Après GPT‑6 Astra, OpenAI complète sa nouvelle génération avec deux modèles conçus pour être utilisés beaucoup plus largement. GPT‑6 Sol vise les projets complexes de programmation et les agents capables d’agir dans plusieurs logiciels. GPT‑6 Luna privilégie la vitesse et les volumes élevés. Leur point commun est un prix nettement inférieur à celui du modèle phare.
L’annonce du 22 septembre 2026 change ainsi la question posée aux entreprises. Il ne s’agit plus seulement de savoir quel modèle obtient le meilleur score, mais combien coûte un travail réellement terminé. Sol est facturé 2 dollars par million de tokens en entrée et 10 dollars en sortie. Luna descend à 0,10 dollar en entrée et 0,50 dollar en sortie.
OpenAI présente ces tarifs comme une baisse de 50 % par rapport aux prix promotionnels de GPT‑5.6. Dans le cas de Luna, la sortie passe même de 1,20 à 0,50 dollar, soit une réduction d’environ 58 %. Cette baisse est aussi importante que les nouveaux résultats : elle permet d’envisager des agents qui lisent de longs dossiers, utilisent des outils et recommencent une étape sans que chaque tentative devienne prohibitive.
Trois modèles GPT-6 pour trois niveaux d’exigence
La famille GPT‑6 repose désormais sur une hiérarchie lisible. Astra reste le modèle le plus capable d’OpenAI et demeure recommandé lorsque la qualité maximale prime sur le budget. Sol cherche un équilibre pour le travail professionnel difficile. Luna est destiné aux tâches ciblées, répétées à grande échelle.
| Modèle | Usage privilégié | Entrée / 1 M de tokens | Entrée en cache | Sortie / 1 M de tokens |
|---|---|---|---|---|
| GPT‑6 Sol | Code complexe, agents et processus professionnels | 2 $ | 0,20 $ | 10 $ |
| GPT‑6 Luna | Tâches ciblées et volumes élevés | 0,10 $ | 0,01 $ | 0,50 $ |
Les deux modèles partagent une fenêtre de contexte de 1,05 million de tokens et peuvent produire jusqu’à 128 000 tokens dans une réponse. Ils acceptent du texte et des images en entrée, prennent en charge les sorties structurées et peuvent utiliser, via la Responses API, la recherche Web, l’interpréteur de code, un terminal hébergé, l’usage d’ordinateur, MCP et d’autres outils.
Sol et Luna proposent aussi six niveaux d’effort de raisonnement, de none à max. Le modèle peut donc répondre rapidement à une demande simple ou consacrer davantage de calcul à une tâche difficile. Cette souplesse a une conséquence : le tarif par million de tokens ne suffit pas à prédire la facture finale, car un niveau d’effort élevé peut générer plus de tokens de raisonnement et multiplier les appels aux outils.
GPT-6 Sol rapproche les agents puissants d’un budget courant
OpenAI décrit Sol comme son modèle pour les flux de programmation et les agents complexes. Sur AutomationBench, qui simule des processus de vente, de marketing, de finance ou de ressources humaines à travers 47 outils, Sol atteint 33,2 % au niveau d’effort xhigh. Le score annoncé dépasse les 30,3 % de GPT‑6 Astra réglé sur low, avec un coût par tâche 3,9 fois inférieur dans cette configuration.
La comparaison avec les modèles concurrents est également mise en avant. Dans le tableau d’OpenAI, Claude Opus 5 obtient 26,9 % au niveau maximal pour un coût par tâche 11,1 fois supérieur à celui de Sol. Claude Fable 5.1, associé à un repli vers Opus 5 sur environ 40 % des tâches, atteint 31,4 %. OpenAI précise que le coût publié pour ce dernier système ne comprend pas celui des replis, ce qui rend la comparaison imparfaite.
Sur Agents’ Last Exam, consacré à des travaux longs dans 55 sous-secteurs professionnels, Sol atteint 56,4 % au niveau maximal. OpenAI affirme qu’il dépasse le meilleur résultat de Claude Opus 5 dans cette évaluation avec un coût par tâche inférieur de 60 %.
Ces chiffres dessinent un modèle adapté à une migration logicielle, à une analyse documentaire approfondie ou à un agent qui doit coordonner plusieurs applications. Ils ne signifient pas que Sol dépasse Astra dans l’absolu : le réglage d’Astra utilisé sur AutomationBench est volontairement faible, et OpenAI maintient qu’Astra reste son meilleur modèle sur l’ensemble des capacités.
Luna rend les agents accessibles aux usages de masse
Luna occupe une place moins spectaculaire, mais peut-être plus structurante. À 0,10 dollar en entrée et 0,50 dollar en sortie, il coûte vingt fois moins cher que Sol à volume de tokens identique. Il peut convenir à l’extraction d’informations, au tri de demandes, au traitement de catalogues, aux contrôles répétés ou à de nombreux petits agents spécialisés.
Le modèle conserve pourtant des capacités de raisonnement avancées. Sur DeepSWE 1.1, un test de travaux logiciels longs dans de vrais dépôts, Luna obtient 66,6 % au niveau maximal. OpenAI le décrit comme comparable à Claude Opus 5 et Claude Fable 5 réglés sur un effort moyen, avec un coût par tâche inférieur respectivement de 93 % et 96 %.
Sol atteint 68,8 % sur la même évaluation, à 1,1 point du meilleur score de Claude Fable 5 cité par OpenAI. Sur OSWorld 2.0, Sol obtient 60,5 % contre 60,3 % pour Claude Opus 5 dans les réglages comparés, pour un coût par tâche environ 80 % plus bas. Luna, au niveau maximal, dépasse GPT‑5.6 Sol réglé sur medium à un dixième de son coût.
Le choix de Luna ne se résume donc pas à sacrifier toute capacité au profit du prix. Il s’agit plutôt de réserver le calcul coûteux aux étapes qui en ont besoin. Une architecture peut confier les demandes courantes à Luna, envoyer les cas difficiles à Sol, puis réserver Astra aux décisions les plus importantes ou aux échecs persistants.
Le cache devient une partie du produit
OpenAI accompagne la baisse des tarifs d’une amélioration du cache de prompts. Lorsqu’un agent relit plusieurs fois les mêmes instructions, documents ou historiques, les tokens déjà mis en cache bénéficient d’une réduction de 90 %. Leur prix tombe à 0,20 dollar par million pour Sol et à 0,01 dollar pour Luna.
Le système peut désormais modifier le niveau de raisonnement ou la liste des outils disponibles sans invalider le contexte précédent. Des points de rupture explicites permettent aussi de choisir jusqu’où un préfixe doit être mis en cache. Pour un agent qui conserve un manuel, un dépôt de code ou un règlement volumineux pendant une longue session, cette évolution peut réduire à la fois le délai et le coût.
Il existe toutefois un seuil à surveiller. Les requêtes contenant plus de 272 000 tokens d’entrée sont facturées deux fois le tarif d’entrée et du cache, tandis que la sortie passe à 1,5 fois son prix normal pour l’ensemble de la requête. La fenêtre d’un million de tokens est donc disponible, mais l’utiliser entièrement n’est pas neutre économiquement.
Des réponses annoncées comme plus claires et plus factuelles
Sol et Luna reprennent le style de collaboration introduit avec Astra. OpenAI promet des réponses plus directes, moins chargées de jargon, avec moins de détails sans valeur et moins de formulations étranges. L’objectif est particulièrement visible dans les échanges techniques, où un agent doit expliquer ce qu’il a fait, ce qu’il a vérifié et ce qui reste incertain.
L’entreprise affirme également que Sol commet environ deux fois moins d’erreurs factuelles que GPT‑5.6 Sol dans son évaluation interne. Luna, avec un effort élevé, égalerait l’ancien Sol pour environ un centième de son coût. Cette mesure repose toutefois sur des conversations anonymisées dans lesquelles des utilisateurs avaient déjà signalé une erreur. Elle rassemble donc des cas difficiles et ne représente pas le taux d’erreur moyen dans toutes les conversations.
OpenAI indique enfin que les deux modèles progressent dans ses tests d’alignement, notamment sur les affirmations trompeuses concernant un travail de programmation. Ces tests cherchent délibérément à provoquer des comportements problématiques ; leurs résultats ne décrivent pas une fréquence habituelle en production.
Où peut-on utiliser GPT-6 Sol et Luna ?
GPT‑6 Sol et Luna sont disponibles dès leur lancement dans ChatGPT Work et Codex pour les abonnés Plus, Pro, Business, Enterprise et Edu. Les utilisateurs Free et Go peuvent accéder à GPT‑6 Luna dans l’application de bureau. OpenAI précise que le déploiement s’effectue progressivement et que les deux modèles ne sont pas encore proposés dans les conversations Chat classiques au moment de l’annonce.
Dans l’API, leurs identifiants sont gpt-6-sol et gpt-6-luna. Les développeurs disposent ainsi de deux nouvelles marches entre un modèle économique et GPT‑6 Astra, le modèle phare présenté au début du mois.
La décision la plus rationnelle sera rarement de choisir un seul modèle pour tout. Luna convient aux volumes et aux demandes bien délimitées. Sol apporte davantage de marge pour les tâches longues, le code et les outils. Astra reste le recours pour les cas où quelques points de réussite supplémentaires valent une facture plus élevée. Avec GPT‑6, OpenAI transforme ainsi sa gamme en véritable échelle de calcul : la nouveauté majeure tient autant au prix de l’intelligence qu’à son niveau maximal.
Références
- OpenAI — Introducing GPT‑6 Sol and Luna
- OpenAI Developers — GPT‑6 Sol
- OpenAI Developers — GPT‑6 Luna
- OpenAI Deployment Safety — GPT‑6 Sol and Luna system card
One Comment on “GPT-6 Sol et Luna : OpenAI fait chuter le prix de l’IA de pointe”
Comments are closed.