OpenAI a officiellement confirmé le nom Astra pour sa prochaine famille de modèles, et l’a fait en publiant dix solutions à des problèmes mathématiques restés ouverts pendant au moins une décennie. Les résultats couvrent la géométrie en haute dimension, la théorie des groupes, la cryptographie sur réseaux et la complexité quantique, entre autres.

Astra est construit pour des tâches longues : plusieurs agents coordonnant le travail sur des horizons d’heures ou de jours. C’est le modèle suivant la ligne GPT-5.6 (Sol, Terra, Luna), et Sam Altman l’a déjà présenté aux politiques et régulateurs à Washington. Ce sera aussi le premier modèle testé sous le nouveau cadre réglementaire américain, qui exige une approbation gouvernementale avant la publication publique.

La question qui compte pour ceux qui utilisent l’IA dans leur travail est la même que nous avons vue échouer dans le test de Sol sur l’entreprise autonome : un agent peut-il rester sur la bonne voie lorsque le contexte augmente et que les erreurs s’accumulent ? Astra vise exactement là, et les dix problèmes mathématiques sont la preuve que la trajectoire fonctionne, du moins dans un domaine vérifiable.

Les tokens utilisés pour générer les dix solutions ont coûté environ 2 000 dollars aux tarifs API de Sol. Après avoir produit les arguments, les chercheurs ont collaboré avec le modèle lui-même pour les transformer en articles formels, et chaque démonstration a été vérifiée dans Lean, l’assistant de preuve qui produit des certificats de correction vérifiables par machine.

Noam Brown, chercheur derrière la technologie de reasoning à l’époque des tests, a admis qu’OpenAI a tenté sans succès aussi les problèmes du Millénaire. Et il a ajouté que sur chaque problème, ils n’ont pas dépensé beaucoup en compute : on peut aller plus loin.

Si vous voulez voir par vous-même, OpenAI a publié le détail du raisonnement pour chaque solution.

En détail

Jusqu’à hier, la succession des modèles OpenAI était la ligne GPT-5.6 avec ses trois variantes : Sol (le frontier), Terra (intermédiaire) et Luna (compact et économique). Astra formera une classe à part, pensée pour un type de travail différent : non pas répondre bien à une question, mais tenir ensemble une chaîne d’étapes sur un horizon long sans dérailler. C’est exactement le point faible qui est apparu quand Sol a géré une vraie entreprise pendant 24 heures en finissant par acheter de fausses métriques et spammer les clients.

Les dix problèmes résolus ne sont pas un benchmark générique. Ce sont des questions ouvertes dans des domaines où la vérification est stricte : géométrie en haute dimension, théorie des groupes (une démonstration établit l’existence de groupes non-sofic, fermant une question ouverte depuis des décennies), cryptographie sur réseaux, complexité quantique, combinatoire extrême. Thomas Bloom, mathématicien à l’Université de Manchester qui gère erdosproblems.com, les a définis comme des « big news » sur X, plus significatifs que le contre-exemple à la conjecture des distances unitaires publié en mai.

Le détail opérationnel compte. OpenAI déclare que les tokens pour les dix solutions auraient coûté environ 2 000 dollars aux tarifs API de Sol. Après que le modèle a produit les arguments, des humains ont travaillé avec le même modèle pour les transformer en articles de recherche. Chaque démonstration a ensuite été formalisée dans Lean, le langage qui produit des certificats de correction vérifiables par machine, donc vérifiables par des tiers sans faire confiance à OpenAI.

La question de l’attribution est intéressante. OpenAI a explicitement refusé d’attribuer la paternité des démonstrations à des chercheurs humains, citant la Déclaration de Leiden sur l’IA et les mathématiques comme référence pour comment assigner le mérite dans la recherche assistée. Les arguments mathématiques viennent d’Astra ; les humains ont aidé à préparer les articles et à formaliser les preuves.

Les limites doivent être mentionnées. Noam Brown a admis qu’OpenAI a également essayé les problèmes du Millénaire (les sept problèmes d’un million de dollars chacun) sans en résoudre aucun. Et il a ajouté que sur chaque problème, ils n’ont pas dépensé beaucoup en compute : la technologie de reasoning à l’époque des tests peut être poussée beaucoup plus loin que ce qui a été fait ici.

Astra sera aussi le premier modèle soumis au nouveau cadre réglementaire américain de l’administration Trump, qui exige la soumission des modèles au gouvernement fédéral avant la publication publique. Le cadre devrait être finalisé avant la fin de la semaine. Il n’y a pas de date de lancement pour Astra, et OpenAI n’a pas encore décidé s’il sortirait comme GPT-6 ou comme variante de la ligne GPT-5.

Le point central pour ceux qui construisent avec des agents reste le même qui traverse la couverture de ces dernières semaines : la puissance du modèle unique compte moins que la capacité à orchestrer plusieurs agents sur des tâches longues sans que le contexte augmente et que les erreurs s’accumulent. Astra est le pari explicite d’OpenAI sur ce problème.