tarification de gpt-5.6 et coût de service. le coût de service, c'est ce que vous coûte un utilisateur chaque fois qu'il touche votre fonctionnalité ia. les trois paliers de gpt-5.6 permettent de répartir ces appels, pour que les appels bon marché arrêtent de payer le prix du modèle phare. c'est une lecture de la facture côté product owner, pas une lecture du modèle côté ingénieur.
le 26 juin 2026, OpenAI a lancé la famille gpt-5.6 : sol, terra et luna. luna coûte 1 $ en entrée / 6 $ en sortie par million de tokens. sol coûte 5 $ / 30 $. c'est un écart de 5x sur la même surface produit, rapporté par finout.
si vous dirigez le produit dans un saas en série b avec une fonctionnalité ia visible par les clients, cet écart, c'est votre prochaine revue financière. la question n'est pas quel modèle est le plus intelligent. la question est quels appels ont vraiment besoin de sol, et lesquels le payaient trop cher sans que personne ne le voie.
#à quoi sert vraiment le palier luna de gpt-5.6 ?
qu'est-ce que le palier luna de gpt-5.6 et à quel point est-il bon marché ?
luna est le moins cher des trois paliers gpt-5.6 d'openai, lancé le 26 juin 2026 à 1 $ en entrée et 6 $ en sortie par million de tokens, contre 5 $ / 30 $ pour sol — un écart de 5x. openai vise luna pour la classification, le routage d'intention et le résumé : les appels à fort volume et faible raisonnement qui composent la plupart des fonctionnalités ia.
la plupart des fonctionnalités ia visibles par les clients ne font pas une seule tâche. ce sont une pile de petites tâches derrière un seul bouton. étiqueter ce message. le router vers le bon flux. résumer le fil. puis, parfois, vraiment raisonner sur un cas difficile.
les trois premières, c'est exactement ce pour quoi luna est tarifé. la quatrième, c'est ce pour quoi vous gardez sol. si chacun de ces appels passe aujourd'hui par votre modèle phare, environ 80 % de votre volume de tokens paie 5 fois plus que nécessaire.
#combien la répartition par palier retire-t-elle vraiment de la facture ?
prenez une fonctionnalité qui génère 10 millions de tokens de sortie par mois, dont 80 % servent au routage, à l'étiquetage et au résumé. avec sol seul, cette sortie coûte 300 000 $ par mois. déplacez ces 80 % vers luna et le même travail coûte 88 000 $. les appels de raisonnement restent sur sol, inchangés, car c'est là que la qualité doit tenir.
l'utilisateur ne voit aucune différence. l'étiquette arrive toujours, le résumé se lit toujours bien, la question difficile obtient toujours la bonne réponse. la seule chose qui a changé, c'est quel palier a facturé quel appel.
#la mise en cache change-t-elle aussi le calcul ?
oui, et ça se cumule. gpt-5.6 conserve une remise de 90 % sur l'entrée mise en cache, avec des points de rupture de cache explicites et une durée de vie de cache minimale de 30 minutes, selon eesel au 26 juin 2026. les écritures de cache sont facturées à 1,25x, donc le coût ponctuel reste faible.
votre prompt système est le même à chaque appel. c'est la partie que vous mettez en cache. pour une fonctionnalité qui envoie un bloc d'instructions de 2 000 tokens à chaque requête, le mettre en cache retire 90 % de cette part d'entrée, en plus du palier vers lequel vous avez routé l'appel.
we are
stennir est un cabinet de conseil en ia qui livre la couche de routage pour que votre fonctionnalité lise chaque appel et envoie le travail bon marché vers luna et le vrai raisonnement vers sol.
we aren't
stennir n'est pas un revendeur qui change l'identifiant de votre modèle vers le palier le moins cher en espérant que la qualité survive.
#faut-il reconstruire la fonctionnalité pour obtenir ça ?
non. nos mises en œuvre ai for product répartissent déjà le trafic par tâche. le routage, l'étiquetage et la modération vont vers le palier bon marché. le raisonnement va vers le modèle phare. un nouveau palier comme luna est donc un changement de configuration sur la voie bon marché, pas une reconstruction de la fonctionnalité dont dépendent vos utilisateurs.
si votre fonctionnalité envoie tout vers un seul modèle aujourd'hui, c'est l'écart à combler en premier. la répartition représente un jour ou deux de travail. l'économie s'accumule chaque mois où votre usage augmente.
notre directeur financier n'a pas demandé quel modèle on utilisait. il a demandé ce que nous coûte un utilisateur actif. la répartition par palier est la réponse qui a permis à la fonctionnalité de passer la revue.
cela relève de notre pratique consultancy, et le journal contient les preuves des fonctionnalités qu'on a déjà mises en production. si vous voulez vos propres chiffres avant la prochaine revue financière, réservez un appel découverte de 30 min et on passera en revue la répartition du trafic de votre fonctionnalité avec vous.