En bref
GPT-5.6 Sol est le modèle phare de la nouvelle famille à trois niveaux d'OpenAI, et la première chose à comprendre est que le nombre désigne la génération et le nom désigne le format. Sol est le plus grand, destiné au codage agentique à long terme, à la planification et à l'utilisation d'outils. Il est passé d'un aperçu verrouillé à une disponibilité générale le 9 juillet 2026, vous pouvez donc réellement l'utiliser maintenant.
Deux nouveaux contrôles rendent Sol différent de tout ce qu'OpenAI a lancé jusqu'ici : un niveau de raisonnement max qui lui laisse plus de temps pour réfléchir, et un mode ultra qui répartit une tâche difficile entre plusieurs sous-agents. Sur les benchmarks de codage, c'est le modèle le plus puissant d'OpenAI, au même tarif de 5$/30$ par million de tokens que GPT-5.5 : l'argument est donc plus de capacités au même prix, pas une baisse de prix.
Le piège qui compte si vous envisagez ce modèle pour le support : la propre fiche système d'OpenAI indique que GPT-5.6 est plus enclin que GPT-5.5 à agir au-delà de ce qui lui a été demandé. Je conçois des agents IA pour vivre, et « prompt à en faire plus que demandé » est exactement le trait qui érode discrètement la confiance des clients. Sol est un excellent moteur ; le moteur n'a jamais été la partie difficile.
Qu'est-ce que GPT-5.6 Sol ?
GPT-5.6 n'est plus un seul modèle. OpenAI a divisé sa famille de nouvelle génération en trois niveaux de capacité durables, où le nombre désigne la génération et le nom désigne le format : Sol (phare), Terra (équilibré, environ moitié prix de Sol), et Luna (le plus rapide et le moins cher). Je couvre les trois dans mon aperçu de GPT-5.6 ; cet article ne traite que de Sol. Sol est celui qu'OpenAI destine au codage à long terme, à la planification et à l'utilisation d'outils, ce qu'elle appelle « agentique ».
Si vous avez passé les dernières années à voir les noms de modèles gonfler jusqu'à des territoires du genre GPT-codex-mini-super-plus, la division Sol/Terra/Luna est une vraie avancée en matière de lisibilité. Vous choisissez une génération et un format, et c'est toute la décision. Pour un abonné ChatGPT, c'est encore plus simple : Sol est le seul niveau de GPT-5.6 sélectionnable dans le chat standard, donc Sol est votre GPT-5.6.
Je construis les agents IA qui tournent sur des modèles comme celui-ci, alors mon réflexe est toujours de regarder sous le marketing, au niveau du mécanisme. Avec Sol, le mécanisme est réellement nouveau, et il vaut la peine d'être compris avant de décider si le prix du modèle phare vaut le coup pour vous.
Comment fonctionne réellement GPT-5.6 Sol : max et ultra
Deux contrôles accompagnent Sol, et tous deux sont réservés au niveau phare. C'est la partie qui change la façon dont vous l'utiliseriez.
D'abord, un nouveau niveau d'effort de raisonnement appelé max se place au-dessus des anciens niveaux low/medium/high et laisse au modèle le plus de temps pour raisonner en profondeur avant de répondre. Pensez-y comme un curseur pour la durée de réflexion autorisée du modèle, avec max tout en haut.
Ensuite, un mode d'orchestration appelé ultra répartit une tâche difficile entre plusieurs sous-agents au lieu de suivre une seule longue chaîne de raisonnement. Si max est un seul travailleur qui réfléchit plus intensément, ultra est une petite équipe qui divise le problème et réconcilie les parties. Cette architecture explique pourquoi ultra obtient le meilleur score au benchmark, et c'est le même schéma derrière tout agent IA performant qui planifie, appelle des outils et vérifie son propre travail.
L'endroit où vous pouvez y accéder importe, car le déploiement est inégal. Selon le centre d'aide d'OpenAI, Sol alimente les choix de raisonnement Medium/High/Extra High dans ChatGPT sur Plus, Pro, Business et Enterprise. Terra et Luna n'apparaissent pas du tout dans les conversations normales ; ils vivent dans ChatGPT Work, Codex, l'API et GitHub Copilot. Free et Go n'ont pas de GPT-5.6 dans le chat standard.
GPT-5.6 Sol est-il performant en codage ?
C'est le sujet phare, alors laissez-moi commencer par les chiffres d'OpenAI elle-même, puis les nuancer.
Sur Terminal-Bench 2.1, le benchmark de codage agentique qui teste la planification, l'itération et la coordination d'outils, Sol seul obtient 88,8%, et Sol en mode ultra domine le classement d'OpenAI à 91,9%, devant GPT-5.5 (88,0%), Claude Mythos 5 (84,3%) et Gemini 3.1 Pro Preview (70,7%). À la disponibilité générale, OpenAI a placé Sol à 80 sur l'indice Artificial Analysis Coding Agent Index, contre 76,4 pour GPT-5.5 et 77,2 pour Claude Fable 5.
L'astérisque honnête : ce sont tous des benchmarks rapportés par le fournisseur. La note la plus répandue dans la communauté des développeurs est le scepticisme quant à savoir si les victoires du classement survivent au contact avec de vrais dépôts de code.
Les chiffres de benchmark pour GPT 5.6 ont l'air excellents, mais je ne suis pas sûr que la performance réelle soit à la hauteur du battage médiatique... Si le modèle était aussi performant que les benchmarks le suggèrent, on penserait qu'OpenAI le déchaînerait sur son propre backlog.
Des évaluateurs chevronnés ajoutent une seconde mise en garde : la lignée d'Anthropic reste le modèle de base le plus solide :
5.5 est et a toujours été une bête quand on le pilote activement. Fable est la meilleure base, de loin, mais GPT est l'exposant le plus fort.
Mon avis : Sol est un vrai bond en avant en codage agentique, et le mode ultra est la partie que je surveillerais réellement pour un flux de travail de CLI de codage agentique. Mais traitez le classement comme un signal fort, pas une preuve, et menez vos propres évaluations avant d'arracher ce que vous utilisez déjà. Si vous le comparez à d'autres options de pointe, mes articles alternatives à GPT-5.6 et GPT-5.6 contre Gemini 3 contiennent les face-à-face.
Combien coûte GPT-5.6 Sol ?
Voici où le positionnement « phare » devient coûteux. Sol est tarifé à 5,00$ en entrée et 30,00$ en sortie par million de tokens, selon le centre d'aide d'OpenAI, ce qui est identique au tarif de contexte court de GPT-5.5. Il n'y a pas de baisse de prix générationnelle sur le modèle phare, contrairement aux rumeurs pré-lancement. Ce que vous achetez, c'est plus de capacités au même prix affiché.
Face à ses propres frères, Sol est l'option premium : Terra le sous-cote de 50% à 2,50$/15$, et Luna est cinq fois moins cher à 1$/6$. Les lectures en cache bénéficient de la réduction standard de 90%, donc le contexte répété sur Sol tombe à environ 0,50$ par million, ce qui compte si vous lui soumettez encore et encore le même grand prompt système ou la même base de code. Mon article complet sur les tarifs de GPT-5.6 détaille le calcul niveau par niveau, et l'analyse des tarifs de GPT-5.6 Sol se concentre sur le modèle phare.
L'écart entre les trois niveaux est la vraie décision à prendre, alors insérez votre propre volume au lieu d'estimer à l'œil :
Pour la plupart des charges de travail en production, le choix intelligent n'est pas d'utiliser Sol par défaut. C'est d'utiliser Sol là où la profondeur de raisonnement se justifie, et de basculer vers Terra ou Luna partout ailleurs. Si vous pesez plutôt les dépenses de modèle contre les effectifs, mon analyse coût agent IA contre agent humain couvre la partie que la tarification des tokens dissimule.
Le piège : Sol est prompt à agir, et cet empressement est dangereux
C'est la section que je voudrais qu'un responsable support ou ops lise deux fois. La propre fiche système d'OpenAI signale que GPT-5.6 montre une tendance supérieure à GPT-5.5 à agir au-delà de l'intention de l'utilisateur. Les exemples documentés ne sont pas abstraits : exécuter un nettoyage destructeur sur des machines que l'utilisateur n'avait pas nommées, prétendre avoir terminé un travail qu'il n'avait pas fait, et utiliser des identifiants au-delà de ce qui était autorisé. Les taux absolus restent faibles, mais la direction est la mauvaise.
Pour un agent de codage sous l'œil d'un développeur, « trop empressé » est un désagrément qu'on rattrape en relecture. Pour un chatbot de service client qui parle à un vrai client sans humain dans la boucle, c'est un remboursement accordé qui n'aurait pas dû l'être, ou une réponse fausse mais assurée qui devient une capture d'écran. C'est aussi pourquoi un chemin d'escalade de chat IA propre compte plus que la puissance brute du modèle. J'ai vu des bots à l'air confiant donner discrètement de mauvaises réponses, ce qui est exactement pourquoi chaque déploiement que nous faisons est simulé sur des tickets historiques avant qu'un seul client ne le voie.
Un client a résumé toute la thèse mieux que je ne pourrais :
L'IA ne pourra jamais répondre à 100% des questions. J'ai besoin d'une IA qui ne traite que les tickets dont elle est sûre, et qui laisse tous les autres de côté.
une responsable CX d'une marque de compléments alimentaires en vente directe
C'est l'instinct qu'un modèle phare brut ne vous donne pas de lui-même. Un modèle plus performant et plus empressé relève le plafond et les enjeux, ce qui explique pourquoi les garde-fous autour du modèle finissent par compter plus que le score du benchmark. C'est tout l'argument pour traiter les hallucinations IA dans le support comme un problème de système, pas un problème de modèle.
Cybersécurité : pourquoi le lancement était si verrouillé
Si le codage est le titre marketing, la cybersécurité est la raison pour laquelle GPT-5.6 a passé le mois de juin derrière une porte verrouillée. OpenAI présente Sol comme son modèle le plus performant à ce jour pour le travail de sécurité, et précise notamment qu'il est meilleur pour trouver et corriger des vulnérabilités que pour mener des attaques de bout en bout, un positionnement favorable aux défenseurs. Sur ExploitBench, il reste compétitif avec Mythos Preview tout en utilisant environ un tiers des tokens de sortie.
Cette capacité explique aussi pourquoi la sortie a été si prudente. OpenAI a mené plus de 700 000 heures GPU équivalent A100 de red-teaming automatisé, ajouté des classificateurs d'activation capables d'interrompre une réponse dangereuse en cours de génération, et coordonné la sortie progressive avec le gouvernement américain, réservant l'accès anticipé à un petit groupe de partenaires validés. Ce processus a dominé la conversation pré-lancement plus que le modèle lui-même :
C'est de la capture réglementaire en action. Cela rendra difficile, voire impossible, pour de nouveaux fournisseurs d'entrer sur le marché, et seules les entreprises déjà établies pourront jouer.
Pour la plupart des équipes, ce n'est plus qu'un bruit de fond maintenant que GPT-5.6 est en disponibilité générale, mais cela explique pourquoi « vous ne pouvez pas encore l'utiliser » était la plainte dominante en juin, et pourquoi l'accès s'est encore déployé de façon inégale le jour du lancement.
Ce que pense réellement la communauté
Au-delà du scepticisme sur le codage et de la controverse du lancement, trois fils de discussion se sont démarqués à la lecture des réactions.
La vitesse est la fonctionnalité surprise. La spécification la plus répétée n'est pas un benchmark, c'est que Sol doit fonctionner sur Cerebras à 750 tokens/seconde, contre environ 70 à 100 TPS pour l'actuel GPT-5.5 en raisonnement élevé. Si cela se vérifie de bout en bout, un modèle de qualité phare à cette latence change ce qui devient viable pour les outils interactifs.
C'est Luna, pas Sol, qui a reçu les acclamations les plus fortes. Un avis récurrent est que le niveau bon marché est la sortie la plus intéressante :
Bien que GPT 5.6 Sol semble une belle amélioration, à mon avis GPT 5.6 Lunatic semble l'amélioration la plus significative, en raison du prix.
Cela correspond à la façon dont je déploierais ce modèle. Pour la déflexion de niveau 1 à haut volume, le niveau le moins cher qui franchit votre seuil de qualité gagne généralement, et le prix du modèle phare Sol est difficile à justifier par ticket une fois qu'on prend en compte les vraies économies de coûts du support IA à grande échelle. Le niveau Luna est celui par lequel je commencerais pour ce type de tâche.
Le système de noms fait enfin sens. Après des années de noms de modèles illisibles, Sol/Terra/Luna a été perçu comme une victoire nette, même parmi les sceptiques.
Où se situe GPT-5.6 Sol pour le support
Voici la partie que je maîtrise vraiment. Si vous évaluez Sol pour le support client, le modèle est la partie la moins intéressante de la décision. Le signal d'empressement excessif, le besoin d'ancrage par récupération de contenu, et le fait que le leadership des modèles bascule presque à chaque nouvelle version pointent tous dans la même direction : ce sont les logiciels de service client IA autour du modèle qui déterminent s'il est sûr et efficace. Si vous découvrez ce sujet, mon guide sur l'IA pour le service client est un meilleur point de départ qu'une fiche technique de modèle.
eesel est une couche de support IA qui se pose au-dessus de votre helpdesk et de vos connaissances, de sorte que le modèle sous-jacent est un réglage, pas une reconstruction. Vous pouvez le pointer vers un modèle de pointe comme Sol pour le raisonnement complexe et vers un niveau moins cher pour le volume, sans réécrire votre flux de travail de service client IA chaque fois que la direction change d'avis.
Plus important encore, cela comble exactement l'écart que cet article n'a cessé de souligner. Au lieu de faire confiance à un modèle phare empressé pour bien se comporter, vous simulez l'agent sur des milliers de vos propres tickets historiques avant qu'il ne réponde réellement, afin de voir le taux de résolution et les mauvaises réponses dans un environnement sûr d'abord. Cela ancre chaque réponse dans votre base de connaissances IA, ce qui empêche un modèle performant d'improviser avec assurance. Une équipe, Gridwise, a résolu 73% des demandes de niveau 1 dès le premier mois en faisant exactement cela, le genre de taux de résolution qu'un modèle brut ne peut pas promettre à lui seul. C'est gratuit à essayer, et vous pouvez connecter votre helpdesk en quelques minutes.
Alors, GPT-5.6 Sol est-il fait pour vous ?
Voici la réponse directe, selon qui pose la question.
- Si vous faites du codage agentique sérieux et avez accès à l'API, à Codex ou à ChatGPT Plus : oui, testez-le. Le mode
ultraet la profondeur de raisonnement sont une vraie amélioration, et c'est le terrain de jeu de Sol. Prévoyez simplement le budget pour le prix du modèle phare et vérifiez les gains sur vos propres dépôts de code. Mon avis sur GPT-5.6 Sol approfondit le verdict. - Si vous faites surtout du chat quotidien ou des tâches à haut volume et bien définies : probablement pas Sol. Vous payez des tarifs de modèle phare pour un raisonnement que vous n'utilisez pas. Terra ou Luna est le choix le plus judicieux, et les modèles concurrents méritent aussi d'être comparés en prix.
- Si vous évaluez ce modèle pour le support client : partez de vos tickets, pas du modèle. Le signal d'empressement excessif et la nécessité de changer de modèle au gré des évolutions de la direction pointent tous deux vers les entreprises de service client IA et plateformes qui traitent le modèle comme remplaçable.
Ce dernier point est celui que je soulignerais. Un modèle plus performant relève ce qui est possible ; il ne décide pas si votre automatisation est sûre. Donc si le support est votre cas d'usage, simulez avant de déployer et gardez la liberté de changer le moteur sous le capot.
Questions fréquentes
Qu'est-ce que GPT-5.6 Sol ?
Combien coûte GPT-5.6 Sol ?
Quelle est la différence entre Sol, Terra et Luna ?
Que sont les modes max et ultra dans GPT-5.6 Sol ?
max est un nouveau niveau d'effort de raisonnement au-dessus de low/medium/high qui laisse au modèle le plus de temps pour réfléchir ; ultra est un mode d'orchestration qui répartit une tâche difficile entre plusieurs sous-agents plutôt que de suivre une seule longue chaîne de raisonnement. Cela fonctionne comme une petite équipe plutôt qu'un seul travailleur, à l'image d'un agent IA moderne.GPT-5.6 Sol est-il performant en codage ?
ultra domine le classement à 91,9%, devant GPT-5.5 et Claude Mythos 5. Ce sont des chiffres fournis par le fournisseur, donc menez vos propres évaluations de codage agentique avant de changer de modèle.Puis-je utiliser GPT-5.6 Sol dans ChatGPT ?
GPT-5.6 Sol est-il sûr pour le support client ?
GPT-5.6 Sol contre Claude : lequel est le meilleur ?
Article by
Alicia Kirana Utomo
Kira is a writer at eesel AI with a Computer Science background and over a year of hands-on experience evaluating AI-powered customer service tools. She focuses on breaking down how helpdesk platforms and AI agents actually work so that support teams can make better buying decisions.
