gpt-6-astra-max est un modèle de langage de grande taille développé par OpenAI, publié pour la première fois en 2026. Selon la dernière version datée du 2026-09-12, il occupe les premières positions sur les classements publics de référence, notamment LMArena et LiveBench, où il est évalué pour ses capacités de conversation, de raisonnement et de performance en codage. Le modèle représente la sixième génération de la série GPT d'OpenAI et est positionné comme un système phare pour les applications généralistes de IA générative.
Le modèle s'appuie sur l'architecture transformeur, intégrant des avancées dans les mécanismes de attention multi-têtes et de attention croisée. Il a été entraîné sur un ensemble de données comprenant plus de 15 billions de jetons, un mélange de texte web public, de corpus sous licence et de données propriétaires issues de partenariats avec des éditeurs. L'entraînement a utilisé environ 100 000 accélérateurs AMD MI300X, une rupture avec les modèles précédents d'OpenAI qui reposaient sur du matériel NVIDIA. Le budget de calcul pour l'entraînement final a été estimé à 3,2 exaflops-jours, un chiffre divulgué par OpenAI dans son rapport technique.
Architecture et entraînement
Le modèle possède 1,8 billion de paramètres, avec une conception de mélange d'experts éparse qui active 320 milliards de paramètres par jeton. Cette architecture permet une inférence efficace tout en maintenant une capacité élevée. La fenêtre de contexte est de 2 millions de jetons, permettant le traitement de documents longs et de conversations multi-tours. L'entraînement a utilisé RLHF (apprentissage par renforcement à partir de retours d'IA) comme étape d'alignement post-entraînement, après une phase initiale de fine-tuning supervisé. Le pipeline d'entraînement a également utilisé optimiseur Adam avec un programme de taux d'apprentissage personnalisé comprenant une phase d'échauffement de 5 000 étapes et une décroissance cosinusoïdale sur 1,2 million d'étapes.
Les données d'entraînement ont été organisées pour équilibrer les domaines, avec 40 % de texte web, 25 % de livres et d'articles académiques, 20 % de code provenant de dépôts tels que GitHub, et 15 % de contenu multilingue couvrant 120 langues. La déduplication a réduit le corpus brut de 18 %. Le modèle a été entraîné en deux étapes : une phase de pré-entraînement de 180 jours, suivie d'une phase de fine-tuning par instructions de 45 jours.
Références et performances
Sur le classement LMArena, gpt-6-astra-max a atteint un score Elo de 1 482 selon la version du 2026-09-12, surpassant le précédent leader, Anthropic's Claude 5.2, de 37 points. Sur LiveBench, il a obtenu 91,4 % sur la suite de codage, 88,7 % sur le raisonnement mathématique et 84,2 % sur les tâches multilingues. Dans le benchmark MMLU-Pro, il a atteint 93,1 %, une amélioration de 2,3 points par rapport à son prédécesseur, GPT-5.5. Des évaluations indépendantes par Stanford AI Lab et Berkeley AI Research ont confirmé ces résultats, bien qu'ils aient noté des risques potentiels de contamination des benchmarks en raison de l'inclusion de données web dans l'entraînement.
Le modèle a également démontré de fortes performances sur des tâches de contexte long, atteignant 98,2 % de précision sur le benchmark de récupération de 1 million de jetons RULER. Dans les tâches agentiques, il a complété 87 % des tâches du benchmark GAIA sans outils externes, contre 71 % pour GPT-5.5.
Déploiement et disponibilité
OpenAI propose gpt-6-astra-max via son API et ses produits grand public, notamment ChatGPT Plus et Enterprise. Le modèle est disponible sur Azure via un partenariat avec Microsoft, et sur Amazon Web Services via SageMaker. Il est également servi sur du matériel Groq pour une inférence à faible latence, avec un temps de premier jeton rapporté de 0,4 seconde pour une invite de 100 jetons. Le prix est fixé à 3,50 $ par million de jetons d'entrée et 12,00 $ par million de jetons de sortie, une réduction de 20 % par rapport à GPT-5.5.
Le modèle prend en charge des entrées multimodales, y compris le texte, les images et l'audio, mais ne génère que du texte. Un encodeur visuel, basé sur une variante de réseau résiduel, traite les images à une résolution de 448x448. L'entrée audio utilise un encodeur de type U-Net pour le traitement des formes d'onde.
Réception et impact
Les premières critiques de chercheurs du MIT CSAIL et de l'Université d'Oxford ont salué la profondeur de raisonnement du modèle et la réduction des taux d'hallucination, qu'OpenAI rapporte à 2,1 % lors d'un test interne de cohérence factuelle. Cependant, certains critiques, dont Melanie Mitchell, ont soulevé des préoccupations concernant le coût environnemental de l'entraînement, estimé à 420 000 MWh, et la tendance du modèle à surajuster les schémas des benchmarks. La publication a également suscité un débat sur la sécurité de l'IA, conduisant OpenAI à publier une carte système détaillant les résultats de red-teaming de 150 chercheurs externes.
Dans le secteur des entreprises, des sociétés telles que Intuitive Surgical et TomTom ont intégré le modèle dans leurs produits, citant des améliorations dans la documentation médicale et la précision de navigation. Le déploiement du modèle sur Oracle Cloud et Google Cloud a élargi sa portée aux industries réglementées, avec des certifications de conformité pour HIPAA et SOC 2 Type II.
Orientations futures
OpenAI a indiqué que gpt-6-astra-max recevra des mises à jour régulières, avec une version mineure prévue début 2027. La recherche sur élagage de modèles et augmentation de données est en cours pour réduire les coûts d'inférence. L'entreprise a également annoncé une collaboration avec TSMC pour développer du silicium personnalisé pour la prochaine génération, prévue pour réduire le temps d'entraînement de 30 %. Selon la dernière version, aucun successeur n'a été annoncé, mais des rapports internes suggèrent un accent sur l'amélioration de la génération multimodale et du raisonnement en temps réel.