ChatGPT 5.6 : prix et performances de Sol, Terra et Luna face aux LLM américains et chinois

OpenAI a fait passer sa nouvelle famille GPT-5.6 en disponibilité générale le 9 juillet 2026, avec trois versions baptisées Sol, Terra et Luna (source : TechCrunch, 9 juillet 2026). Sol dépasse Claude Fable 5 de 2,8 points sur le Coding Agent Index, à moins de la moitié des tokens. Ce dossier chiffre les prix officiels par million de tokens, les scores de benchmarks publiés, et la logique de routage face à Claude Opus 4.8, Gemini 3.1 Pro et à la vague chinoise DeepSeek V4, Kimi K2.6, Qwen 3.6.

L’essentiel : ChatGPT 5.6 s’articule autour de Sol ($5 / $30 par million de tokens), Terra ($2,50 / $15) et Luna ($1 / $6), avec Sol devant Claude Opus 4.8 et Fable 5 sur le codage agentique. DeepSeek V4-Flash reste 35 fois moins cher : le vrai enjeu HDVMA est la logique de routage par tâche, pas le choix d’un modèle unique.

Temps de lecture : 14 min

Mis à jour le 11 juillet 2026

Qu’est-ce que ChatGPT 5.6 et comment les versions Sol, Terra et Luna se distinguent-elles ?

ChatGPT 5.6 est le nom courant de la famille GPT-5.6 d’OpenAI, mise en disponibilité générale le 9 juillet 2026, composée de trois versions distinctes : Sol (le modèle phare), Terra (l’intermédiaire) et Luna (le rapide et le moins cher). La version majeure indique la génération, les noms Sol, Terra et Luna correspondent à des paliers de capacités qui pourront évoluer chacun à leur rythme.

Sol, Terra, Luna : trois profils d’usage

Sol est le tiers destiné aux problèmes durs : codage complexe, cybersécurité, raisonnement long, agents autonomes de plusieurs jours. Terra vise le travail quotidien : rédaction, extraction, résumés, agents standard. Luna cible les traitements volumineux et à faible latence : classification, extraction batch, tâches de soutien peu risquées.

Les trois modèles partagent le même contexte affiché de 1,05 million de tokens et une sortie maximum de 128 000 tokens. Dans l’API, l’alias gpt-5.6 route vers gpt-5.6-sol par défaut, ce qui oblige à basculer explicitement sur gpt-5.6-terra ou gpt-5.6-luna pour capter les gains de coûts.

Ultra et Sol Pro : les modes intensifs

OpenAI a ajouté deux modes de calcul intensif au-dessus de Sol : un mode Ultra activable dans Codex et ChatGPT Work qui pousse la puissance de raisonnement, et une variante Sol Pro réservée aux plans Pro et Enterprise. Ces modes ne changent pas la tarification affichée par million de tokens, mais ils consomment davantage de tokens internes, ce qui fait grimper la facture réelle par requête.

Contexte de 1,05 million de tokens : ce que ça change

Le contexte étendu ouvre trois usages concrets : lecture d’un référentiel de code complet en un seul appel, ingestion d’un rapport annuel entier, et compression de mémoires longues pour des agents qui suivent un projet sur plusieurs semaines. Attention aux effets de recall : au-delà de 200 000 tokens, la qualité des réponses baisse généralement, comme l’a documenté GPT-5 (Wikipedia).

Combien coûtent Sol, Terra et Luna par rapport aux abonnements ChatGPT ?

Deux univers cohabitent : la grille API par million de tokens, utilisée par les développeurs et les agents, et la grille des abonnements ChatGPT (Free, Go, Plus, Pro, Business, Enterprise), utilisée par les collaborateurs métier. Les deux ne renvoient pas au même modèle sous-jacent, et la confusion est fréquente.

Grille API : trois tiers, trois usages

OpenAI facture GPT-5.6 par million de tokens en entrée et en sortie, avec un tarif distinct pour les lectures depuis le cache (90 % de remise) et pour les écritures en cache (1,25 fois le tarif standard). Les prix officiels annoncés lors de la preview du 26 juin restent en vigueur en disponibilité générale.

Tarifs API GPT-5.6 par million de tokens (source : OpenAI, annonce du 26 juin 2026).

Modèle	Entrée	Sortie	Contexte	Sortie max
GPT-5.6 Sol	5,00 dollars	30,00 dollars	1,05 M tokens	128 000 tokens
GPT-5.6 Terra	2,50 dollars	15,00 dollars	1,05 M tokens	128 000 tokens
GPT-5.6 Luna	1,00 dollar	6,00 dollars	1,05 M tokens	128 000 tokens

Abonnements ChatGPT : le modèle réel dépend du plan

Les plans consommateurs et professionnels ne donnent pas tous accès à Sol par défaut. Free et Go tournent sur des versions Instant plus légères (typiquement GPT-5.2 et GPT-5.3). Plus, Pro, Business et Enterprise peuvent choisir entre Sol, Terra et Luna, et régler un niveau d’effort. Le mode Ultra est disponible à tous les utilisateurs qui ont accès à GPT-5.6 dans ChatGPT Work et Codex, et Ultra dans Codex démarre au plan Plus.

En pratique : combien coûte un mois d’agent Sol chez une PME ?

Une PME qui fait tourner un agent Sol sur 5 000 requêtes par mois, avec en moyenne 8 000 tokens en entrée et 2 000 tokens en sortie, dépense environ 340 dollars par mois hors caching (5 000 × 40 000 / 1 000 000 × 5 + 5 000 × 2 000 / 1 000 000 × 30 = 200 + 300 = 500 dollars). Le même volume sur Terra tombe à 250 dollars, sur Luna à 100 dollars, et sur DeepSeek V4-Flash à environ 6 dollars. L’écart n’est pas décoratif : il change la faisabilité du produit.

Quelles performances Sol affiche-t-elle face à Claude Opus 4.8, Fable 5 et Gemini 3.1 Pro ?

La communication d’OpenAI se concentre sur trois angles : le codage agentique, la cybersécurité et l’usage informatique (computer use). Les scores publiés par OpenAI le 9 juillet donnent Sol en tête sur plusieurs benchmarks, mais Anthropic conteste la comparaison sur SWE-Bench Pro et sur l’agentique multi-fichier, où Claude Opus 4.8 (annonce Anthropic) reste positionné en tête.

Le tableau des scores publiés

Scores de benchmarks publiés par les éditeurs à l’été 2026 (Sol lu depuis OpenAI, Opus 4.8 depuis Anthropic, Gemini 3.1 Pro depuis Google, DeepSeek V4-Pro depuis DeepSeek).

Modèle	Terminal-Bench 2.1	SWE-Bench Verified	SWE-Bench Pro	OSWorld
GPT-5.6 Sol	88,8 %	~ 87 % (annoncé)	Non publié	62,6 % (OSWorld 2.0)
GPT-5.6 Sol Ultra	91,9 %	Non publié	Non publié	Non publié
Claude Opus 4.8	74,6 %	88,6 %	69,2 %	83,4 % (OSWorld-Verified)
Gemini 3.1 Pro	70,3 %	80,6 %	54,2 %	76,2 %
DeepSeek V4-Pro	Non publié	~ 80,6 %	Non publié	Non publié

Sol contre Fable 5 : la comparaison OpenAI

OpenAI annonce que Sol dépasse Claude Fable 5 de 2,8 points sur le Coding Agent Index d’Artificial Analysis, tout en utilisant moins de la moitié des tokens de sortie et environ un tiers de coût en moins par tâche. Terra passerait juste au-dessus de Fable 5, et Luna au-dessus d’Opus 4.8 (source : TechCrunch, 9 juillet 2026, citant Artificial Analysis).

Opus 4.8 conserve l’avantage sur SWE-Bench Pro et l’agentique long

Les benchmarks les plus proches du codage réel (SWE-Bench Pro, GDPval-AA, MCP-Atlas) continuent de placer Opus 4.8 en tête, avec un écart de plus de 10 points face à Gemini 3.1 Pro et un avantage marqué en cohérence multi-fichier. Pour les projets où une erreur coûte cher (édition de codebase, contrats juridiques, comptes rendus médicaux), la question n’est pas seulement le prix du token mais le nombre de reprises nécessaires.

Pour appliquer chez vous : construire votre solution IA sur vos données réelles.

Où se situent les LLM chinois DeepSeek V4, Kimi K2.6, Qwen et GLM-5.1 ?

Le stack chinois a rattrapé une grande partie du retard de capacité en 2026, avec cinq modèles frontières notables : DeepSeek V4 (Flash et Pro), Kimi K2.6, Qwen 3.6 Max-Preview, MiniMax M2.7 et GLM-5.1. Deux de ces modèles (DeepSeek V4-Pro et Kimi K2.6) sont désormais en tête du classement Artificial Analysis des modèles à poids ouverts. Le vrai différentiateur reste le prix : entre 5 et 100 fois moins cher que Sol selon la version.

DeepSeek V4 : la référence prix

DeepSeek propose deux tarifs par million de tokens sur son API officielle : V4-Flash à 0,14 dollar en entrée et 0,28 dollar en sortie, V4-Pro à 0,435 / 0,87 dollar en promotion (tarif normal 1,74 / 3,48 dollar). Les lectures depuis le cache tombent à 0,0028 dollar par million, soit une remise de 98 % (source : DeepSeek API Docs). V4-Pro est un Mixture-of-Experts de 1,6 T de paramètres avec 49 milliards activés, contexte 1 million de tokens.

Kimi K2.6, Qwen 3.6, GLM-5.1 : les autres têtes de série

Kimi K2.6 (Moonshot AI) est le plus fort du groupe sur le codage agentique open weight, avec 58,6 % sur SWE-Bench Pro. Qwen 3.6 Max-Preview (Alibaba) reste la meilleure option multilingue, contexte 1 million de tokens. GLM-5.1 (Z.ai) est un 754 milliards de paramètres MoE sous licence MIT, entraîné sur des puces Huawei Ascend selon le contexte matériel chinois (Wikipedia).

En pratique : quand un LLM chinois est légitime pour une PME française

Le rapport prix / capacité justifie DeepSeek V4-Flash pour toutes les tâches à faible risque et fort volume (résumé, extraction, classification). Kimi K2.6 devient intéressant pour un pipeline de codage à budget contraint. Deux garde-fous : la résidence des données (auto-hébergement ou intermédiaire européen type Together AI pour la conformité RGPD), et le filtrage des sujets politiquement sensibles imposé par les modèles chinois.

Comment router les tâches entre modèles américains et chinois dans une PME ETI ?

Le mode d’emploi qui domine en 2026 n’est plus « choisir un modèle » mais « router chaque tâche vers le bon modèle », via une passerelle IA type LiteLLM ou Portkey. Trois axes gouvernent la décision : le coût par requête, le niveau de risque en cas d’erreur, et la sensibilité des données traitées.

Une matrice de décision par type de tâche

Grille de routage par type de tâche pour une PME ou ETI en 2026 (recommandations HDVMA).

Type de tâche	Modèle recommandé	Alternative moins chère
Codage agentique complexe, multi-fichier	Claude Opus 4.8 ou GPT-5.6 Sol	Kimi K2.6 pour un budget contraint
Rédaction, résumés, agent standard	GPT-5.6 Terra ou Claude Sonnet	DeepSeek V4-Flash
Extraction batch, classification, sous-agents	GPT-5.6 Luna	DeepSeek V4-Flash
Contexte long (rapports, code base)	Gemini 3.1 Pro (multimodal)	DeepSeek V4-Pro (1 M tokens)
Documents sensibles, souveraineté imposée	Mistral hébergé en local	Modèles open weight sur GPU privé

Trois erreurs fréquentes à éviter

Le premier piège consiste à intégrer un modèle chinois en secours sans rejouer la chaîne d’observation : les régressions passent inaperçues. Le second piège est d’optimiser le coût par token sans mesurer le nombre de reprises : un modèle bon marché qui échoue trois fois coûte plus cher qu’un modèle premium qui réussit du premier coup. Le troisième piège est de traiter le cache comme une commodité : la remise de 98 % sur DeepSeek change les modèles économiques d’agents à préfixe stable.

La couche de mesure : un impératif

Chaque appel doit être journalisé avec le modèle demandé, le modèle réellement servi, les tokens en entrée et en sortie, la latence, la raison d’un éventuel retry et l’horodatage. Sans cette couche d’observation, aucune décision de routage n’est reproductible. Une mise en production supervisée commence par cette journalisation.

Quels garde-fous conformité et souveraineté pour un déploiement en France ?

La question de la souveraineté n’est plus théorique en 2026 : le règlement européen sur l’intelligence artificielle applique ses obligations de transparence à partir du 2 août 2026, avec des sanctions financières importantes. Les entreprises françaises qui bâtissent un agent IA doivent croiser trois grilles : la résidence des données, la classification du système IA, et la traçabilité des décisions.

AI Act : les échéances qui concernent GPT-5.6

À partir du 2 août 2026 s’appliquent notamment les obligations de transparence de l’article 50 : signaler qu’un contenu est généré par une IA, qu’un utilisateur parle à un chatbot, et documenter les modèles d’usage général. Les obligations pour les systèmes à haut risque de l’annexe III, initialement prévues à cette date, sont reportées au 2 décembre 2027 sous réserve du Digital Omnibus. Les sanctions vont jusqu’à 35 millions d’euros ou 7 % du chiffre d’affaires mondial.

Choisir entre API cloud américaine, chinoise ou hébergement local

L’API OpenAI ou Anthropic depuis un compte européen offre la simplicité mais route les requêtes hors UE ; le choix se justifie pour les tâches non sensibles. Les API chinoises supposent un intermédiaire européen ou un auto-hébergement des poids ouverts pour respecter le RGPD. Un modèle Mistral hébergé sur infrastructure française reste la voie la plus courte vers une conformité intégrale, avec un plafond de capacité plus bas mais des perfs suffisantes pour la majorité des cas.

En pratique : le triage préalable à toute intégration

Avant d’appeler GPT-5.6 Sol ou DeepSeek V4-Flash, chaque projet mérite trois questions écrites : les données passées au modèle contiennent-elles des données personnelles au sens du RGPD ? Le système déclenche-t-il des décisions produisant des effets juridiques ? Un humain reste-t-il responsable de chaque décision ? Trois oui successifs imposent un dossier de conformité, une évaluation d’impact et une gouvernance formalisée ; le pilotage IA dans la durée : ROI et conformité devient l’étape suivante.

FAQ ChatGPT 5.6 face aux LLM américains et chinois

Qu’est-ce que ChatGPT 5.6 et comment les versions Sol, Terra et Luna se distinguent-elles ?

ChatGPT 5.6 est le nom courant de la famille GPT-5.6 d’OpenAI, mise en disponibilité générale le 9 juillet 2026, composée de trois versions distinctes : Sol (le modèle phare pour les problèmes complexes), Terra (l’intermédiaire pour le travail quotidien) et Luna (le rapide et le moins cher pour les traitements batch). Les trois partagent un contexte de 1,05 million de tokens et une sortie maximum de 128 000 tokens, avec des tarifs API différenciés qui vont de 1 à 5 dollars par million de tokens en entrée.

Combien coûte GPT-5.6 Sol par million de tokens ?

GPT-5.6 Sol est facturé 5 dollars par million de tokens en entrée et 30 dollars par million de tokens en sortie, selon la grille officielle OpenAI en vigueur depuis la preview du 26 juin 2026. Les lectures depuis le cache bénéficient d’une remise de 90 %, et les écritures en cache sont facturées 1,25 fois le tarif standard. Terra descend à 2,50 dollars en entrée et 15 dollars en sortie, Luna à 1 dollar en entrée et 6 dollars en sortie.

Sol dépasse-t-il vraiment Claude Opus 4.8 et Fable 5 ?

OpenAI annonce que Sol dépasse Fable 5 de 2,8 points sur le Coding Agent Index d’Artificial Analysis, tout en consommant moins de la moitié des tokens de sortie. Sur Terminal-Bench 2.1, Sol atteint 88,8 % et Sol Ultra 91,9 %, devant Opus 4.8 à 74,6 %. Mais Opus 4.8 garde l’avance sur SWE-Bench Pro (69,2 % contre 54,2 % pour Gemini 3.1 Pro) et l’agentique multi-fichier. Le résultat dépend du benchmark cible.

DeepSeek V4-Flash est-il vraiment 35 fois moins cher que Sol ?

Oui, sur la grille officielle par million de tokens. DeepSeek V4-Flash est facturé 0,14 dollar en entrée et 0,28 dollar en sortie, contre 5 dollars et 30 dollars pour Sol : soit un rapport d’environ 35 sur l’entrée et environ 100 sur la sortie. Les lectures depuis le cache descendent à 0,0028 dollar par million (remise de 98 %). Ces prix s’appliquent aux tâches à faible risque et fort volume, avec les précautions RGPD pour les données personnelles.

Faut-il choisir GPT-5.6, Claude Opus 4.8, Gemini 3.1 Pro ou un LLM chinois ?

La logique dominante en 2026 est le routage plutôt que le choix unique. Pour le codage agentique multi-fichier, Claude Opus 4.8 et Sol restent en tête. Pour la rédaction et les agents standards, Terra ou DeepSeek V4-Flash sont plus économiques. Pour les contextes très longs et le multimodal, Gemini 3.1 Pro reste compétitif. Pour la souveraineté française stricte, Mistral hébergé en local. Le bon geste consiste à cartographier les tâches et à associer chacune à son modèle.

Quelle version de ChatGPT donne accès à Sol pour les abonnés Plus ou Pro ?

Les abonnés Plus, Pro, Business et Enterprise peuvent choisir entre Sol, Terra et Luna, avec un niveau d’effort réglable. Le mode Ultra est disponible dans ChatGPT Work et Codex à tous les utilisateurs qui accèdent à GPT-5.6, et Sol Pro est réservé aux plans Pro et Enterprise. Free et Go tournent sur des versions Instant plus légères (GPT-5.2 et GPT-5.3 typiquement), sans accès direct à Sol. Le déploiement mondial complet a suivi l’annonce du 9 juillet 2026.

Comment router les appels entre plusieurs LLM pour une PME française ?

Le mode d’emploi éprouvé passe par une passerelle IA (LiteLLM, Portkey, ou solution maison) qui expose une API unique et achemine chaque requête vers le modèle adapté selon la tâche, la sensibilité et le budget. Chaque appel est journalisé (modèle demandé, modèle servi, tokens, latence, retry, horodatage). Cette couche d’observation rend les migrations de modèle réversibles et permet de mesurer l’écart réel entre annonces marketing et comportement en production sur les vrais prompts.

Les LLM chinois sont-ils conformes au RGPD et à l’AI Act ?

Directement, non : les API chinoises route les requêtes sur des serveurs hors UE, ce qui pose un problème de résidence des données pour les données personnelles au sens du RGPD. Les solutions praticables sont l’auto-hébergement des poids ouverts (DeepSeek, Kimi, GLM sous licence MIT ou Apache) sur GPU privé européen, ou le passage par un intermédiaire européen (Together AI, Fireworks) qui prend en charge la conformité. L’AI Act ajoute des obligations de transparence à partir du 2 août 2026.

Diagnostic IA gratuit
Nous contacter
Parler à Eric