
GPT-6.2 Astra Background Mode : 40 % de réduction, payé en temps horloge
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 185 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 214 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 112 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
La voie la moins chère d’OpenAI vers GPT-6.2 Astra ne change pas le prix du modèle. Elle change le moment où vous acceptez de recevoir la réponse. Envoyez la même requête via l’API Responses avec background défini sur true et background_options.completion_window défini sur 8h, et les tokens GPT-6.2 Astra affichés à 8 $ pour l’entrée et 40 $ pour la sortie par million sont facturés à 4,80 $ et 24 $. Sur GPT-6.2 Sol, la carte à 2 $ et 10 $ devient 1,40 $ et 7 $. Mêmes poids, même raisonnement, même fenêtre de contexte. GPT-6.2 Sol, le moins cher des deux, bénéficie du traitement identique : 1,40 $ et 7 $ dans la fenêtre de huit heures contre 2 $ et 10 $ au tarif Standard. Ce qui change, c’est votre place dans une file d’attente.
Ce compromis a été déployé le 17 novembre 2026, dans la même fenêtre de journal des modifications que les deux modèles eux-mêmes, et il est facile de le confondre avec une baisse de prix. Ce n’en est pas une. Une baisse de prix suit le modèle partout où il est appelé. Une fenêtre de complétion est un indicateur sur un seul point de terminaison, et chaque propriété qui la rend précieuse pour l’ordonnanceur d’OpenAI est une propriété que vous devez accepter : pas de streaming, pas de partage de cache avec le trafic normal, et un budget de limite de débit que vous partagez désormais avec l’API Batch.
La raison pour laquelle cela mérite plus qu’une ligne dans un changelog, c’est que la remise est exceptionnellement importante pour un niveau qui conserve toute la qualité du modèle. Batch bénéficie de 50 % de remise depuis des années, mais Batch n’accepte que les requêtes que l’on peut soumettre sous forme de fichier et oublier. Ici, il s’agit de 40 % de remise pour une conversation d’agent en direct, avec des tours de suivi et la sortie des outils, tant que la conversation peut tolérer une file d’attente. Pour de nombreuses charges de travail de production, c’est la différence entre une question de coût et une question d’architecture.
Ce qu’est la fenêtre, en termes d’API
Le mode background en lui-même n'est pas nouveau : c'est la façon dont l'API Responses exécute une requête longue de manière asynchrone. Vous définissez background sur true, obtenez immédiatement un ID de réponse, puis récupérez le résultat plus tard via un webhook sur response.completed ou en interrogeant le point de terminaison de récupération tant que le statut indique queued ou in_progress. Le mode background a toujours consisté à ne pas maintenir une connexion ouverte pour une exécution d’agent de vingt minutes.
La nouveauté, c'est que la file d'attente en arrière-plan dispose désormais de niveaux avec des tarifs. background_options.completion_window accepte soonest, 2h ou 8h. Soonest est la valeur par défaut et n'applique aucune remise ; c'est le cas « générer un rapport pendant que quelqu'un attend ». 2h est 30 % moins cher que Standard et 8h est 40 % moins cher, et la documentation précise que le chronomètre cible démarre lorsque l'API accepte la requête initiale et s'applique à cette réponse.
« Vise l'achèvement dans la fenêtre sélectionnée » est la phrase à lire deux fois. C'est un objectif d'ordonnancement, ni une garantie ni un délai fixe, et les conseils de l'API elle-même indiquent que les heures de début dépendent de l'ordonnancement. Une requête dans la fenêtre de huit heures n'est pas mise en attente pendant huit heures puis exécutée ; elle est exécutée lorsque la capacité le permet et, si elle se termine en quatre minutes, vous l'obtenez en quatre minutes. Ce à quoi vous avez renoncé, c'est le droit de vous plaindre lorsque ce n'est pas le cas.
L’échelle en dollars
Les deux modèles couverts par la fenêtre, facturés à chaque palier, par million de jetons, en prenant les tarifs Standard publiés par OpenAI comme référence :
• GPT-6.2 Astra, Standard — 8 $ en entrée, 0,40 $ en entrée mise en cache, 40 $ en sortie
• GPT-6.2 Astra, fenêtre de 2 h — 5,60 $ en entrée, 0,28 $ en cache, 28 $ en sortie
• GPT-6.2 Astra, fenêtre de 8 h — 4,80 $ en entrée, 0,24 $ en cache, 24 $ en sortie
• GPT-6.2 Sol, Standard — 2 $ en entrée, 0,10 $ en cache, 10 $ en sortie
• GPT-6.2 Sol, fenêtre de 2 h — 1,60 $ en entrée, 0,08 $ en cache, 8 $ en sortie
GPT-6.2 Sol, fenêtre de 8 h — 1,40 $ en entrée, 0,06 $ en cache, 7 $ en sortie
• Pour donner un ordre de grandeur, le même modèle du côté le plus rapide — le mode Fast double le tarif Standard, à 16 $ et 80 $ ; Ultrafast correspond à 3× le Standard, à 24 $ et 120 $, jusqu'au 28 février 2027, et à 6×, à 48 $ et 240 $, à partir du 1er mars 2027

Ce sont des tarifs de tokens, et les tarifs de tokens ne correspondent pas au coût d’une tâche. La facture pondérée d’Artificial Analysis pour une tâche terminée de l’Intelligence Index sur GPT-6.2 Astra s’élève à 4,00 $ au niveau Standard, sur son indice v5.0.1 mesuré à l’effort maximal. Si la remise liée à la fenêtre s’appliquait uniformément à toutes les catégories de cette facture, la même tâche reviendrait à 2,80 $ dans la fenêtre de deux heures et à 2,40 $ dans celle de huit heures. Sur dix mille tâches, cela représente 28 000 $ et 24 000 $ au lieu de 40 000 $.
Ce « if » fait un vrai travail. La documentation d’OpenAI décrit la remise comme s’appliquant aux tarifs des tokens du modèle sur chaque requête éligible, y compris les relances, et sa page de tarification reprend la même formulation. Aucune des deux pages ne détaille la remise par catégorie de tokens, et une facture de tokens sur ce modèle n’est pas majoritairement composée d’entrée brute : dans la mesure d’Artificial Analysis, sur les 4,00 $, 1,19 $ correspondait à des lectures de cache, 1,10 $ à des écritures de cache et seulement 0,065 $ à de l’entrée non mise en cache, avec 1,64 $ en sortie. Les écritures de cache sont facturées à leur propre tarif — 10 $ par million pour le cache de 30 minutes et 20 $ pour le cache de 12 heures —, si bien qu’une charge de travail dominée par l’écriture de grands prompts dans le cache peut ne pas baisser d’exactement 40 %. Considérez les 40 % comme la forme de la remise et mesurez votre propre facture plutôt que de supposer le multiplicateur.
Quatre conditions dont vous héritez
La remise n'est pas disponible pour chaque requête, et c'est sur les exclusions que les implémentations se trompent généralement.
• Traitement Standard uniquement. Les fenêtres à tarif réduit nécessitent que service_tier soit défini sur default. Si vous le laissez sur auto, la requête n’est éligible que lorsque l’API sélectionne Standard, ce qui signifie que votre remise devient un pile ou face que vous ne pouvez pas anticiper.
• Pas de streaming. Le streaming ne fonctionne qu'avec soonest. Pour 2h et 8h, vous devez omettre stream ou le définir à false, et vous ne pouvez pas diffuser ultérieurement une réponse en streaming si elle n'a pas été créée avec le streaming.
• Une limite de débit partagée. Les requêtes dans les fenêtres de deux heures et de huit heures partagent la limite de débit Batch/Background avec les jobs Batch API, et les tokens d’entrée sont comptés à la soumission. Une expérience qui envoie un document d’un million de tokens en arrière-plan de huit heures ne se contente pas d’attendre ; elle consomme la marge que vos jobs Batch utilisaient.
• Les relances doivent correspondre. Une exécution d'agent est une chaîne, et la réduction ne survit à la chaîne que si chaque relance répète la fenêtre, le continuation_id, le modèle, le projet et le paramètre d'arrière-plan. Réutilisez l'ID de continuation et la relance devient également éligible à une priorité de file d'attente plus élevée. Modifiez l'un de ces éléments et le tour suivant est une requête Standard.

Il existe une cinquième condition cachée dans les règles de cache, et c’est celle qui a la plus longue traîne. Les requêtes standard en dehors des fenêtres à tarif réduit ne peuvent pas réutiliser les entrées de cache de prompt créées par des requêtes en arrière-plan de deux ou huit heures, même lorsque le prompt est identique, et l’inverse est vrai aussi. Si la moitié de votre trafic s’exécute dans une fenêtre et l’autre moitié à la demande, vous avez discrètement scindé votre cache de prompt en deux et vous payez pour écrire deux fois le même préfixe. La remise d’un côté de cette scission est compensée par une écriture de cache de l’autre, et le modèle facturant 10 $ par million pour une écriture de cache est exactement celui qu’il ne faut pas scinder.
Le coût qui ne figure pas sur la facture
La remise permet d’acheter des jetons avec du temps, et ce temps n’est pas limité par la fenêtre. Prenez l’examen nocturne de documents que la documentation elle-même utilise comme exemple : une requête de huit heures, un appel d’outil, puis un suivi qui rapporte le document récupéré. Les deux réponses ouvrent droit à la remise de 40 %, et le délai cible repart pour la seconde. Dans le meilleur des cas, l’ensemble de l’exécution est terminé avant le petit-déjeuner. Dans le pire des cas, chacune des deux réponses prend presque tout son délai cible, ce qui porte le plafond de bout en bout à environ seize heures plutôt que huit.
Cette arithmétique ne passe pas bien à l’échelle pour les agents longs. Un workflow de douze tours qui envoie chaque tour dans la fenêtre de huit heures a un plafond de quatre jours, et l’ordonnancement réel se situe quelque part entre le meilleur cas et ce plafond, sans distribution publiée. La manière honnête de le déployer est de décider par workflow, et non par appel : un pipeline dont la sortie est consommée le lendemain matin est un choix naturel, tandis qu’une session interactive ne l’est pas, quel que soit le nombre de tokens que cela permettrait d’économiser. La fenêtre est une offre pour de la capacité bon marché, et les offres sont satisfaites lorsqu’il y a de la capacité à pourvoir.
Le trou Flex dont personne ne parle
Avant ces fenêtres, le moyen d’obtenir une réduction sur cette famille de modèles était service_tier: flex : 50 % de moins que Standard, à une priorité inférieure. Flex existe toujours sur les modèles plus anciens — GPT-6 Astra est affiché à 5 $ et 25 $ dans le tableau Flex, contre 10 $ et 50 $ en Standard — mais le guide de référence d’OpenAI indique clairement qu’à partir de GPT-6.2 Astra et Sol, les nouveaux modèles sont lancés sans traitement Flex, et que les tâches de longue durée doivent plutôt utiliser des fenêtres de complétion à tarif réduit avec le traitement Standard.
Lisez les deux nombres côte à côte et le sens de l’évolution saute aux yeux. Sur la génération précédente, un appelant patient pouvait obtenir 50 % de réduction. Sur celle-ci, le palier le plus avantageux est à 40 %, et il exige de présenter le travail comme une tâche de fond. Le remplacement n’est pas une amélioration pure et simple de l’ancienne option ; c’est une option plus étroite, avec une réduction moindre, et elle arrive assortie d’une forme de requête — asynchrone, non-streaming, ID de réponse unique — que toutes les intégrations ne peuvent pas adopter.
Batch va encore plus loin, et c’est le mauvais outil pour la moitié de ce travail.
L'API Batch reste à -50 % avec un délai de traitement de 24 heures, et sur le seul critère du prix, elle surpasse toutes les fenêtres en arrière-plan. La distinction est structurelle plutôt qu'une question de degré. Batch prend un fichier JSONL de requêtes indépendantes et renvoie un fichier de résultats ; le flux de travail n'a aucune mémoire entre les lignes. Le mode arrière-plan sert à une réponse à la fois, l'état de la conversation étant transmis via previous_response_id et une chaîne d'appels d'outils que l'application doit exécuter entre les deux.
Donc la décision n’est pas « lequel est le moins cher », mais « ma charge de travail comporte-t-elle un juste milieu ». Cinq mille appels de classification indépendants relèvent de Batch, et cela a toujours été le cas. Une exécution d’agent qui lit un document, appelle une fonction, puis rédige un rapport ne peut pas du tout être exprimée sous forme de lot — sa deuxième requête n’existe pas tant que la première n’a pas renvoyé de résultat. C’est précisément l’écart que comblent les fenêtres, et il est bien réel : les 40 % constituent la première remise qu’OpenAI propose pour du travail avec état et multi-tours.
La note de bas de page sur le stockage aux conséquences en matière de conformité
Le mode arrière-plan stocke temporairement les données de réponse même lorsque store est défini sur false ou que le projet utilise la conservation zéro des données, car l'API a besoin de ces données pour exécuter la requête et rendre le résultat récupérable. Elles sont chiffrées au repos pour chaque fenêtre, y compris soonest, et il est recommandé d'enregistrer vous-même l'entrée d'origine et l'intégralité de la réponse tant que vous pouvez encore la récupérer. Aucune durée de conservation n'est indiquée pour ce stockage temporaire.
Pour une équipe qui a choisi Zero Data Retention pour une charge de travail réglementée, « temporairement stocké » est une phrase qui doit parvenir à la personne qui a validé la revue de traitement des données, et elle doit y parvenir avant que la première tâche de huit heures ne soit mise en file d’attente, plutôt qu’après. La remise ne change pas la posture de conformité du point de terminaison ; elle change en revanche la durée pendant laquelle une requête et sa sortie restent dans un état que vous ne pouvez pas voir.
Ce que le routage apporte et n'apporte pas ici
Une chose sur laquelle il vaut la peine d’être précis, car il est facile de se tromper lorsqu’une remise est annoncée : il s’agit d’une fonctionnalité de planification, pas d’un prix catalogue. OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de marge, ce qui explique pourquoi une véritable baisse de prix d’OpenAI apparaît de notre côté le jour même — mais une fenêtre de complétion est un indicateur sur le point de terminaison propre à OpenAI, et elle ne voyage pas avec le modèle. Appeler GPT-6.2 Astra via un routeur ne reproduit pas les 40 %, et aucun routeur ne le peut, car c’est au planificateur qu’il revient d’accorder la remise.
Cela laisse les deux choses pour lesquelles le routage est réellement utile dans cette forme de déploiement. La première est le choix du modèle : parmi les quatre modèles couverts par les fenêtres — GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra et GPT-6 Luna —, l'entrée de gamme figure déjà dans notre catalogue avec GPT-6 Luna et GPT-6.1 Sol au prix catalogue, de sorte que la décision de palier et celle de fournisseur reposent sur une seule clé plutôt que sur deux contrats. La seconde est de protéger les appels qui ne peuvent pas attendre. Un système qui place ses tâches nocturnes dans une fenêtre de huit heures a rendu son chemin sensible à la latence plus important, et non moins, et le basculement automatique sur ce chemin est ce qui empêche un incident chez un seul fournisseur de transformer un appel de cinq secondes en panne. La file d'attente et le basculement sont complémentaires : on dépense la patience là où on en dispose, afin de pouvoir être intolérant partout ailleurs.

La règle empirique
Si une réponse est consommée par un humain qui la regarde, rien de ce qui suit ne s’applique : utilisez au plus tôt, diffusez-la en streaming et payez au tarif Standard. Si une réponse est consommée par une tâche planifiée, un rapport qui arrive avant une réunion matinale, ou un pipeline dont l’étape suivante s’exécute ce soir, la fenêtre de huit heures représente une remise de 40 % sur des tokens de pleine qualité, et la seule vraie question est de savoir si votre intégration peut se passer de streaming et fonctionner avec un cache de prompt scindé. La fenêtre de deux heures à 30 % est l’entre-deux inconfortable — suffisamment importante pour justifier un changement d’architecture uniquement si le travail est réellement limité par une échéance de deux heures, ce qui n’est pas le cas de la plupart des travaux de type batch.
Le chiffre à surveiller n’est pas le pourcentage de réduction, mais la part de votre trafic qui attend déjà. Les équipes qui exécutent des agents pendant la nuit obtiennent 40 % de réduction sur une facture qu’elles allaient payer de toute façon. Celles qui les exécutent de manière interactive se voient proposer une réduction qu’elles ne peuvent pas utiliser, sur un modèle qui ne propose plus le niveau Flex à 50 % qui leur servait de solution de repli. Ce second groupe devrait lire la page de tarification avant la page d’architecture, car le 17 novembre, la manière la moins chère d’appeler GPT-6.2 Astra a cessé d’être un niveau que l’on sélectionne pour devenir un planning que l’on accepte.
Comparés dans cet article1
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
