La guerre des prix des modèles d’IA de septembre 2026 : Grok 4.7, Opus 5.5, GPT-6 Sol et Luna

Trois lancements de modèles en 48 heures ont redéfini la tarification de l'IA. Chaque nouveau prix dans un tableau unique, ce qui a réellement changé (coût par tâche, pas par jeton), et ce qu'il faut faire cette semaine.

Ashley Innocent

Ashley Innocent

2 November 2026

La guerre des prix des modèles d’IA de septembre 2026 : Grok 4.7, Opus 5.5, GPT-6 Sol et Luna

Apidog pour les entreprises

Déploiement sur site

SSO & RBAC

Conforme SOC 2

Découvrir Apidog Enterprise

Si vous tenez un tableur des prix des modèles, il est devenu obsolète cette semaine. xAI a livré Grok 4.7 le 21 septembre. Le lendemain, Anthropic livrait Claude Opus 5.5 et OpenAI livrait deux nouveaux modèles GPT-6, Sol et Luna. Trois lancements en 48 heures, deux laboratoires de pointe le même jour, et chaque ligne de votre modèle de coûts est désormais fausse.

Les chiffres par token sont ci-dessous. L'histoire plus utile, c'est que le prix par token a cessé d'être l'unité sur laquelle quiconque se bat, et que l'une des affirmations les plus bruyantes de la semaine a expiré quelques heures seulement après sa publication.

Tous les nouveaux prix dans un seul tableau

Modèle ID d'API Entrée $/M Sortie $/M Entrée en cache Contexte AA Intelligence Index
Claude Opus 5.5 claude-opus-5-5 4 $ 20 $ 0,20 $ en lecture, 5 $ en écriture 1M 58, n° 1 sur 212
GPT-6 Sol gpt-6-sol 2 $ 10 $ -90 % sur les lectures 872k 48
GPT-6 Luna gpt-6-luna 0,10 $ 0,50 $ -90 % sur les lectures 1M 37
GPT-6 Astra n/a 10 $ 50 $ n/a n/a n/a
Claude Opus 5 (précédent) claude-opus-5 5 $ 25 $ n/a n/a n/a
Grok 4.7 (21 sept.) n/a 2 $ 6 $ n/a n/a n/a

Trois choses ressortent. Opus 5.5 arrive à 4 $/20 $ contre 5 $/25 $ pour Opus 5, donc le modèle phare est devenu 20 % moins cher tout en prenant la première place de l'indice Artificial Analysis avec 58. Sol se situe à un cinquième du tarif d'Astra, tant en entrée qu'en sortie. Et Luna place une fenêtre de contexte de 1M à dix centimes par million de tokens en entrée.

Anthropic liste également un mode rapide pour Opus 5.5 à 8 $/40 $ et une sortie maximale de 128k. Si vous avez des tarifs codés en dur à partir de nos articles sur la tarification de Claude Opus 5 ou la tarification de GPT-5.6, ces pages décrivent désormais la génération précédente.

Ce qui a réellement bougé : le coût par tâche, pas le coût par token

Le billet d'annonce d'OpenAI ne commence pas par les tarifs par token. Il commence par le coût par tâche réalisée, et le tableau qu'il publie est l'artefact le plus intéressant de la semaine.

Modèle (effort de raisonnement) AutomationBench 1.0.6 Coût par tâche
GPT-6 Sol (xhigh) 33,2 % 0,27 $
Fable 5.1 avec repli sur Opus 5 (max) 31,4 % plus de 8,9x Sol
GPT-6 Astra (low) 30,3 % 3,9x Sol
Claude Opus 5 (max) 26,9 % 11,1x Sol

Lisez attentivement la dernière ligne. Sol en raisonnement extra-élevé obtient un meilleur score qu'Opus 5 au maximum pour environ 9 % du coût par tâche d'Opus 5. Le coût par tâche est l'unité honnête, car il intègre ce que la tarification par token masque : les tokens de raisonnement, les appels d'outils, les nouvelles tentatives, et le nombre de tours dont un modèle a besoin avant de s'arrêter. Un modèle au tarif affiché deux fois plus élevé qui termine en un tiers des tokens est moins cher, et aucune page de tarification ne vous le dit.

Le schéma se répète. Sur Agents' Last Exam V1, Sol au maximum obtient 56,4 %, au-dessus du meilleur résultat d'Opus 5, pour un coût par tâche inférieur de 60 %. Sur DeepSWE 1.1, Sol au maximum atteint 68,8 %, à 1,1 point de Fable 5 en xhigh (69,9 %) et environ 80 % moins cher par tâche ; Luna au maximum obtient 66,6 %, qu'OpenAI place dans la même bande qu'Opus 5 et Fable 5 à effort moyen, pour 93 % de moins par tâche qu'Opus 5 et 96 % de moins que Fable 5. Sur OSWorld 2.0 hors ligne, Sol en xhigh obtient 60,5 % contre Opus 5 en moyen à 60,3 %, là encore environ 80 % moins cher par tâche. Sur la factualité, OpenAI affirme que Sol commet environ la moitié des erreurs de son prédécesseur, et Luna à effort plus élevé égale GPT-5.6 Sol pour environ un centième du coût.

La conséquence pratique : la question d'approvisionnement n'est plus « quel est le tarif par million de tokens ». C'est « combien coûte une de mes tâches de bout en bout », et seule votre propre charge de travail peut y répondre.

La comparaison qui a expiré le jour même de sa publication

Chaque affirmation ci-dessus est mesurée par rapport à Claude Opus 5, parce qu'Opus 5.5 n'existait pas quand le billet d'OpenAI a été écrit. Anthropic a livré Opus 5.5 quelques heures plus tard : 20 % moins cher qu'Opus 5, 40 % moins cher à exécuter selon le chiffre d'Anthropic lui-même, 30 % plus rapide en sortie, et en tête de l'indice Artificial Analysis.

Donc « bat Opus 5 à 9 % du coût par tâche » est une affirmation vraie à propos d'un modèle supplanté l'après-midi même. Personne n'a publié de chiffre coût-par-tâche Sol contre Opus 5.5, parce que tous les harnais de ces tableaux ont tourné avant l'existence d'Opus 5.5. Si vous vous apprêtez à migrer une charge de travail sur la foi de ce ratio, vous vous comparez à un modèle que vous ne déploieriez plus.

Soyez prudent dans l'autre sens aussi. La propre fiche d'Anthropic pour Opus 5.5 indique : Terminal-Bench 4.0 66,4 %, FrontierCode v1.1 54,4 %, CursorBench 4.0 57,8 %, GDPval-AA v2.1 à 1846 Elo, AutomationBench 40,0 %, Humanity's Last Exam 67,7 % avec outils, OSWorld 2.0 81,8 %, Chartography 89,0 %. Ce 40,0 % à AutomationBench n'est pas soustractible du 33,2 % d'OpenAI : version de harnais différente, réglages d'effort différents, exécution différente, aucune base commune déclarée. Deux fournisseurs citant le même nom de benchmark, ce n'est pas un duel. La position d'OpenAI elle-même est qu'Astra « reste notre meilleur modèle sur tous les plans », donc l'histoire GPT-6 de cette semaine porte sur le prix et l'efficacité, pas sur un nouveau plafond. Les comparaisons qui circulent sur X et qui opposent des chiffres précis d'Opus 5.5 à des chiffres précis d'Astra sont des tweets, pas des données de fournisseur.

« 50 % moins cher » est mesuré par rapport à une remise, et la vraie baisse est plus importante

OpenAI déclare que Sol et Luna sont chacun 50 % moins chers que la tarification promotionnelle de GPT-5.6. « Promotionnelle » est le mot d'OpenAI, et il est essentiel : la base qui est divisée par deux est un tarif remisé, pas un tarif catalogue standard. Une grande partie de la couverture de cette semaine a laissé tomber le qualificatif.

Voici la généalogie, en utilisant les prix catalogue de GPT-5.6 que nous avions documentés dans notre propre couverture du lancement à l'époque :

Niveau GPT-5.6 catalogue (entrée / sortie par 1M) GPT-5.6 promotionnel GPT-6
Sol 5 $ / 30 $ 4 $ / 20 $ 2 $ / 10 $
Terra 2,50 $ / 15 $ 2 $ / 12 $ aucun GPT-6 Terra annoncé
Luna 1 $ / 6 $ 0,20 $ / 1,20 $ 0,10 $ / 0,50 $

Deux choses en découlent. Premièrement, la version honnête du titre dépasse le titre : par rapport aux prix catalogue de GPT-5.6, Sol à 2 $/10 $ représente une baisse de 60 % en entrée et de 67 % en sortie, et Luna à 0,10 $/0,50 $ de 90 % et 92 %. OpenAI s'est comparé à son propre tarif promotionnel, ce qui sous-estime le mouvement pour quiconque budgète par rapport au catalogue.

Deuxièmement, il n'y a pas de GPT-6 Terra. GPT-5.6, c'était Sol, Terra et Luna ; GPT-6, c'est Astra, Sol et Luna. Si vous avez un niveau intermédiaire épinglé dans la configuration, aucun successeur équivalent ne l'attend, et notre guide de nommage GPT-5.6 se lit désormais comme de l'histoire plutôt que comme une carte actuelle.

Les modèles bon marché ne sont pas les modèles rapides

Artificial Analysis a mesuré les nouveaux modèles. Pour les variantes de raisonnement max, il rapporte GPT-6 Sol à 115,2 tokens de sortie par seconde avec un temps jusqu'au premier token de 102,15 secondes, et Luna à 153,9 tokens par seconde avec 124,23 secondes jusqu'au premier token. [VERIFY] Ce sont des chiffres tiers, pas des chiffres de fournisseur, et ils décrivent le réglage de raisonnement le plus élevé, pas ce que vous verriez à effort faible ou moyen.

Directionnellement, c'est le compromis que propose la guerre des prix : une qualité proche de l'état de l'art pour une fraction du coût, payée en latence avant l'arrivée du premier octet. Acceptable pour une tâche par lots ou une exécution d'agent nocturne. Fatal pour une requête avec un humain qui attend.

Mesurez cela vous-même plutôt que de l'hériter d'un classement, car cela varie avec votre réglage d'effort, la taille de votre prompt et votre région. Pointez Apidog vers le point de terminaison de complétions de chaque modèle candidat, envoyez le même prompt au niveau d'effort que vous déploieriez réellement, et enregistrez le temps jusqu'au premier octet et le temps de réponse total à côté du corps de la réponse. Enregistré comme scénario de test, le prochain lancement devient une réexécution plutôt qu'un projet de recherche.

La mise en cache est l'autre moitié de la baisse de prix de cette semaine

En parallèle des modèles, OpenAI a livré une vraie version de mise en cache des prompts pour GPT-6 : une remise de 90 % sur les lectures d'entrée mises en cache, des taux de succès plus élevés par défaut, un tableau de bord de mise en cache des prompts, un outil de diagnostic, et deux correctifs comportementaux qui comptent plus que la remise. Changer l'effort de raisonnement ou la disponibilité des outils n'invalide plus le cache, et des points d'arrêt explicites vous permettent de décider où se termine un préfixe mis en cache. OpenAI cite GitHub, qui voit plus de 50 % de tokens de prompt en moins nécessitant un traitement frais sur des milliards de requêtes. Le côté Anthropic est dans le tableau ci-dessus : les lectures de cache d'Opus 5.5 coûtent 0,20 $ par million contre 4 $ pour une entrée fraîche, donc une lecture en cache représente 5 % d'une lecture fraîche.

Si votre agent renvoie un grand prompt système et un schéma d'outils volumineux à chaque tour, et c'est le cas de la plupart, ces changements feront plus bouger votre facture que n'importe quel prix affiché ici. Cela fait de la mise en cache l'élément le plus durable de la semaine et celui qui vaut la peine d'être intégré à votre ingénierie.

Ce qu'il faut faire cette semaine

  1. Déplacez les identifiants de modèles dans la configuration, pas dans le code. Trois identifiants ont changé en deux jours. claude-opus-5-5, gpt-6-sol et gpt-6-luna ont leur place dans des variables d'environnement que vous pouvez basculer, pas dans des littéraux de chaîne dans un wrapper de client.
  2. Réexécutez votre propre évaluation avant de changer. Les tableaux de coût par tâche des fournisseurs sont mesurés sur les harnais des fournisseurs, contre les tâches des fournisseurs. Les vôtres différeront.
  3. Instrumentez le coût par tâche. Journalisez les tokens d'entrée, de sortie et de raisonnement par unité de travail terminée, nouvelles tentatives incluses. Les tableaux de bord par token vous induiront en erreur pour le reste de cette année.
  4. Fixez un budget de latence et testez à l'effort de déploiement. Un modèle 93 % moins cher par tâche et deux minutes plus lent jusqu'au premier token est un produit différent, pas un produit moins cher.
  5. Auditez votre frontière de cache. Préfixe stable en premier, contenu volatil en dernier, points d'arrêt explicites là où la plateforme les prend en charge.
  6. Mettez à jour les tests de contrat pour les nouvelles enveloppes. Sol a un contexte de 872k, Luna et Opus 5.5 de 1M, et Opus 5.5 plafonne la sortie à 128k. Les assertions écrites contre les limites du mois dernier passent silencieusement et tronquent en production.
  7. Routez par tâche au lieu de migrer en bloc. L'écart entre 0,10 $ et 10 $ par million de tokens en entrée est de deux ordres de grandeur. Niveaux bon marché pour l'extraction et la classification, niveaux chers pour le travail qui les exige.

Un chiffre pour donner l'échelle : OpenAI a divulgué que son chercheur interne médian dépense plus de 600 $ par jour en agents de codage, le 90e percentile étant à 7 000 $. Des baisses de cette ampleur visent des charges de travail avec cette marge. Si la vôtre est plus petite, elles vous offrent surtout la possibilité de faire tourner un meilleur modèle avec le même budget.

Disponibilité, brièvement

Sol et Luna sont dans ChatGPT Work et Codex pour Plus, Pro, Business, Enterprise et Edu. Free et Go ont Luna dans l'application de bureau. Ni l'un ni l'autre n'est encore dans Chat. Les identifiants d'API sont gpt-6-sol et gpt-6-luna, aux côtés de l'API GPT-6 Astra existante. Opus 5.5 tourne sur la Claude Platform, AWS, Google Cloud et Azure.

Pour le détail modèle par modèle : qu'est-ce que Claude Opus 5.5, qu'est-ce que GPT-6 Sol, qu'est-ce que GPT-6 Luna, le duel Sol contre Opus 5.5, et la version de mise en cache des prompts de GPT-6.

L'essentiel

Les prix affichés ont baissé, mais le véritable événement est que l'industrie a changé d'unité. Le coût par tâche, le taux de succès du cache et le temps jusqu'au premier token décident désormais de ce que vous coûte un modèle, et aucun d'eux n'apparaît sur une page de tarification. Mesurez les trois sur votre propre trafic cette semaine, car les tableaux comparatifs que tout le monde cite étaient périmés au moment même de leur publication.

Pratiquez le Design-first d'API dans Apidog

Découvrez une manière plus simple de créer et utiliser des API