Benchmarks de GPT-5.6 expliqués : Sol vs Terra vs Luna, tarifs et meilleurs cas d'utilisation

La famille GPT-5.6 d'OpenAI propose trois niveaux de capacités durables : Sol pour les tâches les plus complexes, Terra pour les charges de production équilibrées et Luna pour les requêtes rapides et sensibles aux coûts. L'histoire des benchmarks ne se résume pas simplement à une victoire de Sol. Terra et Luna conservent souvent une grande partie des capacités tout en utilisant des tokens moins coûteux, ce qui rend le routage des modèles plus important que le choix d'un seul modèle pour chaque requête.

OpenAI a lancé l'ensemble de la famille GPT-5.6 le 9 juillet 2026. Ce guide explique les résultats publiés des benchmarks, ce qu'ils mesurent et comment combiner qualité, prix, latence et taux de nouvelles tentatives lors de la sélection d'un modèle.

Données et tarifs vérifiés le 19 juillet 2026. Les résultats des benchmarks proviennent des documents de lancement d'OpenAI et utilisent les paramètres qui y sont décrits. Ils ne constituent pas des garanties directes pour une autre application ou un autre environnement d'agent.

Résumé des benchmarks GPT-5.6

Le tableau ci-dessous se concentre sur des évaluations professionnelles et de programmation représentatives.

Sol arrive en tête sur ces évaluations sélectionnées. Terra reste proche sur plusieurs tâches de programmation. Luna n'est pas systématiquement plus puissant que GPT-5.5, mais il reste compétitif tout en occupant le niveau GPT-5.6 le plus rapide et le moins coûteux.

Le tableau montre également pourquoi un score moyen unique ne suffit pas. Un classificateur de support, un agent de revue de code, un workflow de recherche financière et un opérateur de navigateur n'accordent pas la même importance aux capacités.

Ce que mesurent réellement les benchmarks GPT-5.6

Benchmarks des agents de programmation

Les benchmarks de programmation varient considérablement. Certains évaluent uniquement la capacité d'un modèle à produire un correctif. D'autres incluent l'exploration d'un dépôt, les commandes terminal, l'exécution de tests et la correction itérative.

OpenAI indique que GPT-5.6 Sol a atteint 80 sur le Artificial Analysis Coding Agent Index tout en utilisant moins de tokens et moins de temps que plusieurs alternatives de pointe dans sa comparaison. Terra a obtenu 77.4 et Luna 74.6. Pour un agent de programmation en production, les questions importantes suivantes sont :

• Trouve-t-il les bons fichiers ?
• Respecte-t-il les conventions du projet ?
• Exécute-t-il et interprète-t-il les tests ?
• Se rétablit-il après une approche infructueuse ?
• Combien de tours de modèle sont nécessaires avant d'obtenir un résultat vérifié ?

Un modèle avec un score légèrement supérieur sur les correctifs peut malgré tout être moins économique s'il génère de longues traces de raisonnement, répète des appels d'outils ou nécessite une coûteuse revue humaine.

Benchmarks des agents sur de longues périodes

Agents' Last Exam évalue des workflows professionnels prolongés dans de nombreux domaines. Sol a obtenu 52.7%, tandis que Terra et Luna ont obtenu respectivement 50.4% et 50.3%. L'écart réduit est notable : il suggère que de nombreuses tâches professionnelles ne nécessitent pas forcément le niveau phare.

Les évaluations sur de longues périodes dépendent particulièrement du système environnant. La conception des outils, la mémoire, les politiques de nouvelles tentatives, les permissions et les étapes de vérification peuvent modifier les résultats autant que le modèle de base.

Navigation et utilisation d'ordinateur

OpenAI indique 92.2% pour GPT-5.6 Sol sur BrowseComp et 62.6% sur OSWorld 2.0. Ces résultats soutiennent les agents de recherche, les workflows de navigation web et les applications qui doivent inspecter leurs propres résultats.

Les benchmarks d'utilisation d'ordinateur ne doivent pas être interprétés comme une garantie de fiabilité sans supervision. Les systèmes de production nécessitent toujours des permissions limitées, des confirmations pour les actions importantes, des délais d'expiration et des mécanismes de récupération.

Travail intellectuel et créations de documents

GPT-5.6 est également positionné pour les documents, les feuilles de calcul, les présentations, les synthèses de recherche et le développement frontend. Ces productions sont difficiles à mesurer avec un seul benchmark, car l'exactitude, la fidélité aux sources, la qualité visuelle et la possibilité de modification comptent toutes.

Pour ces usages, créez une grille d'évaluation interne. Évaluez la précision factuelle, la structure, le respect d'un modèle de référence, le nombre de corrections manuelles et le temps nécessaire pour obtenir un livrable acceptable.

GPT-5.6 Sol vs Terra vs Luna

Choisissez GPT-5.6 Sol pour les problèmes complexes à forte valeur

Sol est le niveau phare. C'est le meilleur point de départ pour :

• le développement à l'échelle d'un dépôt et les débogages difficiles ;
• les agents de longue durée utilisant plusieurs outils ;
• la cybersécurité et l'analyse scientifique dans le cadre d'utilisations autorisées ;
• les recherches complexes et les productions professionnelles ;
• les tâches où un résultat incorrect coûte bien plus cher que la facture de tokens.

Sol n'est pas automatiquement le meilleur choix par défaut pour le trafic à fort volume. Ses tarifs officiels en tokens sont deux fois supérieurs à ceux de Terra et cinq fois supérieurs à ceux de Luna.

Choisissez GPT-5.6 Terra comme choix équilibré par défaut

Terra est conçu pour le travail de production quotidien. Il convient aux :

• copilotes de programmation et revues de code ;
• analyses de documents et assistance à la recherche ;
• assistants internes ;
• workflows utilisant des outils nécessitant plus de fiabilité qu'un modèle léger ;
• produits souhaitant les capacités de GPT-5.6 sans le tarif de Sol.

Les scores de Terra restent proches de ceux de Sol sur plusieurs évaluations de programmation, ce qui en fait un candidat pertinent pour les premiers tests en production.

Choisissez GPT-5.6 Luna pour le débit et les tâches prévisibles

Luna est le niveau le plus rapide et le plus abordable. Il convient aux :

• extractions et classifications ;
• traitements de contenu structuré ;
• supports légers ;
• automatisations à grande échelle ;
• premières étapes de routage qui transfèrent les requêtes difficiles.

Luna peut également gérer certaines tâches de programmation et professionnelles, mais les moyennes des benchmarks ne doivent pas définir seules cette limite. Testez à partir de quel niveau son taux d'échec ou de nouvelles tentatives annule les économies de tokens.

Tarification de l'API GPT-5.6

OpenAI facture GPT-5.6 par million de tokens. Poyo.ai fournit actuellement les trois niveaux via l'API Responses aux tarifs ci-dessous.

OpenAI documente également des points de rupture de cache explicites, une durée de vie minimale du cache de 30 minutes, des écritures de cache à 1.25 fois le tarif d'entrée sans cache et des lectures de cache avec une réduction de 90% par rapport à l'entrée sans cache.

Consultez la page du modèle API GPT-5.6 pour connaître les tarifs actuels de Poyo, les identifiants de modèles pris en charge et l'accès à l'API.

Comparaison des coûts pour des charges réelles

Prenons un workload mensuel avec 10 millions de tokens d'entrée sans cache et 2 millions de tokens de sortie.

Ce calcul est utile mais incomplet. Il suppose que chaque modèle réalise le même nombre de tâches avec le même nombre de tentatives.

Score de benchmark versus coût par tâche réussie

La métrique de production la plus utile est :

effective task cost =
  average API cost per attempt
  × average attempts per successful task
  + human correction cost

Supposons que Luna coûte un cinquième du prix de Sol par token, mais qu'un workflow difficile ne réussisse qu'une fois sur trois tentatives. Terra pourrait accomplir la même tâche en une seule fois, avec moins d'appels d'outils et moins de revue humaine. Terra deviendrait alors le choix de production le moins cher même si son tarif par token est plus élevé.

Mesurez au minimum :

• taux de réussite ;
• nombre de tentatives par réussite ;
• tokens d'entrée et de sortie ;
• temps écoulé ;
• appels d'outils ;
• minutes de correction humaine ;
• taux d'erreurs graves.

La dernière métrique est importante pour les workflows où une réponse incorrecte coûte plus cher qu'une requête échouée.

Une stratégie pratique de routage avec GPT-5.6

Une famille à trois niveaux est particulièrement utile lorsque l'application répartit les tâches de manière réfléchie.

Is the task repetitive and easy to verify?
├── Yes: start with Luna
└── No
    ├── Is it normal production coding, analysis, or tool use?
    │   └── Start with Terra
    └── Is failure expensive or the task unusually difficult?
        └── Use Sol

Un routeur de production peut utiliser le type de tâche, la valeur de la requête, les échecs précédents, les signaux de confiance ou les résultats d'évaluation. Un schéma courant est :

1. Envoyer les requêtes structurées et à faible risque vers Luna.
2. Utiliser Terra comme modèle par défaut pour le raisonnement général en production.
3. Transférer vers Sol les cas échoués ou à forte valeur.
4. Comparer le coût final par tâche réussie selon chaque route.

Ne routez pas uniquement selon la longueur du prompt. Un court problème de sécurité peut être plus difficile qu'une longue demande d'extraction.

Comment évaluer GPT-5.6 dans votre application

Construisez un jeu d'évaluation à partir du trafic réel plutôt que de prompts génériques.

1. Sélectionnez 30 à 100 tâches représentatives.
2. Définissez le résultat attendu et les modes d'échec inacceptables.
3. Exécutez la même tâche sur Luna, Terra et Sol avec des paramètres comparables.
4. Enregistrez la qualité, la latence, les tokens, les outils, les nouvelles tentatives et les corrections humaines.
5. Segmentez les résultats par type de tâche.
6. Choisissez les règles de routage à partir des résultats segmentés.
7. Répétez après chaque mise à jour de prompt, d'outil ou de modèle.

Pour les agents, incluez des cas difficiles : réponses d'outils défaillantes, données ambiguës, fichiers manquants et tâches nécessitant une auto-correction. Les démonstrations simples ont tendance à masquer les différences entre les niveaux de modèles.

Comment utiliser GPT-5.6 sur Poyo.ai

Poyo.ai expose les identifiants de modèles gpt-5-6-luna, gpt-5-6-terra et gpt-5-6-sol via /v1/responses.

curl https://api.poyo.ai/v1/responses \
  -H "Authorization: Bearer $POYO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5-6-terra",
    "input": "Review this migration plan and identify the highest-risk assumptions.",
    "reasoning": {"effort": "medium"}
  }'

Créez une clé dans le tableau de bord Poyo et consultez la page du modèle GPT-5.6 avant une utilisation en production.

Quel modèle GPT-5.6 choisir ?

Commencez avec Luna lorsque le débit et une vérification simple sont importants. Commencez avec Terra pour la programmation générale, l'analyse et les agents de production. Utilisez Sol lorsque le problème est particulièrement difficile ou qu'un échec entraîne un coût métier élevé.

La meilleure réponse est rarement un choix permanent d'un seul modèle. GPT-5.6 est conçu comme une famille, et la conception économique la plus efficace utilise les différents niveaux ensemble.

Questions fréquentes

Quel modèle GPT-5.6 est le meilleur ?

Sol est le niveau le plus puissant, mais Terra peut offrir un meilleur équilibre pour la production et Luna est nettement moins cher pour les tâches simples à fort volume.

GPT-5.6 Luna est-il adapté au développement ?

Luna est capable de réaliser des tâches de programmation, mais les résultats publiés sont inférieurs à ceux de Terra et Sol sur les évaluations de programmation sélectionnées. Testez-le sur votre dépôt réel et transférez les tâches qui échouent à la vérification.

Combien coûte l'API GPT-5.6 ?

Les tarifs officiels d'OpenAI vont de $1 en entrée et $6 en sortie par million de tokens pour Luna à $5 en entrée et $30 en sortie pour Sol. Poyo.ai propose actuellement des tarifs à la consommation plus bas pour les trois niveaux.

GPT-5.6 utilise-t-il l'API Responses ?

Oui. Poyo.ai expose les trois identifiants de modèles GPT-5.6 via /v1/responses.

Dois-je remplacer GPT-5.5 par GPT-5.6 Terra ?

Terra est un candidat solide pour une migration, mais comparez la réussite des tâches, la latence, les tokens et les appels d'outils sur un jeu d'évaluation représentatif avant de modifier tout le trafic.

Sources

• Lancement GPT-5.6 d'OpenAI, benchmarks, disponibilité et tarifs
• Tarification de l'API OpenAI
• API GPT-5.6 de Poyo.ai