,1).

**GPT-6 Astra peut-il tourner en local ?** Non. GPT-6 Astra est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte GPT-6 Astra ?** 8,78 € par million de jetons en entrée et 43,9 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite GPT-6 Astra ?** GPT-6 Astra est édité par OpenAI (États-Unis), et il est sorti le 3 septembre 2026. C'est un modèle fermé.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com