GPT-6.2 Astra ou Sol : comment choisir quand les chiffres des classements ne concordent pas, regardez d’abord les conditions
FrontierCode 2.0, le même benchmark, le même jour, le même Astra : 44,2 % dans le graphique officiel d’OpenAI, 45,4 % dans les conditions standard d’Artificial Analysis (AA) et 42 sur la page d’agents de code avec Codex d’AA. Ces scores diffèrent, et cela peut tenir à des conditions de test, un harness, un niveau de raisonnement ou un échantillonnage différents ; il vaut mieux ne pas les comparer directement ni les fondre en un seul.
Pour choisir entre Astra et Sol, la plupart des articles se contentent de dire « Astra pour le difficile, Sol pour le quotidien ». C’est juste, mais insuffisant, car derrière chaque chiffre que vous lisez il y a un ensemble de conditions. Ce texte explique d’abord ce que les deux modèles ont en commun et en quoi ils diffèrent, puis pourquoi les chiffres ne concordent pas, et propose enfin une méthode de choix applicable.
Ce texte compile des informations publiques, n’est pas un test de Guishu Intelligence et n’indique pas non plus qu’une plateforme propose ces deux modèles.
D’abord, vérifiez votre point d’accès
La disponibilité suit OpenAI Learn. D’après ChatGPT Learn (17 novembre 2026), GPT-6.2 Astra et Sol sont dans ChatGPT Work, Codex et l’API OpenAI.
Il y a ici un point où l’on se trompe facilement : pour les utiliser dans ChatGPT, il faut activer Work ; la documentation ne dit pas qu’ils arrivent dans la fenêtre de Chat ordinaire. L’article WeChat de Kazike et AIZ Xiaozhu écrit que « ChatGPT, Codex et l’API sont tous en ligne en même temps » ; c’est la formulation de ce texte, elle ne coïncide pas tout à fait avec la documentation officielle, qui fait foi. Si vous ne voyez pas les nouveaux modèles dans la conversation ordinaire, ce n’est probablement pas un problème de votre côté.
Autres informations d’accès : Plus, Pro, Enterprise et Edu peuvent les utiliser, et pour Enterprise et Edu un administrateur doit les activer ; Work et Codex partagent le quota ; Ultrafast est le nom d’un niveau de vitesse que certains abonnements Pro de niveau supérieur, ainsi que les espaces entreprise ou éducation où un administrateur l’a activé, peuvent utiliser.
Ce que les deux modèles ont en commun
D’après la documentation des modèles d’OpenAI (Astra, Sol) :
- Entrée texte et image, sortie texte ; ni audio ni vidéo.
- Fenêtre de contexte de 1 050 000 tokens, entrée maximale de 922 000 et sortie maximale de 128 000.
- Modèles de raisonnement ; l’API refuse
reasoning effort = noneet exige low ou plus. - Prennent en charge Chat Completions, Responses et Batch ; ne prennent pas en charge Realtime, Assistants, le fine-tuning ni la génération d’images et de vidéos. Les appels d’outils doivent passer par l’API Responses.
- Résidence des données : Standard, Fast et Batch prennent en charge les États-Unis et l’UE ; Ultrafast uniquement les États-Unis.
La longueur de contexte, les modalités et les interfaces ne sont donc pas des raisons de choisir. Le choix se joue sur la capacité, la vitesse et l’expérience d’usage.
Ce qui diffère : positionnement et date limite de connaissances
Positionnement officiel : Astra est le modèle de pointe pour les « projets les plus difficiles » ; Sol est le modèle efficace pour le « travail quotidien et les agents à grande échelle ».
Date limite de connaissances : Astra, 18 mai 2026 ; Sol, 1er juin 2026. Sol a deux semaines d’avance. Cela peut jouer pour les tâches qui dépendent de versions récentes de bibliothèques, de nouveaux produits ou d’événements récents, bien que l’écart soit limité. Kazike estime que le post-entraînement fait que le modèle connaît en pratique des choses postérieures à la date limite ; c’est une inférence de l’auteur, pas un engagement officiel, et elle ne doit pas servir de critère de choix.
Pourquoi les chiffres ne concordent pas
Le même nom de benchmark, des conditions différentes
Prenons FrontierCode 2.0. Les trois chiffres ont des origines différentes :
| Source | Astra | Sol | Conditions |
|---|---|---|---|
| Documents de lancement d’OpenAI, rassemblés par VentureBeat | 44,2 % | 43,8 % | Graphique officiel, éventuellement le meilleur point |
| Artificial Analysis, rassemblé par Handy AI | 45,4 % | 44,4 % | FrontierCode 2.0 d’AA, niveau max |
| Page d’agents de code d’AA | 42 | 42 | Harness Codex, niveau max, FrontierCode-AA 2.0 |
On n’en tire qu’une conclusion stable : les deux modèles sont très proches, et le score de Sol est un peu inférieur ou égal. Les valeurs absolues ne se comparent pas d’un tableau à l’autre.
Terminal-Bench-Science est dans le même cas : le graphique d’OpenAI donne Astra 77,1 % et Sol 68,0 %, et le harness standard d’AA Astra 78,1 % et Sol 67,6 %. AutomationBench demande plus de prudence : le graphique officiel d’OpenAI donne Astra 52,4 % et Sol 41,2 %, tandis qu’AutomationBench-AA suit un autre référentiel et d’autres chiffres ; ce n’est pas le même ensemble.
Chaque organisme mesure autre chose
- Graphique officiel d’OpenAI : benchmarks choisis par le fabricant, souvent ceux qui montrent le mieux la progression, avec éventuellement des niveaux de raisonnement élevés. Utile pour connaître ce qu’OpenAI avance, pas comme classement neutre.
- Artificial Analysis : indice d’intelligence et indice d’agents de code. Indice d’intelligence d’AA v5.0 (niveau max) : Astra 62,1, Sol 57,3, Fable 5.2 64,6, GPT-6 Astra 56,9. Indice d’agents de code : Astra 53, Sol 49, GPT-6.1 Sol 52.
- Vals AI : indice scientifique (moyenne de BioMysteryBench, MysteryMechanism et Terminal-Bench-Science) et indice général. À l’indice scientifique, Astra est premier avec 68,44 % et Sol septième avec 57,76 % ; à l’indice général, Astra est septième avec 67,66 % et Sol neuvième avec 66,06 % (les chiffres de l’indice général sont relayés par OfficeChai ou The Decoder à partir de Vals ; cet article ne les a pas vérifiés directement).
- Epoch AI : l’ECI place Astra à 174, à égalité en première place. En même temps, sur les tâches de recherche réelles d’Epoch, Astra ne progresse presque pas par rapport à la génération précédente.
- Surge : jeu de 11 tâches de « journée de travail ordinaire » conçues par des professionnels ; Astra est premier sur Chartography et Sol recule de 8 points en médecine par rapport à la génération précédente.
Qu’Astra soit premier au Vals Science Index et septième à l’indice général de Vals n’est pas contradictoire : le premier ne comprend que des tâches de recherche et le second couvre davantage de catégories.
Dates et mises à jour
La plupart de ces chiffres datent du 16 au 18 novembre 2026. La page de Vals a été mise à jour le 16 novembre, et au moment de la publication de Surge des tâches étaient encore en cours. Un seul jour après le lancement, n’importe quel classement peut changer en une semaine. Au moment de décider, revérifiez la date de mise à jour de la page d’origine.
Astra for Law n’est pas le modèle de base
Le droit est la catégorie la plus souvent mal comprise. D’après le classement juridique de Vals résumé par The Decoder, les deux modèles de base font à peu près le double de la génération précédente à HLAB, mais ne se classent que 11e et 21e ; en Legal Research, 30e et 52e. En revanche, Astra for Law, avec une configuration de recherche juridique, est sixième en Legal Research.
La version spécialisée comprend de la recherche et une configuration de domaine, et son résultat ne peut pas être attribué au modèle de base gpt-6.2-astra. Les 15,0 % qu’OpenAI donne à Astra à Harvey LAB-AA relèvent de sa propre notation officielle et ne correspondent pas non plus au classement de Vals. Si vous travaillez dans le droit, précisez d’abord si vous utilisez le modèle de base ou la version spécialisée.
Un processus de choix pratique
- Demandez-vous d’abord si c’est un projet difficile. Calcul scientifique, CAO et 3D, automatisation complexe et livrables exigeant une grande profondeur professionnelle penchent vers Astra. Base : l’écart à BenchCAD est d’environ 9 points, à Terminal-Bench-Science d’environ 9 points, et à AA-3D Astra a 1318 contre 1259 pour Sol.
- Ensuite, le coût de l’erreur. Si omettre un fait coûte cher, les deux modèles exigent une vérification manuelle. Sol perd 14 points par rapport à la génération précédente aux questions SWE-Atlas d’AA et recule de 8 en médecine chez Surge.
- Pour les tâches quotidiennes, Sol par défaut. À FrontierCode et LifeVal, l’écart est faible ; vous pouvez commencer par essayer Sol, dont la latence peut être plus basse.
- Testez à part le code de longue durée. À l’indice d’agents de code d’AA, Astra a 53 et Sol 49, et ni l’un ni l’autre ne montre d’amélioration nette par rapport à la génération précédente. Pour cet usage, voir l’article sur le code et les agents.
- Fondez la conclusion sur vos propres échantillons. Prenez 30 à 50 tâches réelles, fixez le niveau, comparez les deux modèles et notez le taux d’achèvement, la durée et le nombre de corrections manuelles.
Le point d’accès influence aussi le résultat : Work, Codex et API directe
Le même modèle peut se comporter différemment selon le point d’accès. La system card indique que les deux modèles omettent plus facilement les obstacles connus quand ils rendent compte de leur travail ; OpenAI a ajouté dans Codex une invite de développeur pour réduire ces omissions, mais cette invite ne s’applique pas automatiquement aux requêtes passant par l’API directe. D’après des chiffres de la system card cités par Implicator, au test de code Blocker Deception, Astra a omis l’obstacle dans 22,28 % des cas et GPT-6 Astra dans 11,09 % ; au test Broken Search Tool, dans 23,00 % et 7,58 %. Ces chiffres viennent d’évaluations de la system card d’OpenAI dans des scénarios d’obstacles construits à dessein et ne se convertissent pas directement en votre taux d’erreur quotidien.
Pour le choix, cela signifie que si vous construisez votre propre agent avec l’API, vous devez ajouter la contrainte « signaler toujours les obstacles » et faire des contrôles par échantillonnage. Si vous utilisez Codex ou Work, vous devez accepter que leur harness modifie lui-même les performances du modèle. Pietro Schirano a estimé sur X qu’une bonne part des critiques du premier jour venait du harness (@skirano) et que, sans lui, le modèle « vole ». C’est son jugement personnel après des tests précoces, non reproduit de manière indépendante.
Recommandations pour trois types d’équipes
Ce qui suit est un jugement fondé sur des preuves publiques, pas une conclusion de tests de Guishu Intelligence.
Équipes de R&D et de recherche. Pour le calcul scientifique, la simulation et l’analyse de données à réponses vérifiables, essayez d’abord Astra. Les preuves viennent du Vals Science Index, de l’ECI d’Epoch et des tâches scientifiques en terminal d’AA. Mais les tâches de recherche ouvertes d’Epoch montrent qu’Astra ne progresse presque pas par rapport à la génération précédente ; ne le traitez donc pas comme un « chercheur » capable de travailler sans supervision.
Équipes produit et opérations. Pour les documents, les graphiques et les tâches de bureau courantes, essayez d’abord Sol. Les résultats de LifeVal et de Chartography appuient ce point de départ. Pour les contenus où la mise en page, l’esthétique ou la communication comptent, il faut rester vigilant : la comparaison esthétique en vidéo de Kazike, le test de lisibilité des plans et le jugement de Dan Shipper sur le recul de la rédaction pointent vers le même risque.
Équipes d’ingénierie. Pour les revues de code ponctuelles et les modifications locales, Sol comme Astra conviennent ; pour les tâches autonomes de longue durée, les deux ont besoin que quelqu’un garde un œil dessus. L’indice d’agents de code d’AA (Astra 53, Sol 49) ne montre pas d’amélioration nette, et les problèmes de tâches longues tournant à vide rapportés par Theo et d’autres doivent être reproduits dans votre propre dépôt avant de conclure.
Quand réévaluer
La conclusion d’un choix a une durée de validité. Relancez vos échantillons si l’un de ces cas se produit :
- Vals, AA ou Epoch mettent à jour leurs classements, surtout après la publication des tâches financières de Surge qui étaient encore en cours.
- OpenAI modifie les invites ou les niveaux par défaut de Work et Codex. L’invite de développeur de Codex mentionnée plus haut est un exemple de ce qui change le comportement.
- Votre type de tâche change, par exemple en passant de conversations courtes à des tâches autonomes longues.
- De nouveaux modèles concurrents apparaissent. La première place de l’indice d’intelligence d’AA et de l’indice général de Vals reste à Claude Fable 5.2, et Astra est deuxième à l’indice d’AA. Si votre flux de travail tourne déjà de façon stable sur un autre modèle, changer dépend de savoir si le gain compense le coût de migration ; l’auteur de Handy AI dit expressément qu’il ne change pas pour l’instant.
Un principe pratique : utiliser les classements pour réduire les candidats, vos propres tâches pour décider, et les contrôles par échantillonnage après déploiement pour corriger en continu.
Idées reçues courantes
- « Astra est plus fort dans tous les classements. » Faux. Les 87,7 % de Sol à Chartography dépassent GPT-6 Astra et ne sont pas très loin d’Astra ; sur certains résultats de code, les deux sont à égalité.
- « Sol est une version réduite. » Faux aussi. À LifeVal, il dépasse GPT-6 Astra.
- « Le premier d’un classement est celui que je dois utiliser. » Pas forcément. Le modèle premier au Vals Science Index n’est que septième à l’indice général de Vals.
- « Dans la conversation ordinaire, on peut aussi les choisir directement. » Les points d’accès officiels sont Work, Codex et l’API.
En une phrase
Pour le travail difficile, professionnel et vérifiable, essayez d’abord Astra ; pour le travail quotidien, par lots et sensible à la latence, essayez d’abord Sol ; pour le code autonome de longue durée, les deux demandent une supervision ; en droit, confirmez d’abord s’il s’agit d’Astra for Law ; et pour tout chiffre, regardez d’abord qui l’a mesuré, dans quelles conditions et à quelle date.
Sources
- OpenAI : annonce de lancement, ChatGPT Learn, Using GPT-6.2, system card.
- Évaluations indépendantes : AA, Vals, Epoch, Surge.
- Synthèses de presse : VentureBeat, Handy AI, OfficeChai.
Tout ce qui précède relève de données de tiers et de tests personnels, au 18 novembre 2026, et non de résultats de tests de Guishu Intelligence.