Quand un sélecteur affiche Low, on pense naturellement à « mode économie », « petites tâches » ou « raisonnement au rabais ».
GPT-6 Astra rend cette intuition assez trompeuse.
Dans la même évaluation tierce d’Artificial Analysis, Astra Low dépasse GPT-5.6 Sol xhigh sur l’Intelligence Index global, creuse davantage l’écart sur certains tests de programmation agentique et, sur cette charge d’évaluation, affiche même un coût par tâche inférieur.[1]
La question devient évidente :
« Alors pourquoi ne pas laisser Astra en Low en permanence ? »
La réponse utile est : Low est un excellent réglage par défaut, mais il ne faut pas en faire une règle immuable.
Commencez en Low. Passez en Medium lorsqu’un vrai raté apparaît ou que le raisonnement devient réellement complexe. Gardez High et xhigh pour la petite fraction des tâches qui les justifie.
L’étiquette dit Low. Le modèle, lui, ne joue pas petit bras.
1. Les chiffres d’abord — Sol xhigh face à Astra Low, Medium, High et xhigh
Valeurs Artificial Analysis vérifiées le 12 septembre 2026.[1][2][3][4]
| Réglage | Intelligence Index | AutomationBench-AA | Terminal-Bench v4.0 | SciCode | Coût AA/tâche | Tokens de sortie/tâche | Tokens de raisonnement/tâche |
|---|---|---|---|---|---|---|---|
| GPT-5.6 Sol xhigh | 44 | 55% | 25% | 57% | $1.18 | ~20k | ~10k |
| GPT-6 Astra Low | 46 | 59% | 42% | 54% | $0.82 | ~4k | ~938 |
| GPT-6 Astra Medium | 50 | 65% | 49% | 54% | $1.54 | ~10k | ~3k |
| GPT-6 Astra High | 51 | 67% | 54% | 55% | $1.72 | ~12k | ~5k |
| GPT-6 Astra xhigh | 53 | 67% | 60% | 56% | $2.31 | ~17k | ~9k |
Il ne faut pas transformer 46 contre 44 en « 4,5 % plus intelligent ». L’Intelligence Index est un indice composite, pas une échelle de rapport comme un prix.
On peut en revanche dire qu’Astra Low obtient 46 contre 44 pour Sol xhigh, et 42 % contre 25 % sur Terminal-Bench v4.0.[1]
SciCode donne cependant 57 % à Sol xhigh contre 54 % à Astra Low. Low ne domine donc pas absolument tous les axes.[1]
2. Le paradoxe du prix — 2,5× plus cher par token, mais moins cher par tâche de benchmark
Les prix API officiels sont clairs : Astra coûte $10/$1/$50 par million de tokens d’entrée/entrée en cache/sortie ; Sol coûte $4/$0,40/$20.[5][6]
À volume de tokens identique, Astra coûte 2,5 fois plus.
La grille de crédits Work/Codex suit le même ratio : Astra 250/25/1 250 contre Sol 100/10/500 crédits par million.[7]
Pourtant Artificial Analysis mesure $0,82 par tâche pour Astra Low et $1,18 pour Sol xhigh.[1]
C’est possible parce qu’un prix unitaire plus élevé peut donner un total plus faible si le modèle utilise beaucoup moins de tokens.
Dans cette évaluation, Sol xhigh utilise environ 20k tokens de sortie et 10k de raisonnement par tâche, contre environ 4k et 938 pour Astra Low.[1]
C’est le taxi haut de gamme qui va tout droit, face au taxi moins cher qui fait trois tours touristiques du quartier.
Ces $0,82 et $1,18 sont des moyennes pondérées des tâches Artificial Analysis, pas une facture Codex garantie pour votre dépôt.[1]
3. OpenAI recommande lui-même de commencer par Low ou Medium
Le guide Astra pour Work/Codex sépare le choix du modèle du niveau d’effort de raisonnement.[8]
Un effort faible est présenté comme un bon point de départ pour répondre plus vite ou économiser l’allocation ; Medium équilibre temps et profondeur ; les efforts supérieurs sont destinés aux problèmes difficiles.[8]
OpenAI indique aussi qu’Astra Low peut dépasser Sol High et recommande d’essayer Astra Low ou Medium si Sol High donnait déjà de bons résultats.[8]
Autre point crucial : augmenter l’effort ne garantit pas un meilleur résultat.[8]
Ce n’est pas une boutique de RPG où l’épée la plus chère gagne automatiquement tous les combats.
4. Quelles tâches peuvent rester en Low ?
Low convient très bien comme réglage par défaut lorsque l’objectif, les fichiers et les critères d’acceptation sont clairs.
Implémentation délimitée, modification locale, refactorisation, ajout de tests, revue courante, investigation d’une erreur connue, résumé, comparaison et tâches répétitives régies par des règles explicites sont de bons candidats.
OpenAI recommande aussi de vérifier d’abord les instructions, les fichiers, les applications connectées et les autorisations. Davantage de raisonnement ne peut pas inventer une information ou un accès manquant.[8]
Pas d’autorisation sur le fichier + xhigh = toujours pas d’autorisation sur le fichier.
5. Quand passer de Low à Medium ?
Si Low rate une exigence claire une fois alors que tout le matériel est disponible, inutile de sauter directement à xhigh. Medium est la première escalade raisonnable.
Dépendances entre fichiers, exigences ambiguës, bug avec plusieurs causes plausibles, arbitrages d’architecture, plans longs et corrections guidées par des tests en échec conviennent bien à Medium.
Astra Medium obtient Index 50, Terminal-Bench 49 % et $1,54 par tâche d’évaluation.[2]
Plus profond que Low, sans sortir immédiatement l’artillerie lourde.
6. Quand High et xhigh sont-ils justifiés ?
High devient pertinent si Medium continue à manquer le problème central ou si concurrence, performance, sécurité ou migration rendent une mauvaise décision coûteuse.
Astra High : Index 51, Terminal-Bench 54 %, $1,72 par tâche.[3]
xhigh vise les analyses de cause racine les plus difficiles, les longues tâches autonomes, les refontes à contraintes multiples et les tâches où l’échec coûte très cher. Il atteint Index 53 et Terminal-Bench 60 %, avec $2,31 par tâche.[4]
Aller à l’épicerie en hélicoptère fonctionne. Le carburant, lui, n’a pas disparu.
7. Sol xhigh est-il devenu inutile ? Pas encore
SciCode donne 57 % à Sol xhigh contre 54/54/55/56 % à Astra Low/Medium/High/xhigh.[1][2][3][4]
Et à nombre de tokens identique, le tarif officiel de Sol est inférieur de 60 %. Astra Low était moins cher par tâche parce qu’il consommait beaucoup moins de tokens sur cette évaluation ; ce n’est pas garanti partout.[5][6][1]
Les vrais dépôts ont des systèmes de build étranges, des conventions internes, des outils, des permissions et un historique qu’aucun benchmark ne reproduit parfaitement.
Un benchmark est une carte, pas le mètre ruban de la marche devant votre porte.
8. Règle pratique — commencer en Low, monter seulement sur preuve
| Situation | Réglage conseillé |
|---|---|
| Nouvelle tâche ordinaire | Astra Low |
| Instructions et accès corrects, mais une exigence centrale a été ratée | Astra Medium |
| Medium rate encore le cœur / architecture difficile | Astra High |
| High ne ferme pas le problème / coût d’échec très élevé / cause racine extrême | Astra xhigh |
| La difficulté est passée, retour au travail normal | Retour à Low |
Cette approche évite de brûler l’allocation maximale dès le départ et d’insister sur Low après que les faits montrent qu’il faut davantage de raisonnement.
Considérez l’effort comme un rapport de boîte, pas comme une personnalité.
9. Verdict — « Astra Low pour toujours ? » Par défaut oui ; verrouillé pour toujours, non
Avec les données publiques disponibles au 12 septembre 2026, commencer le travail Codex courant sur Astra Low est une stratégie très solide.
Il dépasse Sol xhigh sur l’indice global et Terminal-Bench, et coûte moins par tâche dans cette évaluation.[1]
OpenAI recommande également Low ou Medium comme points de départ et rappelle qu’un effort supérieur ne garantit pas une meilleure réponse.[8]
La règle opérationnelle la plus simple est :
Low normalement → Medium dès qu’apparaît une vraie complexité ou un raté → High si Medium ne ferme pas le problème → xhigh seulement pour le plus difficile → retour à Low ensuite.
Ne vous laissez pas tromper par le nom.
Astra Low a le visage du mode économie et joue pourtant dans l’équipe première.
Sources
- Artificial Analysis — GPT-6 Astra (low) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (medium) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (high) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (xhigh) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- OpenAI API — GPT-6 Astra Model developers.openai.com
- OpenAI API — GPT-5.6 Sol Model developers.openai.com
- OpenAI Help Center — ChatGPT Rate Card (Business, Enterprise/Edu credit-based pricing) help.openai.com
- OpenAI Help Center — Managing usage with GPT-6 Astra in Work and Codex help.openai.com
