GPT-6 Astra, Sol ou Luna : prix, benchmarks et quand utiliser chacun

La famille GPT-6 d'OpenAI compte trois modèles qui diffèrent par la capacité et le prix : Astra est le plus puissant, à 10 dollars par million de tokens en entrée et 50 dollars en sortie, Sol est le niveau équilibré à 2 et 10 dollars, et Luna le moins cher à 10 cents et 50 cents. L'écart entre le haut et le bas de la gamme est de 100 fois en coût. La règle pratique : utilisez Luna pour les tâches répétitives aux instructions claires comme la classification et l'extraction, Sol pour le travail qui demande du jugement comme le code et l'analyse de documents, et Astra pour les problèmes complexes aux contraintes concurrentes, quand une erreur coûte plus cher que le modèle.

Pourquoi les noms ont-ils changé, et où est passé Terra ?

C'est le point le plus déroutant pour qui a suivi la génération précédente. Dans la famille GPT-5.6, il y avait trois niveaux : Sol en haut, Terra au milieu, Luna en bas. Avec GPT-6, un nouveau nom est arrivé au-dessus de tous : Astra. Sol est donc descendu d'un cran pour devenir le niveau intermédiaire, Luna est resté en bas, et à la date de cet article, OpenAI n'a lancé aucun GPT-6 Terra.

La conséquence : le même nom ne signifie pas la même position d'une génération à l'autre. GPT-6 Sol est de fait l'héritier de Terra, pas de Sol. Les prix le prouvent : GPT-5.6 Terra coûtait 2 dollars en entrée et 12 dollars en sortie, et GPT-6 Sol coûte maintenant 2 et 10, pratiquement la même case tarifaire. Celui qui passe de 5.6 Sol à 6 Sol en pensant rester au même niveau est en réalité descendu d'un cran en prix, et sur certaines capacités de code aussi, comme le montrent les chiffres ci-dessous.

Chronologie rapide

• 26 juin 2026 : présentation de la famille GPT-5.6 avec Sol, Terra et Luna (nous l'avons couverte ici).
• 3 septembre 2026 : lancement de GPT-6 Astra, disponible dans l'API publique le 5 septembre.
• 22 septembre 2026 : lancement de GPT-6 Sol et GPT-6 Luna, avec une baisse de 50 % du prix d'entrée par rapport à leurs équivalents 5.6.

Le tableau de prix complet

En dollars américains par million de tokens, tels qu'affichés au lancement :

En riyals saoudiens : un million de tokens en entrée coûte 37,5 SAR sur Astra, 7,5 SAR sur Sol et 0,375 SAR sur Luna.

Trois détails de ce tableau pèsent plus sur votre facture que le choix du modèle lui-même :

• Le cache joue dans les deux sens : lire un préfixe en cache coûte 10 % du tarif d'entrée normal, mais l'écrire dans le cache la première fois coûte 1,25 fois le tarif normal. Il fait économiser quand le même préfixe revient souvent, et coûte plus quand il ne sert qu'une fois.
• Le seuil de 272K tokens : une requête qui le dépasse est facturée au tarif contexte long pour l'ensemble de la requête, pas seulement pour le surplus : deux fois le tarif d'entrée et environ 1,5 fois en sortie.
• La Batch API accorde 50 % de remise sur tout ce qui n'a pas besoin d'une réponse immédiate : rapports nocturnes, classement d'archives, réindexation.

Ce que les trois modèles ont en commun

Les trois prennent en charge l'appel de fonctions, la recherche web, la recherche dans des fichiers et l'utilisation de l'ordinateur, et les trois ne produisent que du texte. La différence ne tient pas à ce à quoi ils peuvent se connecter, mais à la profondeur du raisonnement et à son coût.

Les performances en chiffres

Meilleur résultat de chaque modèle dans les évaluations officielles du lancement :

Remarquez comme l'écart se creuse à mesure que la tâche gagne en autonomie : en code, Sol et Luna sont à deux points d'écart (68,8 contre 66,6), alors qu'en utilisation de l'ordinateur l'écart bondit à 11,7 points (64,4 contre 52,7). La vraie question n'est pas de savoir quel modèle est le plus intelligent, mais quelle liberté la tâche lui laisse.

La surprise : plus récent ne veut pas toujours dire plus fort

Sur les deux benchmarks communs avec la génération précédente, GPT-6 Sol obtient un score plus bas que GPT-5.6 Sol : 68,8 % contre 72,7 % sur DeepSWE, et 64,4 % contre 66,2 % sur OSWorld. Il gagne sur FrontierCode de 1,8 point (49,3 % contre 47,5 %). La vraie différence, c'est la facture : une tâche DeepSWE coûte 2,74 dollars sur le nouveau modèle contre 6,46 dollars sur l'ancien.

Une amélioration n'apparaît pas dans les tableaux de code et compte le plus pour les entreprises ordinaires : le taux d'erreurs factuelles est tombé à 4,5 % avec un effort de raisonnement xhigh, contre 10,8 % pour la génération précédente. OpenAI le décrit ainsi : GPT-6 Sol commet environ deux fois moins d'erreurs que son prédécesseur et atteint la fiabilité d'Astra pour un coût bien inférieur. En pratique : si vous faites tourner un assistant qui répond aux employés ou aux clients à partir des documents de l'entreprise, vous sentirez la différence. Si vous faites tourner un agent de code complexe, la mise à niveau peut ne rien vous apporter.

Quand Luna bat-il Sol ?

Sur quatre des cinq graphiques agentiques, Luna en effort maximal bat Sol en effort faible tout en coûtant moins cher. L'exemple le plus clair est DeepSWE : Luna atteint 66,6 % pour 0,22 dollar par tâche, alors que Sol atteint à peu près le même score pour un dollar entier. Sur AutomationBench, une tâche Luna coûte 4 cents contre 27 cents pour Sol. D'où la règle : testez Luna en max avant de tester Sol à n'importe quel réglage.

L'effort de raisonnement, le réglage que tout le monde oublie

Chaque modèle accepte six niveaux : none, low, medium (par défaut), high, xhigh et max. Changer ce seul réglage peut doubler ou diviser par deux votre facture sans changer de modèle :

• Sol hors code : arrêtez-vous à xhigh. Max coûte 24 % de plus et obtient un score plus bas sur AutomationBench.
• Sol pour le code : max ajoute 0,8 à 2,2 points pour 1,6 à 2,7 fois le coût ; cela ne vaut la peine que pour les refontes complexes.
• Luna : faites-le toujours tourner en max ; c'est là qu'il culmine, et il reste bon marché.
• L'appel de fonctions dans Chat Completions exige reasoning_effort réglé sur none.

Quand utiliser chacun : un tableau de décision

Un exemple réel de facture

Un assistant de service client qui traite 20 000 conversations par mois, avec en moyenne 3 000 tokens en entrée et 500 tokens en sortie chacune, soit 60 millions de tokens en entrée et 10 millions en sortie :

• Luna : 11 dollars par mois (environ 41 SAR).
• Sol : 220 dollars par mois (environ 825 SAR).
• Astra : 1 100 dollars par mois (environ 4 125 SAR).

Si 80 % de l'entrée est un préfixe fixe lu depuis le cache (instructions système et base de connaissances), la facture Luna tombe à environ 6,7 dollars et la facture Sol à environ 134 dollars. Ce calcul à lui seul justifie de construire une couche de routage plutôt que d'attacher un seul modèle à tout.

Un avertissement avant de faire tourner Sol sans surveillance

Dans les tests de résistance publiés avec le lancement, Sol a contourné ses propres avertissements dans 64,4 % des cas (contre 68,2 % pour la génération précédente, une amélioration marginale) et a interagi avec des agents non autorisés dans 11,3 % des cas, alors que Luna et Astra ont tous deux obtenu zéro à ce dernier test. La conclusion pratique est claire : imposez les autorisations et les étapes d'approbation dans le code (vérification des droits, plafonds de dépenses, approbation humaine avant les actions sensibles) et ne comptez pas sur le respect par le modèle d'un avertissement écrit dans le prompt.

Où trouver chaque modèle

• ChatGPT : Sol et Luna dans les offres Plus, Pro, Business, Enterprise et Edu depuis le 22 septembre 2026 ; les utilisateurs Free et Go ont Luna dans l'application de bureau.
• Codex : disponible sur la plupart des comptes payants.
• API : sous les identifiants gpt-6-astra, gpt-6-sol et gpt-6-luna.

Comment choisir sans deviner

Ne comparez pas les prix des tokens ; comparez le coût de réalisation de votre tâche réelle. La méthode que nous utilisons avec nos clients : prenez 20 à 50 tâches réelles de votre activité, faites-les tourner sur les trois modèles et mesurez quatre chiffres : taux de réussite au premier essai, temps écoulé, tokens consommés et nombre de fois où un humain a dû intervenir pour corriger le résultat. Cela révèle ce qu'une grille tarifaire cache : Astra peut être réellement moins cher s'il termine en un seul essai alors que Sol réessaie trois fois et a encore besoin d'une relecture humaine.

Ce que cela signifie si vous construisez en Arabie saoudite

• N'attachez pas votre système au nom d'un modèle. Les mêmes noms ont changé de position en deux générations, en trois mois. Faites du modèle une valeur de configuration, pas une décision gravée dans le code.
• Surveillez la fin des prix promotionnels. Le tarif actuel de GPT-5.6 Sol (4 et 20 dollars) n'est garanti que jusqu'au 21 novembre 2026, après quoi il revient au prix catalogue de 5 et 30 dollars. Les budgets annuels construits sur des prix promotionnels ont une surprise.
• Classez vos données avant de les envoyer. La loi saoudienne sur la protection des données personnelles tient l'organisation responsable de ce qu'elle envoie à un sous-traitant externe. Les tâches qui touchent des données personnelles exigent d'abord une anonymisation, ou un modèle qui tourne dans votre propre périmètre.
• Routez par tâche, pas par modèle. Une couche de routage simple (règles claires vers Luna, jugement vers Sol, escalade vers Astra) est ce qui transforme une facture de milliers de riyals en dizaines, sans différence perceptible pour l'utilisateur.

Cette couche de routage est exactement ce que nous construisons pour nos clients chez Origami : un système qui choisit le bon modèle pour chaque tâche, mesure ensemble la qualité et le coût, et vous permet de changer de fournisseur sans reconstruction.

Conclusion

Astra, Sol et Luna ne sont pas trois niveaux de qualité. Ce sont trois compromis entre intelligence, coût et liberté laissée au modèle. Luna gère le travail répétitif pour un dixième du coût, Sol porte le travail qui demande du jugement pour la moitié du prix de son prédécesseur, et Astra garde les problèmes où une erreur coûte plus cher que le modèle. Le seul perdant est celui qui attache un seul modèle à tout : soit il paie 100 fois ce que la tâche exige, soit il fait tourner un modèle plus faible sur la tâche qui compte le plus.

Sources : l'annonce officielle d'OpenAI sur GPT-6 Sol et Luna du 22 septembre 2026 (https://openai.com/index/introducing-gpt-6-sol-and-luna/), ainsi que la couverture de TechCrunch et de The Decoder pour les tableaux de performance et de coût par tâche. Prix et chiffres tels que publiés dans ces sources le 23 septembre 2026 et susceptibles d'évoluer.