OpenAI lance GPT-6 Sol et Luna à moitié prix et relance la guerre des coûts de l'IA de pointe

24 sept. 2026 4 min de lecture 1719 vues Technologie
Technologie

Le 22 septembre 2026, OpenAI a lancé GPT-6 Sol et GPT-6 Luna, deux nouveaux modèles dont le principal argument n'est pas seulement la puissance, mais le prix : tous deux coûtent environ moitié moins que GPT-5.6 dans l'API. Sol passe à 2 $ par million de tokens en entrée et 10 $ par million en sortie, et Luna, le modèle léger, s'établit à 0,10 $ et 0,50 $ respectivement.

Ce lancement intervient seulement 19 jours après GPT-6 Astra, au cours d'une semaine particulièrement chargée : Anthropic a publié Opus 5.5 à des tarifs plus bas et Google a présenté Gemini 4 Argon, orienté vers le raisonnement complexe et la cyberdéfense. Le constat est clair : la compétition sur l'IA de pointe ne se joue plus seulement sur les benchmarks, mais sur le coût de chaque tâche résolue.

Contexte de la semaine

Selon MarkTechPost, Technology Org et Digital Applied, les deux modèles ont été déployés progressivement tout au long du 22 septembre. Sol est le modèle phare, conçu pour les longues tâches d'agents et de programmation ; Luna est la version efficace pour les gros volumes. Tous deux offrent une fenêtre de contexte d'environ un million de tokens. Il faut garder à l'esprit que les chiffres de performance publiés proviennent surtout des supports de lancement d'OpenAI et n'ont pas encore fait l'objet d'une vérification indépendante approfondie.

Ce qui a changé

  • Prix divisé par deux : Sol passe de 4 $/20 $ à 2 $/10 $ par million de tokens (entrée/sortie) par rapport à GPT-5.6. L'entrée mise en cache coûte 0,20 $ par million.
  • Luna, encore moins cher : 0,10 $ en entrée et 0,50 $ en sortie par million de tokens, soit une baisse d'environ 58 % en sortie.
  • Modificateurs de prix : les modes Batch et Flex coûtent moitié moins, le mode Fast le double, et les requêtes de plus de 272 000 tokens en entrée sont majorées (2× en entrée et 1,5× en sortie).
  • Programmation : sur DeepSWE v1.1, Sol atteint 68,8 % et Luna 66,6 %, proches des meilleurs modèles concurrents selon OpenAI.
  • Utilisation d'ordinateur et automatisation : Sol obtient 60,5 % sur OSWorld 2.0 et 33,2 % sur AutomationBench, pour un coût par tâche bien inférieur à celui de ses rivaux, toujours selon les données d'OpenAI.

Impact pour les équipes de développement et de produit

Pour ceux qui construisent des produits sur des LLM, une baisse de 50 % change l'équation de nombreux cas d'usage jusqu'ici non rentables : agents enchaînant des dizaines d'appels, traitement massif de documents ou assistants de code travaillant pendant des heures. Luna, en particulier, rend viable l'utilisation d'un modèle raisonnablement performant pour des tâches à fort volume comme la classification, l'extraction ou le routage. En parallèle, avec trois lancements majeurs la même semaine, dépendre d'un seul fournisseur est plus risqué que jamais : les prix et les classements évoluent en quelques jours, et les benchmarks publiés par chaque laboratoire ne sont pas directement comparables.

Recommandations pratiques

  1. Recalculer le coût par tâche des flux actuels avec les nouveaux tarifs, en incluant le cache, le mode Batch et la majoration pour les contextes longs.
  2. Évaluer Sol et Luna sur votre propre jeu de tests avant de migrer : les benchmarks de l'éditeur sont un point de départ, pas une garantie.
  3. Classer les tâches par difficulté et router les plus simples vers Luna et les plus complexes vers Sol (ou vers des modèles d'autres fournisseurs).
  4. Conserver une couche d'abstraction au-dessus du fournisseur de modèles pour pouvoir changer rapidement selon le prix et la qualité.
  5. Surveiller les requêtes de plus de 272 000 tokens : la majoration peut annuler une bonne partie des économies si la taille du contexte n'est pas maîtrisée.

Ce qu'il faut surveiller ensuite

  • Des évaluations indépendantes qui confirment (ou non) les chiffres de DeepSWE, OSWorld et AutomationBench.
  • La réponse tarifaire d'Anthropic et de Google après le mouvement d'OpenAI.
  • L'arrivée de GPT-6.1, le successeur prévu de GPT-6 Astra.
  • Les évolutions des limites d'utilisation et de la disponibilité régionale des nouveaux modèles.

Conclusion : GPT-6 Sol et Luna ne sont pas simplement deux modèles de plus : ils signalent que l'IA de pointe entre dans une phase de baisse de prix agressive. Pour les équipes techniques, l'opportunité consiste à identifier les cas d'usage qui deviennent rentables et à concevoir des architectures capables de tirer parti de la concurrence entre fournisseurs plutôt que de rester liées à un seul.

Sources et documentation

Partager