Six modèles de pointe en trois semaines : Fable et Mythos 5.1 le 1er septembre, GPT-6 Astra le 3, Grok 4.7 le 21, puis Claude Opus 5.5 et GPT-6 Sol et Luna le 22 — les deux derniers annoncés le même soir, tous deux avec une baisse de prix. S'y ajoutent des modèles ouverts qui dépassent ponctuellement les modèles commerciaux. Voici où en est le paysage, en séparant systématiquement ce que mesurent les fabricants de ce que mesurent des tiers.
Avant les tableaux, une précaution qui conditionne tout le reste : les classements sont devenus difficilement comparables, pour des raisons que nous avons documentées une à une.
Les cinq raisons de se méfier d'un classement
Le niveau d'effort. Le même modèle peut varier de dizaines de points selon le budget de raisonnement accordé, et le coût d'un facteur cinq à dix. C'est devenu le paramètre décisif : OpenAI publie désormais ses résultats à cinq niveaux d'effort. Explication ici.
Le harnais. Les classements comparent des couples modèle + enveloppe logicielle, pas des modèles seuls. Détail ici.
L'usure des tests. Contamination, raccourcis, saturation : un benchmark ancien mesure surtout que le modèle l'a vu. Détail ici.
La source. Un tableau publié par un fabricant sélectionne ses tests. Anthropic reconnaît elle-même que les écarts de benchmark sont devenus un guide peu fiable des différences réelles à ce niveau.
Les garde-fous. Détail inhabituel : les dispositifs de sécurité d'Anthropic sont intervenus pendant ses propres évaluations, redirigeant des tâches cyber et biologie vers des modèles plus faibles, ce qui a abaissé ses scores sur ces tests.
La grille tarifaire complète
| Modèle | Sortie | Entrée / Sortie | Positionnement |
|---|---|---|---|
| Claude Fable 5.1 | 1er sept. | 10 $ / 50 $ | Sommet Anthropic |
| Claude Mythos 5.1 | 1er sept. | 10 $ / 50 $ | Accès restreint (cyber, vivant) |
| GPT-6 Astra | 3 sept. | 10 $ / 50 $ | Sommet OpenAI |
| Claude Opus 5.5 | 22 sept. | 4 $ / 20 $ | Niveau Fable, 60 % moins cher |
| GPT-6 Sol | 22 sept. | 2 $ / 10 $ | Milieu de gamme, agents |
| GPT-6 Luna | 22 sept. | 0,10 $ / 0,50 $ | Volume, tâches simples |
| Claude Opus 5 | 24 juil. | 5 $ / 25 $ | Remplacé par Opus 5.5 |
Un point saute aux yeux : les deux sommets sont au même tarif, 10 et 50 dollars. Et les deux nouveautés du 22 septembre visent toutes deux la couche en dessous, avec des baisses importantes. Ce n'est pas une coïncidence, c'est un marché qui se structure.
Qui est devant sur quoi
Il n'y a pas de vainqueur général, et c'est l'information principale.
Indice indépendant généraliste : Fable 5.1 en tête lors de notre dernier relevé, devant Opus 5, avec Astra au niveau de son prédécesseur. Opus 5.5, Sol et Luna n'y figurent pas encore.
Codage agentique et travail en terminal : Anthropic place Opus 5.5 devant Astra, 66,4 % contre 57,9 % sur Terminal-Bench 4.0.
Science en terminal et flux métier : Astra conserve l'avantage dans ces mêmes tableaux, 64,6 % contre 58,7 %.
Mathématiques de recherche : Astra revendiquait 97,6 % sur FrontierMath niveau 4 contre 87,8 % pour Fable 5.1.
Navigation web : un agent ouvert de 744 milliards de paramètres devance les modèles commerciaux.
Rapport score-coût sur l'automatisation : GPT-6 Sol atteint 33,2 % à effort maximal pour 27 centimes par tâche, devant Astra à effort faible (30,3 %, près de quatre fois plus cher) et Opus 5 à effort maximal (26,9 %, onze fois plus cher).
Sur deux des six évaluations mises en avant par OpenAI — codage agentique et usage d'ordinateur —, le meilleur score de GPT-6 Sol est inférieur à celui de GPT-5.6 Sol qu'il remplace : environ 68,8 % contre 72,7 %, et 64,4 % contre 66,2 %. Claude Opus 5 faisait également mieux sur ces deux tests. Un modèle plus récent n'est donc pas automatiquement meilleur sur votre tâche. Nous y consacrons un article publié ce matin.
Les modèles ouverts, qu'il faut inclure
Un classement limité aux modèles commerciaux donne une image fausse.
GLM-5.3-Flash — 320 milliards de paramètres dont 18 actifs, un million de contexte — est servi à grande échelle sous licence MIT. Step 5 Preview affiche 600 milliards de paramètres à 1 dollar le million en entrée. K2 Horizon propose une gamme de 0,9 à 375 milliards sous Apache 2.0. Et Qwen3.8-Omni-Flash traite nativement quatre modalités.
Sur les indices généralistes, l'écart entre le meilleur fermé et le meilleur ouvert se compte en quelques points. Sur des spécialités, l'ouvert passe devant.
Le classement qui compte vraiment : le coût par tâche
C'est la seule métrique qui intègre tarif, tokenizer, cache, effort et quotas. Et elle donne un ordre différent des scores bruts.
Astra consomme nettement moins de tokens que ses concurrents pour un résultat comparable en codage, mais son prix a été multiplié par 2,5, ce qui annule une partie de l'avantage sur le raisonnement général.
Fable 5.1 était, lors de notre dernier relevé, le modèle le plus cher par tâche du classement indépendant.
Opus 5.5 revendique 40 % de réduction du coût réel par rapport à Opus 5, en combinant baisse de tarif, lecture de cache à 0,20 dollar et consommation de tokens réduite.
GPT-6 Sol revendique environ 60 % de moins par tâche que son prédécesseur, en acceptant de perdre quelques points sur certains tests.
Ces quatre affirmations viennent des fabricants et attendent une vérification indépendante.
Que choisir, selon l'usage
Agents et codage exigeants : Opus 5.5 pour la combinaison niveau et lecture de cache à 0,20 dollar ; GPT-6 Sol si le coût par tâche prime sur le dernier point de score.
Raisonnement difficile, mathématiques : Astra sur ses points forts, à effort élevé, en acceptant le coût.
Volume et tâches simples : GPT-6 Luna à 0,10 dollar change l'économie de la classification, de l'extraction et du filtrage. C'est la sortie la plus conséquente pour ceux qui traitent des masses de données.
Confidentialité, hébergement interne : les modèles ouverts, selon la taille qui tient sur votre matériel. Voir notre guide des tailles.
Ce qui arrive
Anthropic annonce Sonnet 5.5 et Haiku 5.5 dans les semaines qui viennent. Si Sonnet 5.5 progresse autant sur Sonnet 5 qu'Opus 5.5 sur Opus 5, le meilleur rapport qualité-prix changera à nouveau — et il viendrait se placer exactement là où OpenAI vient de positionner Sol.
Ce classement sera donc périmé, probablement avant la fin du mois. C'est précisément pourquoi la conclusion ne change pas : ne choisissez pas un modèle, choisissez une architecture qui permet d'en changer, et gardez une vingtaine de cas de référence à jour. C'est le seul investissement qui sert à chaque sortie, et il y en aura d'autres.