GPT-6 Astra vs Fugu Max : le forfait rencontre le tarif à paliers

Fugu Max facture 2,00 $ par million de jetons d'entrée et 6,00 $ par million de jetons de sortie, et ce, aussi bien pour 8 000 jetons que pour 800 000. GPT-6 Astra facture 10,00 $ et 50,00 $ — jusqu'à ce qu'une requête dépasse 272 000 jetons d'entrée, moment où il facture 20,00 $ et 75,00 $ pour la requête entière. Cette seule différence structurelle est l'aspect le plus déterminant de cette confrontation, et c'est celui qui se retrouve enfoui sous un débat de benchmarks qu'aucun des deux camps ne peut remporter. Sakana AI a publié Fugu Max le 11 septembre 2026 ; OpenAI propose GPT-6 Astra en disponibilité générale depuis le 3 septembre 2026, ses tarifs étant demeurés inchangés malgré la révision tarifaire qui a frappé les paliers inférieurs le 7 octobre. Il ne s'agit donc pas d'une comparaison entre nouveaux modèles. C'est une comparaison entre deux philosophies de tarification, dont l'une est une philosophie de tarification et l'autre, un système d'orchestration qui en a revêtu l'apparence.

Les deux grilles tarifaires, lues plutôt que résumées

La propre page de tarification de Sakana est d'une franchise inhabituelle quant à ce que vend Fugu Max. Fugu Ultra v2 est tarifé comme un modèle de pointe devrait l'être — 5,00 $ en entrée, 30,00 $ en sortie, 0,50 $ en cache, avec une tranche plus élevée à 10,00 $ / 45,00 $ / 1,00 $ au-delà de 272 K jetons. Les tarifs de Fugu Max sont ensuite décrits sur la même page comme fixes quelle que soit la longueur du contexte. Il n'y a pas de tranche supérieure à prévoir. 2,00 $, 6,00 $, 0,25 $ en cache, quelle que soit la taille du prompt.

GPT-6 Astra est la construction inverse. Son premier palier s'étend jusqu'à 272 000 tokens de prompt, à 10,00 $ / 50,00 $, avec l'entrée mise en cache à 1,00 $ et les écritures de cache à 12,50 $. Au-delà de ce seuil, la requête est refacturée à 20,00 $ / 75,00 $, avec l'entrée mise en cache à 2,00 $ et les écritures de cache à 25,00 $ — appliqué à l'ensemble de la requête, et non au dépassement. C'est ce que dit la documentation d'OpenAI, telle que notre propre catalogue la lit aujourd'hui, et elle n'a pas bougé depuis septembre.

Mettez les deux côte à côte sur les dimensions qui déterminent un projet de loi :

• Entrée, prompt court — GPT-6 Astra 10,00 $ par million vs Fugu Max 2,00 $ ; Fugu Max est 5 fois moins cher

• Sortie — GPT-6 Astra 50,00 $ par million contre Fugu Max 6,00 $ ; Fugu Max est 8,3 fois moins cher

• Entrée en cache — GPT-6 Astra 1,00 $ par million contre Fugu Max 0,25 $ ; Fugu Max est 4x moins cher

• Prompt long, au-dessus de 272K — GPT-6 Astra $20,00 / $75,00 par 1M vs Fugu Max $2,00 / $6,00, inchangé

• Contexte suivi — GPT-6 Astra 1 050 000 tokens, 128 000 sortie maximale vs Fugu Max non publié

• Modalité d’entrée — GPT-6 Astra : texte, image et fichier en entrée, texte en sortie vs Fugu Max non publié

• Score indépendant — GPT-6 Astra : 53 sur l’Artificial Analysis Intelligence Index vs Fugu Max : aucun, aucune entrée dans ce classement

• Poids — les deux fermés ; Fugu Max n’est pas du tout un point de contrôle

Là où la limite des 272 000 tokens fait vraiment mal

Une requête de 300 000 tokens sur GPT-6 Astra n'est pas 10 % plus chère qu'une requête de 270 000 tokens. Elle est facturée 20,00 $ en entrée et 75,00 $ en sortie sur chaque token de l'appel, de sorte que le saut représente environ un doublement de la facture d'entrée et une hausse de 50 % en sortie dès l'instant où l'on franchit le seuil. Sur Fugu Max, la même requête coûte 2,00 $ et 6,00 $ par million, comme n'importe quelle autre.

Cela compte davantage ici que sur la plupart des pages de comparaison, en raison de ce pour quoi GPT-6 Astra est vendu. Le positionnement d'OpenAI repose sur un travail de bout en bout à long horizon — la page destinée aux entreprises publiée le 9 septembre le présente comme un modèle qui fait passer une tâche de la consigne à un artefact fini en de nombreuses étapes et sur une longue période. Une boucle d'agent qui renvoie un contexte de plus en plus volumineux est exactement la configuration qui dépasse les 272 000 tokens sans que personne ne l'ait décidé. La fenêtre de 1 050 000 tokens d'Astra invite la charge de travail qui déclenche son propre surcoût.

Fugu Max est conçu pour l’instinct opposé. Sakana le décrit comme acheminant chaque tâche vers le modèle le plus frugal capable de la résoudre, et le tarif forfaitaire est ce qui rend cet acheminement lisible de l’extérieur : quel que soit le modèle choisi par le coordinateur et quelle que soit la longueur du prompt, le compteur affiche la même chose. Il y a une autre différence qui joue en sens inverse et vaut la peine d’être signalée, car la page de tarification ne la présente pas comme un avertissement. La page de Sakana indique que la recherche web et la récupération web sont facturées sous forme de frais de stack — un tarif unique fondé sur le modèle de haut niveau impliqué dans l’appel. Ainsi, le tarif forfaitaire par token est véritablement forfaitaire, et l’appel composite ne coûte pas nécessairement 2 $ et 6 $.

À qui sont ces scores, exactement ?

Le document de lancement de Sakana indique que Fugu Max obtient le meilleur score global sur six benchmarks : Terminal Bench 2.1, GPQAD, AA-LCR, GDP.pdf, AutomationBench et SWEFish, décrit comme le benchmark de codage interne de Sakana. Aucun chiffre n'accompagne l'une de ces six affirmations. L'entreprise affirme également que Fugu Max élargit la frontière de Pareto coût-performance sur sept des dix benchmarks et que son tarif de sortie est inférieur de 40–60 % à celui de Sonnet 5, GPT-5.6 Terra et Kimi K3. Chacune de ces affirmations émane de Sakana elle-même, et aucune n'a été reproduite — il n'existe aucune fiche Artificial Analysis pour Fugu Max ni pour aucun modèle Fugu.

Cette absence est plus qu'un problème d'étiquetage sur cette confrontation particulière, en raison du fonctionnement des scores d'un orchestrateur. Un résultat Fugu Max n'est pas une propriété d'un modèle à une version donnée. C'est une propriété d'une politique de routage, d'un pool dont Sakana n'a pas publié la composition, et d'un coordinateur entraîné à choisir parmi eux. Le pool de Sakana s'est élargi dans cette version pour inclure un nombre sans précédent de modèles à poids ouverts et spécialisés, nommant la famille NVIDIA Nemotron grâce à une collaboration avec NVIDIA — et s'arrête là. Changez un membre du pool et le chiffre du benchmark bouge sans que le nom du produit change.

Il existe une exception étroite qu'il vaut la peine de connaître, car c'est le genre de détail qui se perd. La note de Sakana à propos de la sortie de septembre dit explicitement que Fable 5, Fable 5.1 et GPT-6 Astra ne sont pas dans le pool de Fugu Ultra v2. Cette phrase concerne Ultra v2. Elle ne dit rien de Fugu Max, dont l'appartenance reste non divulguée. Donc la question à laquelle un lecteur veut réellement une réponse — le modèle à $10/$50 qu'on me dit de remplacer est-il déjà à l'intérieur du coordinateur à $2/$6 — ne trouve de réponse dans aucune des deux affirmations. Quiconque vous dit dans quel sens cela penche l'a déduit.

Du côté de GPT-6 Astra, les preuves ont une forme différente, mais pas plus simple. Artificial Analysis le mesure à 53 sur son indice d'intelligence actuel, pour un coût de 3,26 $ par tâche d'indice complétée, 60 M de tokens de sortie sur l'ensemble de cette exécution contre une médiane du classement proche de 85 M, et 44,6 tokens de sortie par seconde — ce qui le place septième sur 216 modèles en intelligence et 168e sur 185 en vitesse. Ce sont là des mesures tierces sur une suite figée, et ce sont les chiffres les plus défendables de cette page. Les affirmations phares d'OpenAI pour Astra — 98 % sur FrontierMath Tier 4, 99,9 % sur ARC-AGI-3, 100 % sur ExploitBench, 57,9 % sur Terminal-Bench 4.0 — sont déclarées par le fournisseur et non reproduites, et le chiffre d'ARC-AGI-3 en particulier doit être accompagné de son harnais : l'exécution indépendante d'ARC Prize sous son harnais standard a mesuré 62,7 %, et a publié le 99,9 % comme le résultat obtenu avec un adaptateur de fournisseur qui transporte l'état de raisonnement entre les requêtes.

Ce que le routage fait à une comparaison comme celle-ci

La difficulté pratique est que l'un des deux camps de cette confrontation figure dans notre catalogue et l'autre non. GPT-6 Astra est servi à l'adresse openai/gpt-6-astra via un point de terminaison compatible OpenAI, aux tarifs catalogue d'OpenAI eux-mêmes, répercutés avec 0 % de marge de notre part — ce qui signifie que lorsqu'un compteur associé évolue, le compteur ici évolue le jour même, plutôt qu'au moment de l'actualisation d'une table de marges. Fugu Max n'est pas routé par nos soins et cette page ne prétend pas le contraire. Il vous parvient via l'API compatible OpenAI de Sakana et plusieurs plateformes tierces, et il n'est pas disponible dans l'UE ni dans l'EEE pendant que Sakana travaille à sa conformité au RGPD.

Donc, un véritable test A/B entre ces deux solutions, c'est deux intégrations, deux factures et deux jeux d'identifiants, et la seconde comporte une restriction régionale. Ce que la clé partagée permet bel et bien d'obtenir, c'est la moitié la moins coûteuse de l'expérience : épingler une fraction du trafic sur Astra derrière un basculement automatique, de sorte qu'un retour en arrière soit un changement de configuration plutôt qu'un incident. C'est la version au niveau de la couche transport de la résilience que Sakana vend comme prémisse de l'orchestration — plus faible par nature, mais disponible aujourd'hui et sur un modèle dont le comportement peut être épinglé à une version.

La décision, énoncée comme une décision

Choisissez Fugu Max si votre travail est à forte composante textuelle, vérifiable, et se situe dans la partie longue de la plage de contexte — ou si le coût médian d’une tâche terminée est le chiffre qui régit votre budget plutôt que le coût d’un appel isolé. Le tarif forfaitaire constitue un véritable avantage structurel par rapport à un compteur qui double au-delà de 272K, et une entrée mise en cache à 0,25 $ représente le taux de cache le plus agressif de l’une ou l’autre grille tarifaire. Ne le choisissez pas pour un pipeline multimodal sur la foi de la page de publication, car celle-ci ne précise pas s’il accepte une image. Testez-le d’abord, et fixez un budget de tokens de sortie avant de commencer, car la consommation de tokens d’un orchestrateur ne s’estime pas à partir du nom du modèle.

Choisissez GPT-6 Astra si le travail est véritablement agentique, fortement axé sur l'usage de l'ordinateur, et repose sur le haut d'une fenêtre d'un million de jetons — la charge de travail pour laquelle les preuves indépendantes sont les plus solides et où ce que vous gérez, c'est le coût par tâche, et non le prix par jeton. Son coût de 3,26 $ par tâche d'indexation est élevé, et il l'est pour une raison qu'un acheteur attentif peut percevoir : le modèle est concis sur cette suite, émettant 60 M de jetons là où le modèle médian en émet 85 M. Sur une tâche profonde et à étapes multiples qui produit un artefact fini, un tarif plus élevé appliqué à moins de jetons peut aboutir au même résultat qu'un tarif bas appliqué à beaucoup de jetons. Ne le choisissez pas pour du trafic à volume élevé et à invites courtes. À cinq fois le prix d'entrée de Fugu Max et huit fois son prix de sortie, une charge de travail qui n'approche jamais la barre des 272 K ne tire rien de ce que paie la grille tarifaire d'Astra.

Le résumé honnête, c'est que ces deux produits ne sont pas tant tarifés l'un par rapport à l'autre qu'en fonction de craintes différentes. La grille tarifaire d'Astra est conçue pour le client qui craint qu'un modèle bon marché échoue sur une tâche longue. Celle de Fugu Max est conçue pour le client qui craint qu'un bon modèle soit gaspillé sur une tâche facile. Savoir laquelle de ces craintes est la vôtre est une question qui porte sur votre trafic, et le tableau de benchmarks d'aucun des deux fournisseurs n'y répond.

Une sortie est aussi le moment de vérifier ce qui a mal tourné auparavant : les incidents d'IA documentés et les défaillances d'agents autour des modèles de cette classe sont rassemblés dans the OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et un indicateur de contestation.