GPT-5.6 est désormais intégré à Zero sous la forme d'une famille de trois modèles : Sol pour les travaux multi-agents les plus exigeants, Terra pour une exécution quotidienne équilibrée, et Luna pour les workflows rapides et à fort volume.
Pour les équipes qui répartissent des charges de travail d'agents variées, cela peut être plus utile qu'un simple nouveau modèle phare. Au lieu de payer pour un raisonnement maximal à chaque étape, vous pouvez adapter le modèle à la tâche tout en conservant le même environnement Zero autour de lui : outils connectés, fichiers, accès au navigateur, exécution isolée, compétences et suivi jusqu'au bout.
Choisissez la voie Built-in et VM0 gère l'accès au modèle et facture l'utilisation en crédits. Si votre équipe utilise déjà une clé API OpenAI ou un abonnement ChatGPT/Codex, Zero prend également en charge ces voies.
Une famille, trois points de fonctionnement
OpenAI a conçu GPT-5.6 autour de niveaux de capacité durables. Le numéro identifie la génération ; Sol, Terra et Luna décrivent le compromis entre intelligence, vitesse et coût.
GPT-5.6 Sol : les travaux les plus difficiles
Sol est le modèle phare. Faites-y appel lorsqu'une tâche est suffisamment difficile pour qu'un meilleur plan, davantage de vérifications ou un travail en parallèle puisse changer sensiblement le résultat.
L'intégration de GPT-5.6 Sol dans Zero utilise le raisonnement Ultra par défaut. OpenAI décrit Ultra comme coordonnant quatre agents en parallèle, puis synthétisant leur travail. Cela fait de Sol un excellent choix pour les missions comportant plusieurs flux de travail indépendants, telles que :
- Migrer une grande base de code tout en testant la compatibilité et en documentant le résultat.
- Étudier un marché à partir de nombreuses sources, remettre en question les conclusions et produire une note prête pour la décision.
- Transformer un brief produit en une interface soignée, inspecter le rendu obtenu et corriger les problèmes visuels ou fonctionnels.
- Enquêter sur un incident de production à travers les logs, le code, les tickets et l'état du navigateur avant de proposer un correctif.
Sol relève du niveau VM0 Built-in $$$. Utilisez-le là où une erreur d'orientation coûte cher, pas pour chaque réponse courte.
GPT-5.6 Terra : le cheval de trait équilibré
Terra est le point de départ raisonnable pour les travaux professionnels répétables. OpenAI le positionne comme le niveau équilibré et rapporte des performances compétitives avec GPT-5.5 pour la moitié du prix catalogue par token de l'API.
Utilisez Terra pour des travaux qui nécessitent encore du raisonnement et l'usage d'outils mais n'exigent pas la puissance de calcul maximale de Sol :
- Recherche quotidienne, veille concurrentielle et synthèses multi-sources.
- Modifications de code courantes, analyse de pull requests et investigation d'incidents.
- Rédaction de rapports, de plans de lancement, de notes clients et de documents opérationnels.
- Workflows d'agents nécessitant une solide gestion des contextes longs à un coût plus modéré.
Terra relève du niveau VM0 Built-in $$. Il n'est pas imposé comme valeur par défaut universelle ; c'est simplement le niveau que nous testerions en premier pour de nombreux workflows généralistes.
GPT-5.6 Luna : vitesse et volume
Luna est le membre le plus rapide et le plus abordable de la famille. Il est conçu pour les travaux où le débit et le temps de réponse comptent plus que la profondeur maximale.
Parmi les bonnes charges de travail pour Luna :
- Classer ou router de grands lots de tickets, de leads ou de messages.
- Extraire des champs structurés à partir de documents homogènes.
- Effectuer un premier tri avant de faire remonter les cas ambigus vers Terra ou Sol.
- Produire de courtes synthèses ou transformations à grande échelle.
Luna relève du niveau VM0 Built-in $. Ce n'est pas le bon choix pour toute tâche économique : l'évaluation en contexte long menée par OpenAI elle-même montre un écart important entre Luna et les deux niveaux supérieurs sur la récupération d'informations dans de très grandes entrées. Orientez les contextes profonds et ambigus vers Terra ou Sol.
Ce que les benchmarks disent — et ne disent pas
OpenAI rapporte de bons résultats pour toute la famille, mais l'enseignement utile est la forme du compromis plutôt qu'une simple position dans un classement.
Sur Terminal-Bench 2.1, qui évalue les workflows d'agents en ligne de commande, OpenAI rapporte 91,9 % pour Sol Ultra, 88,8 % pour Sol, 87,4 % pour Terra et 84,7 % pour Luna. Sur BrowseComp, les scores rapportés sont de 92,2 % pour Sol Ultra, 90,4 % pour Sol, 87,5 % pour Terra et 83,3 % pour Luna.
Le résultat en contexte long est le signal de routage le plus important. Sur OpenAI MRCR v2, 8 aiguilles, 256K–512K, Sol obtient 91,5 % et Terra 89,6 %, tandis que Luna obtient 41,3 %. Luna peut rester excellent pour des travaux courts et répétés ; il ne faut simplement pas le traiter comme un Sol miniature pour chaque charge de travail.
Ce sont des évaluations rapportées par le fournisseur, pas un classement universel. Les benchmarks mesurent des harnais, des outils, des réglages de raisonnement et des budgets particuliers. Votre propre workflow peut inverser l'ordre, alors relancez une tâche représentative avant de modifier un agent en production.
GPT-5.6 face à GPT-5.5 et Claude Fable 5
La comparaison pratique n'est pas « quel modèle gagne ? ». C'est « quel comportement vaut la peine d'être payé à ce stade de l'exécution ? ».
| Modèle | Meilleur usage dans Zero | Ce qui se distingue | Niveau VM0 Built-in |
|---|---|---|---|
| GPT-5.6 Sol | Travaux difficiles et multi-étapes où la planification, l'exécution parallèle, le jugement de conception ou la validation peuvent changer le résultat | Zero utilise Ultra par défaut ; le niveau GPT-5.6 le plus puissant pour le code, l'usage de l'ordinateur, le design, la recherche et le contexte profond | $$$ |
| GPT-5.6 Terra | Workflows professionnels quotidiens qui nécessitent encore un raisonnement et des outils fiables | Qualité, vitesse et coût équilibrés ; excellente adaptation de la famille aux travaux en contexte long | $$ |
| GPT-5.6 Luna | Travaux rapides et à fort volume avec des entrées cohérentes et une escalade facile | Latence et coût les plus bas de la famille ; idéal pour le tri, l'extraction et les passes en masse | $ |
| GPT-5.5 | Workflows OpenAI existants déjà validés et n'ayant pas encore besoin d'être réétalonnés | Comportement de pointe familier et point de comparaison stable pour les agents actuels | La disponibilité dépend de la configuration de l'espace de travail |
| Claude Fable 5 | Les workflows Anthropic et Claude Code les plus poussés, en particulier lorsqu'une équipe est déjà calée sur son comportement | Raisonnement premium sur long horizon et un profil fournisseur/outillage distinct | $$$$ |
OpenAI rapporte que Sol devance Fable 5 sur Agents' Last Exam et l'Artificial Analysis Coding Agent Index, tandis que Fable 5 reste légèrement en tête sur GDPval-AA v2. C'est précisément pourquoi « meilleur modèle » est une affirmation trop large. Sol est convaincant lorsque vous recherchez le meilleur comportement agentique d'OpenAI en matière de code, d'usage de l'ordinateur, de design et de multi-agents. Fable reste un choix valable pour les travaux Anthropic haut de gamme et les workflows déjà calibrés autour de Claude Code.
Terra est le candidat de mise à niveau le plus direct pour de nombreuses charges de travail GPT-5.5 : OpenAI affirme qu'il est compétitif avec GPT-5.5 pour la moitié du prix catalogue par token de l'API. Luna vise une optimisation différente — vitesse et échelle — alors comparez-le sur le travail accompli par dollar ou par minute, et pas seulement sur les scores de benchmark de pointe.
Ce que « Built-in » signifie dans Zero
Built-in fait de GPT-5.6 un choix de routage plutôt qu'un projet d'identifiants. Sélectionnez le fournisseur VM0 Managed et Zero gère l'accès tout en facturant le niveau de crédit VM0 correspondant. Vous n'avez pas besoin de créer ou de maintenir une clé API OpenAI distincte pour cette voie.
Les équipes qui préfèrent leur propre relation avec un fournisseur peuvent toujours utiliser une clé API OpenAI ou connecter un abonnement ChatGPT/Codex. Le nom du modèle reste le même ; c'est la voie de facturation et la configuration du fournisseur qui changent. Les niveaux de crédit VM0 ($, $$, $$$) ne sont pas identiques aux prix publics par token de l'API OpenAI.
Comment activer GPT-5.6 dans Zero
GPT-5.6 se sélectionne dans les paramètres de modèle, et non en écrivant « utilise GPT-5.6 » dans un prompt.
- Ouvrez Settings et choisissez Models dans la barre latérale.
- Dans la section Personal, ajoutez GPT 5.6 Sol, GPT 5.6 Terra ou GPT 5.6 Luna.
- Choisissez Built-in pour utiliser le routage VM0 Managed, ou sélectionnez votre fournisseur connecté OpenAI API ou ChatGPT/Codex.
- Lancez une conversation ou une exécution, ouvrez le sélecteur de modèle et basculez vers le niveau souhaité.
- Une fois qu'un workflow est stable, définissez le modèle approprié au niveau de l'agent ou de la compétence afin que le travail de routine emprunte systématiquement la voie prévue.
Un guide de routage pratique
Commencez par vous poser trois questions :
- Combien coûte une mauvaise réponse ? Utilisez Sol lorsque les erreurs engendrent des reprises, des risques ou des impacts en aval significatifs.
- À quel point le contexte est-il profond et ambigu ? Utilisez Terra ou Sol pour de grandes entrées désordonnées qui nécessitent recoupement et synthèse.
- À quelle fréquence cela va-t-il s'exécuter ? Utilisez Luna pour les travaux à fort volume et prévisibles, puis faites remonter les exceptions.
Un schéma de routage mixte mérite d'être testé : Luna filtre et structure l'entrée, Terra réalise le gros du travail, et Sol gère les rares décisions qui justifient un raisonnement maximal. Vous n'avez pas besoin d'un seul modèle pour tout faire ; vous avez besoin que chaque étape utilise juste assez de modèle.
GPT-5.6 rend ce choix particulièrement clair. Sol, Terra et Luna offrent à Zero trois points de fonctionnement au sein du même environnement d'agent — vous pouvez ainsi augmenter la capacité lorsque le travail l'exige et réduire le coût quand ce n'est pas le cas.
