GPT-6 Sol et Luna : tarifs, où les utiliser et lequel choisir face à Astra low (Light)

Le 22 septembre 2026 (heure des États-Unis ; aux premières heures du 23 septembre au Japon), OpenAI a publié GPT-6 Sol et GPT-6 Luna (annonce d'OpenAI). Ce sont des modèles plus rapides et moins chers, issus de la même lignée d'entraînement que GPT-6 Astra, le modèle haut de gamme sorti le 3 septembre.

Cet article s'adresse en particulier à ceux qui utilisent aujourd'hui Astra en low (affiché « Light » dans l'application) dans Codex ou ChatGPT Work. La réponse courte : tout faire tourner sur Astra low n'est pas une erreur. Mais les recommandations d'OpenAI par usage sont Sol pour le travail quotidien et le code complexe, Luna pour le travail répétitif bien défini et Astra pour le plus difficile, et « Astra à partir de Light » signifie « si vous prenez Astra, commencez en Light ». Ce n'est pas un conseil de confier toutes les tâches à Astra.

Nous présentons les chiffres séparément pour chaque éditeur : les évaluations d'OpenAI, les évaluations indépendantes d'Artificial Analysis et le petit test que nous avons mené nous-mêmes reposent sur des méthodes et des tâches entièrement différentes.

1. Ce que sont GPT-6 Sol et Luna : date de sortie, caractéristiques et positionnement

Selon la description d'OpenAI, Sol vise le code complexe et les workflows agentiques, et Luna est son modèle le plus efficient, pour un travail ciblé et à fort volume. L'annonce présente cette sortie comme le transfert des points forts d'Astra (travail professionnel, fiabilité factuelle, code et utilisation de l'ordinateur) vers des modèles plus rapides et plus abordables, tout en précisant que les projets les plus exigeants et à fort enjeu demandent toujours la profondeur d'Astra.

Source : les fiches modèles de la documentation de l'API d'OpenAI (Sol, Luna, Astra). Vérifié le 24 septembre 2026.

La surprise, c'est la coupure des connaissances : celle de Luna (18 mai) est plus récente que celle d'Astra (30 avril). Si vous utilisez les modèles avec la recherche web, l'écart ne compte toutefois presque pas (dates de coupure des connaissances des principaux modèles d'IA).

Une remarque pour les développeurs. Sol et Luna acceptent none (sans raisonnement) dans l'API, mais l'appel de fonctions dans Chat Completions exige none, et OpenAI renvoie vers la Responses API pour les outils intégrés et l'appel de fonctions.

2. Où les utiliser : Work, Codex et l'API, mais pas le Chat habituel

En recoupant l'annonce et les pages Models et Pricing, on obtient le tableau ci-dessous. La porte d'entrée, ce sont ChatGPT Work et Codex ; les modèles n'apparaissent pas dans l'interface de conversation habituelle (Chat).

Les anciens modèles ne disparaissent pas tout de suite. La page Models indique que GPT-5.6 Sol, Terra et Luna restent disponibles pendant la période de transition. En revanche, GPT-5.5 sera retiré de ChatGPT, ChatGPT Work et Codex le 14 octobre 2026 (l'API n'est pas concernée), et la page désigne Sol comme remplaçant sur les offres payantes (Plus, Pro, Business, Enterprise, Edu) et Luna dans l'application de bureau sur Free et Go. Si vous indiquez gpt-5.5 dans un fichier de configuration ou une tâche planifiée, il faut le changer avant cette date (ChatGPT Models).

3. Tarifs : « 1/5 et 1/100 d'Astra » ne vaut qu'à nombre de tokens égal

Par million de tokens, vitesse standard. Sources : les fiches modèles de la documentation de l'API d'OpenAI et ChatGPT / Codex Pricing. Vérifié le 24 septembre 2026.

Sur chaque ligne, Sol coûte exactement 1/5 d'Astra et Luna 1/100, et les crédits Codex suivent les mêmes rapports. OpenAI présente la baisse par rapport à la génération précédente comme 50 % sous le tarif promotionnel de GPT-5.6, mais pour être précis, Sol est à moitié prix en entrée comme en sortie, tandis que Luna est à moitié prix en entrée et passe de $1.20 à $0.50 en sortie (environ 58 % de moins).

Les rapports ne valent que pour un calcul à nombre de tokens identique. Par exemple, avec 100,000 tokens en entrée (dont 80,000 en cache) et 10,000 tokens en sortie, le coût API s'établit à Astra $0.78, Sol $0.156, Luna $0.0078. D'autres conditions s'appliquent : au-delà de 272,000 tokens en entrée, les tarifs d'entrée et d'entrée en cache doublent et la sortie est multipliée par 1,5 ; l'écriture en cache côté API coûte 1,25 fois le tarif d'entrée (les crédits Codex ne facturent pas l'écriture à part) ; et le mode Fast coûte 2 fois plus cher dans l'API et 2,5 fois plus en crédits Codex.

Les prix unitaires ne disent pas ce que couvre votre abonnement

Quand on utilise les modèles via une offre ChatGPT, on ne peut pas dire que Sol donne 5 fois plus d'usage qu'Astra, ni Luna 100 fois plus. La page de tarifs de Codex elle-même précise que les taux de crédits ne suffisent pas à déterminer l'usage inclus dans un abonnement.

La même page donne des fourchettes indicatives de messages par tranche de 5 heures. Sur Plus, elles sont de 5–45 pour Astra, 15–150 pour Sol et 350–3,000 pour Luna. En comparant bas de fourchette avec bas de fourchette et haut avec haut, Sol offre environ 3 fois ce que permet Astra et Luna environ 67–70 fois, ce qui ne correspond pas aux facteurs 5 et 100 des prix unitaires. De plus, OpenAI précise que ce ne sont pas des limites fixes, et que des tâches similaires peuvent consommer des quantités différentes selon le modèle, le contexte, le raisonnement, l'usage d'outils et le cache. Le seul moyen de savoir combien vous en obtenez pour votre propre travail est de consulter l'écran d'utilisation.

4. Les recommandations officielles : Sol en Medium, Luna en High, Astra à partir de Light

Sur le choix du modèle, la page Models d'OpenAI est claire. En résumé :

Trois choses sont faciles à confondre ici.

• Les points de départ par usage : le « Sol en Medium, Luna en High, Astra à partir de Light » ci-dessus.
• Les préréglages par défaut de l'application : les préréglages Power de l'application de bureau et du web sont au nombre de six (Luna High, Sol Light, Sol Medium, Astra Light, Astra Medium et Astra Extra High) et Sol Light est sélectionné par défaut (certaines offres payantes n'ont pas Astra Extra High).
• La valeur par défaut de l'API : medium pour Sol comme pour Luna.

Les trois diffèrent, mais ne se contredisent pas. Le préréglage par défaut signifie « rapide et léger pour commencer » ; la recommandation par usage signifie « où démarrer pour obtenir des résultats sur ce type de travail ». OpenAI indique aussi que les niveaux d'effort de raisonnement ne se correspondent pas un à un d'une génération à l'autre, et suggère d'essayer des tâches familières avec un réglage plus bas puis d'ajuster. On ne peut pas choisir un réglage pour le nouveau Sol avec les repères qu'on avait pour « GPT-5.6 Sol en high ». Pour une comparaison avec la génération précédente, voir notre comparaison mesurée d'Astra low et de GPT-5.6 Sol high (un modèle différent de ce GPT-6 Sol).

Comment lire « Astra à partir de Light ». C'est le point de départ une fois qu'on a choisi Astra. Cela ne veut pas dire que toutes les tâches doivent aller à Astra. S'en tenir à Astra low est un choix raisonnable si l'on veut éviter de jongler entre modèles et privilégier la capacité. Mais savoir si c'est optimal une fois comptés les plafonds d'usage et le temps d'attente est une autre question, et si cela vous importe, répartir le travail avec Sol et Luna mérite réflexion.

5. Les chiffres d'OpenAI : l'évaluation où Sol xhigh bat Astra low

L'annonce d'OpenAI contient un seul chiffre qui place Sol et Astra côte à côte : AutomationBench 1.0.6, une évaluation de workflows qui traversent plusieurs applications métier.

Source : le tableau de l'annonce d'OpenAI (évaluation de l'éditeur lui-même).

Sur cette seule évaluation, Sol poussé à réfléchir fort dépasse Astra low pour environ un quart du coût. Notez toutefois que la comparaison utilise Sol en xhigh, et non en medium ou en low. Les autres chiffres donnés par OpenAI sont :

• DeepSWE v1.1 (développement logiciel sur de vraies bases de code) : Sol max 68,8 %, Luna max 66,6 %.
• Agents' Last Exam (longues tâches professionnelles) : Sol max 56,4 %.
• OSWorld 2.0 offline (utilisation d'un ordinateur) : Sol xhigh 60,5 %. OpenAI affirme lui-même qu'Astra reste le meilleur pour l'utilisation de l'ordinateur.
• Fiabilité factuelle : sur une évaluation interne construite à partir de conversations passées où les utilisateurs avaient signalé des erreurs, Sol a commis environ deux fois moins d'erreurs que la génération précédente (GPT-5.6 Sol).

Deux réserves pour les lire. L'évaluation de fiabilité factuelle est un ensemble de conversations propices aux erreurs, et OpenAI note lui-même qu'elle n'est pas représentative d'un usage typique. OpenAI précise aussi que les évaluations ont été menées dans un environnement de recherche ou via l'API, et que le produit ChatGPT en production utilise d'autres instructions système et d'autres outils, si bien que les résultats peuvent légèrement différer. On ne peut pas transposer tel quel « deux fois moins d'erreurs » à son propre travail quotidien.

6. Les chiffres indépendants : la comparaison d'Artificial Analysis

L'évaluateur indépendant Artificial Analysis (AA ci-après) a publié des pages de comparaison qui opposent chacun Sol low, Sol medium et Luna high à Astra low. Le tableau ci-dessous reprend les valeurs de ces trois pages ; les valeurs d'Astra low étaient identiques sur les trois.

Source : pages de comparaison d'Artificial Analysis (Sol medium face à Astra low, Sol low face à Astra low, Luna high face à Astra low). Intelligence Index v4.3.2 (10 évaluations). Vérifié le 24 septembre 2026. Les valeurs du tableau peuvent être mises à jour.

Trois points ressortent de ce tableau.

Le temps par tâche d'AA est un temps de génération calculé à partir de la vitesse de sortie ; il n'inclut ni l'attente de la première réponse ni les traitements annexes. Ce n'est pas la durée d'une tâche dans votre propre environnement. Sur l'indicateur d'exactitude des connaissances d'AA (AA-Omniscience), Astra low obtient 41, Sol low et medium 27 tous les deux, et Luna high −6 : un écart important, qui montre que choisir Luna sur le seul critère du prix est risqué pour répondre à des questions factuelles sans sources fournies.

7. Notre test à petite échelle : des tâches courtes où les réglages moins chers ont suffi

Chez AI Arte, nous avons aussi mené un petit test avec le Codex CLI. Ce n'est pas un test destiné à classer les modèles. Voici d'abord les conditions.

Le temps est mesuré du lancement du CLI à sa sortie. Le coût équivalent API n'est pas ce qui nous a été facturé (les passages se faisaient dans le cadre d'un abonnement ; c'est un chiffre de référence obtenu en appliquant les tarifs officiels de l'API aux nombres de tokens indiqués par le CLI).

De 5 h 47 à 5 h 49 le même jour, nous avons lancé une autre tâche, distincte et en japonais (repérer des erreurs de conversion de dates et de comptage à travers plusieurs sources), avec 12 critères de notation fixés à l'avance, deux fois par réglage. Les 8 passages ont réussi, avec des temps médians de 9,65 s pour Sol low, 13,29 s pour Sol medium, 13,48 s pour Astra low et 17,32 s pour Luna high (la tâche et le créneau diffèrent du tableau ci-dessus, nous n'avons donc pas mélangé les moyennes).

Tout ce que cela montre, c'est que pour des tâches courtes aux réponses vérifiables, Sol low ou Luna high ont parfois suffi. Tous les réglages ont réussi parce que les tâches étaient faciles, et cela ne prouve en rien que les modèles se valent. Il y avait 3 tâches indépendantes, avec 4 et 2 passages par réglage. Nous n'avons mesuré ni la correction d'un dépôt existant, ni la conception, ni la rédaction longue, ni le travail autonome prolongé. Et comme l'indicateur d'usage restant affiche des pourcentages entiers et est partagé avec d'autres travaux, ce test ne peut pas dire quelle part du plafond d'usage chaque modèle a consommée.

Deux choses restaient tout de même observables. Sol low a terminé plus vite qu'Astra low pour environ 1/5 du coût équivalent API. Luna high, de son côté, avait le coût équivalent API le plus bas mais a pris plus de temps qu'Astra low, comme dans le tableau d'AA.

8. Choisir pour son propre travail : là où la décision bascule

À partir de ce que nous avons vu (les recommandations officielles par usage, les évaluations d'AA et notre petit test), la répartition suivante est pragmatique. Lisez-la comme un point de départ proposé, pas comme un optimum démontré.

La question décisive est de savoir si vous pouvez vérifier vous-même le résultat de la tâche tout de suite. Si des tests qui passent ou un format correct suffisent à trancher, un échec sur un modèle bon marché se remarque immédiatement et le refaire coûte peu. À l'inverse, pour un travail où les erreurs apparaissent tard (décisions de conception, rédaction factuelle sans sources, qualité visuelle), les reprises dues à un modèle bon marché finissent par coûter plus que l'écart de prix.

Le moyen le plus fiable de trancher est de comparer sur votre propre travail représentatif. À partir du même état initial : la première sortie a-t-elle réussi, combien de fois l'avez-vous corrigée, et combien de minutes a pris votre propre vérification finale ? Comptez ces trois choses et vous obtiendrez une meilleure réponse, pour vous, que n'importe quel tableau.

FAQ

Q1. Peut-on déjà utiliser GPT-6 Sol et Luna ?

Depuis le 22 septembre 2026 (heure des États-Unis), ils sont en cours de déploiement dans ChatGPT Work et Codex sur Plus, Pro, Business, Enterprise et Edu. Free et Go n'ont que Luna, dans l'application de bureau. Dans l'API, ils sont disponibles sous gpt-6-sol et gpt-6-luna. Ils ne sont pas proposés dans le Chat habituel (d'après les pages officielles au 24 septembre 2026).

Q2. J'utilise Astra low. Dois-je passer à Sol ?

Rien ne vous y oblige. Les recommandations d'OpenAI sont Sol pour le travail quotidien et le code complexe (en partant de Medium) et Astra pour le travail le plus difficile (en partant de Light). Dans les évaluations d'Artificial Analysis, Sol medium n'était qu'à 1 point d'Astra low sur les workflows métier, mais loin derrière sur le travail en terminal, à 19 % contre 42 %. Nous conseillons d'essayer Sol medium uniquement sur les nouvelles tâches du quotidien et de comparer la fréquence des reprises.

Q3. Si Sol coûte 1/5 d'Astra, ai-je 5 fois plus d'usage ?

On ne peut pas l'affirmer. Les tarifs API et les crédits sont à 1/5, mais la page de tarifs de Codex elle-même précise que les taux de crédits ne suffisent pas à déterminer l'usage d'un abonnement. Les fourchettes indicatives de cette même page par tranche de 5 heures sur Plus sont de 5–45 messages pour Astra et 15–150 pour Sol, soit seulement environ 3 fois plus. Ce ne sont pas non plus des limites fixes, et la consommation varie selon le travail.

Q4. Luna est le moins cher. Puis-je l'utiliser pour tout ?

Il convient au travail répétitif dont on sait à quoi ressemble un bon résultat (extraction, classification, transformation, résumés au format fixe). Dans les évaluations d'Artificial Analysis, Luna high coûte environ 1/27 d'Astra low par tâche, mais il prend plus de temps, n'obtient que 5 % sur le travail en terminal et chute nettement sur l'indicateur d'exactitude des connaissances. Évitez de lui confier, sur le seul critère du prix, des questions factuelles sans sources fournies ou du développement autonome de longue durée.

Q5. L'application sélectionne « Sol Light » par défaut, mais OpenAI dit « commencez Sol en Medium ». N'est-ce pas contradictoire ?

Non. Sol Light est le préréglage Power par défaut de l'application de bureau et du web, tandis que « Sol en Medium » est le point de départ pour obtenir des résultats sur ce type de travail. La valeur par défaut de l'API est encore autre chose : medium pour Sol comme pour Luna. Une façon simple de voir les choses : gardez la valeur par défaut pour le travail léger, et passez en Medium ou au-delà pour le travail qui demande de la planification ou de l'analyse.

Q6. Que deviennent GPT-5.6 Sol et GPT-5.5 ?

GPT-5.6 Sol, Terra et Luna restent disponibles pendant la période de transition. GPT-5.5 sera retiré de ChatGPT, ChatGPT Work et Codex le 14 octobre 2026 (l'API n'est pas concernée), et OpenAI désigne GPT-6 Sol comme remplaçant sur les offres payantes (Plus, Pro, Business, Enterprise, Edu) et GPT-6 Luna dans l'application de bureau sur Free et Go. Si vous indiquez gpt-5.5 dans un fichier de configuration ou une tâche planifiée, changez-le avant cette date.

Sources

Les chiffres de cet article ont été vérifiés le 24 septembre 2026 sur les pages des éditeurs ci-dessous, ainsi que sur les données de mesure propres à AI Arte.

• OpenAI — Introducing GPT-6 Sol and Luna
  Positionnement, baisses de prix par rapport à la génération précédente (Sol $4→$2 et $20→$10, Luna $0.20→$0.10 et $1.20→$0.50), AutomationBench 1.0.6 (Sol xhigh 33,2 % pour $0.27, Astra low 30,3 % à 3,9×, Opus 5 max 26,9 % à 11,1×), DeepSWE v1.1 (Sol max 68,8 %, Luna max 66,6 %), Agents' Last Exam (Sol max 56,4 %), OSWorld 2.0 (Sol xhigh 60,5 %), l'évaluation interne de fiabilité factuelle et ses réserves, disponibilité
• OpenAI Developer Community — annonce de GPT-6 Sol et Luna
  Heure de sortie (22 septembre 2026, 18:16 UTC), disponibilité dans Work, Codex et l'API, Luna sur l'application de bureau pour Free et Go
• OpenAI — GPT-6 Sol, GPT-6 Luna, GPT-6 Astra (documentation de l'API)
  Identifiants des modèles, contexte, entrée et sortie maximales, coupures des connaissances, effort de raisonnement et valeurs par défaut, tarifs API, majoration au-delà de 272K, écriture en cache à 1,25×, mode Fast à 2×
• ChatGPT — Models
  Recommandations par usage (Sol en Medium, Luna en High, Astra à partir de Light), les six préréglages Power avec Sol Light par défaut, indisponibilité dans Chat, GPT-5.6 disponible pendant la transition, retrait de GPT-5.5 (14 octobre 2026)
• ChatGPT / Codex — Pricing
  Disponibilité par offre, taux de crédits, la mention selon laquelle les taux ne déterminent pas à eux seuls l'usage, fourchettes indicatives par tranche de 5 heures (Plus : Astra 5–45, Sol 15–150, Luna 350–3,000), mode Fast à 2,5×
• Artificial Analysis — pages de comparaison (Sol medium face à Astra low, Sol low face à Astra low, Luna high face à Astra low)
  Intelligence Index v4.3.2, Terminal-Bench 4.0, AutomationBench-AA, AA-Omniscience, coût, tokens de sortie et temps par tâche
• Mesures d'AI Arte (24 septembre 2026, Codex CLI 0.155.0-alpha.16)
  4 réglages × 2 tâches × 2 passages = 16 passages, plus une tâche supplémentaire en japonais exécutée deux fois par réglage = 8 passages. Réussites, temps, tokens de sortie, coût équivalent API

Articles connexes

• Sortie de GPT-6 Astra : le guide complet — tarifs, disponibilité par offre et benchmarks du modèle haut de gamme
• GPT-6 Astra low est-il vraiment moins cher ? — une comparaison mesurée avec GPT-5.6 Sol en high, de la génération précédente
• Sortie de GPT-5.6 : le guide complet — Luna / Terra / Sol de la génération précédente
• Sortie de Claude Opus 5.5 — le nouveau modèle d'Anthropic, sorti la même semaine
• Dates de coupure des connaissances des principaux modèles d'IA — jusqu'où vont les connaissances de chaque modèle