OpenAI a annoncé une baisse de prix significative pour deux de ses modèles d'IA de la famille GPT-5.6 , vingt jours seulement après leur lancement officiel. L'entreprise a réduit le coût de GPT-5.6 Luna de 80 % et celui de GPT-5.6 Terra de 20 % , tandis que pour son modèle phare, GPT-5.6 Sol, elle a introduit une API plus rapide. Ces modifications, effectives depuis le 30 juillet, visent à optimiser le rapport coût/vitesse/capacité, notamment pour les entreprises traitant d'importants volumes de tâches automatisées basées sur l'IA.
L'entreprise a expliqué que ces baisses de prix sont dues à des optimisations apportées à l'ensemble de sa pile logicielle, notamment un routage matériel amélioré, un logiciel d'inférence perfectionné et des algorithmes de mise en cache du contexte plus intelligents. En réalité, certaines de ces améliorations sont imputables aux modèles eux-mêmes : lors de tests supervisés, GPT-5.6 Sol a réécrit et optimisé de manière autonome des cœurs logiciels critiques en production, réduisant ainsi la charge du service de 20 % et améliorant l'efficacité de la génération de jetons de plus de 15 %. OpenAI peut ainsi tirer pleinement parti des performances de ses clusters de serveurs existants.
Nouveaux prix pour GPT-5.6 Luna et Terra
Avec cette nouvelle tarification, GPT-5.6 Luna coûte désormais 0,20 $ par million de jetons entrants et 1,20 $ par million de jetons sortants, contre respectivement 1 $ et 6 $ auparavant. Ce modèle, le plus rapide et le plus économique de la gamme, est conçu pour les tâches à haut volume telles que la classification des interactions clients, l'analyse de documents massifs et l'automatisation des tâches en arrière-plan. OpenAI affirme qu'il offre des performances comparables aux modèles considérés comme de pointe il y a environ un an, mais à un coût bien moindre.
Parallèlement, GPT-5.6 Terra, conçu pour les tâches quotidiennes, est proposé à 2 $ par million de jetons investis et à 12 $ par million de jetons émis. Son approche vise à équilibrer raisonnement, rapidité et coût pour les assistants métiers, la programmation et les requêtes liées à l'espace de travail. Cette stratégie permet de combiner différents modèles au sein d'un même processus : par exemple, une entreprise peut utiliser Sol pour lever les incertitudes et élaborer un plan, puis confier Luna à la mise en œuvre, aux tests et à l'évaluation des résultats.
Mode rapide : vitesse accrue pour GPT-5.6 Sol
OpenAI a également introduit le mode Rapide pour GPT-5.6 Sol, remplaçant ainsi le traitement prioritaire dans l'API. Ce mode permet au modèle phare de s'exécuter jusqu'à 2,5 fois plus vite qu'en mode standard, moyennant un coût deux fois plus élevé. L'entreprise assure que cette vitesse accrue ne compromet pas l'intelligence du modèle. Les requêtes prioritaires existantes seront automatiquement basculées en mode Rapide, garantissant ainsi la compatibilité avec les implémentations actuelles.
Ces modifications tarifaires affectent également les limites de crédits ou de temps pour les utilisateurs et les organisations sur ChatGPT Work et Codex. L'utilisation de Luna et Terra consommera ainsi moins de crédits sans incidence sur le niveau d'abonnement mensuel. OpenAI a annoncé la nouvelle via son compte X, précisant que, « dans le but de repousser les limites des modèles en termes de rentabilité, de capacité et de rapidité », l'entreprise a réduit ses prix. Cette baisse intervient dans un contexte de concurrence accrue dans le secteur, notamment avec l'émergence récente de modèles tels que Kimi K3, développé par la start-up chinoise Moonshot AI.
La nouvelle tarification est en vigueur depuis le 30 juillet. Bien que les données de performance reposent principalement sur des évaluations internes d'OpenAI et sur une sélection de clients, l'entreprise est convaincue que les économies réalisées se maintiendront pour des charges de travail diversifiées et de grande envergure. Grâce à cette stratégie, OpenAI renforce la tendance à segmenter l'inférence en fonction de la complexité du problème, permettant ainsi aux organisations d'évaluer précisément les coûts financiers par rapport à la puissance de calcul nécessaire à leurs opérations.