GPT-6 Astra vs Gemini 3.1 Pro : un nouveau flagship contre une bonne affaire vieille de six mois

Voici l’ensemble du face-à-face en deux chiffres avant toute nuance : le Gemini 3.1 Pro de Google facture 2,00 $ par million de jetons d’entrée et 12,00 $ par million de jetons de sortie pour les prompts jusqu’à 200 000 jetons, et le GPT-6 Astra d’OpenAI facture 10,00 $ et 50,00 $ à tarif fixe. Selon le calendrier, le modèle le moins cher est aussi le plus ancien, et de loin — le Gemini 3.1 Pro est sorti le 19 février 2026, et le GPT-6 Astra le 3 septembre 2026 — ce qui rend cette comparaison inhabituelle dans l’autre sens aussi : en général, c’est le produit établi qui est cher et le nouveau venu qui casse les prix. Ici, le nouveau venu coûte cinq fois plus cher en entrée, et la question est de savoir si le GPT-6 Astra est cinq fois le modèle que le Gemini 3.1 Pro est encore après six mois et demi sans actualisation de niveau Pro de la part de Google.

Les deux modèles trônent au sommet des gammes de leurs créateurs respectifs, mais sous des directions très différentes. Gemini 3.1 Pro est le flagship Pro actuel de Google — lancé en preview en février, toujours étiqueté « preview » aujourd'hui, et jamais actualisé pendant que Google déclinait sa gamme Flash en trois versions successives et commençait à parler d'un « Gemini 4 ». GPT-6 Astra est le tout dernier flagship d'OpenAI et son premier modèle classé « Critical » dans le cadre de son Preparedness Framework interne, avec un déploiement progressif, une option d'adhésion pour les entreprises et des résultats de benchmarks autodéclarés que son créateur décrit comme un saut générationnel. L'un de ces modèles est resté figé et bon marché pendant six mois. L'autre a deux jours et son prix laisse penser que la frontière a bougé. Pour un développeur qui doit choisir entre les deux, la vraie question est de savoir lequel de ces deux états correspond le mieux à la charge de travail — car sur le papier, ils sont plus proches que ne le suggère l'écart de prix.

Deux grilles tarifaires, deux théories de la longueur.

Google tarifie Gemini 3.1 Pro selon la longueur du prompt : 2 $ en entrée / 12 $ en sortie jusqu’à 200 000 jetons d’entrée, puis passe à 4 $ en entrée / 18 $ en sortie au-delà, avec des lectures en cache à 0,20–0,40 $ et le batch à moitié prix. Le message est que les prompts courts sont bon marché et que les longs coûtent plus cher — un modèle de tarification adapté aux charges de travail de recherche et d’ancrage qui, selon Google, représenteront l’essentiel du trafic. OpenAI tarife GPT-6 Astra à un prix fixe de 10 $/50 $ avec une entrée en cache à 1,00 $, puis applique aux très longs prompts un autre type de pénalité : tout ce qui dépasse environ 272 000 jetons d’entrée est refacturé à 2x en entrée et 1,5x en sortie — soit en pratique 20 $ en entrée / 75 $ en sortie. Les deux modèles pénalisent le contexte long à des endroits opposés. Gemini est bon marché jusqu’à 200 000, puis modérément plus cher ; Astra est fixe jusqu’à 272 000, puis nettement plus cher. Une tâche de 300 000 jetons est donc bien plus chère sur GPT-6 Astra que sur Gemini 3.1 Pro, tandis qu’une tâche de 50 000 jetons est quatre à cinq fois moins chère sur Gemini. Pour les charges de travail qui collent au bas de la plage de contexte, le prix d’Astra est difficile à justifier ; pour celles qui ont réellement besoin du haut de cette plage, les deux fournisseurs appliquent une surcharge, et celle d’OpenAI est la plus forte.

Là où Gemini 3.1 Pro est réellement en avance

Le modèle phare de Google présente trois avantages qu'aucun modèle d'OpenAI n'égale, et ils sont faciles à manquer tant le bruit est fort autour du lancement d'Astra. Premièrement, les modalités d'entrée : Gemini 3.1 Pro accepte le texte, l'image, l'audio, la vidéo et le PDF dans une seule requête ; GPT-6 Astra ne prend en charge que le texte et l'image, avec une sortie textuelle — la même palette de modalités que son prédécesseur. Deuxièmement, l'ancrage natif : Gemini est livré avec Google Search, Maps et l'exécution de code intégrés à l'API, ce qui constitue une véritable différence fonctionnelle pour la recherche agentique et toute tâche qui exige des informations fraîches et vérifiées plutôt qu'un rappel paramétrique. Troisièmement, le prix sur tout ce qui reste sous 200 000 tokens, y compris le batch à 1 $/6 $ — le moyen de loin le moins cher de faire tourner un gros traitement hors ligne sur l'un ou l'autre modèle. Aucun de ces éléments ne ressort dans un benchmark de raisonnement, et c'est précisément pour cela qu'ils se perdent dans une comparaison de modèles phares qui ne cite que des scores.

La fiche technique, côte à côte

• Publié — GPT-6 Astra : 3 septembre 2026. Gemini 3.1 Pro : 19 février 2026 (toujours en « preview »).

• Prix (≤200K de prompt) — GPT-6 Astra : 10,00 $ / 50,00 $ par million (prix fixe). Gemini 3.1 Pro : 2,00 $ / 12,00 $ par million.

• Prix (prompt long) — GPT-6 Astra : ~20,00 $ / 75,00 $ par 1M de tokens d’entrée au-delà de 272K. Gemini 3.1 Pro : 4,00 $ / 18,00 $ par 1M de tokens d’entrée au-delà de 200K.

• Contexte / plafond de sortie — GPT-6 Astra : ~1.05M d’entrée, 128K de sortie. Gemini 3.1 Pro : 1M d’entrée, ~65K de sortie.

• Entrées — GPT-6 Astra : texte + image. Gemini 3.1 Pro : texte, image, audio, vidéo, PDF.

• Ancrage / outils — GPT-6 Astra : recherche web, recherche de fichiers, exécution de code. Gemini 3.1 Pro : recherche Google native, Maps, exécution de code, appel de fonctions.

• Contrôles du raisonnement — GPT-6 Astra : effort faible à maximum. Gemini 3.1 Pro : effort de raisonnement réglable.

Où les six mois apparaissent

Gemini 3.1 Pro était en tête de l'Artificial Analysis Intelligence Index à sa sortie, et ce n'est plus le cas : les modèles phares de la fin de l'été — Claude Opus 5, GPT-5.6 Sol et désormais GPT-6 Astra — le dépassent tous sur l'échelle actuelle de l'indice, et Google n'a pas encore sorti de modèle de niveau Pro. L'écart le plus spectaculaire concerne ARC-AGI-3, le benchmark conçu pour être insoluble par une chaîne de pensée ordinaire. OpenAI fait état de 99,9 % pour Astra sur son propre banc d'essai, et l'exécution indépendante de l'ARC Prize sur le banc d'essai standard a obtenu 62,7 % — tandis que des exécutions indépendantes placent Gemini 3.1 Pro sous la barre d'un pour cent, dans la même bande quasi nulle que le reste des modèles de pointe antérieurs à Astra. Sur l'ARC-AGI-2 original, Google annonçait un solide 77,1 % pour Gemini 3.1 Pro au lancement ; le successeur de ce benchmark relève d'un régime différent, et c'est le seul domaine où le nouveau paradigme d'OpenAI l'emporte véritablement sur un modèle vieux de six mois.

La régression la plus subtile concerne la fiabilité des contextes longs. Les tests indépendants multi-aiguilles (MRCR v2) montrent que Gemini 3.1 Pro récupère avec précision à 128K puis se dégrade fortement vers le sommet de sa fenêtre de 1M — un schéma d'effondrement que Google n'a pas entièrement corrigé au cours des six mois écoulés depuis son lancement. Le contexte de 1,05M d'Astra est nouveau et non éprouvé à grande échelle, mais c'est le domaine qu'OpenAI prétend avoir le plus agressivement conçu, notamment avec un plafond de sortie de 128K qui permet à une seule réponse de transporter un artefact généré bien plus volumineux que les ~65K de Gemini. Si votre charge de travail consiste en un contexte énorme qui doit être lu fidèlement de bout en bout, le choix se situe entre un modèle dont la dégradation est mesurée et un modèle dont le comportement en haut de fenêtre n'a encore été soumis à aucun test de résistance. Ce n'est un choix confortable dans aucune des deux directions.

La décision pratique

Pour la grande majorité des charges de travail de production — RAG sur documents, recherche exigeante en ancrage documentaire, entrées multimodales, tout ce qui tient dans la limite de 200K tokens — Gemini 3.1 Pro s'impose aujourd'hui comme le choix économiquement rationnel, et l'écart est considérable : avec une entrée cinq fois moins chère et un avantage en matière de modalités et d'ancrage, GPT-6 Astra paie une énorme prime pour une marge de raisonnement dont ces charges de travail n'auront jamais besoin. Pour le codage agentique, l'utilisation d'un ordinateur à long horizon et les problèmes qui exigent véritablement un artefact généré de 128K ou une fenêtre de contexte fiable proche de 1M, GPT-6 Astra est le modèle à évaluer — avec l'avertissement honnête que ses chiffres annoncés sont ceux d'OpenAI et que l'évaluation indépendante du premier jour, bien que solide sur l'efficacité des tokens, fait apparaître un écart de capacités plus réduit que ce que laisse entendre le marketing. Le gel de six mois de Gemini constitue le contexte décisif : vous choisissez entre un modèle bon marché, performant et mature, que Google a cessé d'améliorer, et un modèle coûteux, tout juste lancé, qu'OpenAI fait évoluer activement.

Comme les deux sont hébergés et valent la peine d’être gardés à portée de main, la réponse pratique est de router plutôt que de remplacer. Gemini 3.1 Pro est sur OrcaRouter au prix catalogue de Google, répercuté sans marge, si bien que sa tarification à $2/$12 survit au contact d’un routeur — et le DSL de routage fait de la répartition sub-200K-vs-prompts-longs une règle plutôt qu’une décision manuelle, envoyant les requêtes courtes ancrées vers Gemini et réservant GPT-6 Astra aux tâches qui justifient son tarif. GPT-6 Astra n’est pas encore sur OrcaRouter au moment où j’écris ; quand un fournisseur commencera à servir gpt-6-astra, la page du modèle affichera le tarif catalogue d’OpenAI le jour même, et la règle de basculement qui maintient déjà une charge de travail en vie entre fournisseurs est le même mécanisme qui permet d’adopter Astra sur une part mesurée du trafic sans miser tout le pipeline sur un modèle de deux jours.

Le verdict

GPT-6 Astra contre Gemini 3.1 Pro est un face-à-face entre un modèle que Google a laissé tranquille pendant six mois et un modèle qu'OpenAI a lancé il y a deux jours — et l'écart de prix reflète surtout cette asymétrie, pas un écart de capacités de même ampleur. Si vous avez besoin d'un raisonnement bon marché, multimodal, ancré dans les faits, à grande échelle, Gemini 3.1 Pro remporte cette comparaison haut la main, et ce depuis des mois. Si vous avez besoin du raisonnement de nouveau paradigme, du plafond de sortie élevé, ou d'une sérieuse chance d'obtenir un contexte fiable en haut de fenêtre, GPT-6 Astra vaut son supplément pour les charges de travail qui utilisent ces atouts — mesurées sur vos propres tâches, pas sur le tableau de lancement d'OpenAI. L'erreur serait de traiter une bonne affaire vieille de six mois et un vaisseau amiral vieux de deux jours comme si la différence d'âge n'importait pas, dans un sens ou dans l'autre. C'est toute l'histoire.