La guerre des prix : GPT-6 Sol et Luna à moitié prix, lâchés 90 minutes après Claude Opus 5.5
🔎 90 minutes. C'est tout ce qu'Anthropic a eu.
Le 22 septembre 2026 entrera dans l'histoire courte de l'IA comme la journée où la guerre des prix est devenue totale. Anthropic publie Claude Opus 5.5 à 4 $/20 $ par million de tokens — soit déjà 40 % de moins qu'Opus 5. Le blog post est à peine en ligne qu'OpenAI frappe : GPT-6 Sol et GPT-6 Luna débarquent dans l'API, Codex et ChatGPT, à moitié prix.
Les chiffres sont brutaux. Sol passe de 4 $/20 $ (le tarif promo de GPT-5.6) à 2 $/10 $. Luna de 0,20 $/1,20 $ à 0,10 $/0,50 $, soit −58 % sur l'output. Et contrairement aux habitudes de la maison, un porte-parole d'OpenAI assure que ce pricing est permanent, pas promotionnel.
Pourquoi maintenant ? Parce que la course au frontier a changé de nature. Elle ne se joue plus uniquement sur qui est le plus intelligent, mais sur qui coûte le moins cher par tâche accomplie. Ce matin-là, OpenAI a décidé d'écrire la nouvelle règle du jeu : le même niveau de performance, deux fois moins cher, lancé une heure et demie après le concurrent.
L'essentiel
- GPT-6 Sol : 2 $/10 $ par million de tokens (input/output), moitié du tarif promo de GPT-5.6 Sol (4 $/20 $). Pricing présenté comme permanent (septembre 2026).
- GPT-6 Luna : 0,10 $/0,50 $, soit −58 % sur l'output face à GPT-5.6 Luna (0,20 $/1,20 $).
- Lancement 90 minutes après Claude Opus 5.5 (4 $/20 $), le même jour. Le timing est un message, pas une coïncidence.
- Moitié moins d'erreurs factuelles : 4,6 % pour GPT-6 Sol contre 8,5 % pour GPT-5.6 Sol, confirmé par les mesures indépendantes de MetricNexus (2026).
- Mais Sol régresse sur deux benchmarks agents : DeepSWE v1.1 (68,8 % contre 72,7 %) et OSWorld 2.0 offline (64,4 % contre 66,2 %). La migration mérite des tests.
- Coût par tâche en chute libre : de −45 % à −94 % selon les benchmarks (Artificial Analysis, MetricNexus, 2026).
- Pas de GPT-6 Terra. Pas de fine-tuning. Contexte de 1,05 M tokens, output maximum 128k.
Outils recommandés
| Modèle | Usage principal | Prix API (septembre 2026, vérifiez sur openai.com et anthropic.com) | Idéal pour |
|---|---|---|---|
| GPT-6 Sol | Code complexe, agents | 2 $/10 $ /M tokens | Le frontier au prix d'un mid-tier |
| GPT-6 Luna | Travail de masse | 0,10 $/0,50 $ /M tokens | Pipelines volume, classification, résumé |
| Claude Opus 5.5 | Coding agent | 4 $/20 $ /M tokens | Terminal-Bench 4.0 (66,4 %), OSWorld 2.0 (81,8 %) |
| GPT-6 Astra | Recherche, cas extrêmes | 10 $/50 $ /M tokens | Quand Sol ne suffit plus |
| GPT-5.6 Sol | Transition budgétaire | 4 $/20 $ (promo) | Garde son tarif jusqu'au 21 novembre 2026 minimum |
Pour trancher selon votre usage précis, notre comparatif mensuel des meilleurs LLM est mis à jour à chaque sortie majeure.
Les tarifs, ligne par ligne
Réponse directe : GPT-6 Sol coûte 2 $ l'input et 10 $ l'output par million de tokens. GPT-6 Luna, 0,10 $ et 0,50 $. Et OpenAI présente ces tarifs comme permanents, pas comme une promo à durée limitée.
Voici le détail complet, croisé entre MetricNexus, NotesByLex et Codersera (septembre 2026) :
| Tarif (par million de tokens) | GPT-6 Sol | GPT-6 Luna | Claude Opus 5.5 |
|---|---|---|---|
| Input | 2 $ | 0,10 $ | 4 $ |
| Output | 10 $ | 0,50 $ | 20 $ |
| Cache read | 0,20 $ | 0,01 $ | 0,20 $ |
| Cache write | 2,50 $ | 0,125 $ | — |
Sur l'input et l'output non-cachés, Sol est donc deux fois moins cher qu'Opus 5.5. Luna est littéralement 40 fois moins chère qu'Opus 5.5 sur l'output. C'est le nouveau plancher du marché, et il a été fixé en une matinée.
Les conditions qui changent la facture
Trois subtilités à connaître avant de migrer :
- Prompts de plus de 272K tokens : input et cache facturés au double, output à 1,5×. Le contexte de 1,05 M tokens a un prix.
- Batch et Flex : −50 %. Mode Fast : ×2. À vous de choisir entre vitesse et budget.
- Pas de fine-tuning sur la famille GPT-6, et des rate limits Tier 1 à 500 RPM / 500K TPM (Codersera, 2026).
Les IDs à retenir : gpt-6-sol et gpt-6-luna. Contexte 1,05 M tokens, output max 128k. Côté connaissance : avril 2026 pour Sol, mai 2026 pour Luna.
90 minutes après Opus 5.5 : la coïncidence qui n'en est pas une
Réponse directe : non, ce n'est pas une coïncidence, et OpenAI ne fait rien pour le cacher.
Reconstruisons la chronologie de la journée, telle que rapportée par The New Stack et AI Weekly. Anthropic publie Claude Opus 5.5 : 4 $/20 $, soit 40 % de moins qu'Opus 5, avec à la clé 66,4 % sur Terminal-Bench 4.0 et 81,8 % sur OSWorld 2.0 selon la fiche officielle d'Anthropic.
90 minutes plus tard, OpenAI annonce Sol et Luna. Le message est lisible sans lunettes : quel que soit ce que tu sors, je sors moins cher le même jour. Ce n'est pas du lancement produit, c'est du contre-pied calculé.
Cette séquence s'inscrit dans une escalade entamée plus tôt dans le mois. GPT-5.6 Sol avait déjà ouvert le front avec un tarif promo agressif — nous l'analysions dans notre article sur la preview de GPT-5.6 Sol en plein début de guerre des prix. Puis GPT-6 Astra est arrivé le 3 septembre à 10 $/50 $, positionné tout en haut de l'échelle. Sol et Luna la complètent par le bas.
Anthropic n'en est d'ailleurs pas à son premier duel de ce type : la marque avait déjà pris le dessus sur les benchmarks avec Claude Opus 4.8 face à GPT-5.5, et la rivalité structure désormais tout le calendrier des sorties. Notre comparatif Claude vs ChatGPT détaille ce qui sépare les deux écosystèmes au-delà du prix.
Mon avis : le mot « permanent » du porte-parole doit être pris au sérieux dans sa lettre, pas dans son esprit. Permanent ne veut pas dire éternel, cela veut dire « pas une promo qui expire dans 60 jours ». Dans un marché où Anthropic doit répondre, attendez-vous à d'autres baisses avant la fin de l'année.
Benchmarks : moins cher et plus fiable, mais pas meilleur partout
Réponse directe : GPT-6 Sol n'écrase pas GPT-5.6 Sol. Il est nettement moins cher et plus fiable factuellement, mais il recule sur certains benchmarks agents. C'est un arbitrage assumé, pas une mise à jour gratuite.
Le point que tout le monde retient : les erreurs factuelles
OpenAI affirme que Sol fait moitié moins d'erreurs factuelles que son prédécesseur. MetricNexus (2026) confirme : 4,6 % d'erreurs pour GPT-6 Sol contre 8,5 % pour GPT-5.6 Sol. Ce n'est pas un slogan, c'est un chiffre mesuré indépendamment.
Pour tout usage où la véracité compte — rédaction, support client, analyse documentaire, veille — c'est l'argument n°1 de ce lancement. Un taux d'erreur divisé par deux change le coût réel de la relecture humaine, pas seulement la facture API.
Le point que tout le monde oubliera : les régressions agents
Sol recule sur DeepSWE v1.1, un benchmark d'ingénierie logicielle en autonomie : 68,8 % contre 72,7 % pour GPT-5.6 Sol, avec un écart porté à −8,2 points en mode xhigh. Même tableau sur OSWorld 2.0 offline, qui mesure les agents sur des tâches système : 64,4 % contre 66,2 %.
Autrement dit, sur les tâches agentiques les plus dures, l'ancien modèle à 4 $/20 $ peut encore battre le nouveau à 2 $/10 $. C'est exactement le genre de détail que les communiqués n'affichent pas en gros, et que les benchmarks indépendants révèlent.
Luna, elle, gagne ou égale partout en effort maximum, avec par exemple 66,6 % contre 62,2 % sur DeepSWE (MetricNexus, 2026). Fait remarquable : la petite sœur à 0,10 $/0,50 $ est plus régulière que le grand frère sur ce terrain précis.
Le vrai juge de paix : le coût par tâche
Artificial Analysis (2026) place Sol (max) à 1,06 $ par tâche sur l'Intelligence Index, contre 1,99 $ pour GPT-5.6 Sol max — environ 50 % de moins. Luna (max) tombe à 0,07 $ par tâche, environ 60 % de moins. Et sur l'Agents' Last Exam, Luna passe de 2,57 $ à 0,15 $ par tâche : −94 % (MetricNexus, 2026).
Sol affiche −58 à −59 % de coût par tâche sur 4 des 5 benchmarks mesurés. Les scores Intelligence Index et Coding Agent Index restent stables selon Artificial Analysis, avec des progressions et des régressions selon les évaluations.
Ma lecture : OpenAI a échangé un peu de marge agentique contre une explosion d'efficacité coût. Pour du code complexe en production, cela impose de re-tester vos workflows avant de basculer. Pour tout le reste, l'arbitrage est déjà gagné.
Disponibilité : ChatGPT Work, Codex et le déploiement progressif
Réponse directe : Sol et Luna sont disponibles dans ChatGPT Work et Codex pour les abonnés Plus, Pro, Business, Enterprise et Edu, avec un déploiement progressif étalé sur la journée.
Ce déploiement graduel n'est pas un détail technique. OpenAI l'assume explicitement : il sert la stabilité du service, pour éviter que des millions d'utilisateurs ne basculent simultanément vers les nouveaux modèles (OpenAI Developer Community, 2026). Les deux modèles s'appuient sur les avancées de GPT-6 Astra, avec un caching et une inférence optimisés dont les économies sont reversées dans le prix.
Pour les particuliers sans abonnement, il y a une vraie nouveauté : Free et Go ont accès à Luna dans l'application desktop. Le meilleur rapport qualité-prix du marché propriétaire devient donc aussi une porte d'entrée gratuite — de quoi redessiner notre sélection des meilleurs LLM gratuits.
Dans l'API, rien de compliqué : les IDs gpt-6-sol et gpt-6-luna suffisent, sans fine-tuning possible ni configuration particulière. La simplicité de migration est volontaire — plus vous changez vite, plus la guerre des prix vous profite à eux comme à vous.
Le piège du cache : « moitié prix » ne veut pas dire facture divisée par deux
Réponse directe : la moitié de prix ne s'applique qu'aux tokens non-cachés. En cache, la guerre des prix ne s'est pas encore propagée.
Le détail qui fâche vient de NotesByLex (2026) : les cache reads de GPT-6 Sol coûtent 0,20 $, exactement comme ceux de Claude Opus 5.5. Si votre charge de travail repose sur de longs préfixes système réutilisés — le cas typique des agents — l'écart de prix réel se réduit à peau de chagrin sur la partie cachée de vos requêtes.
Deuxième subtilité : les tokenizers et les longueurs de raisonnement diffèrent d'un modèle à l'autre. Le ratio de tokens n'est pas le ratio de coût par tâche, préviennent NotesByLex et Artificial Analysis. Comparer 2 $ et 4 $ en brut est un exercice de marketing, pas de comptabilité.
Le cache GPT-6, activé par défaut
Bonne nouvelle malgré tout : le caching est activé par défaut sur la famille GPT-6, avec un préfixe minimum de 1 024 tokens, un TTL d'au moins 30 minutes, des écritures à 1,25× le prix de l'input et des lectures à 10 % de ce prix (NotesByLex, 2026). Artificial Analysis confirme la même réduction de 90 % sur les cache reads et une prime de 25 % sur les écritures.
En pratique, cela donne une règle simple. Si vos workflows sont agents et répétitifs — un même contexte système rejoué des centaines de fois — calculez votre coût en intégrant le cache, pas le prix catalogue : c'est là que se joue la vraie économie. Si vos requêtes sont courtes et uniques, le prix brut s'applique et Sol est imbattable. Les deux scénarios ne racontent pas la même histoire.
Sol pour le code, Luna pour le volume : qui doit prendre quoi
Réponse directe : Sol pour le code complexe et les agents exigeants, Luna pour le travail de masse, Astra pour la recherche. Le découpage est clair, assumez-le.
GPT-6 Sol vise le code complexe. C'est le modèle pour les refontes, le debugging multi-fichiers et les sessions de développement longues. Il est disponible dans ChatGPT Work et Codex pour les abonnés Plus, Pro, Business, Enterprise et Edu (The New Stack, 2026). Notre guide des meilleurs LLM pour coder sera mis à jour avec les benchmarks consolidés — gardez en tête la régression sur DeepSWE avant de migrer un pipeline de production.
GPT-6 Luna vise le travail de masse. Classification, extraction, résumé, modération, pipelines RAG : tout ce qui tourne des millions de fois par jour. À 0,10 $/0,50 $, elle change littéralement les économies d'échelle de ces usages — le −94 % de coût par tâche sur l'Agents' Last Exam en est la démonstration la plus spectaculaire.
GPT-6 Astra reste le sommet de la gamme. À 10 $/50 $, sorti le 3 septembre, il vise la recherche et les problèmes que Sol ne résout pas. Nous détaillions ses 64,6 % sur Terminal-Bench et ses performances en science dans notre article sur GPT-6 Astra.
Si vous construisez des agents, la question Sol vs Opus 5.5 mérite un vrai banc d'essai plutôt qu'un coup de cœur : notre dossier sur les meilleurs LLM pour les agents IA pose la méthodologie de test. Et pour les usages sensibles aux hallucinations, le 4,6 % contre 8,5 % d'erreurs factuelles pèse plus lourd que n'importe quel prix.
Une guerre des prix qui ne fait que commencer
Réponse directe : le prix de l'input frontier a été divisé par cinq en trois semaines, et rien n'indique que le mouvement s'arrête.
Faisons le calcul. Le 3 septembre, GPT-6 Astra s'affiche à 10 $/50 $. Le 22 septembre, Sol arrive à 2 $/10 $. En 19 jours, l'input frontier passe de 10 $ à 2 $. Aucune percée technologique n'a eu lieu entre les deux — c'est une décision commerciale, assumée comme telle : OpenAI présente Sol et Luna comme des modèles plus rapides et moins chers pour le travail de masse, dont les économies de caching et d'inférence sont reversées aux clients (OpenAI Developer Community, 2026).
Deux pressions expliquent cette agressivité. La première vient d'Anthropic, qui vient de casser son propre tarif avec Opus 5.5. La seconde vient des modèles ouverts : MiniMax M3 défie GPT-5.5 avec 1 M de contexte et une architecture inédite, comme nous le décrivions dans notre article sur MiniMax M3, l'open-weights chinois qui défie GPT-5.5. Quand un modèle téléchargeable approche le frontier, les fournisseurs propriétaires n'ont plus d'autre arme que le prix.
Notez aussi le buffer de transition : GPT-5.6 Sol conserve son tarif promo « au moins jusqu'au 21 novembre 2026 » (The New Stack, 2026). OpenAI laisse une porte de sortie à ceux qui ne veulent pas migrer immédiatement — et s'assure que personne ne paie plus cher par accident pendant la bascule.
Mon pronostic : Anthropic répondra avant la fin du trimestre, probablement sur le cache ou via un modèle intermédiaire. Dans ce contexte, la seule stratégie rationnelle pour un développeur est de rester agnostique : architecturer pour pouvoir changer de modèle en changeant une ligne, et réévaluer chaque mois. C'est exactement ce que fait notre comparatif mensuel des meilleurs LLM.
❌ Erreurs courantes
Erreur 1 : comparer les prix token à token
Le prix par million de tokens n'est pas le coût réel. Les tokenizers et les longueurs de raisonnement diffèrent d'un modèle à l'autre, donc le ratio de prix ne reflète pas le ratio de coût par tâche (NotesByLex, 2026). La solution : mesurez le coût par tâche sur vos propres workloads, comme le fait Artificial Analysis sur ses benchmarks.
Erreur 2 : migrer les agents sans re-tester
GPT-6 Sol recule sur DeepSWE v1.1 (−3,9 points, jusqu'à −8,2 en xhigh) et sur OSWorld 2.0 offline. Si vos agents codent ou pilotent un système en autonomie, lancez votre suite de tests avant de changer l'ID du modèle. Luna peut même s'avérer plus stable que Sol sur certains workflows agents — testez les deux.
Erreur 3 : oublier les surcharges et les multiplicateurs
Au-delà de 272K tokens de prompt, l'input est facturé au double et l'output à 1,5×. Le mode Fast double la facture, le Batch la divise par deux. Une pipeline mal configurée peut coûter deux fois le prix annoncé sans que personne ne s'en rende compte avant la fin du mois.
Erreur 4 : prendre « permanent » pour un engagement contractuel
Permanent signifie « pas une promo à durée limitée », pas « garanti pour toujours ». Dans un marché où les prix bougent deux fois par mois, protégez-vous par une abstraction du fournisseur dans votre code, pas par la parole d'un porte-parole.
❓ Questions fréquentes
GPT-6 Sol remplace-t-il GPT-5.6 Sol ?
Non, les deux coexistent dans l'API. GPT-5.6 Sol conserve son tarif promo de 4 $/20 $ au moins jusqu'au 21 novembre 2026, ce qui laisse une période de transition confortable. OpenAI n'a pas annoncé de date de retrait pour la série 5.6 à ce stade.
GPT-6 Terra existe-t-il ?
Non. Contrairement à la famille GPT-5.6 qui comptait Sol, Terra et Luna, aucun GPT-6 Terra n'a été annoncé avec ce lancement. Seuls Astra, Sol et Luna composent la famille GPT-6 à ce jour (septembre 2026), selon The New Stack et Codersera.
Peut-on utiliser GPT-6 Luna gratuitement ?
Oui, partiellement. Les utilisateurs Free et Go ont accès à Luna dans l'application desktop ChatGPT. Sol et les deux modèles dans ChatGPT Work et Codex requièrent un abonnement Plus, Pro, Business, Enterprise ou Edu. Dans l'API, Luna est facturée 0,10 $/0,50 $ par million de tokens.
Faut-il du fine-tuning sur ces modèles ?
Ce n'est pas possible : OpenAI ne supporte aucun fine-tuning sur la famille GPT-6 (Codersera, 2026). La personnalisation passe par le prompting, le caching de préfixes et les outils, pas par l'entraînement. Les rate limits Tier 1 s'élèvent à 500 RPM et 500K TPM.
Faut-il quitter Claude Opus 5.5 pour GPT-6 Sol ?
Pas automatiquement. Sol est deux fois moins cher sur les tokens non-cachés, mais Opus 5.5 revendique 66,4 % sur Terminal-Bench 4.0 et 81,8 % sur OSWorld 2.0, et Sol régresse sur certains benchmarks agents. Testez vos workloads, comparez le coût par tâche réel, puis décidez.
Quel est le contexte maximum de GPT-6 Sol et Luna ?
1,05 million de tokens en entrée, avec un output maximum de 128k. Attention toutefois : au-delà de 272K tokens de prompt, les tarifs input et cache sont doublés et l'output facturé 1,5 fois plus cher. Les cutoffs de connaissance sont avril 2026 pour Sol et mai 2026 pour Luna.
✅ Conclusion
En 90 minutes, le 22 septembre 2026, le prix du frontier a été divisé par deux — avec une fiabilité factuelle doublée en prime, mais quelques régressions agents que les benchmarks indépendants ne cachent pas. La guerre des prix est devenue le principal champ de bataille de l'IA, et son grand gagnant, pour une fois, c'est vous. Pour choisir votre modèle ce mois-ci, direction notre comparatif des meilleurs LLM.