GPT-5.6 Sol dépasse Fable 5 de 13 points. Faites le calcul.

Si vous exploitez un agent de code en production, le classement sur lequel repose votre architecture vient de bouger sous vos pieds. En seulement 48 heures, OpenAI a lancé GPT-5.6 Sol et xAI a lancé Grok 4.5, tous deux moins chers que le modèle que la plupart des équipes utilisent par défaut. GPT-5.6 Sol établit un nouveau record de 53,6 à l'Agents' Last Exam et devance Claude Fable 5 de 13,1 points (OpenAI). Voici ce que disent réellement les chiffres, où ils induisent en erreur, et comment décider quel modèle exécuter avant de tout recâbler.

Le classement a basculé en juillet 2026 : GPT-5.6 Sol obtient 53,6 à l'Agents' Last Exam, soit 13,1 points de plus que Claude Fable 5, pour environ un tiers du prix de Fable 5.

Dans nos propres exécutions d'agents de code, le modèle le moins cher sur le papier a régulièrement perdu sur la facture : un prix au jeton inférieur de 20 à 30 % s'évapore dès qu'un modèle plus faible a besoin de deux boucles de correction supplémentaires pour livrer le même correctif fonctionnel. C'est pourquoi nous évaluons chaque modèle au coût par tâche achevée, et non au prix par million de jetons. C'est précisément l'angle dont tout ce comparatif a besoin, car les scores bruts ci-dessous sont réels, et ne sont pourtant pas le chiffre sur lequel vous devriez fonder votre budget.

La semaine où l'ordre s'est inversé

Deux modèles de pointe sont arrivés à deux jours d'intervalle, et tous deux ont sous-coté Fable 5. GPT-5.6 Sol est le nouveau modèle phare d'OpenAI, facturé 5 dollars par million de jetons en entrée et 30 dollars en sortie (test pratique). Claude Fable 5, en comparaison, coûte 10 dollars en entrée et 50 en sortie (The July 2026 Frontier) : Sol revient donc à environ un tiers du coût mixte de Fable 5 pour un niveau d'intelligence comparable (Artificial Analysis).

Grok 4.5 est arrivé la veille, le 8 juillet 2026. C'est le premier modèle de xAI entraîné spécifiquement pour le code et les tâches d'agent, sur des dizaines de milliers de GPU Nvidia GB300 à partir de données issues de Cursor, l'éditeur de code assisté par IA que SpaceX a racheté pour 60 milliards de dollars en actions (Flowtivity). Son argument est purement économique : Grok 4.5 consomme 4,2 fois moins de jetons qu'Opus 4.8 sur les tâches SWE-Bench Pro et rend ses résultats à 80 jetons par seconde, ce qui en fait de loin l'option la moins chère de sa catégorie (The Decoder).

La course aux modèles de pointe n'est plus une compétition pour le score le plus élevé. C'est un triangle entre intelligence, coût et utilité en mode agent, et aucun modèle ne remporte les trois sommets à la fois.

Cette image du triangle (Kingy) est la façon la plus honnête de lire cette période. Sol occupe le sommet de l'intelligence par dollar. Grok occupe celui du coût brut. Et Fable 5 tient lui aussi un sommet, simplement pas celui que relaient toutes les manchettes.

Modèle	Prix (entrée / sortie par M de jetons)	Benchmark marquant	Usage le plus adapté
GPT-5.6 Sol	5 $ / 30 $	53,6 à l'Agents' Last Exam (+13,1 face à Fable 5)	orchestration d'agents, flux de longue durée
Claude Fable 5	10 $ / 50 $	en tête de l'Intelligence Index	frontend, visuel, décisions à fort enjeu
Grok 4.5	le moins cher de la catégorie	4,2 fois moins de jetons qu'Opus 4.8 (SWE-Bench Pro)	génération de code à fort volume et bien cadrée

Les prix proviennent des tests pratiques et d'Artificial Analysis ; les chiffres de benchmark d'OpenAI, BenchLM et The Decoder, selon les sources ci-dessous.

Ce que disent vraiment les chiffres

Commençons par l'affirmation phare. À l'Agents' Last Exam, une évaluation de flux de travail professionnels de longue durée couvrant 55 domaines, GPT-5.6 Sol atteint un nouveau record de 53,6 et devance de 13,1 points la configuration à raisonnement adaptatif de Claude Fable 5 (OpenAI). C'est un écart large, sur un benchmark bâti précisément pour le travail d'agent en plusieurs étapes que mènent désormais la plupart des équipes.

Les tests indépendants confortent le récit du coût plutôt qu'ils ne le contredisent. Artificial Analysis place Sol en deuxième position serrée sur son Intelligence Index, juste derrière Fable 5, tout en le portant en tête du Coding Agent Index dans l'environnement Codex d'OpenAI, et cela pour environ un tiers du coût de Fable 5 (Artificial Analysis). La manchette n'est donc pas « Sol est plus intelligent que Fable 5 partout ». Elle est : Sol s'approche de l'intelligence de Fable 5 et domine sur le code en mode agent, pour un tiers du prix. Ce sont deux affirmations différentes, et c'est la seconde qui déplace les budgets. Pour les équipes déjà entièrement standardisées sur Anthropic, cet écart n'est pas une raison de tout arracher, mais une invitation à vérifier quelles portions de votre charge sont réglées au tarif Fable 5 alors qu'un modèle à un tiers du prix les achèverait tout aussi fiablement.

Vient ensuite le contre-signal. En face-à-face avec Grok 4.5, Sol obtient en moyenne 92 sur les tâches d'agent contre 83,3, et le plus grand écart isolé concerne Terminal-Bench 2.0, à 91,9 % contre 83,3 % (BenchLM). Mais Grok riposte sur le sous-ensemble de code pur : si c'est la génération de code, et non l'orchestration, qui compte le plus dans votre charge, la réponse change (BenchLM). Et sur les tâches frontend et visuelles, Sol peine toujours davantage que Fable 5 et Opus 4.8 (test pratique).

GPT-5.6 Sol domine l'orchestration d'agents et les flux de longue durée, Grok 4.5 l'emporte sur le coût brut et sur une partie de la génération de code, et Fable 5 reste en tête sur le travail frontend et visuel.

En lisant ensemble le tableau des benchmarks et la colonne des prix, on ne voit pas un nouveau roi, mais trois modèles dont chacun maîtrise une tâche différente.

Pourquoi le prix brut du jeton est le mauvais chiffre

C'est là que la plupart des décisions de bascule dérapent. Un modèle facturé 30 % moins cher ne rend pas votre agent 30 % moins coûteux à exploiter. Les agents fonctionnent en boucle. Ils appellent des outils, lisent les résultats, réessaient en cas d'échec et replanifient. Ce qui atterrit sur votre facture, c'est le total des jetons consommés sur l'ensemble des boucles jusqu'à ce qu'une tâche réussisse vraiment, et non le prix affiché par million de jetons.

Voilà pourquoi les données d'efficacité en jetons pèsent plus lourd que la grille tarifaire. Que Grok 4.5 soit bon marché par jeton n'est que la moitié de l'histoire ; l'autre moitié, c'est sa consommation de 4,2 fois moins de jetons qu'Opus 4.8 par tâche SWE-Bench Pro (The Decoder). Un modèle qui résout une tâche en une passe propre à 50 dollars le million en sortie peut revenir moins cher qu'un autre qui en réclame trois à 30. Seul le coût par tâche achevée traduit cela, et c'est à cette mesure que nous soumettons chaque modèle avant qu'il ne touche une charge client.

Les tests de routage en conditions réelles montrent déjà l'ampleur de l'écart. Un développeur a exploité une configuration GPT-5.6 à plusieurs niveaux — un modèle bon marché sur 85 % des jetons, un intermédiaire sur 12 % et une escalade au niveau de Sol sur seulement 3 % — et est arrivé à environ 15 dollars par mois, contre à peu près 72 pour un agent reposant sur un seul modèle Sonnet 4.6 à qualité comparable (test Reddit). La leçon n'est pas « GPT-5.6 est bon marché ». Elle est que l'endroit où vous placez le modèle coûteux détermine la facture bien davantage que le choix du modèle coûteux lui-même. Une pile bien routée, avec un modèle par défaut bon marché et une escalade rare vers le raisonnement de niveau Fable 5, bat presque toujours un modèle premium unique appliqué partout, et bat aussi un modèle bon marché unique appliqué partout, car ce dernier reconsomme discrètement l'économie en réessais sur les 3 % les plus difficiles. Nous avons détaillé la mécanique de ce seuil de rentabilité pour la pile d'Anthropic dans notre guide des coûts de la tarification Fable 5, et la même discipline vaut pour chaque modèle de cette page.

Là où le surcoût de Fable 5 se justifie encore

Rien de tout cela ne fait de Fable 5 un mauvais achat. Cela en fait un achat ciblé. Fable 5 reste en tête sur les tâches frontend et visuelles où Sol échoue visiblement (test pratique), et il figure au sommet de l'Intelligence Index d'Artificial Analysis : Sol est proche, mais proche n'est pas devant (Artificial Analysis). Pour les tâches où un seul mauvais jugement de niveau senior coûte cher — décisions d'architecture, refontes sensibles à la sécurité, spécifications ambiguës où un modèle ne doit surtout pas deviner avec assurance — le surcoût est une assurance, pas un gaspillage. L'erreur consiste à payer cette prime d'assurance sur chaque tâche par défaut, alors qu'une minorité seulement de votre charge porte le coût d'échec qui la justifie.

La règle d'exploitation que nous suivons : associez le modèle au coût d'échec de la tâche, pas au classement. Le travail fréquent, bien cadré et facile à vérifier (code répétitif, échafaudages de tests, migrations mécaniques) doit tourner sur le modèle le moins cher qui réussit, souvent Grok 4.5 ou une configuration Sol à plusieurs niveaux. Le travail rare, à fort enjeu et difficile à vérifier justifie un modèle premium. Nous avons exposé la même logique pour les modèles par défaut de milieu de gamme dans notre analyse de Claude Sonnet 5 comme pari fiable de milieu de gamme : le modèle fiable est rarement en haut du tableau, et rarement tout en bas.

Choisissez un modèle d'agent de code selon le coût d'échec de la tâche, pas selon son rang au benchmark : des modèles bon marché pour le travail bien cadré et facile à vérifier, des modèles premium là où un seul mauvais jugement coûte cher.

Comment bâtir une pile qui survit à la prochaine bascule

Le véritable enseignement n'est pas vers quel modèle basculer. C'est que la réponse a changé deux fois en 48 heures et changera encore. Si votre base de code est liée à la forme d'API d'un seul fournisseur, chaque bascule est une migration. Si elle est liée à une interface portable, chaque bascule est une modification de configuration. L'écart de deux jours entre l'arrivée de Grok 4.5 et celle de GPT-5.6 Sol résume tout : les équipes dotées d'une couche portable ont passé cette fenêtre à changer une règle de routage, tandis que celles câblées à une seule API l'ont passée à estimer une migration qu'elles n'avaient pas budgétée.

Cette portabilité mérite d'être construite à dessein. Routez par classe de tâche, gardez le choix du modèle derrière une seule couche interchangeable et mesurez le coût par tâche achevée pour chaque classe, afin de pouvoir réorienter le trafic le jour où un modèle moins cher franchit votre seuil de qualité. Nous avons plaidé en détail pour traiter le choix du modèle comme une couverture plutôt qu'un mariage dans les modèles à poids ouverts comme assurance contre la dépendance à un fournisseur, et la portabilité qui vous protège d'une hausse de prix est la même qui vous permet de saisir une période comme celle-ci. La couche MCP est une grande partie de la manière dont vous gardez cette interface stable pendant que les modèles changent en dessous : notre guide de migration sans état vers MCP v2 montre où va cette tuyauterie. Si GPT-5.6 figure précisément sur votre feuille de route, notre check-list du concepteur pour GPT-5.6 Pro déroule les étapes d'évaluation à mener avant de vous engager.

La bascule des benchmarks n'est pas un verdict. C'est un rappel : la pile survit au modèle. Bâtissez pour le changement, et chacune de ces semaines devient une montée de version plutôt qu'un exercice d'incendie. Si vous souhaitez un coup de main pour câbler des agents portables entre modèles, capables de survivre à la prochaine bascule, parlez-en à Context Studios.

Foire aux questions

GPT-5.6 Sol a-t-il vraiment dépassé Claude Fable 5 ? À l'Agents' Last Exam, oui : Sol a obtenu 53,6, soit 13,1 points de plus que la configuration à raisonnement adaptatif de Fable 5 (OpenAI). Mais Fable 5 reste en tête de l'Intelligence Index d'Artificial Analysis et domine le travail frontend ; « dépasser » dépend donc de la tâche.

GPT-5.6 Sol coûte-t-il vraiment un tiers de Fable 5 ? À peu près. Sol est facturé 5 $ en entrée / 30 $ en sortie par million de jetons (test) contre 10 $ / 50 $ pour Fable 5 (Ken Huang), et Artificial Analysis le situe à environ un tiers du coût de Fable 5 à catégorie comparable (Artificial Analysis).

Où se situe Grok 4.5 ? Grok 4.5 est le moins cher de la catégorie : il consomme 4,2 fois moins de jetons qu'Opus 4.8 sur SWE-Bench Pro, à 80 jetons par seconde (The Decoder). Il devance aussi Sol sur une partie de la génération de code pur (BenchLM).

Dois-je basculer mon agent de code immédiatement ? Seulement si vous mesurez le coût par tâche achevée, et non le prix du jeton. Un modèle moins cher qui exige des boucles de correction supplémentaires peut revenir plus cher par tâche terminée. Routez par classe de tâche et gardez le choix du modèle interchangeable, pour que la prochaine bascule reste une modification de configuration et non une migration.