Opus 5 vs GPT-5.6 Sol : 15 points d'écart sur le vrai code

Anthropic a lâché Claude Opus 5 le 24 juillet, un jeudi soir, sans teaser ni keynote. Trois jours que je le fais tourner face à GPT-5.6 Sol sur du vrai boulot : une refacto de back-office Node, deux agents en boucle, une pile de revues de PR. Pas de bench synthétique maison — du code que je livre à des clients. Voici où chacun prend l'avantage, ce que ça coûte réellement, et le détail que personne ne regarde côté PME européenne.

Je précise le cadre : j'utilise Claude au quotidien dans Claude Code depuis des mois, et j'ai le flagship d'OpenAI branché en parallèle via l'API. Donc oui, je pars avec des habitudes. J'ai essayé de les mettre de côté.

Opus 5 vs GPT-5.6 Sol : le tableau prix et specs

Commençons par le concret, celui qui rentre dans un budget. Les deux modèles jouent dans la cour des flagships, mais ils ne facturent pas pareil et ne datent pas de la même semaine.

Prix d'entrée identique, 5 $ le million de tokens. La différence se joue en sortie : 25 $ pour Opus 5, 30 $ pour Sol, soit 20 % de plus. Et sur du code, la sortie pèse lourd — un agent qui génère, corrige, régénère crache des tokens de sortie à la pelle. Sur ma facture des trois derniers jours, à charge de travail comparable, Sol m'a coûté environ 18 % de plus. Pas un gouffre, mais pas neutre non plus quand on tourne 8 h par jour.

Détail que je trouve sous-estimé : le cutoff de connaissances. Opus 5 s'arrête à mai 2026, Sol à février. Trois mois d'écart, ça veut dire des versions de frameworks, des API dépréciées, des changements de syntaxe que l'un connaît et l'autre pas. Sur un projet Next.js récent, Sol m'a proposé deux fois une config obsolète qu'Opus 5 a d'emblée écartée.

Sur le vrai code, Opus 5 creuse l'écart

Le chiffre qui claque, c'est SWE-bench Pro : 79,2 % pour Opus 5 contre 64,6 % pour Sol. Presque 15 points. Ce bench, contrairement au SWE-bench Verified que tout le monde sature désormais (Opus 5 y tape 96 %), colle à de vrais tickets GitHub costauds. Un écart de 15 points là-dessus, sur le terrain, ça se voit : là où Sol me rendait un patch à retoucher, Opus 5 bouclait le ticket d'un coup plus souvent.

Sur l'agentique pur — un agent qui doit enchaîner lecture de code, édition, exécution de tests, correction — l'écart se confirme. Frontier-Bench v0.1, la nouvelle éval agentique d'Anthropic, met Opus 5 à 43,3 % en tête du peloton, devant Sol à 34,4 %. Sur OSWorld 2.0, le bench de pilotage d'ordinateur, 70,6 % contre 62,6 %. Concrètement, mon agent Opus 5 partait moins souvent en boucle stérile.

Et puis il y a le morceau qui m'a fait lever un sourcil : ARC-AGI-3, le bench de raisonnement sur problèmes inédits. Opus 5 marque 30,2 %, Sol 7,8 %. Presque quatre fois plus. Ce n'est pas du code, c'est de la logique brute face à un problème jamais vu — exactement le genre de situation où un modèle se casse les dents sur un bug tordu qui ne ressemble à rien de connu. Sur une nuit de galère avec un deadlock que je ne comprenais pas, c'est Opus 5 qui a fini par voir le truc.

Là où GPT-5.6 Sol reprend la main

Pas de match à sens unique, sinon je n'écrirais pas un comparatif. Sol garde deux cartes solides. La première : DeepSWE 1.1, où il mène à 73 %. C'est un profil de tâches plus « pose-toi et code une fonction propre » que « pilote un chantier de 40 fichiers ». Sur des tâches unitaires bien cadrées, Sol reste redoutablement efficace, et souvent plus rapide à répondre.

La seconde : HealthBench Professional, 60,5 %, devant Opus 5. Si votre métier touche au médical, au paramédical ou à la donnée de santé, Sol a un vrai avantage documenté sur ce terrain précis. Pour un dev de SaaS santé, ça pèse.

Dernier point pour Sol : le contexte, marginalement plus grand (1,05 M contre 1 M). Sur des monorepos énormes, ça se compte en dizaines de milliers de tokens en plus. Anecdotique pour la plupart des PME, décisif pour trois ou quatre boîtes.

Combien coûte Opus 5 en France, et son mode effort

Question que tout dirigeant me pose : combien ça pique vraiment. En dehors de l'abonnement Claude classique, l'API Opus 5 se paie à l'usage, 5 $/25 $ le million de tokens entrée/sortie. Anthropic propose un fast mode à 10 $/50 $ pour environ 2,5× de vitesse — utile quand un dev attend devant l'écran, superflu pour un batch de nuit.

Le vrai levier d'économie, c'est le toggle d'effort par requête : low, medium, high. Sur du boilerplate ou de la petite correction, je passe en low et je divise ma conso de raisonnement. Je réserve le high aux bugs vicieux et à l'archi. Bien réglé, ça change la facture mensuelle plus que le prix affiché au token.

Côté Sol, le tarif de sortie à 30 $ combiné à un usage agentique gourmand fait grimper l'addition plus vite. Pour un même volume de tickets traités, mon estimation sur trois jours donne un avantage net à Opus 5 sur le coût par tâche livrée. On avait déjà vu cette logique se dessiner sur la génération précédente dans notre comparatif Sonnet 5 vs GPT-5.5 : Anthropic pousse fort sur le rapport perf/prix.

Le piège d'accès de GPT-5.6 Sol pour une PME européenne

Voilà le point que les tableaux de benchmarks ignorent, et qui devrait faire réfléchir tout responsable IT en France. GPT-5.6 Sol n'est pas arrivé comme un modèle normal. Il a été lancé sous verrou gouvernemental américain, accessible à environ 20 organisations individuellement approuvées par le gouvernement US, sans liste d'attente publique, à la demande du bureau du National Cyber Director de la Maison-Blanche, comme l'ont rapporté CNBC et Fox News.

L'accès s'est depuis élargi au public, mais l'épisode n'est pas anodin. Il arrive quelques semaines après que la même administration a utilisé l'autorité de contrôle des exportations pour couper Claude Fable 5 et Mythos 5 — du jour au lendemain, pour tout le monde. Proton alertait d'ailleurs sur le risque que ces restrictions font peser sur les entreprises européennes. On avait décortiqué le mécanisme dans notre article sur le lancement sous décret de GPT-5.6 Sol.

Opus 5 n'est pas magiquement à l'abri — Anthropic a subi le même bâton avec Fable 5. Mais à la date où j'écris, Opus 5 est disponible sans gate spécifique, avec un cutoff plus récent et un historique d'accès plus stable ces dernières semaines. Pour une PME qui veut du prévisible, ça compte autant qu'un point de SWE-bench.

Mon retour terrain après trois jours

Trois jours, c'est court, je ne vais pas vous vendre un verdict gravé dans le marbre. Mais quelques trucs sont déjà nets.

Ce qui m'a bluffé avec Opus 5 : la ténacité sur les chantiers longs. Je lui ai confié une migration d'une couche d'auth maison vers un provider externe, 30-plus fichiers touchés. Il a tenu le fil sur toute la session sans perdre le contexte des décisions prises 40 minutes plus tôt. Sol, sur la même tâche, a fait du bon travail par blocs mais m'a rejoué deux fois une correction déjà appliquée.

Ce qui n'a pas marché, et ça m'a agacé : Opus 5 en effort high a une tendance à sur-réfléchir des trucs triviaux. Je lui demande de renommer une variable dans trois fichiers, il me sort un plan en cinq étapes avec justification. J'ai perdu une bonne demi-heure cumulée sur la journée à couper court à des raisonnements dont je n'avais pas besoin, avant de comprendre qu'il fallait juste baisser l'effort. Sol, lui, exécute plus sec sur ce genre de micro-tâche — et parfois c'est exactement ce qu'on veut.

L'autre nuance : la vitesse. Hors fast mode, Opus 5 en high prend son temps. Quand j'itère vite en pair-programming, ce délai casse le rythme. Sol répond souvent plus vite sur les tâches courtes. Donc non, Opus 5 n'est pas « meilleur » sur toute la ligne — il est meilleur là où la difficulté est réelle.

Verdict : lequel pour votre équipe

Si votre quotidien c'est du dev agentique costaud — refacto multi-fichiers, agents autonomes, debug tordu, archi — Opus 5 est aujourd'hui le meilleur pick unique, et en prime il vous coûte moins cher en sortie. C'est mon défaut désormais pour les nouveaux projets.

Si vous faites beaucoup de tâches unitaires cadrées, que la vitesse de réponse prime, ou que vous êtes déjà tout OpenAI avec des intégrations en place, Sol reste un excellent modèle et le coût de migration n'est pas forcément justifié par 15 points de bench que vous ne verrez pas tous les jours. Et si vous bossez dans la santé, HealthBench penche pour Sol.

Le point qui tranche pour beaucoup de PME françaises, au-delà du code : la question de l'accès. Un flagship qui a été gaté par Washington quelques semaines n'inspire pas la même sérénité pour du long terme. À perf comparable, la prévisibilité, elle, ne se benche pas — mais elle se paie cher le jour où elle manque.