
GPT-6.2 et l’excuse du calcul : ce qu’OpenAI a publié sur l’endroit où vont réellement les GPU
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 90 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 87 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 133 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 par million de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 43 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 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 par million de tokens · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligence
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligence
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 par million de tokens · 219 tok/s
Dans la nuit du 15 novembre 2026, @kimmonismus a avancé une théorie pour expliquer pourquoi GPT-6.2 n'est pas apparu : OpenAI consacre ses ressources de calcul limitées à la recherche plutôt qu'à la mise à disposition de nouveaux modèles, car les progrès rapides rendent les checkpoints intermédiaires moins intéressants à publier, et la sécurité, la maturité produit et le coût peuvent également entrer en ligne de compte. Cette affirmation comporte une moitié vérifiable et une moitié invérifiable. La moitié vérifiable est que GPT-6.2 n'existe dans aucun artefact publié par OpenAI. Le catalogue de modèles répertorie six identifiants textuels GPT-6 — GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra, GPT-6 Luna, GPT-6 Sol et GPT-6 Cyber à accès contrôlé — et rien portant le numéro 6.2. La grille tarifaire ne comporte aucune ligne 6.2. L'entrée de modèle la plus récente dans le journal des modifications est GPT-6 Cyber le 5 novembre, il y a onze jours. Artificial Analysis, dont l'indice est indépendant d'OpenAI bien qu'il mesure son propre ensemble de tâches, ne répertorie pas GPT-6.2. La moitié invérifiable concerne la destination réelle des ressources de calcul, et personne en dehors de l'entreprise ne peut trancher cela à partir d'un tweet.
Ce que l’on peut faire à la place est plus restreint et plus utile : lire les quatre documents qu’OpenAI a publiés sur le calcul et la gouvernance des modèles depuis fin septembre, et se demander ce qu’ils disent de l’allocation. Lus ensemble, ils décrivent quelque chose que le tweet ne décrit pas — le calcul étant rationné au sein de la recherche, par un système de contrôle documenté avec une latence d’arrêt publiée, tandis que le serving est décrit comme une pile distincte qui est, selon les propres termes d’OpenAI, « déjà bien plus centralisée par nature ». C’est la forme de l’histoire du calcul pour autant que les sources publiques l’étayent. Tout ce qui suit est étiqueté selon sa provenance, parce que l’essentiel relève d’un fournisseur qui se décrit lui-même.

Ce que le catalogue indique le 16 novembre
L’absence est facile à vérifier et mérite d’être énoncée précisément, car des publications « GPT-6.2 arrive » circulent depuis des semaines. Le catalogue de modèles de l’API d’OpenAI, récupéré ce matin, contient six identifiants GPT-6 ainsi qu’une famille d’images, un modèle vocal et un modèle pour les sciences de la vie. La liste textuelle se lit comme suit : GPT-6 Astra comme « notre modèle le plus performant pour les travaux les plus exigeants » ; GPT-6.1 Sol comme « des performances proches d’Astra pour les travaux complexes, à moindre coût » ; GPT-6.1 Terra pour le raisonnement visuel et l’utilisation d’un ordinateur ; GPT-6 Sol pour le codage et les flux de travail agentiques ; GPT-6 Luna pour les travaux à fort volume ; et GPT-6 Cyber pour l’investigation des vulnérabilités via la configuration Daybreak. Aucun 6.2 ne figure dans cette liste, et une requête visant une page de modèle au chemin de documentation conventionnel renvoie une erreur 404.

Le journal des modifications comble la forme de l’écart. Depuis la sortie de GPT-6 Astra le 3 septembre, OpenAI a publié selon des axes verticaux plutôt qu’une seule ligne de texte ascendante :
• 22 septembre — GPT-6 Sol et GPT-6 Luna ajoutés en tant que niveau de codage et niveau de volume sous Astra
• 29 septembre — Astra et Sol proposés sur le niveau de service Ultrafast, à six fois les tarifs standards
• 8 octobre — GPT-6.1 Sol sur Ultrafast, la première fois qu’un modèle de gamme intermédiaire bénéficie de la voie rapide
• 16 octobre — neuf nouvelles voix GPT-Live et génération de voix à partir d’un prompt ; le mode Ultrafast étendu à l’API Agents
• 22 octobre — l'API Decisions est désormais généralement disponible sur GPT-6 Luna, avec le plafond de questions par requête relevé de 200 à 400
• 26 octobre — GPT-6.1 Terra, destiné au raisonnement visuel et à l’utilisation d’un ordinateur plutôt qu’à des scores bruts aux benchmarks
• 30 octobre — GPT-6 Rosalind, raisonnement biologique, réservé au programme d’accès de confiance
• 2 novembre — appels SIP sortants sur GPT-Live ; 4 novembre — GPT-Image-2.6 Sunburst et Flare, avec sortie SVG et GIF animé
5 novembre — GPT-6 Cyber, pour les travaux sur les vulnérabilités, derrière l'onboarding Daybreak
Onze jours de journal des modifications depuis lors ne contiennent aucun modèle du tout : un portefeuille, des fonctionnalités professionnelles, des conseils pédagogiques, un partenariat de cyberdéfense, un article de physique. Si la puissance de calcul était retenue pour le service dans son ensemble, ce n’est pas le schéma auquel on s’attendrait — les images, la voix, la téléphonie, les sciences de la vie et un modèle de sécurité ont tous été livrés. Ce qui n’a pas été livré, c’est un nouveau point de contrôle textuel de frontière. Cette distinction constitue tout l’argument, et c’est celle que le tweet aplatit.
Trois explications, et une seule avec des documents
L'article cite trois ou quatre causes et ne les hiérarchise pas. La rareté des capacités de calcul, la sécurité, la maturité du produit et le coût sont toutes plausibles ; une seule d'entre elles s'accompagne d'un mécanisme publié et vérifiable, et ce n'est pas celle qui est en service.
Le 9 novembre, OpenAI a publié le Control Room : « un système central pour suivre les charges de travail des modèles sur notre infrastructure de recherche et les arrêter rapidement lorsque des préoccupations de sûreté ou de sécurité surgissent ». Les détails précis comptent davantage que la présentation. Il « interrompt la sortie du modèle dans les 35 secondes suivant une décision d’intervention », et l’entreprise déclare que le délai maximal entre une instruction d’arrêt et le moment où toute progression supplémentaire n’est plus possible est de 35 secondes, avec l’objectif annoncé de le ramener à zéro. Il échoue en mode fermé. Il exige que « chaque charge de travail de recherche qui effectue de l’inférence agentique » soit « associée à un dossier de sécurité approuvé », et que « toutes nos tâches d’apprentissage par renforcement de pointe s’exécutent avec un moniteur ».
C’est un système d’allocation et de révocation de ressources de calcul pour la recherche. Ce n’est pas un système de planification des publications, et le document le dit presque en passant : « Notre pile externe de service de modèles est déjà beaucoup plus centralisée par nature. » À y regarder de près, cette phrase fait beaucoup de travail. Elle signifie que ce qui devrait être rationné pour que la théorie du tweet tienne — la capacité de service — est décrit comme déjà consolidé, et que ce qui est activement gouverné, limité et interrompu, c’est l’inférence de recherche. Les documents publics attestent de tensions au sein de la recherche. Ils n’attestent pas d’une file de checkpoints terminés en attente de capacité de service.
Les documents à l’appui vont dans le même sens. Le 28 septembre, OpenAI a fait valoir qu’« une documentation structurée sur la sécurité devrait être exigée avant de poursuivre toute session d’entraînement par apprentissage par renforcement de modèles de pointe » — un garde-fou placé en amont de l’entraînement, et non en amont de la mise à disposition, avec un désaccord pré-mortem consigné, des droits de veto pour les hauts dirigeants et l’obligation que la surveillance et la mise en pause automatique « échouent en mode fermé ». Le 23 octobre, elle a divulgué l’incident qui a donné du mordant à ces règles : un résolveur DNS mal configuré le 20 septembre, la suspension de l’entraînement et de l’évaluation de ses modèles les plus performants, et la reprise de l’apprentissage par renforcement le 1er octobre — « 11 jours après le début de notre pause ». Une entreprise qui suspendra son propre entraînement de modèles de pointe pendant onze jours à cause d’un résolveur est une entreprise dont la contrainte déterminante du côté de la recherche est lisible. Sa contrainte déterminante du côté du service n’est documentée nulle part.
Le seul chiffre qui soit falsifiable
La pénurie de puissance de calcul est la partie du tweet qui devrait être la plus facile à tester, car OpenAI a publié énormément d’informations sur sa capacité physique. Le 29 avril, l’entreprise a déclaré avoir déjà dépassé l’engagement Stargate de 10 gigawatts pris pour 2029, avec « plus de 3 GW ajoutés au cours des 90 derniers jours seulement », et que « la seule manière responsable de l’honorer est de construire davantage de puissance de calcul, plus vite ». Le 5 novembre, dans un document sur la conduite des centres de données, elle a révélé que, sur son campus prévu du comté d’Effingham, « notre accord avec Georgia Power permet au service public de réduire jusqu’à 1 000 mégawatts l’électricité qu’il nous fournit pendant les périodes de forte demande ».
Ces deux faits s’accordent mal avec « la rareté de la puissance de calcul » comme explication d’une sortie retardée. Une entreprise qui ajoute trois gigawatts en un trimestre et qui accepte un droit contractuel permettant à un service public de réduire d’un gigawatt sa consommation ne manque pas manifestement de mégawatts ; elle est exposée aux événements de pointe de demande et au coût de l’électricité ferme. Le document du 5 novembre est aussi l’endroit où le volet coût du tweet devient concret plutôt que rhétorique : OpenAI s’engage à payer le coût intégral de l’électricité qu’elle utilise, à déposer des garanties financières avant les dépenses majeures afin que les autres clients du service public soient protégés si un projet est retardé ou annulé, et — fait inhabituel — à ne pas recourir à des accords de confidentialité avec des responsables publics, sauf pour d’étroites exceptions liées à la sécurité et aux secrets commerciaux. Dans cette lecture, le coût et la puissance de calcul sont la même contrainte vue sous deux angles, et l’un comme l’autre sont gérés au moyen d’engagements publiés plutôt que par le calendrier de sortie.
À quoi ressemblerait un véritable lancement de GPT-6.2
Tous les modèles textuels OpenAI de la gamme actuelle sont arrivés avec les mêmes trois artefacts, et leur absence est un meilleur indicateur que n’importe quel teaser : une ligne sur la grille tarifaire, une page dans le catalogue des modèles et une entrée datée dans le journal des modifications décrivant à quoi sert le modèle. GPT-6 Astra possède les trois. GPT-6.1 Terra possède les trois, datés du 26 octobre. GPT-6 Cyber possède les trois, datés du 5 novembre. Quand 6.2 sortira, il aura un prix par million de jetons avant d’avoir un tableau de benchmarks — c’est ainsi que cette entreprise a fonctionné toute l’année, et c’est pourquoi la grille tarifaire est l’endroit à surveiller, pas X.
Il y a aussi un problème de numérotation de version que le tweet n’aborde pas. GPT-6.1 n’était pas un bond de capacité par rapport à GPT-6 comme le suggère la décimale ; il s’agissait d’un repositionnement en termes de coût et de latence, avec 6.1 Sol facturé à 2 $ en entrée et 10 $ en sortie par million de jetons, contre 10 $ et 50 $ pour Astra, et 6.1 Terra à 1 $ et 5 $. Si 6.2 est un autre repositionnement plutôt qu’une nouvelle frontière — et rien dans les archives publiques ne dit de quoi il s’agit — alors « prioriser la recherche plutôt que le service » n’est pas une explication de son absence. Il n’y aurait rien de retenu à servir.
Le côté service, qui est tarifé et mesurable
Quoi qu’il soit alloué en interne, les modèles qui existent sont vendus selon une grille tarifaire publiée, et cette grille constitue la base honnête de toute comparaison de coûts à l’heure actuelle. Voici les chiffres d’OpenAI eux-mêmes, par million de tokens, niveau standard :
• GPT-6 Astra — 10 $ en entrée, 50 $ en sortie ; entrée mise en cache 1,00 $ ; requêtes à contexte long au-delà du seuil : 20 $ et 75 $
• GPT-6.1 Sol — 2 $ en entrée, 10 $ en sortie
• GPT-6 Sol — 2 $ en entrée, 10 $ en sortie
• GPT-6.1 Terra — 1 $ en entrée, 5 $ en sortie
• GPT-6 Luna — 0,10 $ en entrée, 0,50 $ en sortie
• Multiplicateurs par niveau de service — Batch et Flex sont facturés à la moitié du tarif standard ; Fast et Priority au double ; Ultrafast à six fois le tarif.

La colonne intéressante n’est pas le prix, mais le prix rapporté à la sortie mesurée. Dans l’indice d’Artificial Analysis — indépendant d’OpenAI, mais mesuré sur son propre jeu de tâches, donc à considérer comme un second avis plutôt qu’un verdict — GPT-6 Astra obtient 56,85 à effort de raisonnement maximal et 54,85 à effort élevé, pour un coût d’exécution de l’indice de 6,24 $ et 3,24 $ par tâche, respectivement. GPT-6.1 Sol obtient 54,61 à effort maximal pour 1,27 $, et 50,33 à effort élevé pour 0,59 $. C’est cette arithmétique qui rend une version 6.2 intéressante : Sol atteint déjà à 2,25 points près le score d’Astra pour environ un cinquième du coût par tâche, si bien que la valeur marginale d’un autre checkpoint de pointe est plus limitée que ne le suggère le numéro de version, et que la valeur marginale d’un modèle moins cher est évidente.
Pour donner un ordre de grandeur en dehors d’OpenAI : Claude Fable 5.2 obtient 64,56 à effort maximal mais coûte 26,54 $ par tâche sur la même mesure, et 61,82 à effort élevé pour 9,08 $. Gemini 4 Carbon obtient 58,26 pour 4,68 $. Au vu de ces éléments, l’écart d’OpenAI avec le leader est réel, et le combler est un problème de recherche, pas un problème de capacité de service — ce qui est, ironiquement, la partie du tweet qui résiste le mieux.
C'est ici que le routage devient concret. Quatre des six identifiants texte GPT-6 passent aujourd'hui par OrcaRouter — openai/gpt-6-astra, openai/gpt-6.1-sol, openai/gpt-6-sol et openai/gpt-6-luna — aux prix catalogue pratiqués par OpenAI, sans aucune majoration, si bien qu'un changement de prix fournisseur est effectif chez nous le jour même où il intervient, et non à la prochaine renégociation de contrat. GPT-6.1 Terra et GPT-6 Cyber ne figurent pas dans notre catalogue, et rien ici ne doit être lu comme affirmant le contraire. Ce que cette répercussion directe apporte à une équipe qui attend 6.2, c'est un moyen de chiffrer la solution de repli : exécuter la charge de travail sur Astra en effort élevé et sur 6.1 Sol en effort maximal avec la même clé, comparer les deux chiffres de coût par tâche à vos propres critères d'acceptation, et configurer le basculement automatique, afin qu'une variation de disponibilité sur un modèle ne se transforme pas en incident. C'est une décision disponible cette semaine. Attendre un jalon de contrôle ne l'est pas.
Qu’est-ce qui changerait cette lecture ?
Deux choses le feraient, et toutes deux sont observables. Une ligne GPT-6.2 apparaissant sur la grille tarifaire alors que la documentation sur les capacités est en retard soutiendrait l’économie du tweet — la puissance de calcul allant à la recherche pendant qu’un modèle fini attend son tour pour être servi. À l’inverse, un lancement de la 6.2 avec un tableau de benchmarks frais et un prix supérieur à Astra suggérerait l’opposé : que la contrainte était la capacité, et que le numéro de version attendait la recherche, exactement comme les documents de gouvernance le décrivent.
Jusqu’à ce que l’une de ces choses se produise, la position honnête est la plus inconfortable. La moitié falsifiable du tweet est confirmée — aucun GPT-6.2 n’existe, onze jours après la sortie du dernier modèle — et sa moitié causale n’est pas vérifiée, affirmée par quelqu’un d’extérieur à l’entreprise au sujet d’une décision prise en son sein. Ce que les documents publics montrent bien, c’est une entreprise qui a passé sept semaines à publier les mécanismes qu’elle utilise pour rationner et interrompre le calcul de recherche, jusqu’à une borne d’arrêt de 35 secondes, et qui n’a presque rien publié sur la manière dont elle décide quel modèle achevé est servi en premier. Le calcul est encadré. Qu’il vous soit refusé est une autre affirmation, et OpenAI ne l’a pas faite.
Comparés dans cet article4
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
