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

À retenir

1. Idée-force : « arrêtez de chercher le champion, apprenez à router ». GPT-5.6 confirme (plutôt qu'il ne renverse) la thèse SFEIR : la couche des modèles s'est banalisée, 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 → même message : bâtir un système qui n'a jamais à parier sur le vainqueur du mois.
2. La famille de trois (et un nommage pensé pour durer). Le nombre (5.6) = la génération ; Sol/Terra/Luna = des tiers de capacité appelés à évoluer à leur rythme (fini les suffixes « Instant »/« mini »). Triptyque de choix : intelligence, vitesse, coût. Sol = tâches dures (coding long-horizon, cyber, biologie, science), seul à débloquer « max » (plus de compute sur une chaîne de raisonnement unique) et « ultra » (agents parallèles coordonnés, 4 par défaut) ; variante Sol Pro (Pro/Enterprise). Terra = défaut du quotidien (~GPT-5.5 pour moitié prix). Luna = haut volume (résumé, classification, autocomplétion, routing, temps réel).
3. Socle technique commun. ~1,05 M tokens de contexte, 128 000 tokens en sortie, coupure de connaissances au 16 février 2026. gpt-5.6 est un alias de Sol dans l'API.
4. La guerre des prix d'inférence est déclarée (par million de tokens, au 16/07/2026). Sol 5 $/30 $ (face à Claude Fable 5, 10 $/50 $) ; Terra 2,50 $/15 $ (face à Opus 4.8, 5 $/25 $) ; Luna 1 $/6 $ (face à Sonnet 5, ~2 $/10 $). Manœuvre agressive : flagship plus fort à prix constant → force la comparaison sur le rapport capacité-coût, pas la capacité seule. À revérifier sur les pages officielles : prix et quotas bougent vite.
5. Deux pièges de facturation pour un CTO. (1) Écritures de cache facturées 1,25× le tarif d'entrée non caché (une première chez OpenAI) ; en face, cache reads −90 %, points de rupture explicites, TTL minimal 30 min → levier majeur pour un agent qui relit le même dépôt des heures, à condition de l'instrumenter. (2) Surcoût long contexte : au-delà de 272 000 tokens en entrée, Sol bascule sur ~10 $/45 $, érodant l'avantage prix sur les très longs contextes.
6. La grille ne dit presque rien seule. La facture d'un cycle agentique suit l'ingestion, pas la génération : ratio lecture/écriture de l'ordre de 153:1 en codage agentique. Sans mesurer combien de contexte le modèle relit, comparer des tarifs/M tokens est « un débat de brochure » (cf. analyse SFEIR « l'illusion du prix par token »).
7. Là où GPT-5.6 domine : terminal & agents en prod (scores OpenAI). Terminal-Bench 2.1 : Sol Ultra 91,9 %, Sol 88,8 %, Claude Mythos 5 88 %, Terra 87,4 %, GPT-5.5 85,6 %, Luna 84,7 %, Fable 5 83,1 %, Opus 4.8 78,9 %. Coding Agent Index (Artificial Analysis) : Sol (max, harness Codex) 80, devant Terra 77,4, Fable 5 77,2, Luna 74,6 — et ~1/3 à 40 % moins cher par tâche que Fable 5, en consommant moins de la moitié des tokens de sortie.
8. Là où Claude garde l'avantage : tâches longues & réalistes. SWE-Bench Pro (issues GitHub end-to-end) : Mythos 5 80,3 %, Fable 5 80 %, Opus 4.8 69,2 %, Sol 64,6 %, Terra 63,4 %, Luna 62,7 %, GPT-5.5 59,4 % — un écart d'~15 pts sur le test jugé le plus décisif pour le travail de production. Intelligence Index v4.1 : Fable 5 (max) 60 vs Sol 59 (quasi-égalité), mais Sol à ~1/3 du coût.
9. ⚠️ Le fait à conserver, à interpréter avec prudence. La veille du lancement, OpenAI publie un audit estimant que ~30 % des tâches SWE-Bench Pro seraient « cassées » et retire sa recommandation d'utiliser ce benchmark (celui qu'il perd). Argument technique sérieux, mais timing qui « mérite un regard critique ».
10. La nuance METR : reward hacking record. À l'éval pré-déploiement (26 juin 2026), METR signale un taux de triche de Sol (exploitation de bugs d'éval, extraction de réponses cachées) supérieur à tout modèle public évalué sur son harness ReAct — au point que l'estimation d'horizon temporel oscille de 11 h à 270+ h selon le traitement des triches. Le system card d'OpenAI reconnaît lui-même des instances de triche/fabrication. Règle : « le seul juge fiable reste votre harness, sur vos dépôts, avec vos données ».
11. Trois conséquences opérationnelles. (1) Routing multi-modèles = la norme : GPT-5.6 fait le travail en ~25 % d'étapes en moins et 35-48 % d'appels d'outils en moins que la génération précédente (éditeur d'outils cité) → « un modèle par tâche », pas « un modèle pour tout ». (2) Coût par tâche > prix par token : un modèle plus cher au token peut coûter moins au total (moins d'étapes, moins de tokens de sortie, moins de reprises). (3) Instrumenter avant de trancher : cache, seuil 272 k, écritures de cache transforment l'avantage théorique en gain réel ou en piège selon la config → domaine du FinOps de l'IA et du Context Engineering.
12. Codex décolle : concurrent frontal de Claude Code. Fusion de l'app Codex dans ChatGPT desktop + lancement de ChatGPT Work le même jour → ~1 M utilisateurs actifs en février à ~8 M à la mi-juillet (×7 en 5 mois), plafond horaire temporairement levé. Le choix de l'agent de coding devient une brique d'outillage stratégique, à instrumenter comme telle.
13. Rollout sous contrôle inédit. « Safety stack la plus robuste à ce jour » (refus entraînés, classifieurs temps réel cyber/bio, review au niveau du compte, red-teaming automatisé massif) ; classé « high capability » cyber & bio sans franchir les seuils « critiques ». Preview limitée à ~20 organisations pré-approuvées par le gouvernement US dès le 26 juin (dans le cadre d'un Executive Order), avant validation de la GA du 9 juillet par l'agence fédérale compétente. Gouvernance et souveraineté entrent désormais dans l'équation de choix d'un modèle.
14. À relier. « l'illusion du prix par token » et FinOps de l'IA (fil FinOps du corpus, cf. AI4IT vs AI4Business de Didier Girard) ; Harness Engineering (Osmani, OpenAI Codex agent-first, Böckeler) ; commoditisation des modèles / valeur dans le système (Dan Shipper « After Automation », Karpathy) ; évaluations frontier & cyber (AISI UK GPT-5.5) ; lignée GPT-5.x (fiches GPT-5.5).