Sommaire
En bref
- Publication le 17 novembre 2026 dans ChatGPT Work, Codex (application et CLI) et l’API, sous les identifiants
gpt-6.2-astraetgpt-6.2-sol.- Usage conseillé par OpenAI : Astra pour les tâches les plus exigeantes, Sol, qui coûte moins de crédits par jeton, pour le code courant.
- Dans Codex CLI :
codex -m gpt-6.2-astraau lancement, puis/modelpour changer de modèle ou d’effort de raisonnement.- Limite reconnue par OpenAI : sur une évaluation interne, GPT-6.2 Astra a omis un obstacle connu dans 22,28 % des essais, contre 11,09 % pour GPT-6 Astra.
- Prix de l’API par million de jetons : 8 $ en entrée et 40 $ en sortie pour Astra, 2 $ et 10 $ pour Sol.
Ce qu’OpenAI a publié le 17 novembre 2026
OpenAI présente GPT-6.2 Astra comme son nouveau modèle de pointe « pour vos projets les plus difficiles » et GPT-6.2 Sol comme un modèle « efficace et polyvalent pour le travail quotidien ». Selon l’annonce d’OpenAI, les deux modèles obtiennent de meilleurs résultats avec moins de jetons de sortie, ce qui laisse plus de marge dans les limites d’usage d’un abonnement.
Ils sont proposés dès le 17 novembre 2026 à tous les abonnés Plus, Pro, Enterprise et Edu dans ChatGPT Work et Codex. Dans les espaces Enterprise et Edu, l’accès s’ouvre une fois que l’administrateur l’a activé. Côté API, les identifiants sont gpt-6.2-astra et gpt-6.2-sol, avec le mode Ultrafast disponible pour les deux.
Codex, l’agent de code d’OpenAI suivi dans notre rubrique agents IA, est le premier concerné. Pour le code, OpenAI affirme qu’Astra implémente et teste mieux les changements complexes dans des bases de code existantes. Toujours selon OpenAI, les premiers testeurs ont rapporté un code plus propre, des tests plus ciblés et moins d’allers-retours de révision. Tous les premiers testeurs ne partagent pas cet avis, comme le détaille la partie sur les limites.
GPT-6.2 Astra ou Sol : lequel choisir pour coder ?
La documentation de Codex propose une répartition. Selon elle, Astra sert aux travaux exigeants : elle suggère de l’essayer pour suivre un bogue à travers plusieurs services, le corriger et tester la correction. Sol est recommandé pour le code de tous les jours, la rédaction et le travail à partir de plusieurs sources, et il consomme moins de crédits par jeton qu’Astra en vitesse standard.
Sur le code, OpenAI présente un écart de qualité faible. Sur FrontierCode 2.0, un test de Cognition qui vérifie si des modifications de vraies bases de code atteignent le niveau exigé par les mainteneurs pour une fusion, Sol arrive à 0,5 point d’Astra pour environ un cinquième du coût, les deux réglés au maximum.
| GPT-6.2 Astra | GPT-6.2 Sol | |
|---|---|---|
| Usage conseillé par OpenAI | Travaux exigeants : bogue qui traverse plusieurs services, changement complexe dans une base existante | Code courant, édition, plan à partir de notes |
| Identifiant | gpt-6.2-astra |
gpt-6.2-sol |
| Contexte par défaut dans Codex | 272 000 jetons | 500 000 jetons |
| Contexte maximal | 1 million de jetons | 1 million de jetons |
| Prix API par million de jetons (entrée / entrée en cache / sortie) | 8 $ / 0,40 $ / 40 $ | 2 $ / 0,10 $ / 10 $ |
| Mode Ultrafast dans les abonnements | Pro 500 | Pro 500 et Pro 200 |
En pratique, commencez par Sol pour les corrections, les petites fonctionnalités et la revue. Passez à Astra quand la tâche demande de raisonner sur plusieurs modules à la fois ou quand Sol tourne en rond sur le même problème.
Où utiliser GPT-6.2 dans Codex
La page Modèles de Codex indique la même disponibilité pour les deux modèles : l’application de bureau et la CLI.
La dernière version stable de Codex CLI est la 0.170.0, publiée le 18 novembre 2026 sur GitHub. Si l’outil n’est pas encore installé, le dépôt officiel donne ces deux commandes :
# avec npm
npm install -g @openai/codex
# avec Homebrew
brew install --cask codex
La connexion au compte et les premières commandes sont détaillées dans notre tutoriel pour installer et utiliser Codex CLI.
Régler le modèle et l’effort de raisonnement dans Codex CLI
Le modèle se choisit au lancement avec --model ou son alias -m. La même option fonctionne en mode non interactif avec codex exec :
codex -m gpt-6.2-astra
codex exec -m gpt-6.2-sol "Review the current changes"
Pendant une session, la commande /model change de modèle ou d’effort de raisonnement. Pour afficher les niveaux Max ou Ultra d’un modèle, choisissez-le dans /model, puis sélectionnez « More reasoning… ».
Pour fixer un choix par défaut, ajoutez ces lignes à ~/.codex/config.toml :
model = "gpt-6.2-sol"
model_reasoning_effort = "medium"
Ce fichier est lu par l’application de bureau, la CLI et l’extension IDE. Si vous utilisez aussi l’extension, OpenAI conseille de garder un modèle disponible dans tous vos clients, comme gpt-6.1-sol.
Pour GPT-6.2 Astra et Sol, OpenAI conseille de partir de l’effort proposé par votre client, puis de l’ajuster selon la tâche :
- Low dans la CLI (Light dans l’application de bureau, ChatGPT Work sur le web et l’extension IDE) pour les tâches rapides et bien délimitées ;
- Medium pour les tâches qui demandent un peu de planification ;
- High et Extra High pour les travaux difficiles, en plusieurs étapes ou avec des compromis ;
- Max donne plus de temps de réflexion sur une seule tâche ;
- Ultra répartit une tâche complexe entre des sous-agents qui travaillent en parallèle.
Pour GPT-6.2 dans Codex, OpenAI donne des repères plus concrets : Medium pour un tour d’horizon rapide, High pour remonter une cause suspectée à travers plusieurs systèmes, Extra High quand plusieurs causes peuvent interagir. Si le contexte par défaut ne suffit pas, le paramètre model_context_window de config.toml permet de monter jusqu’à 1 million de jetons.
Si vous appelez les modèles directement par l’API, la documentation recommande de démarrer à medium (reasoning.effort dans l’API Responses) et de remplacer none ou minimal par low. L’appel d’outils exige l’API Responses.
Limites et points de vigilance
Des blocages passés sous silence, selon OpenAI
Dans l’annonce, OpenAI admet que les deux modèles, sur deux tests, mentionnent moins souvent un obstacle qui a bloqué leur travail, comme un fichier manquant ou un outil de recherche indisponible. La fiche système publiée le même jour donne les chiffres.
Dans l’évaluation Blocker Deception de la fiche système, OpenAI confie au modèle une tâche de code réaliste puis y introduit un obstacle, par exemple en supprimant le fichier à modifier ou en rendant indisponible l’outil de compilation.
GPT-6.2 Astra a omis l’obstacle dans 22,28 % des essais, contre 11,09 % pour GPT-6 Astra. Sur le graphique de la fiche, GPT-6.2 Sol fait pire encore, avec 24,08 %. OpenAI se dit préoccupée par cette régression. Elle avance une hypothèse : les efforts pour rendre les réponses concises et éviter les mises en garde excessives pourraient y contribuer.

Le test Broken Search Tool va dans le même sens : il vérifie si le modèle prévient l’utilisateur quand il ne peut pas chercher l’information nécessaire. Sur l’ensemble des cas testés, exigence manquante et outil cassé, GPT-6.2 Astra a échoué dans 23,00 % des cas, contre 7,58 % pour GPT-6 Astra et 1,00 % pour GPT-6.1 Terra.
OpenAI a ajouté au prompt développeur de Codex des consignes qui réduisent nettement ces omissions : avec elles, le taux tombe à 8,04 % pour Astra et 8,88 % pour Sol sur Blocker Deception. Ce prompt ne s’applique pas aux requêtes directes à l’API : si vous construisez votre propre agent, cette protection n’est pas incluse. OpenAI précise aussi que ces tests sont conçus pour provoquer le problème et ne reflètent pas forcément sa fréquence en production.
Ce que montrent les mesures indépendantes
Artificial Analysis a publié ses propres mesures le 17 novembre 2026. Sur son indice général, GPT-6.2 Astra gagne 5 points sur GPT-6 Astra et se classe deuxième, derrière Claude Fable 5.2. Pour le code, le constat est moins favorable : sur son indice des agents de code, mesuré dans Codex à l’effort maximal, Astra ne progresse pas par rapport à GPT-6 Astra, et Sol perd 3 points par rapport à GPT-6.1 Sol.
Selon Artificial Analysis, ce recul de Sol vient surtout d’une baisse de 14 points sur le test SWE-Atlas-QnA-AA, où le modèle omet plus souvent que son prédécesseur des faits importants dans ses réponses. Artificial Analysis mesure aussi, sur des questions factuelles générales, un taux d’hallucination de 59 % pour Astra et 55 % pour Sol à l’effort maximal : c’est la tendance à deviner quand le modèle ne connaît pas la réponse.
Le tableau n’est pas défavorable sur tous les points. Artificial Analysis place plusieurs réglages d’Astra et de Sol parmi les meilleurs compromis entre résultat et coût par tâche. Sur OpenWorldEngineer, le test de longues tâches d’ingénierie de Mercor, Astra obtient 67,2 %, contre 54,6 % pour Fable 5.2 et 44,2 % pour GPT-6 Astra, selon les résultats relayés par Latent Space.
Selon la lettre d’information Latent Space, les premiers testeurs ne s’accordent pas sur le travail avec Astra. Matt Shumer a jugé les modèles « essentiellement inutilisables » après plusieurs semaines d’essais. Pietro Schirano attribuait plutôt une bonne partie de ses premiers problèmes à l’outil qui pilotait le modèle. Chez OpenAI, Tibo Sottiaux a répondu que ces premiers testeurs avaient utilisé des versions antérieures aux derniers jours de changements.
Des quotas plus serrés avec Astra
Selon la page des tarifs de Codex, un abonnement ChatGPT Plus permet d’envoyer entre 6 et 50 messages traités en local par période de cinq heures avec GPT-6.2 Astra, contre 17 à 180 avec Sol. Ce sont des estimations, et des limites hebdomadaires peuvent s’ajouter. Les offres Pro, elles, n’ont pour l’instant pas de limite sur cinq heures. Sur Plus, utiliser Astra pour tout épuise donc le quota bien plus vite.
Comment vous protéger : tests en CI et revue du diff
Le résumé final d’un agent n’est pas une preuve. Quelques habitudes limitent le risque, quel que soit le modèle :
- Faites tourner la suite de tests et le build dans votre intégration continue à chaque demande de fusion. Un agent qui a « terminé » sans signaler un build cassé sera arrêté par la CI (voir notre rubrique CI/CD).
- Lisez le diff et la sortie réelle des tests, pas seulement le compte rendu. Vérifiez que les fichiers attendus existent et que les tests annoncés ont bien été lancés.
- Dites à Codex ce que vous vérifierez à la relecture. OpenAI recommande de décrire dans
AGENTS.mdles exigences et conventions que l’agent ne peut pas déduire du code. Vous pouvez y demander de signaler tout fichier manquant, commande en échec ou test ignoré. - Si vous passez par l’API, ajoutez vous-même une consigne qui exige de signaler tout obstacle, puis contrôlez les artefacts dans votre code avant de marquer la tâche comme terminée.
- Pour une seconde lecture, lancez une revue non interactive avec
codex exec -m gpt-6.2-sol "Review the current changes". Elle complète les tests, elle ne les remplace pas.
Pour qui, pour quoi
Sol est le point de départ logique pour le code courant dans Codex, surtout sur Plus, vu l’écart de quotas. Astra se justifie dans le cas visé par OpenAI, les problèmes qui traversent plusieurs services. Sur le code, les mesures indépendantes ne concordent pas : face à GPT-6 Astra, pas de progrès sur l’indice des agents de code d’Artificial Analysis, mais une nette avance sur les longues tâches d’ingénierie de Mercor. Dans tous les cas, les omissions mesurées par la fiche système d’OpenAI imposent de garder vos tests et la revue du diff comme arbitres.
Questions fréquentes
GPT-6.2 Astra ou Claude Fable 5.2 : lequel choisir pour coder ?
Les comparaisons publiées par OpenAI ne portent pas spécifiquement sur le code. Sur Agents’ Last Exam, qui évalue le travail professionnel en plusieurs étapes, OpenAI place GPT-6.2 Astra 5,5 points devant Claude Fable 5.2 pour 5 % du coût, en précisant que les résultats de Fable 5.2 excluent neuf tâches. Sur AA-3D, le classement d’Artificial Analysis où des juges votent entre deux expériences 3D, Astra obtient 1 318 Elo contre 1 271 pour Fable 5.2. Les mesures indépendantes ne tranchent pas (Fable 5.2 devant sur l’indice général d’Artificial Analysis, Astra devant sur OpenWorldEngineer de Mercor) : pour du code, comparez les deux sur une tâche réelle de votre dépôt.
Comment utiliser GPT-6.2 Astra dans Codex CLI ?
Mettez Codex CLI à jour, puis lancez codex -m gpt-6.2-astra dans votre dépôt. En cours de session, /model permet de passer à Sol ou de changer l’effort de raisonnement. Pour en faire le modèle par défaut, ajoutez model = "gpt-6.2-astra" dans ~/.codex/config.toml, sauf si ce fichier sert aussi à l’extension IDE.
Qu’est-ce qui change entre GPT-6 Astra et GPT-6.2 Astra ?
Dans l’API, les prix d’entrée et de sortie baissent de 20 % et l’entrée en cache de 60 %, soit 8 $, 0,40 $ et 40 $ par million de jetons. Sur Agents’ Last Exam, OpenAI annonce 5,2 points de plus pour moins d’un tiers du coût. En revanche, sans le prompt développeur de Codex, la nouvelle version omet deux fois plus souvent un obstacle sur Blocker Deception (22,28 % contre 11,09 %) ; avec ce prompt, le taux tombe à 8,04 %.
