Réponse courte : démarrer vos tâches courantes en Astra Low a du sens, mais inutile de vous y enfermer. Commencez en Low, passez en Medium s’il rate son coup, et gardez High et xhigh pour les rares travaux qui le justifient vraiment.
Quand un menu de modèle affiche Low, on pense tout de suite à « mode économie », « tâches faciles » ou « réflexion au rabais ».
Avec GPT-6 Astra, cette impression ne tient pas.
Dans les tests d’un organisme indépendant, Astra Low obtient un meilleur score global (l’Intelligence Index) que GPT-5.6 Sol en xhigh. Sur certains tests de programmation menés de façon autonome par l’IA, l’écart est bien plus grand. Et sur cet ensemble de tests, il coûte même moins cher par tâche.[1]
La question se pose donc d’elle-même :
« Pourquoi ne pas laisser Astra en Low pour toujours ? »
L’étiquette dit Low. Le modèle, lui, n’a pas eu le message.
1. D’abord les chiffres : Sol xhigh face à Astra Low, Medium, High et xhigh
Voici les données d’Artificial Analysis, consultées le 12 septembre 2026.[1][2][3][4]
| Réglage | Intelligence Index | AutomationBench-AA | Terminal-Bench v4.0 | SciCode | Coût AA par 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 |
Un avertissement d’abord : ne lisez pas 46 contre 44 comme « 4,5 % plus intelligent ». L’Intelligence Index réunit plusieurs tests en un seul score. Ce n’est pas comme un prix ou une distance, où un rapport a un sens.
Ce qu’on peut dire : sur le même indice, Astra Low a obtenu 46 et Sol xhigh 44. Sur Terminal-Bench v4.0, qui mesure si une IA mène seule des tâches de programmation, le résultat est de 42 % contre 25 %.[1]
Mais sur SciCode, Sol xhigh reste devant avec 57 %, contre 54 % pour Astra Low. Low n’est donc pas meilleur partout.[1]
2. Le paradoxe du prix : Astra coûte 2,5 fois plus par token, mais Low revient moins cher par tâche
Les tarifs officiels de l’API d’OpenAI sont simples.[5][6]
| Modèle | Entrée / 1 M | Entrée en cache / 1 M | Sortie / 1 M |
|---|---|---|---|
| GPT-5.6 Sol | $4 | $0.40 | $20 |
| GPT-6 Astra | $10 | $1 | $50 |
Pour le même nombre de tokens, Astra coûte 2,5 fois plus.
La grille officielle de crédits de Work/Codex suit le même rapport. Astra est à 250 / 25 / 1 250 crédits par million de tokens (entrée / entrée en cache / sortie), et Sol à 100 / 10 / 500.[7]
Pourtant, Artificial Analysis a mesuré 0,82 $ par tâche pour Astra Low et 1,18 $ pour Sol xhigh.[1]
Comment est-ce possible ? Un modèle plus cher au token peut coûter moins cher par tâche s’il utilise beaucoup moins de tokens.
Dans le même test, Sol xhigh a utilisé environ 20k tokens de sortie et 10k de raisonnement par tâche. Astra Low en a utilisé environ 4k et 938.[1]
C’est le taxi cher qui file droit à destination, face au taxi bon marché qui fait d’abord trois tours du quartier.
Attention : les 0,82 $ et 1,18 $ sont des moyennes pondérées sur les tâches de test d’Artificial Analysis. Ce n’est pas forcément ce que vous paierez pour votre propre travail avec Codex.[1]
3. OpenAI dit elle-même de commencer par Low ou Medium
Le guide d’OpenAI sur Astra pour Work et Codex sépare le choix du modèle et le réglage de la profondeur de réflexion (le niveau de raisonnement).[8]
Les niveaux bas sont un bon point de départ quand vous voulez des réponses plus rapides ou faire durer votre quota d’utilisation. Medium équilibre vitesse et raisonnement plus poussé. Les niveaux élevés sont pour les problèmes vraiment difficiles.[8]
OpenAI précise aussi qu’Astra en Low peut battre Sol en High, et conseille d’essayer Astra Low ou Medium si Sol High vous donnait de bons résultats.[8]
Et un dernier avertissement : monter le niveau de raisonnement ne donne pas toujours un meilleur résultat.[8]
Ce n’est pas une boutique de jeu de rôle où l’épée la plus chère gagne tous les combats.
4. Quelles tâches peut-on laisser en Low ?
Low se prête bien au réglage par défaut quand l’objectif, les fichiers et la ligne d’arrivée sont déjà clairs.
Par exemple :
- construire quelque chose à partir d’un cahier des charges clair
- petites modifications d’un code existant
- refactorisation (remettre le code au propre sans changer ce qu’il fait)
- ajout de tests
- relecture de code de routine
- recherche de la cause d’une erreur connue
- résumés et tableaux comparatifs
- tâches répétitives suivant des règles fixes
Pour ces tâches, réfléchir plus longtemps n’aide pas automatiquement. Bien finir avec un raisonnement court puis passer à la suite est souvent plus rapide que méditer trois minutes avant d’ouvrir un fichier.
OpenAI recommande aussi de vérifier les instructions, les fichiers, les applications connectées et les autorisations avant de monter le niveau. Réfléchir davantage ne fait pas apparaître une information ou un accès qui manque.[8]
Sans autorisation d’accès au fichier, xhigh n’y a toujours pas accès. Le modèle n’a pas la vision à rayons X.
5. Quand passer de Low à Medium ?
Si Low rate une fois une tâche bien décrite, inutile de sauter directement à xhigh. Medium est le premier cran à monter.
Medium convient dans ces situations :
- dépendances qui traversent plusieurs fichiers
- demande encore floue
- bogue avec plusieurs causes possibles
- choix de conception où il faut arbitrer
- plan de mise en œuvre plus long
- correction en lisant au fur et à mesure les tests qui échouent
Artificial Analysis donne à Astra Medium un Intelligence Index de 50, une réussite de 49 % à Terminal-Bench v4.0 et 1,54 $ par tâche.[2]
C’est nettement mieux que les 46 / 42 % / 0,82 $ de Low, sans être le réglage le plus lourd.
Voyez Medium comme l’équipement du combat de boss : « Low a été un peu désinvolte, mais pas besoin d’appeler un char d’assaut ».
6. Quand High et xhigh se justifient-ils ?
High vaut le coup quand Medium passe encore à côté du cœur du problème, quand les effets de bord d’une conception coûtent cher, ou quand une mauvaise décision est coûteuse à réparer : plusieurs traitements en parallèle, vitesse, sécurité ou migration de données.
Astra High obtient 51 à l’Intelligence Index, 54 % à Terminal-Bench, et coûte 1,72 $ par tâche.[3]
C’est mieux que Medium, mais pas assez pour figer toutes les tâches en High.
xhigh se justifie plus facilement pour les recherches de cause racine les plus difficiles, les longs travaux laissés tourner seuls, les grosses refontes pleines de contraintes et les tâches à un seul essai où l’échec coûte cher. Il obtient 53 au score global et 60 % à Terminal-Bench, le plus haut de ces cinq réglages, pour 2,31 $ par tâche.[4]
Utiliser xhigh pour tout, c’est aller à la supérette en hélicoptère.
Puissant ? Oui. Possible ? Bien sûr. Mais parlons un peu du carburant.
7. Sol xhigh est-il dépassé ? Pas si vite
Astra Low est séduisant, mais dire « Sol est fini » va plus loin que ce que montrent les données.
D’abord, le gagnant change selon les tests. Sur SciCode, Sol xhigh obtient 57 %, contre 54 % pour Astra en Low et Medium, 55 % en High et 56 % en xhigh.[1][2][3][4]
Ensuite, pour le même nombre de tokens, le prix officiel de Sol est 60 % plus bas que celui d’Astra. Astra Low revient moins cher par tâche parce qu’il a utilisé beaucoup moins de tokens dans ce test. Sur du travail réel, ce n’est pas garanti.[5][6][1]
Enfin, les vrais projets ont ce que les tests n’ont pas : des montages de compilation étranges, des règles internes, des outils, des autorisations, des historiques énormes et des pannes propres à chaque projet.
Un test de performance est une carte. Il ne mesure pas la marche devant votre porte.
8. Une règle pratique : commencez en Low, ne montez que si ça coince
Une échelle simple suffit.
| Situation | Réglage conseillé |
|---|---|
| Début d’une tâche ordinaire | Astra Low |
| Consignes et accès clairs, mais une exigence centrale a été ratée une fois | Astra Medium |
| Medium rate encore le cœur du problème / conception difficile | Astra High |
| High n’y arrive pas / un échec coûterait très cher / cause racine la plus difficile | Astra xhigh |
| Le plus dur est réglé et le travail redevient normal | Retour en Low |
Vous évitez ainsi deux erreurs : brûler votre quota en commençant tout au maximum, et perdre du temps à répéter Low alors qu’il a déjà raté et que la tâche demande plus de raisonnement.
Voyez le niveau de raisonnement comme une vitesse de boîte, pas comme un trait de caractère.
9. Verdict : « Astra Low pour toujours ? » Oui comme point de départ, non comme règle fixe
D’après les données publiques du 12 septembre 2026, commencer le travail de tous les jours dans Codex avec Astra Low est une stratégie solide.
Dans les tests d’Artificial Analysis, il dépasse Sol xhigh au score global, creuse un gros écart à Terminal-Bench et coûte moins cher par tâche.[1]
OpenAI recommande elle-même Low ou Medium pour démarrer, et prévient qu’un niveau plus élevé ne garantit pas une meilleure réponse.[8]
Mais Low n’est pas bon à tout.
Low pour le travail normal. Medium quand quelque chose est flou, compliqué ou déjà raté. High quand Medium ne suffit pas. xhigh seulement pour les échecs les plus difficiles et les plus coûteux. Puis retour en Low.
Ne vous laissez pas tromper par le nom.
Astra Low a une tête de mode économie et joue comme un titulaire.
Références (8)
- 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
