GPT-6 Sol et Luna — Le prix divise par deux, la performance non

État des lieux

Dix-neuf jours après GPT-6 Astra qui ouvrait la génération, OpenAI remet le couvert le 22 septembre 2026 avec deux modèles de la même famille : GPT-6 Sol, le palier « travail », et GPT-6 Luna, le palier « volume ». Le titre de l'annonce tient en un chiffre : Sol passe de 4 à 2 dollars le million de tokens d'entrée et de 20 à 10 dollars en sortie, Luna de 0,20 à 0,10 dollar en entrée et de 1,20 à 0,50 dollar en sortie. Même méthode d'entraînement qu'Astra, même contexte de 1 050 000 tokens, même effort de raisonnement réglable de « none » à « max ». Le fil Hacker News du lancement affiche 1 464 points et 698 commentaires : on parle prix, pas de percée scientifique.

La carte des menus

Les tarifs se facturent au token, via l'API. Sol : 2 dollars le million de tokens d'entrée, 10 dollars en sortie, lecture du cache à 0,20 dollar, écriture à 2,50 dollars. Luna : 0,10 dollar en entrée, 0,50 dollar en sortie, cache lu à 0,01 dollar, cache écrit à 0,125 dollar. Trois lignes discrètes changent la facture réelle plus que le titre. D'abord, les écritures de cache coûtent 1,25 fois le tarif d'entrée, pas zéro : un préfixe ne devient rentable qu'à la deuxième requête qui le réutilise. Ensuite, au-delà de 272 000 tokens d'entrée, c'est toute la requête qui bascule au tarif long, 4 dollars / 15 dollars pour Sol, 0,20 / 0,75 pour Luna. Enfin, la baisse de 50 pour cent est mesurée contre le tarif promotionnel de GPT-5.6, garanti « au moins jusqu'au 21 novembre 2026 », sans indication de la suite. Le batch et le mode Flex coupent la note de moitié ; le mode Fast la double.

Ce que la bête sait vraiment faire

Ne cherchez pas le nouveau modèle frontière : OpenAI l'écrit noir sur blanc, « GPT-6 Astra continue d'être notre meilleur modèle sur toute la ligne ». Sol est le palier code, revue, débogage et analyse de données ; Luna le palier résumé, extraction de champs et questions courtes, ces tâches répétées où personne ne relit la réponse. Trois chantiers réels accompagnent la baisse de prix. Le cache d'abord : taux de réussite plus élevés par défaut, 90 pour cent de remise sur la lecture des tokens en cache, points de rupture explicites pour décider où s'arrête le préfixe, et des contrôles qui modifient l'effort de raisonnement sans casser le cache. Le style ensuite : les deux modèles héritent du travail de communication d'Astra, moins de jargon, réponses légèrement plus courtes. L'alignement enfin, avec des évaluations internes où Sol et Luna font mieux que leurs équivalents GPT-5.6 sur les affirmations trompeuses liées au code.

Les couleuvres à avaler

Premier point que la plupart des articles ont aplati : ces deux modèles ne sont pas dans le chat classique de ChatGPT. Ils vivent dans ChatGPT Work et Codex, réservés aux offres Plus, Pro, Business, Enterprise et Edu ; les comptes Free et Go n'obtiennent que Luna, uniquement dans l'app desktop. Deuxième couleuvre, la plus contrariante pour le communiqué : sur deux graphiques de code et d'usage d'ordinateur sur trois, le prédécesseur garde le meilleur score absolu. Sur DeepSWE 1.1, GPT-5.6 Sol à « max » marque 72,7 pour cent contre 68,8 pour GPT-6 Sol ; sur OSWorld 2.0, 66,2 contre 64,4. Le successeur est plus de deux fois moins cher à la tâche, mais il ne bat pas l'ancien en points. Troisième piège, technique celui-là : en Chat Completions, le function calling ne fonctionne que si l'effort de raisonnement vaut « none », ce qui force les agents à migrer vers l'API Responses. Pas de fine-tuning, pas de Realtime, pas d'Assistants. Et il manque un barreau à l'échelle : la génération précédente comptait un modèle intermédiaire, Terra, qu'aucun GPT-6 Terra ne remplace pour l'instant.

Verdict

OpenAI vend une baisse de prix enrobée de marketing de comptable. Les 50 pour cent annoncés sont mesurés contre un tarif promotionnel lui-même issu d'une baisse de 80 pour cent annoncée fin juillet — et, détail qui en dit long sur la rigueur du communiqué, la baisse réelle de Luna en sortie est de 58,3 pour cent, pas 50. L'économie de 80 pour cent revendiquée sur DeepSWE se réduit à environ 17 pour cent face au concurrent réellement comparable. Mais pour qui raisonne en coût par tâche plutôt qu'en prix au token, la recette est limpide : Sol s'arrête à « xhigh », « max » rapportant 0,8 à 2,2 points pour 1,6 à 2,7 fois le prix ; Luna se lance à « max », son meilleur réglage partout ; et Astra reste le seul choix quand le résultat compte plus que le budget. Un excellent achat de volume, pas un progrès de frontière. ★★★★☆