GPT-5.6 Luna
GPT-5.6 Luna est un LLM d’OpenAI sorti le 9 juillet 2026. Il se distingue par une fenêtre de contexte de 1 050 000 tokens, adaptée au traitement de volumes de texte particulièrement importants, et par des connaissances couvrant la période jusqu’au 16 février 2026.
GPT-5.6 Luna est un LLM d’OpenAI sorti le 9 juillet 2026. Il se distingue par une fenêtre de contexte de 1 050 000 tokens, adaptée au traitement de volumes de texte particulièrement importants, et par des connaissances couvrant la période jusqu’au 16 février 2026.
Son positionnement combine performances généralistes et prix très économique. Sa tarification se situe 50% sous la moyenne des LLM similaires et environ 5,5 fois sous celle des modèles frontière. À sa sortie, GPT-5.6 Luna appartenait au top 14% des LLM de sa génération sur GPQA diamond.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | OpenAI |
| Date de sortie | 9 juillet 2026 |
| Connaissances jusqu'à | 2026-02-16 |
| Multimodal | oui |
| Fenêtre de contexte | 1 050 000 tokens (≈ 1,1 M) |
| Modalités (entrée → sortie) | file,image,text → text |
Indices de synthèse
| Indice | Valeur | Rang (LLM) |
|---|---|---|
| Intelligence Index | 38.1 | 29ᵉ / 138 |
| Code Index | 50.7 | 32ᵉ / 74 |
| Agentic Index | 31.0 | 16ᵉ / 68 |
Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : General Knowledge (Baseline) | 100,0 % | 1ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 99,0 % | 116ᵉ / 252 | benchable | ✅ Mesuré |
| Epoch: OTIS Mock AIME 2024-2025 | 98,3 % | 6ᵉ / 116 | epoch | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 98,0 % | 71ᵉ / 234 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 98,0 % | 90ᵉ / 258 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 95,0 % | 25ᵉ / 253 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 94,0 % | 44ᵉ / 224 | benchable | ✅ Mesuré |
| Epoch: GPQA diamond | 91,6 % | 12ᵉ / 137 | epoch | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 90,0 % | 94ᵉ / 245 | benchable | ✅ Mesuré |
| PinchBench : agentique (OpenClaw, 147 tâches) | 88,7 % | 6ᵉ / 57 | pinchbench | ✅ Mesuré |
| Epoch: FrontierMath-Tiers-1-3-v2-Private | 82,1 % | 7ᵉ / 36 | epoch | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 81,0 % | 50ᵉ / 256 | benchable | ✅ Mesuré |
| Epoch: FrontierMath-Tier-4-v2-Private | 61,0 % | 7ᵉ / 37 | epoch | ✅ Mesuré |
| Epoch: SimpleQA Verified | 41,7 % | 28ᵉ / 57 | epoch | ✅ Mesuré |
| Epoch: Chess Puzzles | 40,0 % | 11ᵉ / 49 | epoch | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Intelligence Index
Code Index
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| OpenAI | 1 $ | 6 $ | 0,1 $ |
| artificialanalysis | 1 $ | 6 $ | 0,1 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 50 % en dessous de la moyenne des LLM similaires, et 5,5 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût par exécution agentique — PinchBench (147 tâches) | 17,14 $ |
| Durée d'exécution — PinchBench | 2 h 50 min |
| Indice valeur/coût — PinchBench | 6,32 |
| Coût moyen par benchmark — Benchable | 0,05 $ |
| Latence moyenne par benchmark — Benchable | 2 min 00 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. GPT-5.6 Luna se classe premier sur General Knowledge, signe d’une très forte performance sur les questions de connaissances générales. Il figure aussi dans le top 10 sur OTIS Mock AIME 2024-2025 (olympiades de mathématiques de niveau lycée) et obtient un résultat élevé en Coding. Son Agentic Index le place dans le premier quart du classement correspondant, ce qui constitue son meilleur positionnement parmi les trois indices synthétiques. Sa fenêtre de 1 050 000 tokens représente un autre atout concret pour analyser de longs corpus. Enfin, son coût très inférieur à celui des modèles comparables favorise les traitements à grande échelle.
Limites et points d’attention. Les indices globaux nuancent les excellents résultats obtenus sur certains tests ciblés. L’Intelligence Index et le Code Index situent le modèle hors des toutes premières places, tandis que l’Agentic Index reste éloigné du sommet malgré un classement plus favorable. Les scores élevés en Ethics, Hallucinations et Email Classification correspondent à des positions de milieu de tableau, ce qui indique une concurrence dense et souvent plus performante sur ces évaluations. GPT-5.6 Luna convient surtout aux usages généralistes, mathématiques, au code et à l’analyse de très longs contenus lorsque le coût constitue un critère central.
Sources des données : OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Epoch AI (epoch.ai), CC-BY-4.0 · PinchBench (pinchbench.com) · Benchable.ai (benchable.ai).