GPT-5.6 Sol : le nouveau modèle phare

GPT-5.6 Sol est le modèle phare d’OpenAI, présenté comme la référence pour le raisonnement complexe et le code. La documentation développeur le recommande explicitement comme point de départ si vous hésitez, et ce choix par défaut n’est pas anodin : dans la génération précédente, le « meilleur » modèle dépendait de la tâche, entre GPT-5.4 pour la vitesse et o3-pro pour la profondeur. Sol réunit les deux registres dans un seul identifiant.

Sa fiche technique (relevée le 28 juillet 2026)

Un détail de cette fiche mérite une phrase d’explication : l’alias gpt-5.6 pointe vers Sol. Si votre code demande simplement gpt-5.6, c’est donc le modèle phare qui répond — et qui facture au tarif du phare. Quand vous voudrez maîtriser vos coûts avec Terra ou Luna, il faudra les nommer explicitement ; la leçon suivante y revient.

Ce qu’OpenAI met en avant

Selon l’annonce officielle du 9 juillet, GPT-5.6 a été entraîné pour tirer davantage de travail utile de chaque token. C’est la ligne directrice de toute la communication autour de ce modèle : non pas « plus intelligent en absolu », mais plus efficace par unité de dépense. OpenAI revendique l’état de l’art sur des évaluations de travail professionnel de longue durée — Agents’ Last Exam, qui couvre 55 domaines — et de code, avec l’Artificial Analysis Coding Agent Index, Terminal-Bench 2.1 et DeepSWE. Le tout, affirme l’éditeur, avec moins de tokens de sortie et un coût estimé inférieur aux modèles concurrents.

Comme toujours avec les benchmarks publiés par un éditeur à propos de ses propres modèles, la prudence s’impose. Retenez la tendance — la priorité donnée à l’efficacité par token — plutôt que les classements eux-mêmes, et vérifiez sur vos propres cas d’usage avant de conclure. Un modèle qui domine Terminal-Bench peut très bien décevoir sur votre base de code interne, et inversement ; seule une évaluation sur vos données tranche réellement.

Un appel de base

Voyons ce que donne Sol en pratique. L’appel ci-dessous soumet un contrat à analyser, avec un effort de raisonnement intermédiaire :

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-sol",
    input="Analyse ce contrat et liste les clauses inhabituelles.",
    reasoning={"effort": "medium"},
)

print(response.output_text)

Deux choses à observer dans ce code. D’abord, on passe par la Responses API — c’est l’API de référence pour la famille GPT-5.6. Ensuite, le paramètre reasoning fait partie de l’appel lui-même : pour une analyse contractuelle courante, medium suffit ; si le contrat est dense et que chaque clause manquée coûte cher, vous montez à high ou au-delà sans rien changer d’autre.

Le réglage ultra

Pour les travaux les plus exigeants, OpenAI introduit ultra : le réglage de capacité maximale, qui coordonne plusieurs agents en parallèle — quatre par défaut — pour finir plus vite les tâches complexes. L’annonce montre aussi des configurations à seize agents sur certaines évaluations. La contrepartie est explicite et assumée par OpenAI : une consommation de tokens nettement supérieure. Autrement dit, ultra n’est pas un cran de plus sur le curseur, c’est un changement d’architecture d’exécution, à réserver aux problèmes qui justifient ce coût. La leçon 4 détaille quand ce choix se défend.

Source officielle : platform.openai.com/docs/models

Tarifs relevés le 5 août 2026 — les prix évoluent régulièrement : avant tout calcul de budget, vérifiez la grille en vigueur sur la tarification officielle OpenAI.

Points clés à retenir

• gpt-5.6-sol est le modèle phare ; l’alias gpt-5.6 pointe vers lui
• 5 $ / 30 $ par million de tokens, entrée texte + image
• Six niveaux de raisonnement, de none à max
• ultra coordonne plusieurs agents en parallèle, au prix d’une consommation accrue
• Vérifiez les benchmarks éditeur sur vos propres cas avant de décider