OpenAI lance la famille GPT-5.6 : trois modèles et un mode ultra

Le 9 juillet 2026, OpenAI a ouvert au grand public la famille GPT-5.6. La gamme comprend trois modèles : GPT-5.6 Sol, le modèle phare, GPT-5.6 Terra, la version équilibrée, et GPT-5.6 Luna, la plus abordable. Ils sont disponibles dans ChatGPT, Codex et l'API OpenAI, avec un déploiement mondial progressif sur les 24 heures suivantes.

Quels modèles composent la gamme

La famille se décline en trois niveaux de performance. Sol vise les tâches les plus complexes : programmation, analyse professionnelle, recherche scientifique, cybersécurité et scénarios agentiques de longue durée. Terra offre un compromis entre capacités et coût, tandis que Luna cible les workflows rapides et à fort volume.

• GPT-5.6 Sol coûte $5 par million de tokens en entrée et $30 par million de tokens en sortie
• GPT-5.6 Terra coûte $2,50 par million de tokens en entrée et $15 par million de tokens en sortie
• GPT-5.6 Luna coûte $1 par million de tokens en entrée et $6 par million de tokens en sortie
• Par défaut, le mode ultra coordonne quatre agents en parallèle
• L'API propose Programmatic Tool Calling ainsi qu'une version bêta du mode multi-agents

L'idée maîtresse de cette mise à jour : tirer davantage de travail utile de chaque token. Selon OpenAI, GPT-5.6 Sol obtient des résultats comparables ou supérieurs à ceux des modèles précédents et concurrents, tout en consommant moins de tokens et de temps. Terra et Luna doivent rendre un niveau d'automatisation similaire plus accessible pour les tâches du quotidien.

Ce qui change pour les développeurs

GPT-5.6 Sol devient le modèle d'OpenAI le plus performant en programmation. Il obtient 80 points sur l'Artificial Analysis Coding Agent Index et 88,8% sur Terminal-Bench 2.1. Le mode ultra porte ce score Terminal-Bench à 91,9% en coordonnant plusieurs flux de travail parallèles.

Le modèle gagne aussi de nouvelles capacités d'utilisation d'outils. Dans la Responses API, la fonction Programmatic Tool Calling permet à GPT-5.6 d'écrire et d'exécuter en mémoire de petits programmes, de traiter les données intermédiaires et de ne renvoyer au modèle que les résultats pertinents. Résultat : moins d'appels au modèle et un contexte plus léger dans les tâches qui mobilisent de nombreux outils.

Le mode max accorde au modèle plus de temps pour raisonner, explorer des alternatives et corriger ses erreurs. Ultra va plus loin : plusieurs agents traitent en parallèle différentes parties d'une tâche complexe, puis GPT-5.6 fusionne leurs résultats. Pour les développeurs, cela ouvre la voie à des systèmes plus autonomes, sans scénario manuel pour chaque étape.

Où le modèle progresse

Au-delà du code, OpenAI met en avant le travail sur les documents, les présentations et les tableurs. GPT-5.6 respecte plus fidèlement les modèles, la structure des slides, la typographie, les marges et les règles de mise en forme. Le modèle analyse le rendu final et peut corriger des défauts visuels et fonctionnels, au lieu de se contenter de générer le code source.

Sur BrowseComp, GPT-5.6 Sol atteint 92,2% avec le niveau de raisonnement maximal, et 62,6% sur OSWorld 2.0. Sur ExploitBench 2, le modèle obtient 73,5%, contre 47,9% pour GPT-5.5, à budget de génération comparable. Côté science, OpenAI fait état de résultats en hausse en biologie, en sciences naturelles et en chimie.

En cybersécurité, l'entreprise a parallèlement renforcé les restrictions. GPT-5.6 prend en charge les usages défensifs : analyse de vulnérabilités, correction de code, modélisation des menaces et blue teaming. L'accès aux capacités les plus sensibles est réservé aux utilisateurs et organisations vérifiés, via le programme Trusted Access for Cyber.

Ce que cela signifie

GPT-5.6 ne se limite pas à améliorer la qualité des réponses : OpenAI cherche à faire de son modèle un exécutant plus autonome pour les tâches complexes. Trois niveaux de prix, des appels d'outils pilotés par programme et des agents parallèles doivent réduire le coût des workflows de longue durée, même si les modes les plus poussés exigeront davantage de tokens et de calcul.