GPT-6 Sol et GPT-6 Luna sont disponibles sur Smart AIPI — 75 % de réduction, moitié moins cher que la famille 5.6

Au début du mois, OpenAI a présenté GPT-6 Astra, son modèle le plus intelligent et le mieux aligné. Les projets les plus exigeants nécessitent encore toute la profondeur d’Astra — mais le travail s’effectue à des échelles, des rythmes et des budgets différents. C’est pourquoi OpenAI a élargi la gamme GPT-6 avec GPT-6 Sol et GPT-6 Luna, tous deux disponibles dès maintenant sur Smart AIPI au quart du prix d’OpenAI.

Ces modèles ont été entraînés avec des méthodes similaires à celles d’Astra, en intégrant ses avancées dans le travail professionnel, la factualité, le codage, l’utilisation d’ordinateurs et l’alignement à des niveaux plus rapides et plus abordables. La famille GPT-6 domine sur toute la courbe coût–intelligence, et OpenAI a répercuté les gains d’efficacité en réduisant de 50 % par rapport au tarif promotionnel de GPT-5.6 les prix d’API de Sol et Luna. Smart AIPI applique en plus sa propre remise de 75 %.

Les résultats qui comptent pour les développeurs

Sol et Luna sont optimisés pour la frontière coût–intelligence : chaque score ci-dessous doit donc être lu en regard de son coût.

Les scores ne racontent que la moitié de l’histoire — l’autre moitié, c’est le coût nécessaire pour les atteindre.

Travail professionnel

Sur AutomationBench (des workflows métier de bout en bout couvrant 47 outils dans les domaines des ventes, du marketing, des opérations, du support, de la finance et des RH), GPT-6 Sol avec un effort xhigh atteint 33.2% pour $0.27 par tâche — dépassant Claude Opus 5 avec un effort maximal (26.9 %) pour environ 9 % du coût par tâche d’Opus 5, et devançant même GPT-6 Astra avec un faible effort (30.3 %). Avec un effort élevé, GPT-6 Luna progresse de 5.4 points de pourcentage pour un coût par tâche inférieur de 58 % par rapport à son prédécesseur. Sur Agents' Last Exam, Sol avec un effort maximal obtient 56.4%, au-dessus du meilleur score de Claude Opus 5 dans l’évaluation, pour un coût par tâche inférieur de 60 %.

Codage

Sur DeepSWE v1.1 (tâches originales de génie logiciel à long horizon dans de véritables bases de code), GPT-6 Sol avec un effort maximal obtient 68.8% — à moins de 1.1 point du meilleur score de Claude Fable 5 dans l’évaluation (69.9 % avec un effort xhigh), pour un coût par tâche inférieur d’environ 80 %. GPT-6 Luna avec un effort maximal obtient 66.6%, un résultat comparable à celui de Claude Opus 5 et Fable 5 avec un effort moyen, tout en coûtant 93 % de moins qu’Opus 5 et 96 % de moins que Fable 5 par tâche. Sur FrontierCode, qui évalue non seulement la correction, mais aussi la capacité d’intégration (qualité des tests, respect du périmètre et style du code), Sol progresse nettement par rapport à GPT-5.6 Sol et égale Claude Fable 5.1 xhigh à un coût bien inférieur.

Utilisation d’ordinateurs

Astra reste le meilleur modèle au monde pour l’utilisation d’ordinateurs, mais Sol et Luna sont bien plus rentables que leurs prédécesseurs. Sur OSWorld 2.0 hors ligne, GPT-6 Sol avec un effort xhigh atteint 60.5% — égalant Claude Opus 5 avec un effort moyen (60.3 %) pour environ 80 % de coût en moins par tâche. GPT-6 Luna avec un effort maximal dépasse GPT-5.6 Sol avec un effort moyen pour un dixième de son coût.

Factualité et alignement

Dans l’évaluation interne de la factualité d’OpenAI — construite à partir de conversations réelles désidentifiées dans lesquelles les utilisateurs ont signalé des erreurs — GPT-6 Sol commet environ deux fois moins d’erreurs que GPT-5.6 Sol, se rapprochant de la fiabilité d’Astra pour un coût bien inférieur. Luna progresse également de manière importante. Tous deux s’appuient sur les travaux d’alignement introduits avec Astra et affichent des améliorations par rapport à leurs équivalents GPT-5.6, notamment une réduction des affirmations trompeuses concernant leur propre travail de codage.

Tarifs : 75 % de réduction, mêmes modèles, même API

Smart AIPI facture 25 % du tarif affiché par OpenAI. Voici le calcul pour les deux modèles.

Les deux modèles bénéficient également de la mise en cache améliorée des prompts de GPT-6 — des taux de réussite du cache par défaut plus élevés et une remise de 90 % sur la lecture des entrées mises en cache — ce qui rend encore moins chers les agents et les longues conversations qui réutilisent le contexte. Même poids, même format d’API compatible avec OpenAI, mêmes outils. La seule différence, c’est la facture.

Un style de collaboration plus fluide

Sol et Luna héritent du style de communication amélioré d’Astra, particulièrement visible dans les conversations techniques et de codage : davantage de clarté, moins de jargon, moins de tournures étranges, moins de détails à faible valeur et des réponses légèrement plus courtes sans perte de substance. En pratique, cela signifie un agent qui ne tire pas de conclusions hâtives, qui indique plus clairement ce qu’il a vérifié ou non et qui gaspille moins de tokens à répéter l’évidence.

Comment utiliser GPT-6 Sol et Luna

API Chat Completions

curl https://api.smartaipi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-sol",
    "messages": [{"role": "user", "content": "Refactor this module and add tests"}]
  }'

API Responses avec un raisonnement élevé

curl https://api.smartaipi.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-sol",
    "input": "Triage these open issues and open PRs to fix the top three",
    "reasoning": {"effort": "high", "summary": "auto"}
  }'

Codex CLI, Cursor, Cline, Roo Code, OpenCode, Aider

OPENAI_BASE_URL=https://api.smartaipi.com/v1
OPENAI_API_KEY=sk-your-smart-aipi-key
OPENAI_MODEL=gpt-6-luna

L’effort de raisonnement prend en charge les niveaux low, medium, high et xhigh. Sol et Luna changent réellement d’échelle selon l’effort — les résultats d’AutomationBench, d’Agents' Last Exam et d’OSWorld ci-dessus correspondent tous à des niveaux d’effort élevés. Pour les tâches agentiques à long horizon, utilisez high ou xhigh ; pour un débit important, low ou medium sur Luna constitue le choix par défaut le plus économique.

Quel modèle devriez-vous réellement utiliser ?

• gpt-6-astra — le meilleur dans tous les domaines. Choisissez-le lorsque vous voulez les meilleurs résultats et une expérience sans compromis : utilisation d’ordinateurs, automatisation de navigateurs, refactorisations à long horizon où l’objectif est de terminer sans supervision.
• gpt-6-sol — les tâches difficiles pour une fraction du coût des modèles de pointe. Il dépasse Claude Opus 5 sur AutomationBench pour ~9 % du coût et se situe à moins d’un point de Fable 5 sur DeepSWE pour environ 80 % de coût en moins. Le choix par défaut idéal pour le codage agentique à grande échelle et l’automatisation métier.
• gpt-6-luna — le niveau rapide et économique. Des scores DeepSWE proches des modèles de pointe pour un coût inférieur de 90 % ou plus à celui d’Opus/Fable. Idéal pour les traitements en volume, la classification, la synthèse et les pipelines à haut débit.

Les trois modèles utilisent le même endpoint et la même clé. Changer de modèle ne demande qu’une seule ligne : comparez-les donc sur votre charge de travail plutôt que de faire confiance au graphique de quelqu’un d’autre — y compris celui-ci.

Commencer

1. Inscrivez-vous sur smartaipi.com/signup (crédits gratuits, sans carte bancaire)
2. Créez une clé d’API dans le tableau de bord
3. Définissez votre URL de base sur https://api.smartaipi.com/v1
4. Utilisez le modèle gpt-6-sol ou gpt-6-luna

L’intelligence de la génération Astra, optimisée pour les coûts, en production, au quart du tarif affiché.