- ▸ Prise en main : ce que vaut un aperçu en trois tailles
- ▸ Test en conditions réelles : la grille tarifaire à l'épreuve d'un vrai workload
- ▸ Forces & limites
- ▸ GPT-5.6 Sol face à Terra et Luna : le vrai comparatif
OpenAI a dévoilé GPT-5.6 le 26 juin 2026 en aperçu, décliné en trois tailles : Sol, Terra et Luna. J’ai épluché la grille tarifaire et la pile de sécurité annoncée. Verdict provisoire : Sol vise la puissance haut de gamme, Terra le rapport coût-performance, Luna l’entrée de gamme la plus accessible.
| Critère | Détail |
|---|---|
| Prix (Sol) | 5 $/M tokens entrée · 30 $/M tokens sortie |
| Déclinaisons | Sol, Terra, Luna (trois tailles) |
| Catégorie | LLM généraliste multi-tailles |
| Note Léo (préliminaire) | 7,5 / 10 |
Points clés – GPT-5.6 Sol est le modèle le plus puissant de la gamme, facturé 5 $ pour 1M de tokens d’entrée et 30 $ pour 1M de tokens de sortie. – Terra affiche des performances comparables à GPT-5.5 pour un coût deux fois inférieur, tandis que Luna descend à 1 $/M en entrée et 6 $/M en sortie. – GPT-5.6 Sol arrive avec la pile de sécurité la plus solide d’OpenAI à ce jour, avec des protections renforcées contre les usages à haut risque. – Cet article repose sur l’aperçu officiel du 26 juin 2026 : les performances n’ont pas encore été mesurées en conditions indépendantes.
Prise en main : ce que vaut un aperçu en trois tailles
Soyons clairs dès le départ. D’habitude, je teste un outil 30 jours avant d’écrire. Là, c’est impossible : GPT-5.6 a été dévoilé hier, le 26 juin 2026, dans un billet d’aperçu d’OpenAI. Cet article est donc une analyse de prise en main, pas un verdict de fond. Je vous le dis franchement plutôt que de vous vendre des chiffres de benchmark que je n’ai pas mesurés moi-même.
Ce que j’ai pu vérifier tient surtout dans la structure de l’offre. OpenAI ne sort pas un modèle, mais trois : Sol, Terra et Luna. C’est une logique de gamme, comme un constructeur qui aligne une berline, une compacte et une citadine sur la même plateforme. Selon l’annonce officielle d’OpenAI, Sol est présenté comme le modèle le plus puissant à ce jour.
J’ai surtout passé du temps sur la grille tarifaire, parce que c’est là que se jouent les vrais arbitrages quand on déploie un modèle en production. Et c’est là que l’aperçu devient intéressant à décortiquer. [capture: grille tarifaire GPT-5.6 avec les trois tailles Sol, Terra et Luna]
Test en conditions réelles : la grille tarifaire à l’épreuve d’un vrai workload
Faute de pouvoir mesurer la qualité des réponses sur la durée, j’ai fait ce que je sais faire en attendant : passer la facturation au tamis sur des charges de travail réalistes. Voici les tarifs confirmés par l’aperçu, par million de tokens.
Sol coûte 5 $ en entrée et 30 $ en sortie. Terra descend à 2,50 $ en entrée et 15 $ en sortie. Luna se pose à 1 $ en entrée et 6 $ en sortie. Sur les deux axes, Terra est exactement deux fois moins cher que Sol, et Luna cinq fois moins cher que Sol. C’est une grille propre, sans zone grise.
Pour rendre ça concret, j’ai simulé un mois d’usage typique d’une petite équipe : 10 millions de tokens en entrée et 2 millions en sortie. Le calcul est mécanique mais parlant.
- Sol : 10 × 5 + 2 × 30 = 50 + 60 = 110 $/mois.
- Terra : 10 × 2,50 + 2 × 15 = 25 + 30 = 55 $/mois.
- Luna : 10 × 1 + 2 × 6 = 10 + 12 = 22 $/mois.
L’écart est net. Pour une charge identique, passer de Sol à Terra divise la facture par deux, et descendre jusqu’à Luna la divise par cinq. La vraie question n’est donc pas « quel est le meilleur modèle », mais « à partir de quand la puissance de Sol justifie son surcoût ». [capture: tableau de simulation de coût mensuel pour les trois modèles]
J’ai aussi creusé un point souvent négligé : la mise en cache des prompts. L’aperçu indique que l’écriture en cache est facturée 25 fois le tarif d’entrée non mis en cache, tandis que les lectures en cache conservent la remise de 90 % sur l’entrée. Traduit pour Sol, cela donne une lecture en cache à 0,50 $/M, soit dix fois moins cher qu’une entrée standard. En revanche, l’écriture en cache se paie cher au moment où on l’effectue.
Concrètement, ce mécanisme n’a d’intérêt que si un même contexte est réutilisé un grand nombre de fois. Pour un agent qui rejoue en boucle un long préambule système identique, l’économie sur les lectures finit par écraser le coût d’écriture. Pour des appels uniques et variés, c’est l’inverse : la mise en cache devient un piège à facture. C’est le genre d’arbitrage que je recommande de modéliser avant d’activer l’option, pas après.
Sur le volet capacités, je m’en tiens à ce que dit l’aperçu, sans broder. OpenAI positionne GPT-5.6 sur des usages exigeants : programmation, biologie, cybersécurité. Terra est annoncé avec des performances comparables à GPT-5.5 pour un coût deux fois moindre, et Luna est présenté comme apportant une capacité solide au prix le plus bas de la gamme. Ce sont des promesses du constructeur, pas des mesures que j’ai validées. Je les vérifierai dès que l’accès stable le permettra. [capture: positionnement des cas d’usage annoncés par OpenAI pour GPT-5.6]
Dernier élément que je tiens à noter, parce qu’il est rare dans une annonce produit : la dimension sécurité. GPT-5.6 Sol est lancé avec la pile de sécurité la plus solide d’OpenAI à ce jour, avec des protections renforcées face aux activités à haut risque et aux demandes sensibles. Pour un développeur qui déploie un agent en production, ce n’est pas un détail cosmétique : c’est ce qui détermine si l’outil tient debout face à des entrées hostiles.
Forces & limites
Je résume ce qui ressort de cet aperçu, en distinguant ce qui est solide de ce qui reste à prouver.
Pour : – Offre lisible : trois tailles, des écarts de prix réguliers (×2 entre chaque palier), pas de grille alambiquée. – Entrée de gamme agressive : Luna à 1 $/M en entrée ouvre la porte à des volumes massifs sans exploser le budget. – Sécurité mise en avant : la pile de sécurité la plus robuste annoncée par OpenAI, un argument rare et concret pour la production. – Cache lucratif sur le bon usage : la remise de 90 % en lecture récompense fortement les contextes très réutilisés.
Contre : – Performances non vérifiées : aucun chiffre de benchmark indépendant à ce jour, tout repose sur l’annonce. – Sol coûteux en sortie : 30 $/M, soit le double de Terra, à réserver aux tâches où la qualité paie vraiment. – Écriture en cache punitive : 25× le tarif d’entrée, un coût qui pénalise les usages à faible réutilisation. – Disponibilité encore floue : c’est un aperçu, le calendrier de mise à disposition générale n’est pas communiqué.
GPT-5.6 Sol face à Terra et Luna : le vrai comparatif
Je n’ai pas de tarifs à jour de la concurrence directe dans mes sources, donc je ne vais pas inventer une colonne ChatGPT contre Claude. Le comparatif honnête, ici, oppose les trois tailles entre elles. C’est d’ailleurs le choix réel auquel font face les équipes : Sol, Terra ou Luna.
| Critère | Sol | Terra | Luna |
|---|---|---|---|
| Prix entrée (1M tokens) | 5 $ | 2,50 $ | 1 $ |
| Prix sortie (1M tokens) | 30 $ | 15 $ | 6 $ |
| Positionnement annoncé | Le plus puissant | Comparable à GPT-5.5, 2× moins cher | Capacité solide au coût le plus bas |
| Cible | Tâches critiques | Production courante | Volumes massifs |
Lecture rapide : Terra est le pivot de la gamme. S’il tient sa promesse de performance proche de GPT-5.5 pour moitié prix, il deviendra le choix par défaut de la plupart des charges. Sol se justifie quand la qualité de sortie a une valeur métier directe, et Luna prend tout son sens dès que le volume devient le facteur dominant.
Verdict : note préliminaire de 7,5 / 10
Sur la base de cet aperçu seul, je place GPT-5.6 à 7,5 / 10. La gamme est claire, la sécurité est mise au premier plan, et l’échelonnement des prix donne de vrais leviers d’optimisation. Je retiens un demi-point parce qu’aucune performance n’est encore mesurable de façon indépendante, et un autre demi-point parce que la disponibilité reste à préciser. En un mot : prometteur, à confirmer. Je remettrai cette note à jour dès que j’aurai poussé Sol, Terra et Luna sur mes cas réels.
Pour qui ?
Profils utilisateurs – L’équipe produit exigeante : Sol pour les tâches où la qualité de sortie a un coût d’erreur élevé (specs, code critique). – Le dev backend pragmatique : Terra comme cheval de trait, à surveiller dès qu’il sera benchmarké face à GPT-5.5. – L’ops à gros volume : Luna pour les pipelines massifs où chaque centime par million de tokens compte.
FAQ
Quel est le coût de GPT-5.6 Sol par rapport aux autres tailles ?
Sol est le palier le plus cher : 5 $ par million de tokens en entrée et 30 $ en sortie. Terra coûte exactement moitié moins (2,50 $ et 15 $), et Luna cinq fois moins que Sol (1 $ et 6 $). À charge égale, descendre de Sol à Luna divise la facture par cinq, selon les tarifs de l’aperçu officiel.
À quoi sert GPT-5.6 Sol concrètement ?
OpenAI positionne GPT-5.6 sur des usages exigeants comme la programmation, la biologie et la cybersécurité. Sol vise les tâches critiques où la qualité prime. À ce stade, ce sont les cas d’usage annoncés par le constructeur : je n’ai pas encore mesuré ces capacités en conditions indépendantes, et je le ferai dès l’accès stable.
Quelle différence entre Sol, Terra et Luna ?
Trois tailles, une même logique de gamme. Sol est le modèle le plus puissant et le plus cher. Terra offre des performances annoncées comparables à GPT-5.5 pour deux fois moins cher. Luna apporte une capacité solide au coût le plus bas de la gamme. Le choix dépend de votre arbitrage entre qualité de sortie et volume traité.
Pour aller plus loin, voyez aussi notre décryptage du prix des LLM en 2026, notre guide de la mise en cache de prompts et notre dossier sur la sécurité des modèles de langage. L’aperçu complet reste consultable dans le billet officiel d’OpenAI consacré à GPT-5.6.
