GPT-5.6 Sol : le modèle phare de l'été 2026

État au 5 novembre 2026. GPT-5.6 Sol n’est plus le modèle le plus capable d’OpenAI : GPT-6 Astra l’a dépassé le 3 septembre, et GPT-6.1 Sol offre depuis le 29 septembre des performances proches d’Astra pour 2 $ / 10 $ par million de jetons (leçon 9). GPT-5.6 Sol reste servi par l’API et sert de remplacement officiel à gpt-5 et o3, retirés le 11 décembre. Son prix est passé de 5 $ / 30 $ à 4 $ / 20 $ le 21 août 2026, un tarif promotionnel que la page de tarification annonce jusqu’au 30 novembre 2026.

Le 9 juillet 2026, après deux semaines de préversion limitée, OpenAI a rendu disponible la famille GPT-5.6 dans ChatGPT, Codex et l’API. Sol en est le modèle phare, présenté comme le modèle de raisonnement de référence pour le travail complexe : code, recherche, sciences, cybersécurité, pilotage d’un ordinateur et design. Cette leçon décrit ce qu’il apportait et comment l’appeler. Ces informations restent utiles : de nombreux projets l’utilisent encore, et il remplace officiellement plusieurs modèles en fin de vie.

Sa fiche technique (relevée le 5 novembre 2026)

Deux lignes de cette fiche méritent une explication. L’alias gpt-5.6 pointe vers Sol : si votre code demande simplement gpt-5.6, c’est le modèle phare qui répond, au tarif du phare. Pour maîtriser vos coûts avec Terra ou Luna, il faut les nommer explicitement ; la leçon suivante y revient. Ensuite, la documentation précise que Sol correspond à peu près au modèle sans suffixe des familles GPT-5 précédentes. C’est un bon repère de migration : là où vous utilisiez gpt-5, Sol est le remplaçant naturel, et c’est d’ailleurs celui que recommande la page des dépréciations.

Ce qu’OpenAI mettait en avant

Selon l’annonce du 9 juillet, GPT-5.6 a été entraîné pour tirer davantage de travail utile de chaque jeton. C’est la ligne directrice de toute la présentation : non pas « plus intelligent dans l’absolu », mais plus efficace par dollar dépensé. OpenAI revendiquait l’état de l’art sur une évaluation de travail professionnel de longue durée couvrant 55 domaines, Agents’ Last Exam, et sur plusieurs évaluations de code : l’Artificial Analysis Coding Agent Index, Terminal-Bench 2.1 et DeepSWE. Le tout, selon l’éditeur, avec moins de jetons de sortie et un coût estimé inférieur à celui des modèles concurrents.

Comme toujours avec les résultats publiés par un éditeur sur ses propres modèles, la prudence s’impose. Retenez la tendance, la priorité donnée à l’efficacité par jeton, plutôt que les classements eux-mêmes, et vérifiez sur vos propres cas d’usage avant de conclure. Un modèle qui domine Terminal-Bench peut décevoir sur votre base de code interne, et inversement : seule une évaluation sur vos données tranche.

Dans ChatGPT, au lancement

En juillet, les offres Plus, Pro, Business et Enterprise accédaient à GPT-5.6 Sol dans le mode Chat à partir de l’effort moyen, et Pro et Enterprise pouvaient choisir GPT-5.6 Sol Pro pour les tâches les plus complexes. Dans ChatGPT Work et Codex, les offres Free et Go utilisaient GPT-5.6 Terra, tandis que les offres payantes choisissaient entre Sol, Terra et Luna avec un niveau d’effort. Ce paysage a changé depuis : le mode Chat repose sur GPT-6 depuis le 7 octobre, et Work et Codex proposent les modèles GPT-6 (leçons 9 et 11).

Un appel de base

L’appel ci-dessous soumet un contrat à analyser, avec un effort de raisonnement intermédiaire :

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-sol",
    input="Analyse ce contrat et liste les clauses inhabituelles.",
    reasoning={"effort": "medium"},
)

print(response.output_text)

Le paramètre reasoning fait partie de l’appel lui-même. Pour une analyse contractuelle courante, medium suffit ; si le contrat est dense et que chaque clause manquée coûte cher, montez à high ou au-delà sans rien changer d’autre. Pour les tâches les plus difficiles qui tolèrent plus de latence, ajoutez "mode": "pro" dans ce même objet : le modèle fournit alors davantage de travail, facturé au tarif normal de ses jetons, mais en plus grand nombre.

Ultra : un réglage de ChatGPT, pas de l’API

L’annonce de juillet présentait aussi ultra, le réglage de capacité maximale. Il ne s’agit pas d’un cran de plus sur le curseur d’effort : ultra coordonne quatre agents en parallèle par défaut pour finir plus vite les tâches complexes, et OpenAI montrait des configurations à seize agents sur certaines évaluations. La contrepartie est assumée : une consommation de jetons nettement supérieure. Au lancement, ultra était proposé dans ChatGPT Work pour les offres Pro et Enterprise, et dans Codex à partir de Plus.

Dans l’API, il n’existe pas de valeur ultra. OpenAI indique que les développeurs peuvent construire des expériences comparables avec la fonction multi-agent de la Responses API, en bêta : le modèle lance des sous-agents en parallèle et synthétise leur travail dans une seule requête. La leçon 4 revient sur ces réglages.

À vous de jouer

Vérifier l’alias et le coût du raisonnement. Si vous avez un accès à l’API, envoyez la même requête deux fois, avec model="gpt-5.6" puis model="gpt-5.6-sol", et comparez le champ model des deux réponses. Relancez ensuite la requête avec l’effort low, puis high, et comparez le nombre de jetons de raisonnement indiqué dans usage. Sans accès à l’API, relisez la fiche technique et notez les deux lignes qui vous feraient préférer GPT-6.1 Sol pour un nouveau projet.

Sources officielles : Annonce de GPT-5.6 et annonce de la préversion (OpenAI) · Fiche GPT-5.6 Sol · Pricing (documentation de l’API OpenAI) · Model release notes (centre d’aide OpenAI)

Points clés à retenir

• gpt-5.6-sol, alias gpt-5.6, était le phare de juillet ; GPT-6 Astra et GPT-6.1 Sol l’ont dépassé à l’automne
• Effort de none à max (medium par défaut), mode pro, contexte de 1,05 million de jetons
• 4 $ / 20 $ par million de jetons jusqu’au 30 novembre 2026, contre 5 $ / 30 $ au lancement
• Ultra, quatre agents en parallèle par défaut, est un réglage de ChatGPT Work et de Codex ; dans l’API, on passe par la bêta multi-agent
• Vérifiez les résultats publiés par l’éditeur sur vos propres cas avant de décider