Certaines des tâches les plus difficiles en révision de code se produisent en dehors des lignes modifiées. Un changement peut sembler correct isolément et pourtant briser le code ailleurs dans le système. C’est ce qui rend nos premiers résultats pour Open AI's GPT-6 Astra les plus intéressants.

Dans notre évaluation, Astra a détecté environ 4 % de bugs supplémentaires étiquetés grâce à des constatations exploitables par rapport à GPT-5.6 Sol, et 22 % de plus que Opus 5. Le plus grand saut se produit lors des revues transversales plus difficiles, où les gains d’Astra atteignent 20 % par rapport à Sol et 33 % par rapport à Opus 5. Utiliser cette capacité à l’échelle des clients signifie également protéger les données des clients et évaluer la tarification de l’API publique du modèle.

Les tarifs standards de l’API d’Astra sont de 10 dollars par million de tokens d’entrée et 50 dollars par million de tokens de sortie. Avec une utilisation fixe de 100 000 tokens d’entrée et 10 000 tokens de sortie, le coût d’Astra est 2,5 fois celui de Sol, environ 4,7 fois celui de Terra et environ 47 fois celui de Luna. Ce sont des primes significatives pour des tâches exigeant un raisonnement intensif.

Un raisonnement plus solide a un coût, et les équipes doivent évaluer où la capacité supplémentaire justifie le coût. L’avantage d’Astra est le plus marqué dans les scénarios de raisonnement distribué complexes, pas dans les correctifs routiniers.