GPT-6 Luna vs Claude Opus 5 : cinquante fois le prix et le même après-midi

GPT-6 Luna coûte 0,10 $ par million de jetons d'entrée et 0,50 $ par million de jetons de sortie. Claude Opus 5 coûte 5,00 $ et 25,00 $. Soit un écart de cinquante fois d'un bout à l'autre de la grille tarifaire, et c'est la première chose que l'on remarque à propos de ce duo — un modèle que le fournisseur a livré le 22 septembre 2026, mis en regard d'un modèle que l'entreprise a publié le 24 juillet 2026, et qui est sur le marché depuis deux mois. Le chiffre de cinquante fois est réel. C'est aussi à peu près l'élément le moins utile de cette comparaison, parce que ces deux modèles ne se disputent pas le même appel, et à cause de quelque chose qui s'est produit, du côté du second modèle, l'après-midi même du lancement de Luna.

GPT-6 Luna est le petit échelon de la génération GPT-6 d'OpenAI, situé sous GPT-6 Sol à $2.00/$10.00 et bien en dessous du modèle phare GPT-6 Astra à $10.00/$50.00. Claude Opus 5 était le modèle phare d'Anthropic jusqu'au 22 septembre, date à laquelle Anthropic a lancé Claude Opus 5.5 à $4.00/$20.00 et a fait descendre Opus 5 d'un cran. Les deux modèles cités dans le titre de cet article se trouvent, à ce jour, à un échelon du sommet de l'échelle de leur propre fournisseur — pour des raisons qui n'ont rien à voir l'une avec l'autre. Cela compte davantage que le rapport de prix, et c'est là que commence cet article.

L'après-midi, les deux fournisseurs ont expédié.

OpenAI a annoncé GPT-6 Sol et GPT-6 Luna le 22 septembre. Quelques heures plus tôt, Anthropic avait annoncé Claude Opus 5.5. Deux des trois modèles cités dans cette phrase ont réduit leurs prix de moitié environ par rapport à leurs prédécesseurs, ce qui relève moins de la coïncidence que du marché : les dix-huit mois précédents de publications de modèles à poids ouverts par des laboratoires chinois avaient déjà fait chuter fortement le coût d'un token compétent, et les deux fournisseurs réagissaient à la même pression.

La conséquence pratique pour quiconque dispose d'un déploiement de Claude Opus 5 est que le modèle sur lequel il s'est basé pour construire n'est plus celui qu'Anthropic vend le plus activement. Claude Opus 5.5 est à 4,00 $/20,00 $ — une baisse de 20 % sur le tarif catalogue — avec l'entrée mise en cache à 0,20 $ par million, contre 0,50 $ pour Opus 5, et Artificial Analysis le mesure à 58 sur son Intelligence Index à effort maximal, le chiffre le plus élevé qu'il ait enregistré. Claude Opus 5 obtient 51 sur le même indice. Si vous exploitez Opus 5 aujourd'hui, la comparaison d'un facteur cinquante dans le titre de cet article n'est pas celle qui se présente à vous. Celle qui se présente à vous est de savoir si vous passez à Opus 5.5, et la réponse à cette question relève d'un calcul distinct de tout ce que fait GPT-6 Luna.

Cela dit, le chiffre de cinquante fois continue de dicter une véritable décision, car les charges de travail pour lesquelles GPT-6 Luna est conçu sont exactement celles où une facture Claude Opus 5 devient inconfortable. Ces deux faits peuvent être vrais en même temps.

Ce qu’est réellement chacun de ces deux

Les spécifications, une ligne par dimension, les deux côtés sur chacune :

• Prix pour 1 M de tokens — GPT-6 Luna 0,10 $ en entrée / 0,50 $ en sortie contre Claude Opus 5 5,00 $ en entrée / 25,00 $ en sortie

• Entrée mise en cache — GPT-6 Luna 0,01 $ par million, soit une remise de 90 % par rapport aux 0,50 $ par million de Claude Opus 5 sur la fiche Opus 5, ramenés à 0,20 $ sur Opus 5.5

• Fenêtre de contexte — GPT-6 Luna 1 050 000 au total, avec 922 000 en entrée maximale, contre Claude Opus 5 1 M, les deux étant plafonnés à 128 000 jetons de sortie

• Nouvelle tarification pour le contexte long — GPT-6 Luna double les coûts d'entrée et de cache et multiplie par 1,5 les coûts de sortie au-delà de 272 K tokens d'entrée, appliqué à l'ensemble de la requête, contre Claude Opus 5 à tarif constant sur toute sa fenêtre

• Indice d'intelligence AA — GPT-6 Luna 37 à effort maximal vs Claude Opus 5 51

• Indice d’intelligence AA, à effort égal — GPT-6 Luna 29 à son effort moyen par défaut, contre Claude Opus 5 51 au maximum, le seul réglage auquel Anthropic le mesure

• Vitesse de sortie — GPT-6 Luna 153,9 tokens/sec vs Claude Opus 5 53,6 tokens/sec

• Coût d'exécution de l'index — GPT-6 Luna 122,39 $ contre Claude Opus 5 7 274,74 $

• Commutateur de désactivation du raisonnement — GPT-6 Luna propose les niveaux aucun, faible, moyen, élevé, très élevé et max, tandis que Claude Opus 5 dispose d'une réflexion adaptative et toujours activée.

• Sortie — GPT-6 Luna 2026-09-22 vs Claude Opus 5 2026-07-24

Trois de ces lignes en font plus que les autres, et la première est celle de l'effort. Le 37 de GPT-6 Luna est son score à effort maximal. Sa valeur par défaut est medium, et à ce niveau, il obtient 29. Le 51 de Claude Opus 5 est un chiffre à effort maximal, car Anthropic n'expose pas de réglage inférieur que Artificial Analysis mesure. L'écart affiché de quatorze points est donc une comparaison entre le plafond d'un modèle et le plafond d'un autre — et une équipe qui installe GPT-6 Luna et ne change rien tourne sur le 29, pas sur le 37. C'est un écart de vingt-deux points, et non de quatorze, et il est invisible à moins d'aller chercher la valeur par défaut de l'effort.

Le deuxième est la ligne de coût de l'indice. Ce n'est pas un devis — c'est ce qu'Artificial Analysis a réellement dépensé pour exécuter la suite d'évaluation complète sur chaque modèle avec son propre argent. 122,39 $ contre 7 274,74 $, c'est un écart de cinquante-neuf fois dans le coût de découvrir à quel point le modèle est bon, et c'est l'indicateur indirect le plus propre dont on dispose pour savoir comment les deux se comportent à grande échelle. Claude Opus 5 a généré 140 millions de tokens lors de cette exécution ; GPT-6 Luna en a généré 150 millions. Le modèle bon marché était plus verbeux et a quand même coûté cinquante-neuf fois moins.

Le troisième est l'interrupteur d'arrêt. On peut demander à GPT-6 Luna de ne pas raisonner du tout. Claude Opus 5, lui, ne le peut pas. Cette seule ligne de spécification est la raison pour laquelle l'un de ces modèles peut se trouver derrière un classifieur, un routeur ou un écran de modération, et l'autre pas, et elle explique une grande part de la différence de prix sans faire le moins du monde appel aux capacités.

Là où le palier bon marché cesse d'être bon marché

Il y a une falaise sur la grille tarifaire de GPT-6 Luna, et c'est la chose la plus coûteuse à manquer. Les requêtes qui dépassent 272 000 jetons d'entrée sont facturées au double des tarifs d'entrée et de cache et à 1,5 fois le tarif de sortie — pour la totalité de la requête, pas seulement la partie qui a franchi la limite. Un appel de 300 000 jetons sur GPT-6 Luna est facturé à 0,20 $ par million de jetons d'entrée pour les 300 000 jetons, car il a dépassé de 28 000. Divisez le même document en deux appels et le coût est divisé par deux sans aucun changement du prompt.

Claude Opus 5 n'a pas de clause équivalente. Son tarif de 5,00 $/25,00 $ est constant sur toute la fenêtre de 1 M, ce qui signifie que le rapport de cinquante pour un est de cinquante pour un partout — sauf au-delà de 272 K jetons d'entrée, où le tarif d'entrée effectif de GPT-6 Luna double pour atteindre 0,20 $ et son tarif de sortie grimpe à 0,75 $, et l'écart se resserre à vingt-cinq pour un. Toujours énorme. Cela vaut quand même la peine de le savoir, car les charges de travail les plus susceptibles d'avoir un contexte de travail de 300 000 jetons sont exactement les charges agentiques que les deux fournisseurs ciblent.

La seconde chose à chiffrer, c'est l'effort. Faire tourner GPT-6 Luna à effort maximal pour une tâche qui se serait très bien accommodée du niveau moyen est la façon la plus courante de dépenser les économies que vous venez de réaliser. L'écart entre 37 et 29 représente l'ampleur de la pénalité pour un mauvais réglage et, contrairement à une clause tarifaire, il n'apparaît nulle part sur une facture — il se manifeste sous forme de volume de tokens, ce qui ressemble à un succès.

Le clivage qui décide réellement

La version honnête de cette comparaison, c'est que les deux modèles ne sont pas des substituts l'un de l'autre, et que le rapport de prix détourne l'attention d'une question de charge de travail à laquelle il existe de toute façon une réponse claire.

GPT-6 Luna a sa place partout où la sortie est consommée par un programme plutôt que par une personne et où le volume est l'essentiel. Classification, extraction, décisions de routage, synthèse en masse, la boucle interne d'un agent qui effectue un millier de petits appels par tâche. À 0,10 $/0,50 $ avec un tarif d'entrée mise en cache d'un centime, et avec Batch et Flex à la moitié du tarif standard, l'argument économique ne souffre aucune comparaison avec quoi que ce soit de la gamme Opus. Artificial Analysis signale une véritable régression qu'il vaut la peine de connaître avant de migrer : l'indice Coding Agent de GPT-6 Luna a chuté de deux points, à 41, contre 43 pour GPT-5.6 Luna, les baisses étant concentrées sur SWE-Atlas-QnA et DeepSWE v1.1. Il signale aussi un gain tout aussi réel et de même ampleur : le taux d'hallucination du modèle sur AA-Omniscience est passé d'environ 93 % à 77 %, tandis que sa précision n'a quasiment pas bougé. Il refuse de répondre plus souvent plutôt que d'en savoir davantage, et pour tout ce qui a un consommateur en aval, c'est la moitié la plus précieuse du compromis.

Claude Opus 5 est à sa place là où le résultat est le produit. Les résultats publiés par Anthropic elle-même — déclarés par le fournisseur, non reproduits indépendamment — le placent à 96,0 % sur SWE-bench Verified et à 79,2 % sur SWE-bench Pro, et l’écart d’indice de quatorze points est le genre de marge qui détermine si un agent à long horizon termine une tâche ou s’arrête discrètement à mi-chemin. Si vous êtes à la limite de ce que le modèle peut faire, un modèle cinquante fois moins cher et vingt-deux points derrière au niveau d’effort par défaut n’est pas une version moins chère de la même chose.

Exécuter les deux sans choisir

La raison pour laquelle cette comparaison n’aboutit pas à une recommandation unique est que la frontière entre les deux charges de travail n’est pas stable. Elle bouge chaque fois que l’un ou l’autre fournisseur livre, et elle a bougé deux fois au cours des trois semaines précédant cet article — une fois lorsque Anthropic a réduit le tarif d’Opus à 4,00 $/20,00 $, et une fois lorsque OpenAI a divisé par deux le prix de toute sa gamme de petits modèles. Une équipe qui a codé en dur un gagnant en juillet utilise aujourd’hui la mauvaise configuration.

Claude Opus 5 est disponible sur OrcaRouter au prix catalogue d'Anthropic, avec une tarification en répercussion qui signifie qu'un changement de tarif d'un fournisseur est effectif de notre côté le jour même, plutôt que d'attendre qu'un revendeur renégocie — c'est la raison concrète pour laquelle la baisse d'Opus 5.5 a atterri dans notre catalogue sans projet d'intégration. GPT-6 Luna n'est pas sur OrcaRouter à l'heure où nous écrivons ces lignes ; on y accède via l'API propre à OpenAI. Le dispositif honnête pour une équipe qui veut les deux, c'est donc une clé pour Claude Opus 5 à côté de ce que vous utilisez déjà pour OpenAI, avec un basculement automatique qui comble le vide lorsqu'un fournisseur se dégrade. Déplacer une route entre un classifieur à un centime et un modèle de raisonnement à vingt-cinq dollars en changeant une config plutôt qu'un chemin de code vaut plus que de choisir correctement en septembre.

Que faire cette semaine

Si vous utilisez Claude Opus 5, l'écart de cinquante fois dans le titre est un chiffre réel qui pointe vers la mauvaise décision. Votre décision, c'est Opus 5.5 — une baisse de 20 % du prix catalogue, un score d'indice plus élevé et un taux d'entrées mises en cache qui a chuté de 60 % — et GPT-6 Luna est une autre question qui se trouve simplement sur la même page.

Si vous exécutez un pipeline de classification ou d’extraction à fort volume sur un modèle de classe Opus, GPT-6 Luna est la plus importante action de réduction des coûts qui s’offre à vous ce mois-ci, et la migration est moins lourde que ne le laisse supposer la baisse de prix : la même classe de contexte de 1 M, le même plafond de sortie de 128 000, et un tarif par token cinquante fois plus bas des deux côtés. Testez-le avec le réglage d’effort moyen avant de présumer du réglage par défaut, placez vos appels à contexte long du bon côté de 272 000 tokens, et vérifiez la régression en codage par rapport à votre propre évaluation plutôt qu’à un graphique de fournisseur.

Et si vous utilisez les deux, ce qu’il faut corriger n’est pas celui que vous avez choisi. C’est que changer d’avis coûte actuellement un déploiement de code.