Tarifs GPT-6 Luna : le palier à $0.10/$0.50 et tous les forfaits ChatGPT en 2026

Tarifs API de GPT-6 Luna : le palier standard

Voici le chiffre pour lequel la plupart des gens viennent. Sur la page de tarifs de l'API, les tarifs standard de GPT-6 Luna sont de $0.10 par million de tokens en entrée et $0.50 par million de tokens en sortie. L'entrée en cache descend à $0.01, et les écritures de cache coûtent $0.125 par million.

Cela place Luna tout en bas de la liste des modèles OpenAI : bien en dessous du Sol de milieu de gamme, et une erreur d'arrondi à côté du vaisseau amiral Astra. Voici comment la famille GPT-6 se positionne au palier standard à contexte court, avec le GPT-5.6 Luna sortant comme référence :

Source : tarifs de l'API OpenAI. L'histoire que raconte ce tableau est simple : GPT-6 Luna, c'est l'ancien GPT-5.6 Luna, avec une entrée divisée par deux et une sortie réduite de bien plus de la moitié. OpenRouter a confirmé les tarifs de la famille le jour du lancement. Le positionnement d'OpenAI lui-même dans son billet de lancement est « Build with Sol. Scale with Luna », ce qui indique exactement où Luna doit se situer : le modèle vers lequel on se tourne pour du travail simple et à haut volume.

La baisse de prix : ce qui a changé, et ce qui n'a pas changé

Une baisse de prix de cette ampleur s'accompagne habituellement d'une histoire de capacités. Ici, ce n'est majoritairement pas le cas, et il vaut mieux être honnête là-dessus.

Sur la mesure brute d'intelligence, Artificial Analysis a rapporté que GPT-6 Sol et Luna « repoussent la frontière d'efficacité des coûts en divisant le coût par deux », tandis que l'Intelligence Index et le Coding Agent Index « restent au niveau de GPT-5.6, avec des progrès sur certaines évaluations et des reculs sur d'autres ». Le résumé est donc le suivant : le prix a beaucoup bougé, l'intelligence à peine.

Là où Luna s'est réellement amélioré, c'est sur la fiabilité, et OpenAI s'est appuyé là-dessus :

• Factualité. OpenAI rapporte que la famille GPT-6 commet moins d'erreurs factuelles que ses prédécesseurs GPT-5.6. Artificial Analysis a mesuré une baisse du taux d'hallucination de Luna en effort maximal, de 93% à 77%, une vraie amélioration, bien que toujours supérieure à celle de Sol sur le même test.
• Frontière d'efficacité des coûts. L'objectif de Luna, c'est le débit par dollar, et c'est là qu'il progresse : la même intelligence légère pour environ moitié moins cher au token.
• Évaluations agentiques. La famille a enregistré de petits gains sur AutomationBench et Terminal-Bench, mais Luna n'est pas le modèle vers lequel on se tourne pour du travail agentique difficile. Ce sont Sol et Astra.

La communauté a interprété cela de la même façon. Dans la discussion de lancement, un développeur l'a résumé sans détour :

« J'aurais préféré de meilleures performances pour deux fois le prix plutôt que des performances ~équivalentes pour la moitié du prix. »

dmazin, Hacker News

C'est le cadre honnête pour les tarifs de GPT-6 Luna. Si vous utilisiez déjà GPT-5.6 Luna, c'est une baisse de facture gratuite. Si vous espériez que le « 6 » signifie un bond en intelligence brute, les scores de benchmark invitent à tempérer cette attente.

Paliers de service : la variation de 4x que presque tout le monde manque

Le tarif standard est un point de départ, pas toute l'histoire. GPT-6 Luna fonctionne sur les mêmes paliers de service que le reste de la famille, et l'écart entre le moins cher et le plus cher est de 4x pour exactement le même modèle. Pour un modèle à haut volume comme Luna, c'est le levier isolé le plus important sur le coût.

Source : tarifs de l'API OpenAI. Quelques points à connaître avant de choisir :

• Batch et Flex coûtent le même prix, mais servent des usages différents. Batch est destiné au travail asynchrone que vous soumettez et récupérez plus tard ; Flex est destiné aux requêtes interactives que vous acceptez de laisser tourner plus lentement ou en file d'attente. Les deux divisent votre facture par deux.
• Le mode Fast double le tarif pour la latence la plus faible, et accepte service_tier: "priority" ou service_tier: "fast".
• Le mode Fast a un piège régional. Pour la résidence des données en UE, il peut retomber sur le standard, donc ne le supposez pas disponible partout.

Si une charge de travail tolère la latence, la basculer par défaut sur Batch ou Flex divise à nouveau par deux vos dépenses Luna. Cela s'ajoute à la baisse de prix par rapport à GPT-5.6 : une tâche compatible avec le batch sur GPT-6 Luna tourne à $0.05/$0.25, ce qui est exactement là où se trouvent les tâches de classification et d'extraction vraiment bon marché et à haut volume.

Les pièges : le contexte long et la fiche technique

Deux détails se cachent dans les petites lignes de la page du modèle, et tous deux peuvent discrètement bouleverser un budget.

D'abord, le contexte long est facturé à un tarif plus élevé pour l'ensemble de la requête. La fenêtre de contexte de Luna est large, 1 050 000 tokens, mais tout prompt de plus de 272K tokens en entrée fait basculer l'ensemble de la requête au tarif contexte long : $0.20 par million en entrée et $0.75 par million en sortie au palier standard. C'est 2x en entrée et 1,5x en sortie, appliqué à chaque token de la requête, pas seulement à ceux qui dépassent le seuil.

Ensuite, il vaut la peine de connaître la fiche technique avant de s'engager. GPT-6 Luna accepte jusqu'à 922 000 tokens en entrée et en renvoie jusqu'à 128 000, avec une date de coupure des connaissances au 18 mai 2026, un mois plus tard que Sol. Il accepte du texte et de l'image en entrée, du texte en sortie, et expose un effort de raisonnement allant de none jusqu'à max, avec medium par défaut. Il embarque aussi l'ensemble complet des outils de la Responses API : recherche web, interpréteur de code, shell hébergé, usage d'ordinateur, et MCP. Le plancher de limite de débit est le Tier 1 avec 500 requêtes et 500K tokens par minute, montant jusqu'à 30 000 requêtes et 180M tokens par minute au Tier 5.

Estimez votre facture API GPT-6 Luna

Les prix affichés restent abstraits tant que vous n'y mettez pas vos propres chiffres. Indiquez les millions de tokens en entrée et en sortie que vous attendez par mois, choisissez un palier de service, et voici le calcul du coût mensuel. Le supplément contexte long est pris en compte automatiquement.

Le schéma que constatent la plupart des équipes, c'est que les tokens en sortie dominent la facture, puisque la sortie coûte 5x le tarif de l'entrée. Pour les charges de travail à haut volume de Luna, ce calcul grimpe vite, et faire basculer une tâche compatible batch vers Batch est là où les économies se rentabilisent le plus vite.

Tarifs de GPT-6 Luna dans ChatGPT et Codex

Si vous n'appelez pas l'API, GPT-6 Luna vous parvient via ChatGPT et Codex, et c'est là que l'histoire de Luna se distingue du reste de la famille : c'est celui que tout le monde obtient.

Source : annonce de lancement d'OpenAI. Quelques points marquants :

• Luna arrive dans Free. C'est le grand titre pour les non-développeurs : le forfait Free et le forfait Go à $8 obtiennent GPT-6 Luna sur l'application de bureau. Aucun des deux n'inclut Sol, qui commence au forfait Plus à $20/mois. Si vous avez déjà utilisé un modèle GPT-6 sans payer pour ChatGPT, c'était Luna.
• Les forfaits payants empilent Sol par-dessus. Plus et au-delà conservent Luna et ajoutent GPT-6 Sol, donc payer plus ne retire pas Luna ; cela élargit votre menu de modèles.
• Codex reçoit aussi Luna. OpenAI a déployé les deux modèles dans Codex aux mêmes paliers, donc les utilisateurs d'agents de codage peuvent sélectionner Luna pour des exécutions moins chères et plus légères.

Tout le monde n'a pas été convaincu que les économies d'abonnement correspondent à la baisse de l'API. Un développeur a noté que les changements de limite de messages suggéraient que la baisse de 50% sur l'API se traduisait par quelque chose de plus proche d'une baisse d'un tiers dans les forfaits ChatGPT, il vaut donc mieux vérifier votre propre quota plutôt que de supposer que la remise affichée se répercute directement.

Comment se comparent les tarifs de GPT-6 Luna

En prenant du recul, où se situe Luna par rapport au reste de la frontière ? En bref, OpenAI s'est servi de Luna pour fixer le plancher de prix d'un modèle vraiment utile.

• Face à sa propre gamme : à $0.10/$0.50, Luna coûte un cinquième du prix de GPT-6 Sol ($2/$10) et un centième de GPT-6 Astra en sortie ($50). Pour du travail simple à haut volume, Luna est le choix évident ; pour du raisonnement difficile ou du travail agentique de longue haleine, on passe à Sol ou Astra.
• Face à Anthropic : Luna se place nettement sous le bas de gamme de la gamme d'Anthropic en prix brut au token, exactement le positionnement qu'OpenAI voulait tout en bas du marché.
• Face à Google : il rivalise directement avec les options les plus légères de Gemini comme Gemini 3 Flash sur une base prix pour intelligence, ce qui est le véritable combat à ce palier.

Le constat plus large sur le fil de lancement était que les modèles fermés continuent de baisser en prix sans devenir beaucoup plus intelligents, ce que plusieurs développeurs ont qualifié de course vers le bas sur le prix. C'est une bonne nouvelle si vous achetez des tokens. C'est un rappel, cependant, qu'un modèle moins cher ne change pas la partie la plus difficile de l'intégration de l'IA dans un vrai flux de travail, à savoir tout ce qui entoure le modèle.

Ce que les tarifs de GPT-6 Luna signifient si vous dirigez une équipe support

Voici où je veux être utile plutôt que de simplement empiler des tarifs. Je construis le produit d'eesel, donc je passe mon temps à réfléchir à la façon dont ces modèles s'intègrent réellement dans un flux de travail en production, et la réponse honnête est un peu contre-intuitive.

Si vous dirigez le support client ou les opérations internes, un modèle de frontière moins cher change moins de choses que ne le suggère le grand titre. Un modèle brut comme Luna, c'est de l'infrastructure. C'est un moteur capable et bon marché, mais tel quel, il ne connaît pas votre politique de remboursement, il ne peut pas voir vos 50 000 derniers tickets, il n'a pas accès à votre système de commandes, et il n'a aucun moyen sûr d'être testé sur votre véritable file d'attente avant de commencer à répondre à des clients. Il est facturé au token pour réfléchir, pas au problème résolu. Un prix au token au plancher, c'est réel, mais c'est une remise sur la partie la moins chère du projet.

L'unité qui compte vraiment pour une équipe support, c'est le coût par résolution, pas le coût par token. Une facture de tokens est imprévisible : elle évolue avec la longueur du prompt, les tentatives répétées, et le degré de bavardage du modèle un jour donné. Au fil des années passées à déployer l'IA sur des files de support en production, nous avons vu des robots à l'apparence sûre d'eux donner tranquillement de mauvaises réponses, ce qui explique exactement pourquoi tout déploiement devrait être simulé sur vos propres tickets historiques avant d'approcher un client. C'est l'écart entre un modèle et un système construit autour de lui : vos connaissances, vos intégrations, des actions sûres, et un moyen de le tester d'abord sur votre historique.

C'est aussi pourquoi je ne changerais pas de plateforme pour votre automatisation du support la semaine où un nouveau modèle sort. Les meilleurs agents IA pour le helpdesk et outils de service client sont conçus pour être agnostiques au modèle, donc lorsqu'un modèle moins cher ou plus intelligent arrive, vous héritez de l'amélioration sans rien reconstruire, et sans renégocier votre budget autour d'un nouveau tarif de token.

Essayez eesel

Si votre intérêt pour le prix de Luna se résume en réalité à « combien une IA va-t-elle me coûter pour réellement résoudre des tickets », c'est exactement la tâche pour laquelle un coéquipier IA est conçu, et c'est là qu'intervient eesel. GPT-6 Luna est le moteur ; eesel est l'employé que vous embauchez pour le conduire. L'agent IA pour le helpdesk s'entraîne sur vos tickets passés et votre centre d'aide, se branche sur le helpdesk que vous utilisez déjà au lieu de le remplacer, et vous permet de le simuler sur des milliers de vos véritables tickets historiques pour voir comment il va performer, et ce qu'il va coûter, avant même qu'il touche à une conversation en direct.

La facturation raconte l'histoire qu'un tarif de token ne peut pas raconter. Au lieu de payer au token pour réfléchir, vous payez 40¢ par ticket réellement traité, sans frais par poste et sans minimum de plateforme, de sorte que le coût suit les résultats plutôt que le bavardage du modèle. Vous pouvez commencer gratuitement avec $50 d'utilisation, sans carte bancaire.

Et comme il s'agit d'une question de tarifs orientée développeurs, il vaut la peine de savoir que l'ensemble de l'espace de travail eesel se pilote depuis le terminal, pas seulement depuis un tableau de bord. Le CLI eesel (npx @eesel/cli) permet à une personne, un script, ou un agent de codage comme Claude Code, Codex ou Cursor d'opérer le même coéquipier : connecter un helpdesk, lire et modifier les instructions en vigueur, exécuter eesel activity pour inspecter les exécutions passées, et verrouiller les changements derrière eesel approvals. Chaque commande affiche du JSON, et --dry-run montre exactement l'appel serveur qu'une écriture ferait avant de l'envoyer. La même facturation à la résolution que vous modéliseriez dans cette calculatrice est donc quelque chose que vous pouvez intégrer à votre propre outillage, pas seulement parcourir dans une interface.

Les tarifs de GPT-6 Luna sont, à l'heure actuelle, la façon la moins chère de faire tourner un modèle performant, et pour du travail simple à haut volume, le prix en vaut la peine. Mais pour la plupart des équipes support, le tarif du token n'a jamais été le chiffre qui comptait. Faire entrer un coéquipier testé, connecté et responsable dans votre flux de travail existant, facturé au résultat, voilà la partie qui mérite votre budget.