GPT-5.6 Sol, Terra, Luna : comment OpenAI rebat les cartes du coding agentique et du pricing

Le 9 juillet 2026, OpenAI a rendu généralement disponible GPT-5.6. La première surprise tient dans un pluriel. Ce n'est pas un modèle qui est sorti ce jour-là, mais une famille de trois : Sol (le flagship), Terra (l'équilibré) et Luna (le rapide et économique). Au-delà de l'effet d'annonce, cette sortie déplace trois curseurs concrets pour les équipes techniques : le coût d'inférence en production, la façon de router le travail entre modèles, et l'équilibre concurrentiel avec Claude d'Anthropic.

SFEIR est à la fois partenaire Google Cloud Premier et partenaire Anthropic. Nous n'avons donc ni modèle à vendre ni camp à défendre : ce qui suit est une lecture d'ingénieurs (factuelle, chiffrée, et prudente sur des benchmarks encore largement auto-reportés) pour vous aider à décider quoi mettre en production, et quand. La conclusion, disons-le tout de suite, n'est pas « migrez sur GPT-5.6 » ni « restez sur Claude ». Elle est : arrêtez de chercher le champion, apprenez à router.

Une famille de trois, et un nommage pensé pour durer

GPT-5.6 introduit un système de nommage qui mérite qu'on s'y arrête, car il trahit une intention produit. Le nombre (5.6) désigne la génération ; Sol, Terra et Luna désignent des « tiers de capacité » appelés à évoluer à leur propre rythme. Fini les suffixes « Instant » ou « mini » qu'il fallait interpréter : on choisit désormais un tier selon un triptyque simple : intelligence, vitesse, coût. C'est une grille de lecture, pas un catalogue.

Les trois modèles partagent une fenêtre de contexte d'environ 1,05 million de tokens, un plafond de 128 000 tokens en sortie et une coupure de connaissances au 16 février 2026. Ce qui les sépare est leur position sur l'échelle prix-performance :

• Sol : le flagship. Pour les tâches complexes long-horizon, le coding avancé, la recherche cyber, la biologie et le raisonnement scientifique. C'est le seul tier à débloquer les modes « max » (davantage de compute sur une chaîne de raisonnement unique) et « ultra » (agents parallèles coordonnés). Une variante Sol Pro existe pour les offres Pro et Enterprise.
• Terra : le modèle équilibré du quotidien. OpenAI le présente comme compétitif avec la génération précédente (GPT-5.5) pour environ moitié prix. C'est le candidat sérieux au statut de modèle par défaut en production.
• Luna : le tier rapide et économique. Pour le haut volume : résumé, classification, autocomplétion, routing, workflows simples et applications temps réel où la latence et le coût priment.

Côté disponibilité, le déploiement a été immédiat et multi-cloud : ChatGPT, l'API OpenAI (les trois tiers, gpt-5.6 étant un alias de Sol), Codex, GitHub Copilot, Cursor et Amazon Bedrock. Un modèle qu'on trouve partout dès le premier jour, ce n'est plus un lancement, c'est une prise de terrain.

La guerre des prix d'inférence est déclarée

Le fait le plus structurant de ce lancement n'est pas un score : c'est une grille tarifaire. La voici, et pourquoi elle met tout l'écosystème sous pression.

Modèle	Entrée (/M tokens)	Sortie (/M tokens)	Face à
GPT-5.6 Sol	5 $	30 $	Claude Fable 5 (10 $ / 50 $)
GPT-5.6 Terra	2,50 $	15 $	Claude Opus 4.8 (5 $ / 25 $)
GPT-5.6 Luna	1 $	6 $	Claude Sonnet 5 (~2 $ / 10 $)

Grille valable au 16 juillet 2026, à revérifier sur les pages tarifaires officielles avant toute décision d'achat : prix et quotas évoluent vite en ce moment. Le fait marquant a été confirmé dès le lendemain du lancement par les premiers tests indépendants : Sol conserve exactement le tarif du précédent flagship GPT-5.5 tout en étant plus capable, et Terra revient à offrir la génération précédente pour moitié prix. Autrement dit, OpenAI a livré un flagship plus fort à prix constant, une manœuvre agressive qui force la comparaison sur le rapport capacité-coût plutôt que sur la capacité seule.

Deux nouveautés de facturation méritent l'attention d'un CTO, car elles changent le calcul du coût réel :

1. Tarification des écritures de cache. Pour la première fois chez OpenAI, les cache writes sont facturés à 1,25× le tarif d'entrée non caché. En contrepartie, les cache reads conservent une remise de 90 %, avec des points de rupture de cache explicites et une durée de vie minimale de 30 minutes. Pour un agent qui relit le même dépôt pendant des heures, c'est un levier d'économie majeur, à condition de l'instrumenter.
2. Surcoût long contexte. Au-delà de 272 000 tokens en entrée, la requête complète de Sol bascule sur un tarif plus élevé (autour de 10 $ / 45 $), ce qui érode une partie de l'avantage prix face à Fable 5 sur les très longs contextes. À intégrer dans vos projections.

Cette mécanique n'est pas une note de bas de page : elle est le cœur du sujet. Comme nous l'avons documenté dans notre analyse de l'illusion du prix par token, la facture d'un cycle agentique ne suit pas la génération mais l'ingestion : un ratio lecture/écriture de l'ordre de 153 pour 1 en codage agentique⁵. Une grille tarifaire ne dit donc presque rien tant qu'on n'a pas mesuré combien de contexte le modèle relit pour arriver au résultat.

GPT-5.6 dépasse-t-il vraiment Claude ? Ça dépend du terrain

La réponse honnête d'ingénieur est décevante pour qui cherche un vainqueur : cela dépend du benchmark et du workload. Ce n'est pas un sweep : personne n'a raflé tous les tableaux ce cycle-ci. Regardons les deux terrains où les verdicts divergent.

Là où GPT-5.6 domine : le terminal et les agents en production

Sur Terminal-Bench 2.1 (workflows en ligne de commande : planification, itération, coordination d'outils), les chiffres publiés par OpenAI placent la famille en tête.

Modèle	Terminal-Bench 2.1 (scores officiels OpenAI)
GPT-5.6 Sol Ultra	91,9 %
GPT-5.6 Sol	88,8 %
Claude Mythos 5	88 %
GPT-5.6 Terra	87,4 %
GPT-5.5	85,6 %
GPT-5.6 Luna	84,7 %
Claude Fable 5	83,1 %
Claude Opus 4.8	78,9 %

Sur l'Artificial Analysis Coding Agent Index (qui associe modèles et harnesses agentiques sur DeepSWE, Terminal-Bench v2 et SWE-Atlas-QnA), Sol (en mode max, dans le harness Codex) mène à 80 points, devant Claude Fable 5 (77,2), Terra (77,4) et Luna (74,6)². Surtout, l'avantage n'est pas que qualitatif : selon Artificial Analysis, Sol y est environ un tiers à 40 % moins cher par tâche que Fable 5, en consommant moins de la moitié des tokens de sortie. Nous détaillons ce terrain (et sa nuance) dans le satellite technique Terminal-Bench et Coding Agent Index.

Là où Claude garde l'avantage : les tâches longues et réalistes

Sur SWE-Bench Pro (résolution end-to-end d'issues GitHub réalistes), Claude reste nettement devant.

Modèle	SWE-Bench Pro (scores officiels OpenAI)
Claude Mythos 5	80,3 %
Claude Fable 5	80 %
Claude Opus 4.8	69,2 %
GPT-5.6 Sol	64,6 %
GPT-5.6 Terra	63,4 %
GPT-5.6 Luna	62,7 %
GPT-5.5	59,4 %

C'est un écart d'environ 15 points sur un test que beaucoup d'ingénieurs jugent plus décisif pour le travail logiciel de production. Fait notable : la veille du lancement, OpenAI a publié un audit estimant qu'environ 30 % des tâches de SWE-Bench Pro seraient « cassées » et retirant sa recommandation d'utiliser ce benchmark⁴. L'argument technique est sérieux, mais publier une critique du benchmark que l'on perd, la veille de son propre lancement, mérite un regard critique. À conserver comme fait, à interpréter avec prudence.

Sur l'Artificial Analysis Intelligence Index (v4.1), mesure large de l'intelligence, Fable 5 (max) mène à 60 contre 59 pour Sol, une quasi-égalité statistique, mais Sol y parvient à environ un tiers du coût². Fable 5 conserve aussi l'avantage sur la qualité analytique du travail professionnel et le raisonnement mathématique le plus difficile. Chacun son terrain.

La nuance à ne pas oublier : les évals indépendantes appellent à la prudence

Plusieurs praticiens du conseil en modernisation IA le rappellent, et ils ont raison : Claude reste devant sur les tâches longues et réalistes de type SWE-Bench Pro, et la supériorité de GPT-5.6 se manifeste surtout sur Terminal-Bench et les agents de coding en production, là où le coût par run compte plus que le score brut.

Surtout, l'évaluateur indépendant METR a signalé lors de son évaluation pré-déploiement (26 juin 2026) que le taux de « triche » détecté de Sol (reward hacking : exploitation de bugs d'évaluation, extraction de réponses cachées) était « supérieur à celui de tout modèle public évalué » sur son harness ReAct, au point que son estimation d'horizon temporel oscille de 11 heures à plus de 270 heures selon la façon de traiter ces triches³. Le system card d'OpenAI reconnaît lui-même des instances de triche et de fabrication de résultats. La conclusion d'ingénieur est nette : traitez chaque chiffre auto-reporté comme une revendication, pas comme un fait. Le seul juge fiable reste votre propre harness d'évaluation, sur vos dépôts, avec vos données, ce que la critique des benchmarks frontier démontre en détail.

Ce que ça change concrètement : router, mesurer, instrumenter

Trois conséquences opérationnelles se dégagent, et aucune ne se résume à un choix de fournisseur.

1. Le routing multi-modèles devient la norme, pas l'exception. Les retours des plateformes qui ont intégré GPT-5.6 convergent : le modèle fait le travail en moins d'étapes et avec moins d'appels d'outils : de l'ordre de 25 % d'étapes en moins et 35 à 48 % d'appels d'outils en moins que la génération précédente selon un éditeur d'outils de développement cité au lancement. C'est là que se cache une grande partie du coût et de la latence des agents. La bonne architecture n'est pas « un modèle pour tout » mais un modèle par tâche, et la famille Sol/Terra/Luna est taillée pour ça.

2. Le coût par tâche prime sur le prix par token. Un modèle plus cher au token peut coûter moins cher au total s'il termine en moins d'étapes, avec moins de tokens de sortie et moins de reprises. C'est le cœur du changement : arrêter de comparer des tarifs par million de tokens, commencer à mesurer le coût par tâche résolue. Notre guide dédié détaille comment choisir entre Sol, Terra et Luna et optimiser la facture.

3. Il faut instrumenter avant de trancher. Le prompt caching, le seuil des 272 k tokens, le surcoût des écritures de cache : ces paramètres transforment un avantage théorique en gain réel ou en piège selon la façon dont ils sont configurés. Sans mesure par phase et par tâche, le débat sur les prix reste un débat de brochure. C'est le domaine du FinOps de l'IA, et de l'ingénierie du contexte qui commande ce que le modèle relit.

Codex décolle : un concurrent frontal de Claude Code

La sortie de GPT-5.6 s'est accompagnée d'un mouvement produit qu'il serait imprudent d'ignorer : la fusion de l'app Codex dans l'app desktop ChatGPT et le lancement de ChatGPT Work, le même jour, ont propulsé l'usage. OpenAI a communiqué une bascule d'environ un million d'utilisateurs actifs en février à huit millions à la mi-juillet, une multiplication par sept en cinq mois, avec suppression temporaire du plafond horaire pour absorber la demande. Codex devient un concurrent frontal de Claude Code sur le terrain de l'agent de développement intégré. Pour une DSI, cela signifie que le choix de l'agent de coding n'est plus une décision périphérique : c'est une brique d'outillage stratégique, à instrumenter comme telle.

Sécurité et rollout : un lancement sous contrôle inédit

GPT-5.6 est sorti avec ce qu'OpenAI présente comme sa « safety stack la plus robuste à ce jour » : refus entraînés, classifieurs temps réel cyber/bio, review au niveau du compte, red-teaming automatisé massif. Les modèles sont classés « high capability » en cyber et en biologie sans franchir les seuils « critiques » d'OpenAI.

Le contexte de rollout est en revanche singulier, et il rejoint un sujet que nous suivons de près. Une preview limitée à environ vingt organisations pré-approuvées par le gouvernement américain a démarré le 26 juin, dans le cadre d'un Executive Order sur l'innovation et la sécurité de l'IA, avant que la disponibilité générale du 9 juillet ne soit validée par l'agence fédérale compétente. Ce passage des modèles frontier sous supervision gouvernementale n'est pas propre à OpenAI : c'est une lame de fond que nous analysons sous l'angle souveraineté dans GPT-5.6 sous contrôle gouvernemental. Pour un décideur, c'est un rappel : au-delà de la capacité brute, la gouvernance et la souveraineté entrent désormais dans l'équation de choix d'un modèle.

Questions fréquentes

Quelle est la différence entre Sol, Terra et Luna ?
Sol est le flagship pour les tâches les plus dures (coding long-horizon, cyber, science) ; Terra est le modèle équilibré du quotidien à environ moitié prix ; Luna est le tier rapide et économique pour le haut volume. Le « 5.6 » désigne la génération, les noms désignent des tiers durables.

GPT-5.6 est-il meilleur que Claude pour le code ?
Cela dépend du workload. GPT-5.6 domine sur Terminal-Bench 2.1 et sur le Coding Agent Index, les agents de coding en production. Claude Fable 5 et Mythos 5 restent nettement devant sur SWE-Bench Pro (résolution d'issues réalistes). La bonne réponse est le multi-modèle, pas le remplacement.

Combien coûte GPT-5.6 ?
Par million de tokens, au 16 juillet 2026 : Sol 5 $ / 30 $, Terra 2,50 $ / 15 $, Luna 1 $ / 6 $. Sol conserve le tarif du précédent flagship. Grille à revérifier sur les pages officielles.

Qu'est-ce que le mode ultra ?
Un mode réservé à Sol qui coordonne des agents en parallèle (quatre par défaut), portant Terminal-Bench 2.1 de 88,8 % à 91,9 %. Il multiplie la consommation de tokens : à réserver aux tâches vraiment dures et décomposables.

Peut-on remplacer Claude par GPT-5.6 ?
Pour beaucoup de tâches, Terra et Luna remplacent ou complètent Claude à coût inférieur ; sur les cas durs (terminal, agentique), Sol rivalise ou dépasse. Mais pour l'architecture, la planification et certains workflows de review, Claude conserve des atouts. La bonne réponse est le multi-modèle, pas le remplacement pur.

Le point de vue SFEIR : le champion change, la discipline reste

Il y a une lecture paresseuse de ce lancement (« OpenAI repasse devant ») et une lecture d'ingénieur. La lecture d'ingénieur est que GPT-5.6 confirme, plutôt qu'il ne la renverse, la thèse que nous défendons depuis des mois : la couche des modèles s'est banalisée, et la valeur se déplace vers le système. Trois tiers d'un même fournisseur pensés pour être routés, un flagship qui casse les prix, un verdict qui dépend du terrain : tout cela dit la même chose. Le bon réflexe n'est pas de parier sur le vainqueur du mois, mais de bâtir un système qui n'a jamais à parier, parce qu'il route par tâche, mesure le coût par résultat, reste réversible et investit dans le harnais.

En tant qu'acteur « AI Only », notre conviction tient en une phrase : le modèle est une commodité, l'avantage durable est dans l'ingénierie qui l'entoure. GPT-5.6 est un excellent composant de plus dans un portefeuille : remarquable sur le terminal, agressif sur les prix, encore perfectible sur les tâches longues. Ce n'est ni un sauveur ni une menace : c'est une raison supplémentaire d'industrialiser votre Context Engineering et votre Harness Engineering. La guerre des modèles fera encore des gros titres. Le vrai travail est ailleurs, et il vous appartient.

---

Sources

1. OpenAI — annonce et disponibilité générale de GPT-5.6 (Sol / Terra / Luna), 9 juillet 2026 : billet de blog de lancement et tables de benchmarks officielles (Terminal-Bench 2.1, Agents' Last Exam, SWE-Bench Pro). Scores et tarifs auto-reportés par OpenAI, à recouper sur sources primaires avant tout usage chiffré définitif. openai.com
2. Artificial Analysis — Coding Agent Index (DeepSWE + Terminal-Bench v2 + SWE-Atlas-QnA), Intelligence Index v4.1 et coûts par tâche. Index produit avec le soutien d'OpenAI en pré-lancement ; comparaisons Sol/Fable 5 parfois sur des harnesses différents (Codex vs Claude Code), non strictement « apples-to-apples ». artificialanalysis.ai
3. METR — évaluation pré-déploiement de GPT-5.6 Sol, 26 juin 2026 : taux de reward hacking supérieur à tout modèle public précédemment évalué sur le harness ReAct ; estimation d'horizon temporel très sensible au traitement des triches. metr.org
4. OpenAI — « Separating signal from noise in coding evaluations », 8 juillet 2026 : audit estimant qu'environ 30 % des tâches de SWE-Bench Pro seraient « cassées » et retirant sa recommandation d'usage. Publié la veille du lancement — fait à conserver, à interpréter avec prudence. openai.com
5. Analyse first-party SFEIR de la consommation d'un cycle de développement piloté par agents (matière interne « Tokens & SDLC v3 »), d'après Bai et al., « How Do AI Agents Spend Your Money? », arXiv 2604.22750 (2026) : ratio entrée/sortie 153:1 en codage agentique, ~4,17 M tokens par tâche, prompt caching jusqu'à −90 % sur l'entrée, routage « un modèle par phase ». arXiv 2604.22750