Anthropic et OpenAI se livrent une guerre des prix avec Opus 5.5 et les modèles GPT-6 Sol et Luna
Le 22 septembre 2026, Anthropic a lancé Claude Opus 5.5 en baissant son prix de 20 %, et OpenAI a riposté quelques minutes plus tard avec deux modèles GPT-6, Sol et Luna, vendus moitié moins cher que leurs prédécesseurs. Le choix d’un modèle devient une décision budgétaire autant que technique : évaluez le coût au jeton en fonction de la charge réelle.
22 septembre 2026. Anthropic lance Claude Opus 5.5 et baisse son prix de 20 %. 22 septembre 2026, quelques minutes plus tard. OpenAI riposte avec deux modèles GPT-6, Sol et Luna, vendus moitié moins cher que leurs prédécesseurs. Pourquoi c’est important : la course aux modèles frontières entre dans sa phase de comparaison de prix, et le choix d’un modèle devient une décision budgétaire autant que technique.
Deux laboratoires, un même message
Le même jour, les deux laboratoires délivrent le même signal : le prix, plus que la performance brute, est devenu l’argument de vente. Anthropic présente Opus 5.5 comme un modèle qui « en fait un peu plus pour beaucoup moins d’argent ». OpenAI vise plus bas sur la courbe des coûts avec deux modèles optimisés pour le prix plutôt que pour les sommets de benchmark.
Le résultat est une grille tarifaire en pleine mutation. Opus 5.5 facture 4 $ par million de jetons en entrée et 20 $ en sortie, soit, selon Anthropic, 40 % de moins qu’Opus 5 sur une charge type. Les lectures de cache chutent de 60 %, à 20 cents. Un mode de service plus rapide porte une surtaxe : 8 $ en entrée et 40 $ en sortie.
OpenAI divise par deux les prix des deux nouveaux modèles par rapport aux versions GPT-5.6 homonymes : Sol tombe à 2 $ en entrée et 10 $ en sortie, tandis que Luna se place un ordre de grandeur en dessous, à 10 cents en entrée et 50 cents en sortie.
Opus 5.5 : plus rapide, moins cher, orienté code
Sur le papier, Opus 5.5 ne prétend pas écraser Fable 5.1 partout : Anthropic affirme qu’il l’égale sur l’essentiel des tâches, tout en générant plus de 30 % plus vite qu’Opus 5, sorti fin juillet. L’écart se creuse sur le code agentique : Terminal-Bench 4.0 atteint 66,4 %, contre 55,8 % pour Fable 5.1, et AutomationBench passe de 26,9 % à 40 %.
L’écart le plus spectaculaire est scientifique : Terminal-Bench-Science 0.1 donne 58,7 % à Opus 5.5, contre 29 % à Opus 5. Sur GDPval-AA v2.1, un test de travail de connaissance noté en Elo, le nouveau modèle obtient 1846 contre 1708. Un testeur a migré une base de 680 000 lignes de code en moins d’une journée — un travail qu’Anthropic estime à plusieurs semaines pour une équipe.
Les premiers retours clients vont dans le même sens. Box relève des réponses 40 % moins verbeuses sans perte de précision. GitHub rapporte que, dans VS Code, le modèle « résout plus de tâches terminal qu’Opus 5 en moins de la moitié des étapes ».
Sol et Luna : la contre-attaque par le bas
OpenAI construit Sol et Luna sur les méthodes d’entraînement de GPT-6 Astra, déployé depuis le 3 septembre, puis les ajuste pour le coût. Luna est le moins cher des deux, destiné aux tâches routinières à fort volume — résumé, extraction. Sol prend en charge le code récurrent et les tâches d’agents. Astra for Law, configuration dédiée à la recherche juridique, est arrivée le 17 septembre.
Les chiffres publiés dessinent un positionnement net. Sol complète 33,2 % des tâches d’AutomationBench à 27 cents la tâche, et atteint 68,8 % sur DeepSWE v1.1, à 1,1 point du Claude Fable 5. Luna atteint 66,6 % sur le même test. Selon OpenAI, Sol commet environ moitié moins d’erreurs que son prédécesseur, et Luna, poussé en effort élevé, égale GPT-5.6 Sol à environ un centième du coût.
Les deux laboratoires jouent aussi sur la latence et la concision. OpenAI réduit de 90 % le prix des lectures de jetons en cache, et les agents de codage peuvent désormais changer d’effort de raisonnement et d’outils sans casser le cache. Les réponses, de part et d’autre, raccourcissent, avec moins de jargon.
Ce que ça change pour les acheteurs
La leçon pour un SRE ou un responsable de plateforme est simple : le prix au jeton n’est plus une variable d’ajustement, c’est la variable principale. Opus 5.5 est disponible sur la Claude Developer Platform (identifiant claude-opus-5-5) et via AWS, Google Cloud et Azure ; Sonnet 5.5 et Haiku 5.5 suivront dans les prochaines semaines. Sol et Luna sont disponibles pour les développeurs (gpt-6-sol, gpt-6-luna) et dans ChatGPT Work et Codex pour les abonnés Plus, Pro, Business, Enterprise et Edu.
La vraie question n’est plus « quel modèle est le meilleur », mais « quel modèle coûte le moins pour ma charge ». Un Luna à 10 cents le million de jetons change la rentabilité d’un pipeline d’extraction à fort volume ; un Opus 5.5 à 4 $ se justifie sur du code agentique où une migration réussie vaut des semaines d’ingénierie.
Une guerre déclenchée par l’open source
Cette course au prix ne sort pas de nulle part. Les deux laboratoires réagissent à la pression de concurrents open-weight — DeepSeek, Qwen, Mistral — qui vendent une performance comparable pour une fraction du coût, et à des acheteurs de plus en plus regardants sur la facture d’inférence. Résultat : le prix au jeton devient un produit d’appel, pas un détail technique.
| Modèle | Entrée ($/M jetons) | Sortie ($/M jetons) | Positionnement |
|---|---|---|---|
| Claude Opus 5.5 | 4 | 20 | Code agentique exigeant |
| GPT-6 Sol | 2 | 10 | Code récurrent, agents |
| GPT-6 Luna | 0,10 | 0,50 | Volume routinier |
Le tableau ne dit qu’une partie de l’histoire. Les lectures de cache — massives dans une charge agentique — sont devenues le vrai levier : 60 % de baisse chez Anthropic, 90 % chez OpenAI. Sur une charge qui relit le même contexte à chaque étape, c’est souvent là que se joue la facture réelle.
Verdict
Anthropic et OpenAI transforment le marché des modèles frontières en comparaison de prix : plus de performance marginale facturée au prix fort, mais des modèles calibrés par usage. Si votre charge est du code agentique exigeant, prenez Opus 5.5 — son bond sur Terminal-Bench 4.0 et ses 30 % de vitesse se rentabilisent vite sur les tâches longues. Si votre charge est du volume routinier — résumé, extraction, classification —, Luna à 10 cents en entrée est imbattable, et Sol couvre l’entre-deux pour le code récurrent. Comparez toujours sur votre charge réelle, pas sur les benchmarks : c’est là que la guerre des prix se gagne.
Références
- SiliconANGLE — Anthropic releases Claude Opus 5.5 and OpenAI counters with two cheaper GPT-6 models (22 septembre 2026)
- Ars Technica — New Anthropic, OpenAI models make same promise: a little more for a lot less money (22 septembre 2026)
- CNBC — Anthropic and OpenAI launch cheaper models (22 septembre 2026)