GPT-6 Sol est le niveau équilibré de la famille GPT-6 d'OpenAI, sorti le 22 septembre 2026 avec GPT-6 Luna et positionné par OpenAI sous le fleuron GPT-6 Astra pour le codage complexe et les workflows agentiques.
- Entrée
- texte image $2/M
- Sortie
- texte $10/M
- Lecture de cache
- $0.2/M
- Contexte
- 1.1M
- vs GPT-4o
- ~60% moins cher
- Coupure des connaissances
- 2026-04
Prompts de plus de 272K tokens : toute la requête est facturée $4/M en entrée · $15/M en sortie
Benchmarks
Chiffres publiés par les fournisseurs : Alibaba (Qwen) Anthropic DeepSeek Google OpenAI Z.ai
Le prix en contexte
Position du prix parmi 67 modèles comparables
La barre montre où se situe le prix de ce modèle parmi tous les modèles du même type sur Synthorai. Le moins cher et le plus cher sont nommés à chaque extrémité. Ce sont des tarifs de base ; les remises lot, région et écriture en cache figurent sur la page des tarifs.
Spécifications et limites
Tokens
| Fenêtre de contexte (spécification du fournisseur) | 1 050 000 |
|---|---|
| Sortie max (spéc. fournisseur) | 128 000 |
| Coupure des connaissances | 2026-04 |
Mise en cache
| Mode | automatique |
|---|---|
| Préfixe min. | 1 024 |
| Durée de vie | 5-10 min, jusqu'à 1 heure |
Raisonnement
| Paramètre du fournisseur | reasoning.effort |
|---|---|
| Valeurs acceptées | none · low · medium · high · xhigh · max |
| Valeur par défaut | medium appliquée si la requête ne précise rien |
| Désactivable | Oui |
| Paramètre | reasoning_effort |
| Valeurs | minimal · low · medium · high la surface de paramètres de la passerelle - le mappage fournisseur ci-dessus s'applique |
Modèle
| Modalités | texte + image → texte |
|---|
Balanced GPT-6 tier for complex coding and agentic workflows. 1.05M context of which up to 922K can be input, 128K max output. Prompts over 272K input tokens move the whole request onto the long-context rate (2x input and cache, 1.5x output). On Chat Completions, function calling works only with reasoning_effort set to none.
Un prompt, mesuré via la passerelle
GPT-6 Sol réussi · 3 sentences
Enabling reasoning made the model generate extra internal tokens to work through each request, and those tokens are billed even though users don’t see them. If request volume stayed roughly the same, more billed tokens per request could explain why the bill doubled. We should check the usage breakdown to confirm, then lower reasoning effort or limit it to tasks that need it.
sortie 188 tok (+111 réflexion) latence 5.0 s
Suivi de l'instruction (exactement trois phrases - comptables), adaptation à l'audience (registre CFO), et l'écart de facturation lié à la réflexion cachée que les compteurs de tokens ci-dessous révèlent.
GPT-6 Sol réussi · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The original `cur` counted matching *adjacent pairs*, not items, so every run was one too short—including a single-element input, which returned 0. Starting each run at 1 counts its first item, and updating `best` on every iteration ensures a run that reaches the last index is included.
sortie 206 tok (+59 réflexion) latence 5.9 s
Si le correctif est réellement juste (exécutable), la densité de l'explication, et l'efficacité en tokens sur une tâche bornée.
GPT-6 Sol réussi · 5/5 fields, guidance "Withheld pending the Q4 close"
{"company":"Meridian Robotics","quarter":"September quarter","revenue_usd_m":null,"growth_pct":null,"guidance":"Withheld pending the Q4 close"}
sortie 227 tok (+185 réflexion) latence 5.2 s
Respect du schéma (aucun champ inventé), pression d'hallucination (guidance est explicitement retenue), et différences de chemin pour la sortie structurée.
GPT-6 Sol réussi · 120 words, 0 banned, 1 question
Today, we’re introducing cross-provider prompt caching for our API gateway, helping teams reuse repeated prompt content when routing requests among supported AI providers. The gateway identifies eligible prompt prefixes, stores cache references, and applies them to subsequent requests where provider capabilities allow. Why send the same context again if it can be reused? With fewer duplicate input tokens, applications can reduce costs and improve latency without changing how developers call the gateway. Configure caching by route, monitor hit rates and savings in your dashboard, and keep existing provider fallback rules in place. Availability and cache behavior vary by provider, so the gateway reports eligibility and usage for each request. Get started today with our documentation and test your existing workloads.
sortie 586 tok (+443 réflexion) latence 7.7 s
Respect des contraintes (budget de mots, liste de mots interdits, l'unique question), empreinte stylistique, et contrôle de la longueur.
Utilisez GPT-6 Sol en 30 secondes
Compatible OpenAI : changez la base_url, gardez votre SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gpt-6-sol",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gpt-6-sol",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6-sol",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gpt-6-sol",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gpt-6-sol")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));À propos de GPT-6 Sol
- OpenAI le décrit comme un modèle qui apporte une grande part de la force d'Astra sous une forme plus rapide et plus abordable.
- Il partage la fenêtre de contexte de la famille de 1 050 000 tokens, dont jusqu'à 922 000 en entrée, avec 128K tokens de sortie maximale, l'entrée texte et image, les sorties structurées, le streaming, l'usage d'outils, le cache de prompts et une date limite de connaissances fixée à avril 2026.
- L'effort de raisonnement va de none à max, medium par défaut.
- La tarification dépend de la longueur du contexte : les prompts jusqu'à 272K tokens d'entrée sont facturés au tarif de contexte court, et au-delà toute la requête passe au tarif de contexte long, avec un prix d'entrée doublé et un prix de sortie multiplié par 1,5 ; l'entrée en cache suit le même palier.
- Une restriction amont mérite d'être anticipée : sur Chat Completions, l'appel de fonctions ne marche qu'avec reasoning_effort à none, donc les clients d'agents qui envoient des outils avec du raisonnement doivent utiliser la Responses API.
- Synthorai propose GPT-6 Sol via la même API compatible OpenAI que le reste de son catalogue.
FAQ
Peut-on essayer l'API GPT-6 Sol gratuitement ?
Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $2/M de tokens en entrée, ce crédit couvre à lui seul environ 62 requêtes de ~8K tokens sur GPT-6 Sol.
Quels sont les points forts de GPT-6 Sol ?
Niveau équilibré de GPT-6 pour le codage complexe et le travail agentique ; 1,05M de contexte, 128K de sortie, effort de none à max ; Tarifs court/long contexte separes a 272K tokens d'entree. Voir la section À propos pour le tableau complet, tiré des notes de version officielles du fournisseur.
Combien coûte GPT-6 Sol ?
Sur Synthorai, GPT-6 Sol coûte $2 par million de tokens en entrée et $10 par million de tokens en sortie, soit le prix catalogue du fournisseur, sans majoration de plateforme. Les tokens d'entrée en cache sont facturés $0.2/M.
GPT-6 Sol prend-il en charge la mise en cache des prompts ?
Oui, automatiquement : les prompts servis par OpenAI sont mis en cache sans modification de code. Les tokens d'entrée en cache sont facturés $0.2/M contre $2/M hors cache ; les prompts doivent avoir un préfixe stable de 1,024 tokens pour être mis en cache (TTL 5-10 min, jusqu'à 1 heure). Guide de mise en cache des prompts →
Comment obtenir l'accès à GPT-6 Sol ?
Pointez votre SDK OpenAI existant vers base_url="https://synthorai.io/v1", définissez model="gpt-6-sol", et c'est tout. Une seule clé API couvre tous les modèles de la passerelle.
Quelle est la date de coupure des connaissances de GPT-6 Sol ?
La date de coupure des connaissances de GPT-6 Sol est 2026-04, selon la documentation officielle du fournisseur (au 2026-09-23).
Modèles associés
Comparer
Chaque valeur de cette page est transcrite de la documentation du fournisseur, liée ci-dessus, et porte la date de sa vérification. Les prix sont comparés à l'échelle du catalogue ; les valeurs de spécification que les fournisseurs définissent différemment sont présentées avec la différence indiquée plutôt que mises en graphique. Rien ici n'est mesuré par nous, et rien n'est noté.