GPT 5.6 Sol vs Fable : mes tests de coding agents sans bullshit

GPT 5.6 Sol est une énorme upgrade.

Pas une petite amélioration qu'on essaie de vendre avec trois graphiques et une flèche verte.

Sur plusieurs tests, j'ai obtenu de meilleurs one-shots, des interfaces plus cohérentes et des simulations franchement impressionnantes.

Mais non, il n'a pas enterré Fable partout.

Sur un éditeur visuel poli après plusieurs itérations, Fable reste capable de gagner. Et le mode Ultra peut être plus lent, consommer davantage ou simplement partir à côté du brief.

Donc la vraie question n'est pas "quel modèle est le meilleur ?"

C'est : quel modèle je route vers quelle tâche ?

Mon routage pratique : commence par le résultat attendu, puis choisis GPT 5.6 Sol, Ultra ou Fable selon le type de tâche et le besoin d'itération.

Les benchmarks donnent une piste, pas un verdict

Dans la vidéo, je montre un graphique où GPT 5.6 Sol est affiché à 73 % pour environ 8 dollars par tâche, contre 70 % et environ 13 dollars pour Fable.

Ce sont les chiffres montrés dans la vidéo.

Pas une loi universelle.

Le benchmark, son protocole, les réglages et le type de tâche peuvent changer la conclusion. Je ne vais donc pas prétendre que ton prochain refactor coûtera exactement 8 dollars ou que Sol sera toujours trois points devant.

Ce que le graphique suggère, c'est que GPT 5.6 peut offrir un rapport résultat/coût très agressif.

Ce que mes tests vérifient, c'est plus concret : est-ce que l'application fonctionne, est-ce que l'interface comprend le brief, et combien d'itérations il faut avant d'avoir un truc utilisable ?

Sol et Ultra sont devenus très forts en one-shot

Sur le timezone picker, GPT 5.6 Sol produit déjà une application utilisable avec une structure de code plutôt propre.

Le mode Ultra va plus loin.

Il affiche mieux les décalages de jour, ajoute des détails utiles comme le +1, sépare davantage les composants et ajoute même des tests.

Sur la simulation de crash, Ultra comprend aussi mieux la mise en scène. La caméra suit la voiture, le zoom accompagne l'impact et les données restent visibles. La physique n'est pas parfaite : une hitbox finit par casser avec certains réglages.

Mais le résultat est vivant et testable.

Même chose sur la simulation d'écosystème. Le modèle livre en un prompt une application avec prédateurs, proies, réglages de vitesse et inspection des éléments.

Ce n'est pas juste une jolie carte avec trois boutons morts.

C'est là que GPT 5.6 me paraît être une upgrade stratosphérique par rapport à la génération précédente montrée dans le test.

Ultra n'est pas un bouton magique

Le piège serait maintenant de mettre Ultra partout.

Mauvaise idée.

Sur le lancement de fusée, Fable produit un canvas beaucoup plus joli. La version Ultra reprend des habitudes visuelles déjà vues ailleurs et la fusée change de taille de façon peu convaincante.

Il n'y a même pas débat sur ce test : Fable est meilleur.

Sur l'éditeur de dessin, une exécution GPT 5.6 tourne encore après 1 h 20 alors que la comparaison Fable affichée dans la vidéo avait terminé en 58 minutes. Une autre tentative Ultra ne suit pas correctement la demande et je finis par l'arrêter.

Plus de réflexion ne garantit donc ni plus de vitesse, ni plus de fidélité au brief.

Ultra vaut le coup quand une erreur de raisonnement coûte cher ou quand la simulation demande beaucoup de cohérence.

Pas quand tu veux juste faire briller le sélecteur de modèle.

Fable peut gagner après itération

Le test le plus honnête est l'éditeur de dessin.

GPT 5.6 sort un one-shot impressionnant : ajout de sujets, redimensionnement, formes, dessin et sauvegarde. Pour un premier passage, c'est très fort.

Mais tout n'est pas propre.

La flèche est cassée. Les réglages tombent au mauvais endroit. Plusieurs boutons semblent réagir ensemble. L'interface ressemble moins à la référence demandée.

La version Fable est meilleure visuellement et plus agréable à manipuler.

Sauf qu'elle n'a pas été obtenue en one-shot.

Je l'ai travaillée sur plusieurs itérations.

C'est une nuance énorme : GPT 5.6 gagne le premier jet, Fable peut gagner le produit poli. Comparer uniquement les captures finales sans compter le nombre de passes serait malhonnête.

Mes règles pour choisir le bon modèle

Je ne choisis plus un modèle comme une équipe de football.

Je regarde la tâche.

• Je veux un bon premier résultat rapidement : je commence par GPT 5.6 Sol.
• La tâche demande une simulation, des tests ou un raisonnement plus profond : j'essaie Ultra, puis je vérifie qu'il respecte encore le brief.
• Je dois polir une UX d'éditeur ou un canvas visuel : je garde Fable dans la boucle et j'accepte plusieurs itérations.
• Ultra ralentit ou part dans la mauvaise direction : je l'arrête. Le badge premium n'a pas d'autorité morale.
• Le modèle bloque ou fallback sur une tâche légitime : je route ailleurs au lieu de relancer vingt-cinq fois la même chose.
• Deux résultats semblent proches : je compare le coût en itérations, pas seulement la première capture.

Ma checklist avant de garder un résultat :

• l'action principale fonctionne vraiment ;
• le responsive n'a pas été oublié ;
• les données affichées sont cohérentes ;
• les contrôles ne se chevauchent pas ;
• les cas extrêmes ne cassent pas immédiatement la démo ;
• le code reste modifiable après le wow effect ;
• le résultat répond au brief, pas à un brief inventé par le modèle.

Si un modèle échoue trois fois sur ces points, je change de modèle.

Je ne développe pas une relation toxique avec un dropdown.

Les limites de ce comparatif

Je n'ai pas exécuté des dizaines de projets sur chaque variante.

Je n'ai pas testé Terra ni Luna dans cette série.

Les exemples ne sont pas tous arrivés au même niveau d'itération, les durées observées ne constituent pas un benchmark contrôlé et certains essais Fable ont été compliqués par des fallbacks ou des blocages.

Le rendu visuel reste aussi une affaire de goût.

Donc mon verdict est simple, mais pas absolu.

GPT 5.6 Sol est une énorme upgrade et, dans ces tests, il donne souvent le meilleur rapport entre one-shot, qualité et usage. Ultra peut produire le meilleur résultat de la série, puis rater le brief suivant. Fable reste redoutable quand le travail demande du polish visuel et plusieurs passes.

Choisis le modèle pour la tâche.

Pas pour son logo.

La vidéo complète

Je te montre les interfaces, les simulations, les ratés et les comparaisons en direct ici.

Si tu veux construire ton propre workflow de coding agents, commence ici : https://mlv.sh/Nuj1A3n.