En bref : le 22 septembre 2026, OpenAI a mis en ligne GPT-6 Sol et GPT-6 Luna, deux nouveaux niveaux de la famille GPT-6. Sol vise les tâches professionnelles complexes — raisonnement, code, computer use — à $2 par million de tokens en entrée et $10 en sortie. Luna cible les usages à fort volume et réponses courtes à $0,10/$0,50 par million de tokens. Ces deux modèles se positionnent sous GPT-6 Astra, sorti le 3 septembre, tout en revendiquant des méthodes d'entraînement proches du modèle de référence.
Pour les équipes qui utilisaient GPT-5.6 Sol ou Luna en production, c'est une mise à niveau notable : OpenAI annonce que GPT-6 Sol commet deux fois moins d'erreurs que son prédécesseur GPT-5.6 Sol dans un test de factualité interne sur des conversations réelles. Les prix sont eux aussi divisés par deux par rapport à GPT-5.6 Sol ($4/$20 auparavant) et Luna ($0,20/$1,20 auparavant).
Cet article couvre les capacités annoncées, la grille tarifaire complète avec contexte, les conditions d'accès effectives au 22 septembre et la logique de décision entre les trois niveaux. Si votre organisation cherche à automatiser des processus métier avec des agents IA, le choix entre Sol, Luna et Astra est une décision directement structurante pour vos coûts d'exploitation.
La gamme GPT-6 : d'Astra à Sol et Luna
Avant d'analyser Sol et Luna, il est utile de comprendre comment s'organise la famille GPT-6 d'OpenAI. Trois niveaux ont été définis, du plus puissant au moins coûteux :
- GPT-6 Astra — le modèle frontier de référence, sorti le 3 septembre 2026. Capacités maximales, coût d'utilisation le plus élevé de la gamme. Ciblé pour les usages les plus exigeants en raisonnement avancé et les tâches multi-étapes de haute complexité, notamment en cybersécurité offensive.
- GPT-6 Sol — deuxième niveau, disponible depuis le 22 septembre. Travaux professionnels standard : code, rédaction, analyse, computer use. $2/$10 par million de tokens en entrée/sortie. Entraîné avec des méthodes proches d'Astra selon OpenAI.
- GPT-6 Luna — troisième niveau, disponible depuis le 22 septembre via l'API et dans ChatGPT Work. Conçu pour les tâches à fort volume avec un objectif clair : résumés, classification, réponses courtes. $0,10/$0,50 par million de tokens.
Cette organisation en trois niveaux reprend la logique introduite avec GPT-5.6 (Sol/Terra/Luna), mais avec une simplification : le niveau intermédiaire Terra n'a pas d'équivalent dans GPT-6 pour l'instant. Les deux niveaux restants sont entraînés selon OpenAI avec les mêmes principes méthodologiques qu'Astra.
La question n'est donc plus seulement tarifaire : elle porte sur les cas d'usage pour lesquels Sol et Luna offrent une performance suffisante, et sur ceux pour lesquels Astra reste nécessaire malgré son coût plus élevé.
Performances et capacités annoncées
OpenAI avance deux éléments quantitatifs sur les performances de GPT-6 Sol et Luna, qu'il est important d'interpréter avec précision.
La réduction des erreurs : « environ la moitié »
OpenAI indique que GPT-6 Sol commet « environ la moitié des erreurs » de GPT-5.6 Sol dans un test de factualité interne. Ce test s'appuie sur des conversations réelles désidentifiées dans lesquelles des utilisateurs avaient signalé des erreurs. Il ne s'agit pas d'un benchmark externe neutre, mais d'une évaluation interne sur un type spécifique d'erreur — la factualité déclarée par les utilisateurs.
C'est une donnée utile, mais partielle. Un modèle peut commettre deux fois moins d'erreurs factuelles sur ce type de test et se comporter différemment sur d'autres dimensions — raisonnement multi-étapes, instructions complexes, génération de code — qui n'ont pas fait l'objet de données publiées au moment du lancement.
Le prompt-caching étendu
OpenAI a également annoncé pour Sol et Luna une extension des outils de prompt-caching, qui permettent de mettre en cache les contextes identiques d'un appel API à l'autre. Pour les applications qui répètent le même contexte système dans de nombreux appels — agents avec mémoire statique, applications RAG avec documents de référence fixes — cela peut représenter une réduction de coût substantielle sur les tokens de contexte répétés.
Coding, computer use, alignement
OpenAI positionne Sol et Luna comme des améliorations sur les mêmes axes qu'Astra : travaux professionnels, factualité, code, computer use et alignement. Aucun benchmark tiers public n'avait été communiqué au moment de la rédaction de cet article. L'affirmation qu'ils « surpassent leurs prédécesseurs sur les tests de référence d'OpenAI » reste à valider sur des évaluations indépendantes — un point de vigilance classique pour tout lancement de modèle.
Grille tarifaire complète
Voici la grille tarifaire API de GPT-6 Sol et Luna au 22 septembre 2026, avec la comparaison aux niveaux précédents :
- GPT-6 Sol — entrée : $2/M tokens, sortie : $10/M tokens (contre $4/$20 pour GPT-5.6 Sol, soit −50 %)
- GPT-6 Luna — entrée : $0,10/M tokens, sortie : $0,50/M tokens (contre $0,20/$1,20 pour GPT-5.6 Luna, soit −50 % en entrée, −58 % en sortie)
GPT-6 Astra reste le modèle de référence de la gamme à un prix plus élevé que Sol. Le lancement de Sol et Luna représente une réduction tarifaire significative sur les deux niveaux les plus accessibles, dans la continuité des baisses de prix répétées observées sur GPT-5.6 tout au long de l'été 2026.
Impact concret sur les coûts d'exploitation
Pour une application traitant 10 millions de tokens en entrée et 5 millions en sortie par mois, la migration de GPT-5.6 Sol vers GPT-6 Sol représente une économie mensuelle de :
- Entrée : 10M × ($4 − $2) / 1M = $20 d'économie
- Sortie : 5M × ($20 − $10) / 1M = $50 d'économie
- Total : $70/mois pour ce profil de consommation
L'économie réelle dépend du ratio tokens entrée/sortie de vos usages. Les usages RAG avec des contextes longs en entrée et des réponses courtes en sortie bénéficient proportionnellement davantage de la baisse en entrée. Le prompt-caching, s'il est bien configuré, peut venir s'ajouter à ces économies : les tokens identiques envoyés dans le contexte de plusieurs appels successifs ne sont pas refacturés au plein tarif.
Disponibilité et accès API
Au 22 septembre 2026, la disponibilité de GPT-6 Sol et Luna varie selon le canal d'accès :
- API OpenAI : GPT-6 Sol et GPT-6 Luna disponibles immédiatement pour tous les comptes développeur ayant accès à l'API. C'est le canal à utiliser pour vos intégrations et agents en production.
- ChatGPT Work et Codex : disponibles pour la plupart des comptes payants (Plus, Pro, Business, Enterprise) dès le 22 septembre. ChatGPT Work est l'interface orientée tâches professionnelles longues ; Codex est l'environnement d'agents de code.
- Application desktop et comptes Free/Go : Luna est annoncé comme prochain dans ce canal. La date exacte de déploiement n'était pas communiquée au moment de la rédaction.
Une précision importante pour les équipes en production : la disponibilité API est immédiate, mais vous devez explicitement spécifier les identifiants gpt-6-sol ou gpt-6-luna dans vos appels. Vos appels existants vers gpt-5-6-sol ou gpt-5-6-luna ne basculent pas automatiquement. C'est intentionnel : OpenAI évite les changements de comportement non contrôlés en production.
Ce principe de non-migration automatique est cohérent avec les bonnes pratiques de gouvernance IA. Intégrer un nouveau modèle dans une application existante nécessite de revérifier les prompts, les formats de sortie attendus et les comportements sur les cas limites propres à votre domaine métier.
Comment choisir entre Sol, Luna et les modèles précédents ?
La question pratique est la suivante : pour vos usages actuels, vaut-il la peine de migrer vers GPT-6 Sol ou Luna, ou de rester sur GPT-5.6 ?
Migrer maintenant est pertinent si…
- Vous utilisez GPT-5.6 Sol ou Luna en production avec des volumes significatifs. La réduction de 50 % sur les tarifs s'applique directement et le calcul d'économies est simple.
- Vous avez des erreurs factuelles documentées dans vos sorties GPT-5.6 Sol. La réduction annoncée de 50 % mérite une validation sur vos propres données de test avant de généraliser.
- Vous démarrez de nouveaux projets d'agents IA. Partir directement sur GPT-6 Sol ou Luna plutôt que GPT-5.6 est logique pour bénéficier dès le départ des améliorations disponibles.
Attendre est raisonnable si…
- Vous êtes en production stable sur GPT-5.6 Sol avec des sorties satisfaisantes et peu d'erreurs. La migration a un coût de tests et de validation qui doit se justifier.
- Vous avez besoin de benchmarks indépendants avant de décider. Au 22 septembre, seuls les chiffres internes d'OpenAI sont disponibles.
- Vos usages requièrent les capacités maximales de raisonnement : c'est le périmètre d'Astra, pas de Sol ou Luna.
Luna pour le volume, Sol pour la qualité
La règle d'arbitrage principale reste celle-ci : Luna pour les tâches répétitives, bien définies, à fort volume, où la rapidité et le coût comptent plus que la profondeur du raisonnement. Sol pour les tâches qui demandent du jugement, de la nuance ou des instructions complexes. Astra pour les tâches aux enjeux les plus élevés ou les plus complexes, où un modèle frontier est justifié. Aucun arbitrage ne remplace un test sur votre propre distribution de données et vos cas limites métier.
FAQ — OpenAI lance GPT-6 Sol et Luna le 22 septembre : $2/M pour Sol, $0,10/M pour Luna — les vrais gains et les limites à connaître
Quelle est la différence concrète entre GPT-6 Sol et GPT-6 Luna ?
Sol est optimisé pour les travaux professionnels complexes — code, raisonnement, analyse approfondie, computer use — avec un niveau de factualité plus élevé annoncé. Luna est conçu pour les usages à fort volume avec des objectifs clairs : résumés, classification, réponses courtes. Luna est significativement moins cher ($0,10/$0,50 par million de tokens vs $2/$10 pour Sol), mais moins adapté aux tâches nécessitant du raisonnement nuancé. Pour un même budget mensuel, Luna permet de traiter environ 20 fois plus de tokens que Sol.
GPT-6 Sol et Luna remplacent-ils GPT-5.6 dans l'API OpenAI ?
Non — la migration n'est pas automatique. Vos appels API existants vers gpt-5-6-sol ou gpt-5-6-luna continuent de fonctionner normalement. Pour utiliser GPT-6 Sol ou Luna, vous devez explicitement spécifier le nouvel identifiant de modèle. OpenAI n'a pas communiqué de date de dépréciation de GPT-5.6 Sol/Luna au moment du lancement de GPT-6. La migration est donc à votre initiative et peut être gérée progressivement, test-by-test.
La réduction de 50 % d'erreurs annoncée par OpenAI est-elle fiable ?
Il s'agit d'un test interne d'OpenAI sur un type spécifique d'erreur : des erreurs factuelles que des utilisateurs avaient signalées dans de vraies conversations désidentifiées. Ce n'est pas un benchmark tiers indépendant. La réduction peut être réelle sur ce type d'erreur, sans préjuger des performances sur d'autres dimensions — raisonnement, instructions complexes, code, autres types d'hallucinations — qui n'ont pas fait l'objet de données publiées. La bonne pratique est de valider ces gains sur votre propre jeu de données avant de migrer en production.
GPT-6 Sol et Luna sont-ils accessibles sur Azure OpenAI Service ?
OpenAI n'avait pas confirmé la disponibilité de GPT-6 Sol et Luna sur Azure OpenAI Service au moment de la rédaction de cet article (22 septembre 2026). La disponibilité Azure des modèles OpenAI suit généralement celle de l'API directe avec un délai variable, qui a été de quelques jours à quelques semaines selon les modèles précédents. Si vous êtes sur Azure OpenAI, vérifiez directement dans votre région Azure la disponibilité des nouvelles versions.
Comment fonctionne le prompt-caching annoncé pour GPT-6 Sol et Luna ?
Le prompt-caching permet de ne pas refacturer au plein tarif les tokens de contexte identiques envoyés dans plusieurs appels successifs. Pour en bénéficier, vos prompts doivent avoir une structure stable où le contenu système et les documents de référence sont placés en début de prompt, avant le contenu variable. OpenAI gère le cache automatiquement pour les contextes répétés au-delà d'un certain seuil. Les économies effectives dépendent de votre ratio contexte fixe / contexte variable — les pipelines RAG avec un contexte document fixe sont les plus avantagés.