Aller au contenu

IA

GPT-6 Sol et Luna : prix coupés de moitié, ton salaire n'a pas bougé

OpenAI met à jour Sol et Luna : l'API coûte environ moitié moins cher, les scores d'intelligence restent au même niveau. Des cerveaux de robots moins chers, mais pas plus malins.

Photo de couverture : Jernej Furman from Slovenia / CC BY 2.0

TL;DR

  1. Sol passe à $2/$10 par million de tokens, Luna à $0.10/$0.50. Environ moitié moins cher que l'ancien tarif.
  2. Selon Artificial Analysis, les scores restent au niveau de GPT-5.6 : quelques gains, quelques régressions.
  3. OpenAI explique la baisse par le caching et l'inférence, pas par un modèle plus intelligent.

Ce qui s'est passé

Quelques semaines après le lancement de GPT-6 Astra, présenté par OpenAI comme son modèle le plus capable à ce jour, l'entreprise rafraîchit les gammes plus petites : GPT-6 Sol et GPT-6 Luna.

Sol vise le travail complexe, comme le code. Luna est conçu pour les tâches de bureau à gros volume : résumer des documents, extraire des infos, répondre à des questions rapides.

Ce qui fait la une, c'est la facture d'API. Sol passe de $4/$20 à $2/$10 par million de tokens en entrée/sortie. Luna passe de $0.20/$1.20 à $0.10/$0.50. OpenAI attribue la baisse à des améliorations du caching et de l'inférence.

Le benchmarker indépendant Artificial Analysis a sorti la calculette. Luna tombe à $0.07 par tâche, contre $0.18 pour son prédécesseur, soit environ 60% de moins. Pour Sol, la baisse est d'environ 50%.

Le hic : les économies viennent de la grille tarifaire, pas d'une magie d'efficacité. Les deux nouveaux modèles consomment en réalité un peu plus de tokens de sortie par tâche : 31k contre 29k pour Sol, 51k contre 41k pour Luna.

Pourquoi ça compte

C'est une histoire de prix, pas de cerveau. Selon Artificial Analysis, les scores de l'Intelligence Index et du Coding Agent Index restent au niveau de GPT-5.6, avec des progrès sur certaines évaluations et des régressions sur d'autres.

Dans le harness Codex d'OpenAI, Sol obtient 57 sur le Coding Agent Index, soit 2 points de plus. Luna, lui, régresse sur ce même test de code. Luna est donc moins cher et un peu moins bon en code, ce qui n'est pas grave si tu le voulais pour de la paperasse.

Même intelligence, facture divisée par deux : c'est le pitch, et les benchmarks le confirment plutôt bien.

Côté développeurs, le calcul change vite. Les usages limites à l'ancien prix, comme le traitement de documents en masse ou les agents qui brûlent des tokens, deviennent plus faciles à justifier.

Les lectures de cache gardent leur remise de 90% et les écritures de cache leur surcoût de 25%, donc les astuces d'optimisation habituelles marchent toujours.

Pour le reste d'entre nous, c'est la courbe qui compte. À chaque génération, le même niveau de compétence machine coûte moins cher. Les humains qui font le travail de bureau dont Luna tire son nom voudront peut-être relire cette phrase.

Qu'est-ce que tu en fais

  • Refais ton modèle de coûts.Injecte les nouveaux tarifs $2/$10 et $0.10/$0.50 dans tes estimations avant de décider qu'une fonctionnalité est trop chère à livrer.
  • Teste Luna sur les trucs ennuyeux.Résumés, extraction et questions-réponses rapides : c'est exactement le positionnement voulu par OpenAI, donc benchmarke-le d'abord là-dessus.
  • Ne présume pas d'une amélioration en code.Sol progresse sur l'index de code mais Luna recule, donc vérifie tes propres usages avant de changer de modèle.
  • Soigne ton caching.La remise de 90% sur les lectures de cache s'ajoute au prix de base plus bas : réutilise tes prompts partout où tu peux.

Ciao, sapiens. Les robots ont eu une remise ; va vérifier si ton budget aussi.