GPT 5.6 Sol vs Terra vs Luna : lequel choisir ?

Sol, Terra et Luna ne sont pas trois niveaux d'un même bouton magique.

Sur le papier, tu regardes le benchmark, tu prends Luna pour économiser, Terra pour le milieu et Sol pour les grosses tâches.

Propre. Logique. Presque trop facile.

Dans les tests affichés, cette hiérarchie s'est cassée très vite.

Sol a produit les résultats GPT les plus convaincants. Terra a parfois été plus rapide, mais avec une qualité qui descendait franchement. Et Luna a produit des résultats faibles même avec beaucoup de raisonnement.

Mon verdict est donc moins sexy qu'un podium : j'évite complètement Terra et Luna. Je me concentre sur Sol en Medium la plupart du temps, puis en Extra High ou Max quand la tâche l'exige. Pas en Ultra par défaut.

Le benchmark m'a donné une hypothèse, pas une réponse

La première image de la vidéo compare intelligence et prix.

Elle donne envie de router les tâches complexes vers les variantes les plus hautes, puis de garder Terra ou Luna pour le reste. Luna semble notamment intéressant pour les petites demandes où tu veux surtout réduire le coût.

C'est une hypothèse utile.

Ce n'est pas une vérité sur ton prochain projet.

Les noms, niveaux de raisonnement, écarts de prix et positions affichés viennent du contexte précis de la source montrée dans la vidéo. Ils dépendent du benchmark, de son protocole, du moment, de l'outil et des réglages.

Je ne vais pas transformer une étiquette à l'écran en loi universelle.

J'ai donc reconstruit mon banc de test dans Codex pour lancer les mêmes briefs sur plusieurs modèles et observer le résultat généré, le temps d'exécution, la qualité visible, les interactions, la gestion des données, la physique et la constance entre les runs et les environnements testés.

Là, le joli graphique a commencé à transpirer.

Elysian : le test qui expose le goût

Premier test : créer une landing page premium fictive, Elysian, à partir de quatre images très marquées.

Le brief laisse volontairement de la liberté. Je veux voir si le modèle compose, raconte et anime vraiment, ou s'il colle quatre images dans une grille avec une police serif.

Une des quatre images fournies aux modèles pour construire la landing page fictive Elysian.

Fable sort une page franchement impressionnante. Les images deviennent la matière du site, les transitions ont une intention et l'ensemble ressemble à une vraie direction artistique.

Sonnet fait aussi un beau travail.

Puis j'arrive à Sol.

Le résultat est joli, parfois original, avec une ambiance premium qui tient debout. Certaines sections retombent quand même dans quelque chose de plus mou. Le modèle ne gagne pas tout le test, mais il reste dans la discussion.

Terra est plus irrégulier. Il trouve quelques bonnes utilisations des images, puis enchaîne avec des choix beaucoup moins propres.

Luna pousse encore plus loin l'incohérence : davantage de raisonnement affiché ne donne pas automatiquement davantage de goût. Le site est aussi plus court et l'ensemble tient moins bien.

C'est le premier rappel important : un niveau de thinking ne crée pas une direction artistique.

Dans un vrai projet, un modèle moins cher ne reste économique que si le coût total des retouches ne mange pas l'écart de prix.

L'application de séismes fait tomber les masques

Le test suivant est plus difficile à tricher.

Je demande une vraie application autour d'une API publique de tremblements de terre : carte globale, flux d'événements, périodes, détails et visualisation utile des données.

Cette fois, une belle hero ne suffit plus.

Il faut comprendre les données, choisir une carte, rendre les points manipulables et construire une interface qui ne ment pas à l'utilisateur.

Fable livre l'expérience la plus complète du lot montré : carte lisible, événements, détails et vraie sensation de produit.

Sol produit aussi une UI intéressante dans l'exécution lancée via Claude Code. Ce n'est pas parfait, mais on a une vraie carte et une structure qui commence à ressembler à un observatoire utilisable.

Sur une autre exécution avec Codex, Sol choisit une représentation beaucoup plus approximative et plusieurs points ne répondent pas correctement.

Dans l'exécution Sol sur Codex affichée, l'interface réunit une carte stylisée, une timeline et un panneau de détails.

Même modèle. Résultat différent.

Le harnais, les outils et l'environnement font donc partie du benchmark, que ça nous plaise ou non.

Terra retombe davantage dans l'esthétique d'application IA générique. La carte est moins convaincante et des interactions essentielles ne suivent pas.

Luna va encore moins loin : graphique étrange, sélection bloquée, design plus faible malgré un niveau de raisonnement élevé dans le test.

Pour une application de données, je ne prendrais ni Terra ni Luna sur la seule promesse d'un gain de prix.

Une carte fausse ou impossible à cliquer coûte plus cher qu'un appel de modèle.

La simulation confirme le problème de Luna

J'ai ensuite repris le test de crash de voiture.

Ici, tu ne peux pas cacher une mauvaise compréhension derrière une belle texture. Les briques doivent tenir, la voiture doit avancer et la collision doit avoir un minimum de cohérence.

Parmi les résultats affichés, Sol Ultra produit le meilleur crash de voiture.

La nuance compte : ce run montre jusqu'où Ultra peut aller, pas pourquoi il faudrait l'utiliser au quotidien. Dans ma conclusion, l'écart avec Max ne justifie pas de le choisir par défaut.

Luna échoue beaucoup plus tôt. Les briques réagissent mal dès le départ, même quand la voiture avance lentement. Une seconde exécution dans un autre environnement ne sauve pas vraiment le résultat.

Ce n'est pas une preuve que Luna ratera toutes les simulations du monde.

C'est suffisant pour que je ne lui confie pas celle-ci.

Voilà la limite honnête de mes tests : quelques briefs, plusieurs niveaux de raisonnement, des environnements différents et pas une campagne scientifique avec des centaines de runs.

Je peux te donner une règle de travail.

Pas graver un classement dans le marbre.

Mon routage entre Sol, Terra et Luna

Je ne choisis plus selon le nom cosmique.

Je regarde le coût d'un mauvais résultat.

Mon routage après les tests : éviter Terra et Luna, utiliser Sol en Medium par défaut, puis Extra High ou Max si nécessaire.

• Terra et Luna : je les évite complètement. Leur position dans le benchmark paraît économique, mais les tests pratiques de design, de data et de physique ne m'ont pas donné de raison de les garder.
• Sol Medium par défaut : vraie feature, application avec données, UI qui doit tenir, logique métier ou simulation. C'est mon niveau de départ pour la majorité des tâches.
• Sol Extra High ou Max si nécessaire : problème réellement difficile, cas limites nombreux ou erreur coûteuse. Je monte le raisonnement seulement quand le brief le justifie.
• Sol Ultra n'est pas mon routage courant : il a produit le meilleur crash affiché, mais il apporte trop peu par rapport à Max dans ma conclusion pour devenir le choix automatique.
• Fable dans la comparaison : si le goût et le polish visuel sont le cœur du brief. Les tests Elysian et séismes montrent qu'il reste capable de battre toute la famille GPT sur ce terrain.

Ma checklist avant de garder une sortie :

• l'action principale fonctionne sans explication orale ;
• les éléments interactifs répondent vraiment ;
• les données visibles correspondent à la source ;
• la version mobile ne détruit pas l'information ;
• le rendu suit le brief au lieu de recycler une UI générique ;
• le code reste modifiable après le one-shot ;
• dans une décision réelle, le coût total des retouches ne mange pas l'économie annoncée ;
• quand plusieurs runs existent, le résultat reste cohérent d'une exécution ou d'un environnement à l'autre.

Je ne relance pas Terra ou Luna pour essayer de forcer le benchmark à avoir raison.

Je ne vais pas brûler une heure pour prouver qu'un modèle moins cher avait théoriquement raison.

Ce que je retiens vraiment

Sol est mon choix pour les tâches courantes comme pour les tâches difficiles.

Pas parce qu'il gagne chaque capture. Fable lui passe devant sur certains tests créatifs, et Sol lui-même change selon l'environnement.

Mais dans les runs affichés, il donne les résultats GPT les plus convaincants sur la qualité visible, les interactions, les données et la physique.

Terra et Luna semblaient intéressants dans l'hypothèse économique du benchmark.

Les tests pratiques les ont rejetés. Je les évite donc complètement et je reste sur Sol : Medium la plupart du temps, Extra High ou Max quand il faut monter.

Ultra a signé le meilleur crash affiché. Je ne le garde pas comme réglage courant, parce que son gain sur Max reste trop faible dans ma conclusion.

Dans un vrai projet, je garde quand même un principe de décision : le bon modèle n'est pas celui qui coûte le moins au lancement.

C'est celui qui te laisse le moins de travail inutile à la fin.

La vidéo complète

Je te montre les benchmarks, Elysian, les comparaisons avec Claude et Fable, l'application de séismes et la simulation directement dans la vidéo.

Si tu veux construire ton propre workflow avec Claude, Codex et Cursor, commence ici : https://mlv.sh/rT8QiyK