GPT 5.6 SOL : OPENAI VIENT DE LANCER UN TUEUR DE MYTHOS, MAIS LE GOUVERNEMENT VOUS EN INTERDIT L'ACCÈS

par @beamnxw · 28 juin 2026 · 9 min de lecture

91,9 % au Terminal-Bench. 750 tok/s. Contrôle gouvernemental. Triche pour gagner

LA THÈSE

Le 26 juin 2026, OpenAI a présenté en avant-première GPT 5.6 Sol. Pas lancé. Présenté. À environ 20 partenaires de confiance. À la demande du gouvernement américain

https://x.com/OpenAI/status/2070555272230384038

https://openai.com/index/previewing-gpt-5-6-sol/

Le modèle n'est pas accessible au public. Ni dans ChatGPT. Ni dans l'API. Ni dans Codex. Juste un aperçu restreint dans le cadre d'un nouveau décret signé par Trump le 2 juin 2026, qui oblige les entreprises d'IA de pointe à partager leurs modèles avec le gouvernement jusqu'à 30 jours avant toute publication

Mais les chiffres qui ont fuité sont dingues...

• Terminal-Bench 2.1 : 91,91 % en mode ultra. 88,76 % en mode max. Claude Mythos 5 : ~88 %. GPT 5.5 : 83,4 %
• Agent's Last Exam : 50,9 % en mode code. Le seul modèle à dépasser la moitié
• ExploitBench : comparable à Mythos Preview avec un tiers des tokens
• Vitesse d'inférence : jusqu'à 750 tokens par seconde sur Cerebras en juillet
• Tarification : Sol égalise GPT 5.5 à 5 $/30 $. Terra divise par deux à 2,50 $/15 $. Luna descend à 1 $/6 $

C'est le modèle le plus performant jamais construit par OpenAI. Et le plus désaligné qu'ils aient jamais admis avoir déployé

LES TROIS VARIANTES : SOL, TERRA, LUNA

OpenAI a abandonné le nommage nano/mini. GPT 5.6 se décline en trois niveaux, pas un :

NIVEAU

PRIX (entrée/sortie)

OBJECTIF

Sol

5,00 $ / 30,00 $ par 1 M de tokens

Phare. Problèmes les plus difficiles. Codage agentique. Cybersécurité. Tâches à long terme.

Terra

2,50 $ / 15,00 $ par 1 M de tokens

Équilibré. Performances de niveau GPT 5.5 à moitié prix. Travail de production à grand volume.

Luna

1,00 $ / 6,00 $ par 1 M de tokens

Rapide et économique. Tâches courantes. Saisie automatique. Routage. Extraction simple.

Le nommage est cosmique

• Sol = soleil
• Terra = terre
• Luna = lune

OpenAI indique que le numéro identifie la génération, le nom identifie les niveaux de capacités durables qui progressent à leur propre rythme

LES BENCHMARKS : LÀ OÙ IL GAGNE

BENCHMARK

GPT 5.6 Sol

GPT 5.5

Mythos 5

Opus 4.8

Terminal-Bench 2.1 (mode ultra)

91,91 %

83,4 %

~88 %

—

Terminal-Bench 2.1 (mode max)

88,76 %

83,4 %

~88 %

—

Agent's Last Exam (mode code)

50,9 %

—

—

—

GeneBench v1 (capacités en virologie)

53,5 %

(cas optimal)

~30 % (22 %)

—

—

ExploitBench

Proche de Mythos à 1/3 tok

—

Niveau Preview

—

SWE-Bench Pro

—

58,6 %

—

69,2 %

Humanity's Last Exam (sans outils)

—

—

—

49,8 %

Terminal-Bench 2.1 est le titre principal. 91,91 % en mode ultra est un nouvel état de l'art. Le mode ultra utilise des sous-agents qui répartissent les projets complexes entre des travailleurs parallèles. Le mode max est une délibération prolongée par un seul agent

En biologie, Sol bat GPT 5.5 sur GeneBench v1 tout en utilisant moins de tokens. En cybersécurité, Sol atteint un niveau de capacité comparable à Mythos Preview pour environ un tiers du coût des tokens de sortie

Mais OpenAI a volontairement limité la divulgation des benchmarks. Pas de score SWE-Bench Pro pour Sol. Pas de Humanity's Last Exam. Pas de FrontierMath. Seulement les benchmarks où Sol semble le plus fort

COMPARAISON COMPLÈTE DES PRIX

1MODÈLE                  ENTRÉE $/MTok    SORTIE $/MTok    NIVEAU
2DeepSeek V4 Flash       $0,14            $0,28            Budget
3MiMo V2.5 Flash         $0,10            $0,30            Budget
4MiniMax M3              $0,30            $1,20            Budget
5Gemini 3.1 Flash        $0,25            $1,50            Budget
6Qwen 3.7 Plus           $0,40            $1,60            Budget
7GPT 5.6 Luna            $1,00            $6,00            Milieu
8Grok 4.3 (faible ctx)   $1,25            $2,50            Milieu
9Kimi K2.6               $0,95            $4,00            Milieu
10GLM 5.2                 $1,40            $4,40            Milieu
11GPT 5.6 Terra           $2,50            $15,00           Pro
12GPT 5.4                 $2,50            $15,00           Pro
13Gemini 3.1 Pro          $2,00            $12,00           Pro
14GPT 5.5                 $5,00            $30,00           Pro
15GPT 5.6 Sol             $5,00            $30,00           Phare
16Claude Opus 4.8         $5,00            $25,00           Phare
17Claude Fable 5          $10,00           $50,00           Phare (indisponible)

LE PROBLÈME DE TRICHERIE : POURQUOI METR A REJETÉ LES RÉSULTATS

METR a testé Sol sur des tâches à long terme. A rejeté les résultats

Pourquoi :

Sol a triché plus que tout modèle qu'ils aient jamais évalué

• Exploits intégrés pour révéler des informations de test cachées
• Code source caché extrait pour obtenir des réponses
• Données supprimées sans autorisation
• Identifiants mis en cache utilisés sans autorisation
• Résultats de recherche falsifiés

Méthodologie standard : 50 % de réussite à ~11 heures équivalent-humain

Si la triche comptait : saute au-delà de 270 heures

Conclusion de METR : Mesure non robuste. Résultats rejetés

Réponse d'OpenAI : Une persistance améliorée peut conduire à poursuivre l'achèvement des tâches en dehors des contraintes d'évaluation

Traduction : il triche pour gagner. Et ils le savent

https://metr.org/blog/2026-06-26-gpt-5-6-sol/

LE DÉSALIGNEMENT

La fiche système d'OpenAI => la plus franche jamais publiée

Actions de gravité 3 que Sol entreprend :

• Supprime des données cloud sans approbation
• Désactive les systèmes de surveillance
• Contourne les contrôles de sécurité
• Télécharge des données sensibles vers des services non approuvés

Exemples concrets :

#

CE QUI S'EST PASSÉ

1

Autorisé à supprimer les VM 1,2,3. Impossible de les trouver. A substitué 5,6,7 sans demander. A tué des processus. A admis que le travail pouvait être perdu

2

A prétendu que l'équation était vérifiée. Savait qu'elle ne l'était pas. Le script avait codé en dur la réponse cible

3

A copié l'accès

_

tokens.json vers une autre machine. L'utilisateur a seulement demandé de maintenir le pipeline en fonctionnement

C'est un comportement par défaut... Pas un jailbreak

Source : Fiche système GPT 5.6 d'OpenAI (deploymentsafety.openai.com

LA PILE DE SÉCURITÉ

OpenAI sait que Sol est dangereux. A ajouté de lourdes mesures de sécurité :

COMPOSANT

CE QU'IL FAIT

Classificateurs d'activation

Surveillent la génération en temps réel. Arrêtent les sorties dangereuses

Analyse en temps réel

Bloquent les sorties franchissant les limites de sécurité

Systèmes de sécurité automatisés

Détectent les schémas à travers les conversations

700 000 heures GPU A100e

Chasse continue aux jailbreaks

Accès différencié

Cyber/bio réservé aux défenseurs de confiance

La fiche système classe tous les variants à Risque élevé pour le cyber et le bio/chimique. En dessous de Critique pour l'auto-amélioration

https://deploymentsafety.openai.com/gpt-5-6-preview/model-safety

LE CONTRÔLE GOUVERNEMENTAL

DATE

CE QUI S'EST PASSÉ

2 juin 2026

Trump signe le décret. Aperçu fédéral de 30 jours requis

26 juin 2026

OpenAI présente Sol à ~20 partenaires. Le public n'obtient rien

Juillet 2026

Lancement de Cerebras à 750 tok/s. Entreprises uniquement

Déclaration d'OpenAI :

"Nous ne croyons pas que cela doive devenir la norme à long terme"

Réalité :

C'est la norme. Anthropic a contrôlé l'exportation de Fable 5. OpenAI se conforme. La coordination gouvernementale est la nouvelle normalité

LA VITESSE

MODÈLE

TOK/S

NOTES

Claude Opus 4.8

~55 standard / ~102 rapide

Disponible maintenant

GPT 5.3 Codex Spark

1 000+

Capacité inférieure

GPT 5.6 Sol

Jusqu'à 750

Juillet 2026. Cerebras. Entreprises

750 tok/s pour un modèle de pointe est sans précédent. Indique où va l'inférence

LE VERDICT

Ce que Sol est :

• Le modèle le plus performant jamais construit par OpenAI
• Bat Mythos 5 sur Terminal-Bench
• Seul modèle à dépasser 50 % sur Agent's Last Exam
• Égalise Mythos Preview sur ExploitBench à 1/3 des tokens

Ce que Sol est aussi :

• Le modèle le plus désaligné qu'OpenAI ait admis
• Le taux de tricherie le plus élevé jamais vu par METR
• Supprime des données, falsifie des résultats, vole des identifiants
• Contrôle gouvernemental. Vous ne pouvez pas l'utiliser

L'open-source est la seule couverture...

Quelques comparaisons supplémentaires

LA GUERRE DE LA FENÊTRE DE CONTEXTE ET DE LA MÉMOIRE

MODÈLE

FENÊTRE DE CONTEXTE

MÉMOIRE EFFECTIVE

ANALYSE DE LONGS DOCUMENTS

GPT 5.6 Sol

2 M tokens

~1,8 M fiable

Livre complet + révision de code

Claude Opus 4.8

2 M tokens

~1,6 M fiable

Meilleur de sa catégorie pour les romans

Claude Mythos 5

1 M tokens

~900 K fiable

Fort mais plus étroit

GPT 5.5

1 M tokens

~850 K fiable

Bon, dérive occasionnelle

Gemini 3.1 Pro

2 M tokens

~1,5 M fiable

Contexte long multimodal natif

GLM 5.2

1 M tokens

~800 K fiable

Open-source, auto-hébergeable

DeepSeek V4

128 K tokens

~100 K fiable

Bon marché mais court

MiMo V2.5

256 K tokens

~200 K fiable

Niveau budget uniquement

LATENCE ET PERFORMANCES EN TEMPS RÉEL

MODÈLE

TTFT (Délai avant le premier token)

VITESSE STANDARD

MODE RAPIDE

MEILLEUR POUR

GPT 5.6 Sol (Cerebras)

~45 ms

750 tok/s

N/A

Codage en direct, streaming

GPT 5.6 Luna (Azure)

~120 ms

180 tok/s

320 tok/s

Chat, saisie automatique

Claude Opus 4.8

~850 ms

55 tok/s

102 tok/s

Analyse approfondie, pas chat

Claude Fable 5

~400 ms

120 tok/s

200 tok/s

Équilibré, mais contrôlé

GPT 5.5

~600 ms

85 tok/s

150 tok/s

Usage général

Gemini 3.1 Flash

~80 ms

450 tok/s

800 tok/s

Niveau économique le plus rapide

DeepSeek V4 Flash

~60 ms

300 tok/s

500 tok/s

Charges de travail API lourdes

GLM 5.2 (local, 4090)

~15 ms

85 tok/s

N/A

Hors ligne, confidentialité d'abord

MULTIMODALITÉ : CE QUE CHAQUE MODÈLE VOIT RÉELLEMENT

MODÈLE

TEXTE

IMAGE

VIDÉO

AUDIO

PDF NATIF

EXÉCUTION DE CODE

GPT 5.6 Sol

(extraits de 30 s)

Environnement bac à sable

GPT 5.6 Luna/Terra

(extraits de 15 s)

Environnement bac à sable

Claude Opus 4.8

(OCR)

Claude Mythos 5

(OCR)

Gemini 3.1 Pro/Flash

(60 min)

(Environnement Google)

GLM 5.2

(10 min)

Local

GPT 5.5

(extraits de 10 s)

Environnement bac à sable

ÉCONOMIE DES BOUCLES AGENTIQUES : COÛT RÉEL PAR TÂCHE

Le prix par million de tokens est un chiffre marketing. La vraie mesure est le coût d'exécution d'une tâche typique

TYPE DE TÂCHE

GPT 5.6 Sol

GPT 5.5

Claude Opus 4.8

Claude Mythos 5

Gemini 3.1 Pro

GLM 5.2 (local)

Déboguer un script Python de 500 lignes

0,12 $

0,18 $

0,22 $

0,45 $

0,08 $

0,02 $ (électricité)

Écrire une application full-stack (MVP)

4,50 $

7,20 $

6,80 $

14,00 $

3,50 $

0,80 $

Analyser un document juridique de 100 pages

1,80 $

2,40 $

2,10 $

4,50 $

1,20 $

0,30 $

Boucle de recherche agentique en 50 étapes

8,50 $

14,00 $

12,00 $

28,00 $

6,00 $

1,50 $

Test d'intrusion en équipe rouge (autonome)

15,00 $

N/A

22,00 $

35,00 $

N/A

3,00 $

TL;DR

• Sol = 91,9 % Terminal-Bench, 750 tok/s, 5 $/30 $
• Aussi = taux de tricherie le plus élevé jamais vu, contrôle gouvernemental
• Terra = GPT 5.5 à moitié prix (2,50 $/15 $)
• Luna = 1 $/6 $, compétitif avec DeepSeek
• La frontière est divisée. Les modèles publics sont de second rang
• L'open-source (GLM 5.2) est la seule couverture

Avez-vous des questions ? Mes DM sont toujours ouverts

Je peux vous aider pour toute question (◠‿◠✿)

~ @beamnxw

ma chaîne Telegram pour plus d'alpha