GPT-6.1 Terra Pro vs GPT-6.1 Sol : choisissez selon la tâche, pas selon la grille tarifaire

GPT-6.1 Terra Pro versus GPT-6.1 Sol est le duel que les gens recherchent, mais un seul côté de ce nom est réel : le modèle d’OpenAI est GPT-6.1 Terra, et « Pro » est un libellé de forfait ChatGPT, pas une variante. La comparaison qui compte est celle de GPT-6.1 Terra face à GPT-6.1 Sol, deux modèles de la même génération avec la même fenêtre de contexte de 1,05 million de tokens, le même plafond de sortie de 128 000 tokens et un écart de prix de deux pour un. La question utile n’est pas de savoir lequel est meilleur. C’est de savoir lequel est meilleur pour le travail que vous êtes sur le point de lui confier.

Cette formulation change la réponse. Sur l’indice indépendant, Sol a quatre points d’avance. Sur le prix, Terra est deux fois moins cher. Sur la vitesse, Terra est plus de trois fois plus rapide selon la mesure d’OpenAI elle-même. Aucun de ces trois faits ne détermine à lui seul l’issue de la comparaison, car chacun correspond à une partie différente d’une charge de travail : la qualité, le coût et la latence. Le modèle qui l’emporte dépend de ce qui manque réellement à votre tâche parmi ces éléments.

La réponse courte

Si le travail consiste en un agent de navigateur ou de bureau qui clique dans des applications, un pipeline de remplissage de formulaires, une file de factures, un dessin technique qui doit devenir un modèle, ou un document qui doit être rédigé clairement à partir d’éléments fournis, commencez par GPT-6.1 Terra. Si le travail est une longue refactorisation, une fonctionnalité répartie sur plusieurs fichiers, une session de débogage difficile, un document professionnel dense ou une tâche de recherche qui dure des heures, commencez par GPT-6.1 Sol. Si vous avez besoin du niveau payant le plus rapide vendu par OpenAI, Sol est le seul des deux à proposer une option Ultrafast.

C’est là la forme de la chose. Le reste de ce texte, ce sont les preuves, les endroits où la forme se brise, et les paramètres qui peuvent faire basculer la réponse.

Deux modèles, deux fonctions

Le mandat de GPT-6.1 Terra, c’est la journée de travail : raisonnement visuel, contrôle de l’ordinateur et une écriture qui donne l’impression qu’une personne l’a rédigée à partir de documents fournis par quelqu’un. L’annonce d’OpenAI cite la rédaction de propositions, l’interprétation de dessins techniques, le remplissage de formulaires et le montage vidéo. Le mandat de GPT-6.1 Sol, ce sont les tâches plus difficiles et plus longues : le codage proche d’Astra et les documents professionnels, OpenAI recommandant Sol ou Astra pour les tâches de codage les plus complexes, même dans l’article de lancement de Terra.

Ted Sanders, d’OpenAI, cité dans la couverture du jour du lancement, a formulé ce compromis plus franchement : Terra est meilleur qu’Astra et Sol pour la communication technique, comparable sur la vision et l’utilisation d’un ordinateur mais beaucoup plus rapide, et un peu moins bon sur la plupart des autres aspects. Il s’agit d’une description de fournisseur plutôt que d’un constat indépendant, et elle est utile parce qu’elle nomme le compromis au lieu de le masquer.

Les deux modèles partagent la même structure : 1,05 million de tokens de contexte, 922 000 d’entrée maximale, 128 000 de sortie maximale, entrée texte et image, les points de terminaison Chat Completions et Responses, et aucun fine-tuning. Les différences résident dans la date de coupure des connaissances (Terra : 1er juin 2026 ; Sol : 30 avril 2026), le seuil minimal de raisonnement (Terra n’en accepte aucun ; Sol commence à faible), le niveau de vitesse (Sol dispose d’Ultrafast ; Terra non) et la grille tarifaire.

Là où les benchmarks divergent

Artificial Analysis en donne la lecture indépendante la plus claire : 48 pour Terra à effort maximal contre 52 pour Sol, avec des rangs de 25e et 13e sur 221, et 0,40 $ contre 0,72 $ par tâche de l’indice. Quatre points d’indice, c’est un écart réel, mais c’est le genre d’écart qu’une évaluation spécifique à une tâche peut effacer dans un sens ou dans l’autre.

• Indice global — Terra 48 vs Sol 52 (Artificial Analysis).

• Coding Agent Index v2.0 — Terra 48 contre Sol 54, avec GPT-6 Luna à 31 (Artificial Analysis).

• Terminal-Bench 4.0 — Terra 50,3 % à effort maximal ; OpenAI n'a publié aucun chiffre pour Sol lors du lancement de Terra (selon le fournisseur).

• Terminal-Bench-Science 0.1 — OpenAI affirme que Terra, à effort maximal, dépasse Sol à un coût inférieur et arrive à cinq points près de Claude Opus 5.5 pour moins d'un cinquième du coût estimé (données déclarées par le fournisseur, et l'affirmation la plus surprenante du lancement).

• Examen d'analyse de données Plotly — Terra 40/43, Sol 43/43, Luna 38/43, à 1,31 $ contre 2,61 $ pour l'examen ; Terra a été le modèle le plus rapide à atteindre 40 ou plus, à environ 15 secondes par question (évaluation par un tiers).

• OSWorld 2.1 — OpenAI affirme que Terra avec un effort moyen dépasse le meilleur score de GPT-5.6 Terra pour une fraction du coût, mais n’a publié aucun chiffre de comparaison directe avec Sol ; l’affirmation sur l’utilisation de l’ordinateur qui compte le plus pour le positionnement de Terra est donc celle qui dispose des preuves les moins directes.

Lisez cette liste comme une carte de l'endroit où se situent les quatre points. L'avantage de Sol se concentre sur le codage et le raisonnement à long terme. L'avantage de Terra réside dans la vitesse, le prix et une date de coupure plus récente. Sur le seul benchmark qu'OpenAI a choisi de publier face à Sol directement, Terminal-Bench-Science 0.1, Terra l'emporte à moindre coût, ce qui constitue soit une véritable surprise, soit un effet de sélection du benchmark. Personne en dehors d'OpenAI ne l'a reproduit.

Le réglage de l’effort détermine davantage que le modèle.

Les deux modèles exposent un paramètre d’effort de raisonnement, et ce réglage peut coûter plus cher que le choix du modèle. Le plancher de Terra est none, ce qui le rend inhabituellement bon marché pour l’extraction et la classification ; le plancher de Sol est low, donc un appel à Sol implique toujours un certain coût de raisonnement. À l’extrémité haute, Terra en xhigh peut consommer plus de tokens et coûter plus cher que Sol en low tout en obtenant de moins bons résultats sur la même tâche, une observation que des commentateurs de Hacker News ont faite dans les heures suivant le lancement. Nous ne l’avons pas mesuré nous-mêmes, et c’est arithmétiquement plausible : l’effort modifie le nombre de tokens de façon multiplicative, tandis que l’écart de prix n’est que de 2×.

La règle pratique consiste à fixer l’effort par l’évaluation, et non par habitude. Faites passer cinquante tâches réelles dans les deux modèles à deux niveaux d’effort, fixez un seuil de qualité, puis choisissez la combinaison la moins coûteuse qui le franchit. Comparer Terra et Sol à effort nominal identique est l’erreur la plus courante dans cette confrontation, et celle qui risque le plus de produire une mauvaise réponse.

Ce que coûte une tâche terminée

Entrée — Terra à 1,00 $ le million de tokens contre Sol à 2,00 $.

• Entrée mise en cache — 0,05 $ vs 0,10 $.

• Sortie — $5.00 vs $10.00.

Écritures dans le cache — 1,25 $ avec une rétention de 30 minutes ou 2,50 $ avec une rétention de 12 heures pour Terra ; 2,50 $ pour Sol.

• Invites longues — au-delà de 272 000 jetons d’entrée, l’entrée et le cache sont facturés au double, et la sortie à 1,5 fois, pour toute la requête.

• Coût mesuré par tâche d’indexation — 0,40 $ pour Terra contre 0,72 $ pour Sol, soit une économie de 44 % plutôt que les 50 % que laisse entendre la grille tarifaire, car Terra peut consommer plus de jetons à effort maximal.

Un exemple concret avec des hypothèses simplifiées : 2 000 tokens d’entrée et 500 tokens de sortie par document, sans cache. Terra coûte 0,002 $ pour l’entrée plus 0,0025 $ pour la sortie, soit 0,0045 $ par document. Sol coûte 0,009 $. Un million de documents revient à 4 500 $ contre 9 000 $. Si la moitié de l’entrée est mise en cache, le coût d’entrée de Terra est de nouveau réduit de moitié ; celui de Sol diminue dans la même proportion, donc le rapport reste inchangé. L’écart ne se creuse que là où le réglage none de Terra est utilisable, et se resserre là où Sol termine la tâche avec moins de tokens.

L'accès fait partie de la comparaison

Terra est disponible dans l’API et dans ChatGPT Work et Codex avec les forfaits Plus, Pro, Enterprise et Edu ; l’annonce d’OpenAI ne mentionne pas le sélecteur Chat principal. Sol est disponible dans l’API et dans ChatGPT, et c’est le seul des deux à proposer un mode Ultrafast ; les deux proposent Fast au double du prix standard. Avec un forfait Pro 500, Ultrafast consomme l’usage inclus à huit fois le taux standard et les crédits achetés à six fois, donc « plus rapide » est autant une décision de facturation qu’une question de latence.

Du côté du routage, l’asymétrie est simple. GPT-6.1 Sol figure dans le catalogue OrcaRouter au prix catalogue, 2 $ en entrée et 10 $ en sortie, sans majoration, de sorte qu’une modification tarifaire du fournisseur est répercutée selon les mêmes conditions. GPT-6.1 Terra n’est pas encore au catalogue au 27 octobre, donc les appels à Terra doivent passer par l’API propre à OpenAI ; c’est un fait concernant le catalogue actuel, pas une position définitive. Le basculement automatique entre les modèles que nous proposons est la raison de garder une seconde branche configurée même lorsqu’un modèle est clairement moins cher.

Une règle de sélection que vous pouvez appliquer cette semaine

• Classez la tâche selon ce qu’elle nécessite : le contrôle d’écran et la production de documents relèvent de Terra ; le code, le raisonnement long et la recherche dense relèvent de Sol.

• Fixez un seuil de qualité sur vos propres données avant de consulter la grille tarifaire. Quatre points d’indice ne constituent pas un seuil de qualité ; votre évaluation, si.

• Testez à deux niveaux d'effort, pas un seul. Terra à none face à Sol à low est une comparaison différente de Terra à max face à Sol à max.

• Facturez la tâche terminée, y compris les nouvelles tentatives et les appels d’outils. Le calcul par jeton sous-estime le modèle qui a besoin de plus de tours.

• Gardez le perdant comme bras de secours. Le modèle le moins cher qui est limité en débit n’est pas bon marché.

Si vous passez par OrcaRouter, cette dernière étape relève de la configuration plutôt que du code : une seule clé, une règle de routage par classe de tâche et un basculement automatique lorsqu’un fournisseur se dégrade. Les deux modèles peuvent se trouver derrière le même point de terminaison une fois Terra pris en charge ; aujourd’hui, seul Sol l’est.

Qu’est-ce qui changerait la réponse ?

Trois choses. Une évaluation indépendante du codage qui placerait Terra près de Sol ferait s'effondrer la principale raison de payer le double. Un comparatif OSWorld 2.1 publié trancherait la question de l'utilisation de l'ordinateur qu'OpenAI a laissée implicite. Et un référencement de Terra parmi les routeurs rendrait l'histoire du basculement réelle plutôt qu'aspirationnelle. D'ici là, la valeur par défaut défendable est Terra pour le volume et le travail à l'écran, Sol pour le code et le raisonnement long, et une évaluation entre les deux plutôt qu'un slogan.