# GPT-6 Sol ou GPT-6 Luna : lequel choisir?

Date: 2026-09-29 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/gpt-6-sol-ou-gpt-6-luna-choisir/

**Answer:** Choisissez GPT-6 Sol pour le travail exigeant comme la programmation, les tâches d’agent en plusieurs étapes et les documents professionnels, et GPT-6 Luna pour les tâches simples et répétées en grand volume, comme trier, extraire et résumer. Luna coûte environ le vingtième de Sol par jeton : vérifiez donc s’il suffit pour votre tâche avant de payer pour Sol.

Il y a une semaine, le 22 septembre, OpenAI a ajouté deux modèles à sa famille GPT-6. GPT-6 Astra, lancé le 3 septembre, reste le modèle de tête. **GPT-6 Sol** est l’option intermédiaire solide, et **GPT-6 Luna** est l’option légère et peu coûteuse. OpenAI affirme les avoir entraînés tous deux avec des méthodes semblables à celles d’Astra, si bien qu’ils reprennent une bonne partie de ses progrès sur les faits, la programmation et la prudence, à un prix plus bas.

Le guide d’OpenAI pour les développeurs résume le choix en une phrase pour chacun : Astra pour la capacité maximale, Sol pour un raisonnement solide sur des tâches exigeantes, et Luna pour un travail efficace et répétable à grande échelle. La suite de ce guide transforme cela en décisions pratiques.

## Où les utiliser

Toute personne qui a un forfait payant de ChatGPT (Plus, Pro, Business, Enterprise ou Edu) peut choisir l’un ou l’autre modèle dans ChatGPT Work et dans Codex. Les personnes qui ont les forfaits Free ou Go obtiennent Luna, mais seulement dans l’application de bureau de ChatGPT. Au lancement, OpenAI a précisé qu’aucun des deux modèles n’était encore offert dans la vue Chat habituelle. Les développeurs peuvent les appeler dans l’API sous les noms `gpt-6-sol` et `gpt-6-luna`.

## Un guide tâche par tâche

| Tâche | Choix | Pourquoi |
|---|---|---|
| Corriger des bogues ou créer des fonctions avec Codex | Sol | Les agents de programmation mènent de longs travaux en plusieurs étapes où les erreurs s’accumulent |
| Rédiger un rapport, une proposition ou une analyse | Sol | La rédaction professionnelle profite d’un raisonnement plus solide |
| Un agent qui travaille dans plusieurs applications | Sol | OpenAI met en avant les résultats de Sol sur les flux de travail d’entreprise |
| Trier des billets de soutien par catégorie | Luna | Un choix fixe, répété des milliers de fois |
| Extraire des noms, des dates et des totaux de documents | Luna | Une extraction simple en grand volume |
| Résumer des notes de réunion ou des courriels | Luna, puis vérifier | Suffit habituellement; passez à Sol si les résumés oublient des points |
| Une question factuelle rapide sur laquelle vous allez agir | Sol | Moins d’erreurs factuelles, selon les mesures d’OpenAI |
| Les tâches de recherche ou d’utilisation d’un ordinateur les plus difficiles | Astra | OpenAI dit toujours d’Astra qu’il est son meilleur modèle dans l’ensemble |

Le tableau reflète les descriptions et les résultats annoncés par OpenAI elle-même, que des testeurs externes n’ont pas encore confirmés. Voyez-le comme un point de départ, pas comme un verdict.

Sur l’exactitude des faits, OpenAI rapporte que Sol fait à peu près deux fois moins d’erreurs que GPT-5.6 Sol à un test bâti à partir de conversations où des utilisateurs avaient signalé des erreurs, et que Luna, avec des réglages d’effort plus élevés, égale GPT-5.6 Sol. À un banc d’essai de génie logiciel appelé DeepSWE, elle rapporte 68,8 % pour Sol et 66,6 % pour Luna, tous deux à l’effort maximal. Ces chiffres laissent croire que Luna est un modèle capable, pas un jouet, et c’est pourquoi il vaut la peine de le tester d’abord.

> **À essayer :** choisissez une tâche que vous faites souvent. Passez les cinq mêmes exemples dans Luna et dans Sol, et notez chaque réponse comme utilisable, à retoucher ou fausse. Si les notes de Luna égalent celles de Sol, vous avez trouvé un travail où vous pouvez économiser.

## Un exemple de coûts

Les prix sont donnés par million de *jetons*, les petits morceaux de texte (environ les trois quarts d’un mot chacun en anglais) que les modèles lisent et écrivent.

| Modèle | Entrée, par million de jetons | Sortie, par million de jetons |
|---|---|---|
| GPT-6 Sol | 2,00 $ US | 10,00 $ US |
| GPT-6 Luna | 0,10 $ US | 0,50 $ US |

Supposons qu’une petite boutique en ligne veuille résumer 1 000 courriels de clients d’environ 2 000 jetons chacun en résumés de 300 jetons. Les chiffres sont donnés à titre d’illustration :

- **Luna :** 2 millions de jetons d’entrée × 0,10 $ US = 0,20 $ US, plus 300 000 jetons de sortie × 0,50 $ US par million = 0,15 $ US. Total d’environ **0,35 $ US**.
- **Sol :** 2 millions × 2,00 $ US = 4,00 $ US, plus 300 000 × 10,00 $ US par million = 3,00 $ US. Total d’environ **7,00 $ US**.

Les deux sommes sont petites à cette échelle, mais le rapport tient quand le volume augmente : pour le même travail, Luna coûte environ vingt fois moins. Un effort de raisonnement plus élevé fait réfléchir le modèle plus longtemps et écrire plus de jetons : les coûts réels augmentent donc avec le réglage d’effort que vous choisissez.

## Comment diffèrent-ils en coût et en vitesse?

**Coût.** Par jeton, les prix de Luna sont le vingtième de ceux de Sol, à l’entrée comme à la sortie. Les deux modèles coûtent la moitié de leurs équivalents GPT-5.6 aux tarifs promotionnels de GPT-5.6, une baisse qu’OpenAI attribue à une mise en cache et à une inférence plus efficaces. Pour les développeurs, la *mise en cache des prompts* aide aussi : quand des requêtes répètent le même texte de départ, comme de longues consignes, la partie répétée est facturée avec un rabais de 90 %, et OpenAI affirme que GPT-6 en met davantage en cache par défaut. Les agents qui renvoient le même contexte à chaque étape en profitent le plus.

**Vitesse.** OpenAI présente les deux modèles comme plus rapides et plus abordables qu’Astra, mais son annonce ne donne aucun chiffre de vitesse pour l’un ni pour l’autre. Ce que vous contrôlez, c’est l’*effort de raisonnement*, le réglage qui détermine combien de temps un modèle réfléchit avant de répondre. Sol et Luna acceptent un effort `none`, ce qu’Astra ne fait pas : ils peuvent donc répondre immédiatement quand une tâche ne demande aucune délibération. En général, un modèle plus petit avec un effort bas répond le plus vite, ce qui fait de Luna le choix naturel pour des fonctions en direct comme classer un message pendant qu’un client attend.

La règle pratique : commencez avec Luna à effort bas, mesurez la qualité sur de vrais exemples, et passez à Sol, ou augmentez l’effort, seulement là où les résultats sont insuffisants. Gardez Astra pour les travaux où ni l’un ni l’autre ne suffit.

## Sources

- Introducing GPT-6 Sol and Luna: https://openai.com/index/introducing-gpt-6-sol-and-luna/
- Model guidance: Using GPT-6: https://web.archive.org/web/20260926033617/https://developers.openai.com/api/docs/guides/latest-model
- Announcing GPT-6 Sol and GPT-6 Luna in the API, Codex and ChatGPT: https://community.openai.com/t/announcing-gpt-6-sol-and-gpt-6-luna-in-the-api-codex-and-chatgpt/1399925