L’essentiel
- Anthropic a lancé Claude Opus 5.5 le 22 septembre à 4 $ en entrée / 20 $ en sortie par million de tokens — soit 20 % de moins qu’Opus 5 et environ 40 % moins cher par charge de travail type, avec des lectures de cache à 0,20 $/M.
- Quatre-vingt-dix minutes plus tard, OpenAI lançait GPT-6 Sol à 2 $/10 $ et GPT-6 Luna à 0,10 $/0,50 $, soit une réduction uniforme de 50 % par rapport aux tarifs promotionnels de GPT-5.6.
- Le prix des sorties couvre désormais un facteur d’environ 100 au sein d’une même famille de modèles : GPT-6 Astra à 50 $/M contre Luna à 0,50 $/M.
- Les benchmarks ne concordent pas (AutomationBench : Opus 5.5 à 40,0 %, Sol à 33,2 %), mais l’écart de coût par tâche est de 11x. C’est le coût par tâche, et non le prix par token, qui détermine le modèle qu’exécute un agent.
Deux lancements à 90 minutes d’intervalle
Les lancements de modèles de pointe racontent généralement une histoire de capacités. Ceux de mardi racontaient une histoire de prix. Anthropic a ouvert le bal avec Claude Opus 5.5, présenté comme offrant des performances de la classe de Fable 5.1 pour un coût inférieur de 40 % à celui d’Opus 5 sur des charges de travail types : 4 $/20 $ par million de tokens en entrée et en sortie, lectures de cache à 0,20 $ le million (60 % moins cher), sortie plus de 30 % plus rapide et plafonds d’usage sur cinq heures relevés. (Source : Anthropic — Introducing Claude Opus 5.5)
Quatre-vingt-dix minutes plus tard, OpenAI répondait avec GPT-6 Sol et Luna et une réduction uniforme de 50 % par rapport aux tarifs promotionnels de GPT-5.6. Sol s’affiche à 2 $/10 $ — la moitié d’Opus 5.5 — tandis que Luna se situe à 0,10 $/0,50 $, soit 2,5 % d’Opus 5.5 et 1 % des 10 $/50 $ d’Astra. OpenAI affirme que la mise en cache permet désormais des remises de 90 % sur les lectures d’entrée mises en cache. (Source : OpenAI — Introducing GPT-6 Sol and Luna)
Les deux laboratoires avaient annoncé ce basculement : Anthropic a publié un argumentaire sur le « rythme de la frontière » avant de livrer un modèle moins cher et plus performant, tandis qu’OpenAI avait déjà positionné Astra comme son offre haut de gamme coûteuse. Nous avons traité ce cadrage dans l’analyse du lancement d’Astra et dans la précédente décomposition tarifaire de GPT-5.6 Sol/Terra/Luna.
Ce que disent réellement les benchmarks
Anthropic annonce Opus 5.5 à 66,4 % sur Terminal-Bench 4.0, 57,8 % sur CursorBench 4.0, 1846 Elo sur GDPval-AA v2.1, 40,0 % sur AutomationBench de Zapier et 81,8 % de crédit partiel sur OSWorld 2.0, plus une migration de 680 000 lignes achevée en moins d’une journée par un testeur. (Source : Anthropic — Opus 5.5 System Card)
Les chiffres d’OpenAI portent davantage sur le coût : Sol en effort xhigh obtient 33,2 % sur AutomationBench à 0,27 $ par tâche, contre Claude Opus 5 en effort maximal à 26,9 % pour un coût 11,1 fois supérieur, plus 56,4 % sur Agents’ Last Exam à un coût par tâche inférieur de 60 %. Les poids ouverts avancent le même argument : V4.1-Flash de DeepSeek est un mélange d’experts de 552 milliards de paramètres, avec 8 milliards de paramètres actifs en entrée et 16 milliards en sortie, et un cache KV nécessitant un quart de la HBM et un huitième de l’empreinte SSD de la génération précédente. (Source : DeepSeek — Introducing DeepSeek-V4.1-Flash)
Aucune comparaison propre sur un même harnais n’existe. Anthropic se mesure à Astra et à GPT-5.6 Sol ; OpenAI se compare surtout à des modèles Claude plus anciens. Les évaluations tierces divergent elles aussi : Browser Use a mesuré Sol à 66,9 contre Opus 5.5 à 59,4 sur son benchmark de navigation, Sol étant environ 3,5 fois moins cher ; Artificial Analysis a classé Opus 5.5 Max premier de son Intelligence Index avec 58 ; et une série de 10 tâches réalisée par un praticien a préféré Opus sur sept tâches, pour 213 $ et 8 h 40, contre 74 $ et 5 h 51 pour Sol. (Source : The Neuron — Everything That Happened in AI Today, September 22, 2026)
Pourquoi les prix ont chuté
Trois leviers, dont un seul est une baisse de prix. D’abord la mise en cache : le travail agentique est dominé par le contexte renvoyé, si bien que le prix des lectures de cache décide de la facture. Ensuite l’architecture : l’encodeur-décodeur asymétrique de DeepSeek sépare 8 milliards de paramètres actifs pour l’entrée et 16 milliards pour la sortie, et réduit son cache KV d’un facteur 4 à 8 — la même logique de « servir moins d’octets par token » qui permet à Sol et Luna de casser les prix de leurs prédécesseurs. Enfin l’ordonnancement : les tarifs hors pointe de DeepSeek s’établissent à 50 % du tarif de pointe.
Le coût par tâche, nouveau benchmark
Un agent dont le token coûte quatre fois moins cher mais qui en consomme trois fois plus, ou qui nécessite une nouvelle tentative, peut malgré tout être le choix coûteux. Cette série de 10 travaux en est l’illustration la plus claire : Sol a terminé en deux tiers du temps réel pour environ un tiers de la dépense, et a tout de même perdu sept tâches sur dix en qualité.
Il existe un piège dans l’autre sens. Des tokens moins chers incitent à réfléchir plus longtemps, et les budgets de raisonnement sont finis : deux exécutions en effort maximal sur un SVG « pélican sur un vélo » ont épuisé un budget de raisonnement de 128K avant de produire la moindre sortie. Les gains d’efficacité se dépensent, ils ne se mettent pas de côté, à moins que le harnais ne fixe les niveaux d’effort et les conditions d’arrêt.
FAQ
Opus 5.5 est-il meilleur que GPT-6 Sol ? Sur les benchmarks où ils se recoupent, plutôt oui — 40,0 % contre environ 33 % sur AutomationBench, plus un meilleur classement Artificial Analysis. Mais aucun test indépendant n’a exécuté les deux sur le même harnais à effort égal ; la réponse honnête est donc qu’Opus mène sur les capacités mesurées, tandis que Sol mène sur le coût par tâche.
Combien coûte un million de tokens aujourd’hui ? Dans la gamme OpenAI : Luna 0,10 $/0,50 $, Sol 2 $/10 $, Astra 10 $/50 $. Ajoutez Anthropic à 4 $/20 $ et l’offre V4.1-Flash de DeepSeek, et les prix de sortie proches de la frontière couvrent environ deux ordres de grandeur.
Les développeurs d’agents doivent-ils changer de modèle cette semaine ? Mesurez d’abord. Instrumentez le coût par tâche achevée, le taux de succès du cache et le nombre de tentatives sur votre propre charge de travail pendant une semaine : l’écart entre ces modèles sur des tâches réelles a atteint un facteur 3 sur le coût et 7 sur 10 sur la préférence de qualité, soit plus large que ne le suggère n’importe quel tableau de lancement.