GPT-5.6 Terra et Luna : l'équilibre et le volume

Le phare ne sert pas à tout. Facturer chaque million de tokens de sortie 30 $ pour classer des tickets de support ou extraire des dates de factures serait un gaspillage pur — et c’est exactement pour éviter ce gaspillage que la famille GPT-5.6 se décline en trois modèles. Le bon choix ne dépend pas d’une hiérarchie de prestige mais de votre rapport qualité/coût, tâche par tâche.

Les trois modèles côte à côte (relevé le 5 août 2026)

Contexte long : au-delà de 272 000 tokens d’entrée, la requête entière bascule sur la grille « long context » — le double en entrée, une fois et demie en sortie (Sol 10 $ / 45 $, Terra 4 $ / 18 $, Luna 0,40 $ / 1,80 $).

Lisez ce tableau ligne par ligne et une chose saute aux yeux : la dernière ligne est identique dans les trois colonnes. Les trois modèles acceptent texte et image en entrée et partagent les mêmes niveaux de raisonnement, de none à max. La différence entre eux est le rapport capacité/prix, pas la liste des fonctionnalités. C’est un vrai changement par rapport à la génération précédente, où descendre en gamme signifiait souvent perdre des capacités entières.

Comment choisir

Terra est le choix par défaut pour le travail quotidien : rédaction, résumé, assistance, code courant. À 2 $ en entrée et 12 $ en sortie, il coûte environ deux fois et demie moins cher que Sol, et pour l’immense majorité des tâches de bureau cette différence de prix ne s’accompagne d’aucune différence perceptible de résultat. Si vous deviez ne retenir qu’une règle de cette leçon, ce serait celle-ci : commencez par Terra, et ne payez le tarif de Sol que lorsque Terra vous a concrètement déçu.

Sol garde sa place quand la qualité prime sur tout le reste : le code difficile, les agents de longue durée, l’analyse où une erreur coûte cher. Dans ces situations, l’écart de prix se justifie parce que le coût d’une reprise humaine — relire, corriger, recommencer — dépasse largement les quelques dollars économisés sur l’appel.

Luna, enfin, vise le fort volume. À 0,20 $ en entrée et 1,20 $ en sortie par million de tokens, il est taillé pour la classification, l’extraction, le tri, les pipelines massifs — tous ces traitements où chaque requête est simple mais où vous en lancez des dizaines de milliers. Sur ces charges, le facteur vingt-cinq entre Luna et Sol se traduit directement dans votre facture mensuelle.

La stratégie en cascade reste la bonne

Le schéma classique s’applique parfaitement à cette famille : traitez le flux principal avec Luna, faites remonter à Terra ce qui échoue ou demande de la nuance, réservez Sol aux cas qui justifient son prix. Et c’est ici que l’uniformité de la famille devient un avantage opérationnel concret : comme les trois modèles partagent la même API, les mêmes entrées multimodales et les mêmes réglages de raisonnement, basculer de l’un à l’autre se résume à changer l’identifiant. Pas de réécriture de prompt, pas d’adaptation de format, pas de surprise de comportement liée à une API différente.

Le squelette d’un routeur de cascade tient en quelques lignes :

def choisir_modele(tache):
    if tache.complexite == "haute":
        return "gpt-5.6-sol"
    if tache.complexite == "moyenne":
        return "gpt-5.6-terra"
    return "gpt-5.6-luna"

Dans un système réel, le critère de complexité peut être une heuristique métier (longueur du document, type de demande), un score produit par Luna lui-même, ou simplement l’échec d’une première tentative. L’important est le principe : chaque requête est traitée par le modèle le moins cher qui en est capable, et rien de plus. Prenez une de vos tâches récurrentes et posez-vous honnêtement la question : laquelle des trois colonnes du tableau lui correspond ? Si votre réponse est « Sol » pour tout, vous payez probablement le phare pour du travail de Luna.

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

• Terra (2 $ / 12 $) est l’équilibre recommandé pour l’usage courant
• Luna (0,20 $ / 1,20 $) vise les charges massives sensibles au coût
• Les trois modèles partagent API, entrées multimodales et niveaux de raisonnement
• La cascade Luna → Terra → Sol optimise le coût sans sacrifier les cas difficiles