GPT-6 Astra vs Grok 4.6 : l’égalité dans l’indice s’est rompue, et l’écart de prix dépend du palier

GPT-6 Astra et Grok 4.6 étaient à égalité sur l'unique tableau d'affichage indépendant qui les classe tous les deux, lorsque cette page a été publiée pour la première fois le 4 septembre 2026. C'est la phrase que cette page doit retirer. Lu au regard de l'Artificial Analysis Intelligence Index tel qu'il se présente au 16 septembre 2026 — version v4.3, dix évaluations — GPT-6 Astra (max) se situe à 53 et Grok 4.6 (high) à 44, là où il y avait auparavant égalité. L'autre correction est celle du titre sur lequel vous avez cliqué. La grille tarifaire d'Open​AI, consultée le même jour, indique GPT-6 Astra à 10,00 $ par million de jetons d'entrée, 1,00 $ par million de jetons d'entrée mis en cache et 50,00 $ par million de jetons de sortie ; celle de x​AI indique Grok 4.6 à 2,00 $, 0,50 $ et 6,00 $. Par rapport à l'entrée standard, cela représente cinq fois. Par rapport à la sortie, c'est 8,3 fois. Par rapport à l'entrée mise en cache — la ligne qui sert réellement à facturer la majeure partie du trafic de production — c'est le double. Il n'existe pas de multiplicateur unique, et la version de cette page qui en revendiquait un réduisait une grille tarifaire à quatre lignes à un slogan à force d'arrondis. Il s'agit d'une mise à jour, pas d'un lancement : GPT-6 Astra est le modèle phare d'Open​AI depuis le 3 septembre 2026 et Grok 4.6 celui de x​AI depuis le 12 août 2026. Ce qui a changé depuis, ce sont la mesure, la disponibilité et l'arithmétique.

Le multiplicateur n'a jamais été un seul nombre

Commencez par les deux grilles tarifaires telles que leurs fournisseurs les publient le 16 septembre 2026, car tout ce qui suit hérite de la structure de leurs paliers. OpenAI documente GPT-6 Astra à 10,00 $ par million de jetons d'entrée, 1,00 $ par million d'entrées mises en cache, 12,50 $ par million d'écritures de cache et 50,00 $ par million de jetons de sortie, et divise la grille en colonnes de contexte court et de contexte long ; au-delà du seuil de contexte long — 272 000 jetons d'entrée selon les chiffres indiqués pour cette grille — l'intégralité de la requête est refacturée à 20,00 $ en entrée, 2,00 $ en cache et 75,00 $ en sortie. Les modes Batch et Flex sont facturés à la moitié des tarifs standard, le mode Fast au double. xAI documente Grok 4.6 à 2,00 $ par million de jetons d'entrée, 0,50 $ en cache et 6,00 $ en sortie, pour une fenêtre de contexte de 500 000 jetons, et dès qu'une requête atteint 200 000 jetons de prompt, l'intégralité de la requête est facturée à 4,00 $ en entrée, 1,00 $ en cache et 12,00 $ en sortie. Ce sont des grilles tarifaires de fournisseurs, pas des mesures.

Mettez-les côte à côte et le multiple de l'ancien titre se décompose. Entrée standard : 10,00 $ contre 2,00 $, cinq fois. Sortie : 50,00 $ contre 6,00 $, 8,3 fois. Entrée en cache : 1,00 $ contre 0,50 $, deux fois. Entrée à contexte long : 20,00 $ contre 4,00 $, cinq fois encore — mais la sortie à contexte long est de 75,00 $ contre 12,00 $, soit 6,25 fois. Le cinq de l'ancien titre n'a pas été inventé. C'était une ligne d'une carte à quatre lignes portant les habits d'un slogan, et la ligne que vous citez change la réponse d'un facteur quatre. Quiconque vous donne un seul chiffre pour cette comparaison choisit un palier sans vous dire lequel.

Il existe une deuxième raison pour laquelle l'arithmétique par token décrit mal ce duo, et elle joue en sens inverse. Les deux modèles ne consomment pas le même nombre de tokens pour accomplir le même travail et, selon la mesure du coût par tâche d'Artificial Analysis — le coût moyen pondéré de l'exécution de son évaluation Intelligence Index —, le modèle cher au token est le moins cher par tâche terminée, une fois les réglages d'effort alignés. D'après les données de modèles propres à AA du 16 septembre 2026, GPT-6 Astra en effort élevé revient à $1.72 par tâche d'indice, contre Grok 4.6 en élevé à $1.86. La raison tient aux nombres de tokens du même relevé : Astra consomme 60M de tokens de sortie pour exécuter l'indice complet, contre 94M pour Grok 4.6, et 27k de tokens de sortie par tâche, contre 36k. Cinq fois le tarif d'entrée, pour environ deux tiers de la dépense en tokens, arrive légèrement en tête.

Le duo mis en avant sur la page de comparaison d’AA elle-même dit autre chose, et les deux sont vrais. La page d’AA ouvre sur GPT-6 Astra au niveau max — 3,26 $ par tâche, 53 sur l’indice — face à Grok 4.6 au niveau élevé, 1,86 $ et 44. Lu ainsi, le supplément semble n’apporter aucun avantage en coût. Lu à effort élevé égal, Astra est à 51 sur l’indice contre 44 et dix cents moins cher par tâche. Le chiffre qui doit figurer dans votre budget dépend entièrement de si vous comptez faire tourner Astra au niveau max ou au niveau élevé, et la page d’AA ne vous force pas à choisir. C’est la même défaillance que le multiplicateur unique de l’ancien titre, un cran en dessous.

L'égalité dans l'indice a disparu, et la lecture honnête est plus étroite qu'elle n'en a l'air.

Lorsque cette page a été rédigée pour la première fois, les deux modèles se situaient à 61 sur l'Artificial Analysis Intelligence Index et tout l'article tournait autour du prix. Ce résultat n'est plus reproductible. Dans le classement tel qu'il apparaît au 16 septembre 2026, GPT-6 Astra (max) est à 53 et Grok 4.6 (high) à 44. Les deux modèles publient une échelle d'effort complète, et cette échelle compte davantage que la ligne unique qu'AA affiche sur sa page de comparaison : d'après les propres données de modèle d'AA, GPT-6 Astra affiche 53 (max), 53 (xhigh), 51 (high), 50 (medium), 46 (low), et Grok 4.6 affiche 44 (high), 44 (xhigh), 43 (medium), 35 (low). Au réglage apparié le plus proche, high contre high, l'écart est de sept points.

Deux mises en garde vont de pair. Premièrement, {{1}}l'indice a été redécoupé : la version actuellement en ligne est la v4.3, construite à partir de dix évaluations — {{2}}AA-Briefcase, GDPval-AA v2, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience et AA-LCR v1.1{{/2}} — sur une population de modèles différente de celle du classement de début septembre{{/1}}. {{3}}Une partie de l'écart de neuf points qui apparaît tient à un recalibrage plutôt qu'au fait que l'un ou l'autre laboratoire ait livré une nouveauté, et un lecteur qui compare cette page à la précédente compare deux règles différentes{{/3}}. Deuxièmement, les deux entrées ne correspondent pas à des réglages d'effort appariés : {{4}}la comparaison d'AA associe le max d'Astra au high de Grok 4.6{{/4}}, et {{5}}une comparaison max contre high n'est pas à conditions égales{{/5}}. {{6}}L'interprétation prudente d'un écart de neuf points sur un indice qui regroupe dix évaluations est une séparation réelle mais modeste, et non une déroute{{/6}} — plusieurs modèles se regroupent à quelques points de part et d'autre des deux. Ce que l'on peut dire est l'inverse de ce que cette page disait auparavant : {{7}}sur le tableau des scores indépendant, ces deux-là ne sont plus interchangeables, et le plus cher est en tête{{/7}}.

La vitesse, que la version précédente de cette page avait dû laisser vide pour Astra, est désormais mesurée — et les chiffres de latence en sont la moitié la plus frappante. Artificial Analysis chronomètre GPT-6 Astra (max) à 52,9 tokens de sortie par seconde contre Grok 4.6 (high) à 57,7, un écart que l'on ressent sur une longue génération et qui ne devrait pas remodeler une décision de routage. Le temps jusqu'au premier token est une autre histoire : 334,04 secondes pour Astra contre 38,63 pour Grok 4.6, et le temps de réponse de bout en bout 343,48 secondes contre 47,31. Astra réfléchit pendant plusieurs minutes avant de répondre. Pour le travail d'agent par lots et de nuit, c'est invisible ; pour tout ce qui est interactif, c'est le chiffre décisif, et il n'apparaît sur aucune des deux grilles tarifaires.

La fiche de benchmark propre à Astra, et qui est autorisé à dire quoi

Les chiffres phares d'Open​AI pour GPT-6 Astra, tous rapportés par le fournisseur et aucun d'entre eux reproduit ici : 98 % sur FrontierMath Tier 4, 100 % sur ExploitBench — contre 78,5 % pour le précédent modèle phare d'Open​AI, GPT-5.6 Sol — et 99,9 % sur ARC-AGI-3. Voilà les chiffres que la couverture du lancement a repris, et deux d'entre eux méritent plus de scepticisme qu'ils n'en ont reçu.

ARC-AGI-3 d'abord. Les 99,9 % proviennent du harnais d'adaptateur de fournisseur d'OpenAI. ARC Prize, qui gère le benchmark, a mesuré séparément 62,7 % pour le même modèle sous son harnais Standard neutre vis-à-vis du fournisseur, pour 26 098 $ l'exécution. La note d'ARC Prize elle-même indique que l'adaptateur préserve l'état de raisonnement d'OpenAI entre les requêtes, de sorte que les deux chiffres mesurent des choses différentes et ne devraient jamais être cités comme s'il s'agissait de la même mesure. L'ampleur de la différence est plus éloquente que n'importe quel argument : Astra avec le raisonnement « none » sous l'adaptateur obtient 96,7 %, soit environ 34 points au-dessus de son propre score de raisonnement maximal sous le harnais Standard. Le second chiffre correspond au harnais qui fait un travail que le modèle n'a pas fait.

FrontierMath Tier 4 est l'autre. Le 98 % provient du propre rapport d'OpenAI sur un benchmark dont OpenAI a financé le développement ; au moins un tableau comparatif de la semaine de lancement affiche 97,6 % pour le même résultat. Considérez ces deux chiffres comme déclarés par le fournisseur et aucun des deux comme établi.

Ce qui résiste à l'argument du harness mérite d'être conservé. ARC Prize a également constaté qu'Astra utilisait moins d'actions que l'humain médian testé sur 96 % des niveaux qu'il a complétés, avec en moyenne 51,7 % d'actions en moins par niveau par rapport à une référence humaine tirée d'environ 500 participants — un résultat d'efficacité qui ne dépend pas de l'adaptateur. Et ARC Prize a clairement déclaré qu'il ne prétendait pas qu'Astra soit une AGI : les environnements sont bornés et déterministes, et saturer un benchmark ne prouve pas une capacité générale. Du côté du codage indépendant, DeepSWE v1.1 de Datacurve — 113 tâches réparties sur 91 dépôts open source actifs — classe GPT-6 Astra à 74,1 %. C'est un résultat solide plutôt qu'un résultat isolé ; le sommet de ce classement est un groupe resserré, et un classement dont les meilleures entrées se tiennent à quelques points les unes des autres en dit autant sur l'incertitude que sur la capacité. Aucun chiffre de Grok 4.6 dans un réglage comparable n'y avait été publié au moment de la rédaction, de sorte que cette dimension n'a qu'un seul côté.

Deux façons de travailler, et une vraie différence de contrôle.

Même lorsque les scores sont proches, ces deux modèles ne s'accordent pas sur la manière de les piloter. Grok 4.6 est un modèle unique et puissant, doté d'un réglage explicite de l'effort de raisonnement ; vous décidez combien de réflexion une requête mérite et vous payez un tarif forfaitaire pour cela. GPT-6 Astra fonctionne plus longtemps de lui-même et est conçu pour marquer une pause afin d'être examiné avant de s'engager. C'est aussi le premier modèle d'Open​AI que l'entreprise a classé « critique » au titre de son Preparedness Framework pour le risque de cybersécurité — une auto-évaluation du fournisseur, et non une conclusion externe — et Open​AI reconnaît elle-même que sa capacité de surveillance a diminué par rapport à son précédent modèle phare, ce qui explique pourquoi les paramètres les plus permissifs sont réservés à des partenaires vérifiés plutôt que vendus ouvertement. Pour une équipe de sécurité, ce verrouillage est un atout. Pour un développeur qui veut une sortie déterministe et pilotable dans un délai imparti, c'est une friction que vous payez un supplément pour acquérir.

Le tableau d'affichage, intitulé

• Intelligence (indépendante) — à effort égal, high contre high : GPT-6 Astra 51, Grok 4.6 44. Comme la page de comparaison d'AA les associe, Astra (max) 53 contre Grok 4.6 (high) 44. Artificial Analysis Intelligence Index v4.3, relevé le 16 septembre 2026. Pas au même niveau ; l'ampleur de l'écart dépend de l'appariement.

• Prix catalogue, palier standard (tarifs fournisseurs, relevé du 16 septembre 2026) — GPT-6 Astra 10,00 $ en entrée / 50,00 $ en sortie / 1,00 $ en cache par million de tokens. Grok 4.6 2,00 $ en entrée / 6,00 $ en sortie / 0,50 $ en cache par million. Cinq fois sur l'entrée, 8,3 fois sur la sortie, deux fois sur l'entrée mise en cache.

• Prix catalogue, contexte long (mêmes cartes, même date) — GPT-6 Astra : l'ensemble de la requête a été retarifé au-delà du seuil de contexte long à 20,00 $ / 2,00 $ / 75,00 $. Grok 4.6 : l'ensemble de la requête a été retarifé à 200 K jetons de prompt à 4,00 $ / 1,00 $ / 12,00 $.

• Coût par tâche (indépendant) — effort équivalent, high contre high : GPT-6 Astra 1,72 $ par tâche de l'Intelligence Index, Grok 4.6 1,86 $. Comme la page de comparaison d'AA les associe, Astra (max) 3,26 $ contre Grok 4.6 (high) 1,86 $. Artificial Analysis, consulté le 16 septembre 2026.

• Latence (indépendante) — GPT-6 Astra : 334,04 s jusqu'au premier token, 343,48 s de bout en bout. Grok 4.6 : 38,63 s et 47,31 s. Artificial Analysis, relevé du 16 septembre 2026. L'écart le plus large de cette page. La propre fiche d'OrcaRouter pour le même modèle enregistre un temps jusqu'au premier token de 6,71 s en p50 et de 10,00 s en p95 sur sept jours, ce qui mesure un point différent de la réponse et n'est pas comparable au chiffre d'AA — ne placez pas les deux dans la même phrase comme s'ils l'étaient.

• Vitesse (indépendante) — GPT-6 Astra 52,9 jetons de sortie/s au maximum. Grok 4.6 57,7 jetons/s en mode élevé. Artificial Analysis, données relevées le 16 septembre 2026.

• Codage agentique (indépendant) — GPT-6 Astra 74,1 % sur DeepSWE v1.1 de Datacurve. Aucune exécution comparable de Grok 4.6 n'a été publiée sur le même tableau au moment de la rédaction, cette dimension n'a donc qu'un seul côté.

• Cybersécurité et raisonnement (selon le fournisseur) — GPT-6 Astra : FrontierMath Tier 4 98 %, ExploitBench 100 %, ARC-AGI-3 99,9 % sur l'adaptateur de fournisseur d'Open​AI, contre 62,7 % mesurés indépendamment par ARC Prize sur son banc d'essai Standard. Déclaré par Open​AI ; non reproduit ici.

• Accès dès aujourd'hui — les deux modèles sont appelables via OrcaRouter avec une seule clé. Tarifs listés par le routeur, relevés le 16 septembre 2026 : GPT-6 Astra à 10,00 $ / 50,00 $ par 1 M avec un contexte de 1,05 M de tokens, Grok 4.6 à 2,00 $ / 6,00 $ par 1 M avec un contexte de 500 K tokens.

Une précision sur les graphiques de cette page, car ils comportent des chiffres que le texte nuance. La carte principale et le tableau des scores affichent le même duel que celui mis en avant par Artificial Analysis — GPT-6 Astra à son réglage de raisonnement maximal contre Grok 4.6 en mode élevé —, de sorte que la ligne « intelligence » du tableau des scores indique le score en effort maximal, tandis que sa ligne « coût » indique le coût en effort élevé. Les deux chiffres proviennent d'AA, sont tous deux actuels, et ne correspondent pas au même réglage d'effort. Le texte ci-dessus donne la paire à effort égal partout où la différence compte. La version précédente de cette page comportait quatre graphiques construits sur la lecture de l'indice 61 contre 61 ; ils ont été remplacés plutôt qu'annotés, car une carte principale qui avance une thèse que l'article rétracte est pire que l'absence de carte principale.

La disponibilité a changé, et cela change la réponse de routage

La première version de cette page devait signaler que GPT-6 Astra n'était pas sur OrcaRouter, alors que Grok 4.6 y était. Les deux figurent désormais au catalogue — GPT-6 Astra sous l'identifiant de modèle openai/gpt-6-astra aux tarifs affichés d'Open​AI, Grok 4.6 sous grok/grok-4.6 aux tarifs de x​AI. Tarifs listés par OrcaRouter, relevés le 16 septembre 2026. Le point de terminaison Astra n'est pas non plus une entrée de catalogue : la même fiche enregistre 180,7 M de tokens de trafic au cours des sept jours précédents, listés par le routeur, relevés le même jour.

Cela compte spécifiquement pour cette confrontation, car les deux cartes ont des structures de paliers différentes. Un routeur qui facture le prix catalogue du fournisseur avec 0 % de marge applique le palier dans lequel la requête atterrit réellement : un appel Astra qui reste sous le seuil de contexte long n'est pas re-tarifé de notre côté, et un appel Grok 4.6 qui dépasse 200 K est re-tarifé selon la règle de x​AI et non la nôtre. Chaque tarif de notre côté est répercuté avec 0 % de marge — le tarif du fournisseur est celui que vous payez, et lorsqu'un fournisseur le modifie, le changement est actif sur la même clé le jour même. Avec les deux modèles sur une seule clé, répartir une charge de travail entre eux, Astra sur le travail autonome difficile et Grok 4.6 prenant en charge le volume, est un changement de routage plutôt qu'un second contrat ; le basculement automatique signifie qu'une limite de débit sur un chemin est un événement de routage plutôt qu'une panne ; et le DSL de routage vous permet de combiner les deux en un seul appel lorsque vous voulez que le modèle bon marché rédige et que le modèle coûteux vérifie.

Qui devrait payer la prime

Achetez GPT-6 Astra si votre travail se situe dans le créneau où il est aujourd'hui mesurablement en avance. L'indice indépendant le distingue de Grok 4.6 aux réglages que publie AA, son résultat DeepSWE v1.1 est un véritable chiffre indépendant, et la propre fiche de benchmarks du fournisseur est véritablement à la pointe une fois les réserves liées au harnais ajoutées. Budgétisez par tâche plutôt que par token, et surveillez le seuil de contexte long, où une seule requête cesse d'être un appel coûteux pour devenir un appel très coûteux. Achetez Grok 4.6 si vous voulez un raisonnement proche de la frontière à un tarif qui tient dans un vrai budget, ainsi que le débit mesuré le plus rapide des deux et une structure tarifaire à une seule falaise plutôt que deux.

Le résumé corrigé de cette confrontation n’est pas qu’un écart d’un facteur cinq n’apporte rien, et pas non plus que les deux sont à égalité. C’est que l’écart est réel à chaque niveau et que le ratio dépend du niveau que l’on examine ; que l’écart de performance est désormais réel lui aussi ; et que les deux pointent dans la même direction — ce qui est l’opposé de ce que cette page disait le 4 septembre 2026, et une meilleure raison de choisir entre eux qu’un slogan sur les multiples.