Une carte de titre générée indiquant « GPT-6.2 Sol Pro : la grille tarifaire n'a pas bougé, la facture a baissé de 20 % », sous-titrée par le coût d'une tâche de l'indice Artificial Analysis passant de 1,27 $ à 1,01 $, au-dessus de trois cartes indiquant la grille tarifaire inchangée de 2,00 $ en entrée et 10,00 $ en sortie par million de jetons, le coût de 1,01 $ par tâche pour GPT-6.2 Sol, et celui de 1,27 $ pour GPT-6.1 Sol, ainsi qu'une note précisant que Sol Pro est gpt-6.2-sol appelé avec le mode de raisonnement défini sur pro.
Guides & Insights

GPT-6.2 Sol Pro : La grille tarifaire n'a pas bougé. La facture a chuté de 20 %.

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Quarante mille jetons de sortie pour terminer une tâche d’évaluation. Voilà ce que GPT-6.2 Sol a dépensé sur la suite d’Artificial Analysis à son réglage d’effort le plus élevé, contre 67 824 pour GPT-6.1 Sol effectuant le même travail — une baisse de 40 % des jetons et de 20 % des dollars par tâche, sur une grille tarifaire qui n’a pas changé d’un centime. Le modèle est sorti le 17 novembre 2026, aux côtés de GPT-6.2 Astra, et l’appellation que les gens recherchent, GPT-6.2 Sol Pro, désigne ce modèle avec reasoning.mode défini sur pro dans l’API Responses. Le mode Pro est facturé aux tarifs standard par jeton du modèle de base. Ainsi, toute l’économie de la mise à niveau réside dans le nombre de jetons que le modèle décide de dépenser — le seul chiffre que la grille tarifaire d’OpenAI ne peut pas vous donner.

Ce n’est pas une redite de l’argument « Pro est un mode » déjà formulé deux fois sur ce blog, pour les niveaux GPT-6 et GPT-6.1. Le mécanisme est le même et il est désormais bien documenté. Ce qui est nouveau, ce sont les preuves : pour la première fois, des mesures indépendantes d’un niveau Sol ont été réalisées au lendemain du lancement, et elles révèlent quelque chose de plus intéressant que « moins cher par token ». Elles indiquent que l’amélioration se concentre précisément sur les charges de travail pour lesquelles OpenAI vend ce modèle, et qu’une dimension s’est dégradée.

Qu'est-ce qui a été expédié le 17 novembre, précisément ?

L’entrée du journal des modifications tient en deux lignes et nomme deux identifiants : gpt-6.2-astra et gpt-6.2-sol, tous deux sur l’API Responses et Chat Completions, l’appel d’outils nécessitant Responses. Le résumé de la sortie par OpenAI lui-même — « de meilleurs résultats professionnels, du codage, de l’utilisation de l’ordinateur et de l’efficacité à moindre coût sur ChatGPT Work, Codex et l’API » — relève du discours du fournisseur, et il convient de garder ses distances jusqu’à l’arrivée des chiffres indépendants, qui sont désormais disponibles.

La forme de la chose, d’après la page du modèle d’OpenAI pour gpt-6.2-sol :

• Contexte — 1 050 000 jetons au total, 922 000 en entrée maximum, 128 000 en sortie maximum.

• Modalités — texte et image en entrée, texte en sortie. L’audio et la vidéo sont indiqués comme non pris en charge, et aucune modalité de fichier en entrée n’est prévue dans la spécification.

• Date limite des connaissances — 1er juin 2026, un mois plus tard que le 30 avril 2026 du niveau 6.1.

• Raisonnement — toujours activé, cinq paramètres d’effort allant de low à max, et l’API rejette catégoriquement reasoning.effort: none plutôt que de rétrograder silencieusement.

• Prix, contexte court — 2,00 $ en entrée, 0,10 $ en entrée mise en cache, 2,50 $ en écriture de cache, 10,00 $ en sortie par million de tokens. Identique à GPT-6.1 Sol.

• Tarif, au-delà de 272 000 jetons d’entrée — les tarifs d’entrée et de cache doublent et celui de sortie passe à 1,5× pour l’ensemble de la requête : 4,00 $ / 0,20 $ / 5,00 $ / 15,00 $.

• Niveaux de service — Batch à 50 % du tarif standard, Fast à 2×, Ultrafast à 3× jusqu'au 28 février 2027 et à 6× à partir du 1er mars 2027.

• Nouveau sur cette génération — fenêtres de complétion en arrière-plan à tarif réduit dans la bêta publique de l’API Responses, 30 % de moins que les tarifs standard pour une fenêtre de deux heures et 40 % de moins pour huit heures.

Cette dernière ligne est discrètement l’élément le plus utile de la version pour quiconque exécute du travail d’agent en mode lot, et c’est le genre de détail que le billet de lancement enfouit. Un report de deux heures qui coûte 30 % de moins est une décision produit différente d’une baisse de prix, parce que cela change le moment où vous planifiez le travail plutôt que ce que vous payez pour celui-ci.

Screenshot of OpenAI's documentation page for GPT-6.2 Sol, showing the model ID gpt-6.2-sol, a 1,050,000-token context window with 922,000 maximum input and 128,000 maximum output, a 1 June 2026 knowledge cutoff, text and image input with text output, and text-token pricing of $2 input, $0.10 cached input, $2.50 cache write and $10 output per million.

D’où vient « Pro », et pourquoi il ne s’agit pas d’un identifiant de modèle

Le guide de raisonnement d'OpenAI l'indique clairement : les modèles GPT-5.6 et GPT-6 « prennent en charge les modes de raisonnement standard et pro dans l'API Responses. standard est le mode par défaut. » Le mode et l'effort constituent deux axes indépendants — le guide précise explicitement que le mode « sélectionne l'exécution standard ou pro, tandis que reasoning.effort contrôle la quantité de raisonnement appliquée par le modèle dans ce mode ». Vous pouvez utiliser le mode pro avec un effort faible ; vous pouvez utiliser le mode standard avec un effort maximal.

Ce que fait l’exécution Pro, c’est regrouper plusieurs passes de travail du modèle en une seule réponse et facturer ces tokens aux « tarifs standard des tokens du modèle sélectionné ». Aucun multiplicateur premium, aucun compteur séparé. Les identifiants Pro existants — GPT-5.5 Pro et ses prédécesseurs — conservent leur ancien comportement et leurs anciens tarifs, ce qui explique pourquoi « Pro » désigne désormais deux choses différentes selon la chaîne que vous nommez.

Ainsi, lorsqu’un catalogue répertorie gpt-6.2-sol-pro, il décrit une configuration et invente un identifiant auquel l’accrocher. La documentation d’OpenAI renvoie elle-même une 404 sur cette chaîne, et le seul identifiant présent sur la page du modèle est gpt-6.2-sol. Cette distinction importe au-delà de la pédanterie : un ID de modèle que l’on peut rechercher a une fenêtre de contexte documentée et un tarif publié, tandis qu’une configuration a ce que votre application transmet au moment de l’appel.

Le point indépendant : +2,7 points, 20 % moins cher par tâche

Artificial Analysis a déjà exécuté le modèle sur son propre harnais, et les chiffres sont les premières mesures de ce niveau qui ne proviennent pas du fournisseur. Sur Intelligence Index v5.0.1, GPT-6.2 Sol en effort maximal obtient 57.3 contre 54.6 pour GPT-6.1 Sol en effort maximal. Le coût par tâche de l’Index passe de 1,27 $ à 1,01 $. Les deux chiffres sont mesurés sur la même suite, ce qui les rend comparables : mêmes tâches, même harnais, même notation, seul le modèle change.

Ces deux chiffres qui évoluent ensemble dans le bon sens, voilà la véritable affirmation de cette version. Une génération qui devient plus intelligente et moins coûteuse par tâche à grille tarifaire fixe constitue un gain d’efficacité, pas un repositionnement. Une génération qui devient plus intelligente tout en coûtant plus cher est un compromis. Celle-ci relève de la première catégorie, avec une marge suffisamment large pour être remarquée.

Là où le gain se situe est plus intéressant que le composite. Face à son propre prédécesseur à effort maximal :

Terminal-Bench 4.0 — 60,1 % contre 56,1 %.

• Terminal-Bench Science — 67,6 % contre 58,1 %, une progression de 9,5 points et la plus forte hausse unique du classement.

• HLE Diamond — 64,0 % contre 58,8 %.

• FrontierCode 2.0 — 44,4 % contre 40,6 %.

• AutomationBench — 71,3 % contre 64,9 %.

• AnalystAgent — 53,8 % contre 50,0 %.

Chacune de ces tâches repose sur l’utilisation d’outils, comporte plusieurs étapes et exige de nombreuses vérifications. Il ne s’agit pas d’un modèle qui s’est amélioré en culture générale ; il s’agit d’un modèle qui s’est amélioré pour mener les choses à terme, ce qui est cohérent avec un nombre de tokens qui diminue plutôt qu’il n’augmente. Moins de fausses routes signifie moins de tokens dépensés à s’en remettre.

Une mise en garde sur ce que représentent ces chiffres. Artificial Analysis mesure des niveaux d’effort, et non des modes de raisonnement ; sa ligne « max » correspond donc au mode standard à effort maximal. Personne n’a publié de mesure en mode pro pour quelque modèle GPT-6 que ce soit, car ce mode multiplie une quantité inconnue de travail du modèle. Considérez la ligne d’effort maximal comme le plafond disponible le plus proche, et non comme une référence de mode pro.

Deux chiffres qui ont évolué dans le mauvais sens

AA-Omniscience est la partie de la suite qui vérifie si un modèle sait ce qu'il ne sait pas, et c'est là que cette version rend quelque chose en retour. GPT-6.2 Sol à effort maximal obtient 40,4 sur l'indice Omniscience, contre 42,0 auparavant. La précision est stable — 61,6 % contre 61,8 %, ce qui relève du bruit — mais le taux d'hallucination passe de 51,9 % à 55,4 %.

Lisez cela attentivement avant de conclure qu’il s’agit d’un scandale. Les deux modèles hallucinent sur plus de la moitié des questions qu’ils ratent, et un écart de 3,5 points sur une suite de cette taille n’est pas une régression catastrophique. Mais c’est une direction, et elle pointe à l’opposé des chiffres de capacité. Le palier s’est amélioré dans l’exécution du travail et est devenu légèrement moins prudent lorsqu’il affirme des choses qu’il ne peut pas étayer.

Pour un agent de codage qui exécute des tests avant de déclarer la victoire, cet arbitrage est quasiment gratuit. Pour un assistant de recherche qui répond sans étape de vérification, c'est exactement le mode de défaillance que vous payiez la génération précédente pour éviter. Si votre charge de travail relève de la deuxième catégorie, l'indice composite n'est pas le bon chiffre sur lequel faire son choix, et l'économie de 20 % est inférieure au coût d'une seule réponse fausse et confiante.

Ce que le mode pro fait au compteur, en tokens

Comme le mode pro facture aux tarifs standards, le seul levier qu’il actionne est le nombre de tokens, et les données indépendantes vous permettent de dimensionner ce levier pour la première fois. À effort maximal, GPT-6.2 Sol produit en moyenne 40 360 tokens de sortie par tâche, dont 22 800 tokens de raisonnement et 17 561 de réponse visible — le raisonnement représente 56 % de la sortie. GPT-6.1 Sol, au même réglage, produisait en moyenne 67 824 tokens de sortie, dont 49 213 de raisonnement. Le nouveau modèle réfléchit pendant moins de la moitié du temps et sa réponse est à peu près de la même longueur.

C’est le mécanisme derrière les 20 %, mais ce n’est pas toute l’arithmétique, et l’autre moitié mérite d’être connue. Si l’on décompose le coût par tâche : la sortie passe d’environ 0,72 $ à 0,40 $, tandis que l’entrée augmente d’environ 0,55 $ à 0,61 $ — davantage de lectures et d’écritures de cache par tâche, pas moins. Les deux s’annulent à peu près pour aboutir à l’économie nette de 20 %, ce qui signifie que la mise à niveau est un pari selon lequel réfléchir moins vaut plus que le contexte supplémentaire qu’elle relit. Sur la suite, ce pari a été gagnant.

Activez le mode pro par-dessus l’un ou l’autre : le multiplicateur est inconnu — OpenAI indique que le mode pro « effectue plus de travail de modèle que le mode standard, ce qui augmente l’utilisation de jetons et le coût », mais ne publie aucun facteur. Ce que vous pouvez affirmer avec certitude, c’est que la base de référence qu’il multiplie est 40 % plus petite côté sortie, de sorte que le même multiplicateur pro retombe sur un plancher moins coûteux.

Conséquence pratique : si vous avez budgété des appels en mode pro d'après les décomptes de tokens de l'époque 6.1, mesurez à nouveau plutôt que de rééchelonner. La distribution des tokens a suffisamment évolué pour qu'un ajustement linéaire surestime votre facture.

A generated single-column scoreboard for GPT-6.2 Sol listing Intelligence Index 57.3, cost per index task $1.01, output tokens per task 40,360, Terminal-Bench 4.0 at 60.1 percent, Terminal-Bench Science at 67.6 percent, AA-Omniscience 40.4, a 1,050,000-token context window and $2 input and $10 output per million tokens, with a footer attributing the comparison figures to Artificial Analysis and the pricing to OpenAI.

Où il est appelable aujourd’hui, et où il ne l’est pas

L’API d’OpenAI est en disponibilité générale : Responses et Chat Completions, le traitement par lots, la mise en cache des prompts, les sorties structurées, l’ensemble d’outils hébergés incluant computer use, apply_patch, hosted shell et MCP, ainsi que la conservation nulle des données (Zero Data Retention) pour les organisations approuvées sur les endpoints éligibles. Les utilisateurs de ChatGPT Work et Codex y ont eu accès dès le premier jour, selon la note de version. Voilà le tableau de la GA au 18 novembre 2026.

Dans le catalogue d’OrcaRouter lui-même, la génération 6.2 n’est pas encore arrivée — une consultation de la liste publique des modèles le 18 novembre renvoie openai/gpt-6.1-sol et openai/gpt-6-sol, mais pas gpt-6.2-sol. Deux choses en découlent, et la seconde mérite d’être anticipée. Premièrement, rien concernant la mise à niveau n’est disponible ici aujourd’hui, et cet article ne prétendra pas le contraire. Deuxièmement, OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de marge, donc lorsqu’un palier apparaîtra, c’est le $2/$10 du fournisseur lui-même que vous paierez — aucun multiplicateur de passerelle ne s’ajoute à la grille tarifaire, et une modification du prix du fournisseur est effective le jour même plutôt que selon le calendrier d’un revendeur.

Screenshot of the OrcaRouter model page for GPT-6.1 Sol, showing the model ID openai/gpt-6.1-sol, a 1,050,000-token context window with 128,000 maximum output, input pricing of $2.00 and output pricing of $10.00 per million tokens, and a description of the tier as the long-context option beneath the flagship.

En attendant, le palier que celui-ci remplace est openai/gpt-6.1-sol, qui figure au catalogue au tarif public, et le chemin de migration logique consiste à maintenir la production sur le palier 6.1 pendant que vous évaluez 6.2 directement, puis à déplacer la route plutôt que le code.

Quoi regarder

Trois éléments décideront si le 17 novembre ressemble à un pas en avant ou à un flottement. Soit la régression de calibration persiste lors de la prochaine actualisation AA, soit elle se réduit à du bruit. Le multiplicateur Ultrafast double le 1er mars 2027, passant de 3× à 6× le standard, ce qui ne triple rien mais double bien la prime sur le chemin le plus rapide — si votre architecture dépend d’Ultrafast, cette date est dans votre budget. Et l’efficacité des tokens doit tenir en mode pro, où le seul chiffre que personne ne publie est celui qui décide de votre facture.

D’ici là, le résumé honnête est étroit et vérifiable : même prix, 2,7 points d’indice, 20 % moins cher par tâche, et une maîtrise sensiblement plus lâche de ce qu’il ne sait pas.

Comparés dans cet article2

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement