GPT-6.1 Terra arrive à moitié prix, avec 37 points d'erreur en moins et aucun modèle phare en vue

OpenAI a lancé GPT-6.1 Terra le 26 octobre 2026, à 1 dollar par million de tokens d'entrée et 5 dollars par million de tokens de sortie — soit la moitié du prix de GPT-5.6 Terra sur les deux axes, et la moitié du prix de GPT-6.1 Sol quatre semaines après le lancement de ce modèle. Le chiffre qui sera le plus cité est celui de la fiabilité : lors du test interne d'OpenAI sur les invites génératrices d'erreurs, les erreurs à faible effort de raisonnement sont passées de 53,6 % à 16,7 %. Le chiffre qui sera le moins cité est que Terra reste à quatre points derrière Sol sur l'indice indépendant Artificial Analysis. Les deux sont vrais, et l'espace entre eux résume toute l'histoire de cette sortie.

Cet écart compte au vu de ce qui avait été prédit. Lorsque ce modèle n’était encore qu’une chaîne dans une pull request du harnais d’évaluation de Microsoft, nous avions écrit le 20 octobre qu’un modèle intermédiaire moins cher devrait descendre sous 2 $ en entrée et 10 $ en sortie pour avoir du sens, et que les affirmations selon lesquelles il surpassait Sol relevaient de l’arithmétique, pas de preuves. La moitié « prix » de cette prédiction s’est vérifiée presque exactement : 1 $/5 $, proche du 1 $/4 $ que nous jugions plausible. La moitié « performance », non. Terra surpasse clairement son prédécesseur et ne surpasse Sol nulle part là où cela a été mesuré de manière indépendante.

Ce qu'OpenAI a annoncé, par ordre d'importance

La spécification ci-dessous provient de la documentation des modèles d'OpenAI, consultée le 27 octobre. Les affirmations de performance de la section suivante sont celles d'OpenAI et sont signalées comme telles tout au long du texte.

• Prix — 1 $ par million de tokens d'entrée, 5 $ par million de tokens de sortie, 0,05 $ pour l'entrée mise en cache, contre 2 $/12 $ pour GPT-5.6 Terra et 2 $/10 $ pour GPT-6.1 Sol.

• Contexte — 1 050 000 tokens, entrée maximale 922 000, sortie maximale 128 000. Identique aux deux prédécesseurs ; il ne s’agit pas d’une version liée à la fenêtre de contexte.

• Date limite des connaissances — 1er juin 2026, contre le 16 février 2026 sur GPT-5.6 Terra.

• Effort de raisonnement — none, low, medium (par défaut), high, xhigh, max. À noter pour le réglage « none » : GPT-6.1 Sol ne le propose pas, Terra dispose donc d'un palier tarifaire de moins que Sol.

• Modalités — texte et image en entrée, texte en sortie. Pas d'audio, pas de vidéo.

• Points de terminaison — Chat Completions, Responses et Batch. L’appel d’outils nécessite l’API Responses. Pas de fine-tuning, pas de Realtime, pas d’Assistants.

• Modificateurs de coût — batch et flex sont 50 % inférieurs au tarif standard ; le mode rapide est à 2× le standard ; le traitement régional entraîne une majoration de 10 % là où il est proposé. Les requêtes dépassant 272K tokens d’entrée sont facturées à 2× les tarifs d’entrée et de cache, plus 1,5× la sortie pour toute la requête.

Le déploiement de ChatGPT est plus restreint que celui de l’API. Terra est disponible avec les offres Plus, Pro, Business, Enterprise et Edu, dans ChatGPT Work et Codex, sélectionnable depuis le menu Advanced de l’application de bureau et sur Work pour le web, Work le prenant également en charge sur mobile. Il n’est explicitement pas disponible dans ChatGPT Chat et ne prend pas en charge la résidence d’inférence aux Émirats arabes unis (UAE). L’accès Enterprise dépend toujours de la disponibilité de l’espace de travail et des contrôles administrateur. Si votre modèle mental d’un lancement OpenAI est « il apparaît dans la zone de chat », ce n’est pas le cas ici.

L’affirmation en 37 points est réelle, mais plus restreinte qu’elle n’en a l’air.

Le résultat phare d'OpenAI est une baisse des erreurs sur des invites conçues pour induire des erreurs — un test que l'entreprise mène en interne, n'a pas publié et que personne à l'extérieur n'a reproduit. À faible effort de raisonnement, le taux d'erreur est passé de 53,6 % sur GPT-5.6 Terra à 16,7 % sur Terra. À effort maximal, l'entreprise rapporte une baisse supplémentaire de 18 points à 4,3 %, qu'elle décrit comme proche de GPT-6 Astra et GPT-6.1 Sol.

Lisez ceci attentivement. Le chiffre de 37 points ne signifie pas « 37 % d’erreurs en moins sur votre travail ». Il s’agit d’un écart de 37 points sur un jeu interne construit de manière adversariale, au réglage d’effort le plus bas, face à un modèle en cours de retrait de certains canaux de distribution. Le résumé honnête, c’est que le plancher de Terra est devenu bien moins gênant. Savoir si son plafond a atteint celui de Sol est une autre question, et le test interne ne peut pas y répondre, car le score de Sol à ce même test n’est cité que comme « proche ».

Le reste des affirmations publiées d'OpenAI, toutes menées par le fournisseur :

• Terminal-Bench 4.0 — 50,3 % résolus à effort maximal sur Terra, contre 21,5 % pour GPT-5.6 Terra. Plus du double, et la plus forte progression d’une génération à l’autre de cette version.

• Agents' Last Exam — 15 points de pourcentage de plus que GPT-5.6 Terra en effort moyen, pour environ un tiers du coût.

• MMMU-Pro — surpasse GPT-5.6 Terra à chaque niveau de raisonnement et s'approche d'Astra et de Sol, sans qu'aucun score numérique ne soit publié.

• Terminal-Bench-Science 0.1 — à moins de 5 points de Claude Opus 5.5 pour moins d’un cinquième du coût estimé.

• Vitesse — le communiqué de lancement décrit Terra comme nettement plus rapide qu'Astra et Sol. Artificial Analysis n'avait pas publié de chiffre mesuré de débit pour ce modèle au moment de notre vérification ; il faut donc considérer « plus rapide » comme une affirmation tant que personne ne l'a testé.

Scores indépendants : six points de plus que son prédécesseur, quatre de moins que Sol

Artificial Analysis classe GPT-6.1 Terra à un indice d’intelligence de 48, au 25e rang sur 221 modèles, à 0,40 $ par tâche d’indice. Sur le même classement en direct, GPT-5.6 Terra se situe à 42 (53e, 1,40 $ par tâche) et GPT-6.1 Sol à 52 (13e, 0,72 $ par tâche). Ces comparaisons ne sont valables que les unes par rapport aux autres dans leur version actuellement publiée — l’indice est périodiquement renormalisé, et des articles plus anciens citent des nombres absolus différents pour les mêmes modèles.

Trois choses en découlent. Premièrement, Terra est une véritable amélioration par rapport à son prédécesseur : six points d’indice pour moins d’un tiers du coût par tâche. Deuxièmement, il ne bat pas Sol, ce que la couverture d’avant-lancement laissait entendre possible. Troisièmement, et c’est le moins discuté, le coût par tâche terminée de Terra est le plus bas des trois — 0,40 $ contre 0,72 $ pour Sol — un chiffre plus utile que le prix par token, car il intègre le nombre de tokens que le modèle consomme pour parvenir à une réponse.

L'écart de vitesse mesuré est celui qui joue en sens inverse. GPT-5.6 Terra est annoncé à 137 jetons de sortie par seconde et 111,75 secondes avant le premier jeton ; GPT-6.1 Sol à 65,9 jetons par seconde et 325,58 secondes. Si Terra est réellement le plus rapide des trois, il hérite de la couronne de la latence en même temps que de celle du prix, et c'est cette combinaison — et non l'intelligence brute — qui compte réellement pour un pipeline d'utilisation informatique ou de traitement documentaire.

Là où le « moitié prix » survit, et où il cesse discrètement d'être vrai

Une charge de travail de niveau standard de 100 000 jetons d’entrée et de 5 000 jetons de sortie coûtait 0,26 $ sur GPT-5.6 Terra et coûte 0,125 $ sur GPT-6.1 Terra — soit une économie de 52 %, légèrement supérieure au chiffre annoncé, car la sortie représentait le poste le plus coûteux de l’ancienne grille tarifaire.

Le multiplicateur de contexte long n’annule pas la remise, car il s’applique aux deux modèles : au-delà de 272 K tokens d’entrée, Terra facture 2 $ en entrée et 7,50 $ en sortie pour l’ensemble de la requête, GPT-5.6 Terra à 4 $ et 18 $. Une requête de 400 K en entrée et 4 K en sortie coûte 0,83 $ contre 1,67 $. Toujours moitié prix.

Là où l’arithmétique change, c’est en mode rapide. Terra à 2× le tarif standard est à 2 $/10 $ — précisément le prix catalogue standard de GPT-6.1 Sol, pour un modèle inférieur de quatre points d’indice. Si votre charge de travail a besoin de la vitesse de Terra et que vous payez le multiplicateur du mode rapide, l’argument prix en faveur de Terra face à Sol disparaît, et la seule question qui reste est de savoir si la sortie de Terra est suffisamment bonne pour la tâche. Batch et flex, c’est l’inverse : une remise de 50 % amène Terra à 0,50 $/2,50 $, soit le tarif généraliste compétent le moins cher de la grille tarifaire d’OpenAI et la configuration que la plupart des pipelines à gros volume devraient tester en premier.

Ce que cela signifie si vous faites du routage de modèles pour gagner votre vie

Une note d'honnêteté avant la note produit : GPT-6.1 Terra ne figure pas au catalogue d'OrcaRouter au moment de la rédaction. Notre catalogue répertorie 214 modèles, dont GPT-5.6 Terra, GPT-6.1 Sol, GPT-6 Astra et GPT-6 Luna, mais pas celui-ci — donc quiconque vous affirme qu'il achemine Terra aujourd'hui va soit plus vite que la documentation du fournisseur lui-même, soit fait des suppositions.

Ce qui vous reste, c’est une décision en deux parties qu’OrcaRouter rend réellement moins coûteuse. Les deux bras de comparaison sont déjà opérationnels : GPT-5.6 Terra à son tarif catalogue de 2 $/12 $ et GPT-6.1 Sol à 2 $/10 $, sur une seule clé, avec 0 % de marge au-dessus du prix catalogue du fournisseur. C’est plus important que d’habitude ici, car la question intéressante n’est pas « Terra est-il meilleur que Sol » dans l’absolu, mais « à partir de quel moment les 0,40 $ par tâche de Terra cessent de battre les 0,72 $ de Sol sur mon trafic ». Vous pouvez dès aujourd’hui mesurer le bras Sol de notre côté et y maintenir l’échelle de repli pendant que Terra est testé directement contre l’API d’OpenAI. Si vous transférez ensuite la charge de travail, le basculement automatique en cas d’échec fait qu’une mauvaise journée chez un fournisseur ne devient pas une mauvaise journée pour votre produit.

La position inconfortable dans la file d’attente

La critique la plus acérée de cette version ne porte pas sur les benchmarks. C’est que Terra occupe un segment que ses propres modèles frères ont comprimé. Les commentateurs de Hacker News ont passé le lancement à soutenir que Terra au niveau d’effort xhigh coûte plus cher que Sol à faible effort tout en obtenant de moins bons scores, ce qui fait de « choisir le modèle le moins cher » une règle bien moins évidente que ne le laisse penser la grille tarifaire. D’autres ont fait remarquer que GPT-6.1 Sol égale déjà l’ancien Astra sur certains travaux, et ont demandé ce qui reste à un modèle de milieu de gamme quand la gamme en dessous continue d’absorber des capacités.

La réponse d'OpenAI tient à la forme de la charge de travail plutôt qu'au rang au benchmark : documents courants, captures d'écran, formulaires, dessins techniques, automatisation du navigateur et du bureau, rédaction et édition — des tâches à fort volume où le modèle doit être fiable et rapide, et non le plus intelligent possible. C'est une véritable catégorie, et la réduction des erreurs de 37 points la vise directement. C'est aussi une catégorie où un déficit de quatre points d'indice par rapport à Sol est sans importance, alors qu'une économie de 0,32 $ par tâche pour mille appels ne l'est pas.

Deux points à surveiller. OpenAI n’a pas publié de date d’arrêt pour gpt-5.6-terra, même si la documentation tierce le signale déjà comme obsolète et que GitHub Copilot le retire le 16 novembre 2026, avec GPT-6.1 Sol ou GPT-6 Luna désignés comme cibles de migration — pas Terra. Et GPT-6.1 Astra n’est pas encore disponible ; tant que ce n’est pas le cas, le haut de cette famille reste GPT-6 Astra, un modèle auquel Terra est désormais explicitement comparé, pour un dixième du prix par token.

Si votre travail est à fort volume et bien spécifié, l’argument en faveur du changement est solide et le coût de migration se limite à une chaîne de modèle. Si votre travail relève des 5 % les plus difficiles — codage sur un horizon long, recherche approfondie, tâches agentiques où une seule mauvaise étape ruine l’exécution — rien dans cette version ne change votre réponse, et l’écart de quatre points dans l’indice en est la raison. La baisse de prix est réelle ; elle ne raconte simplement pas une histoire de capacités.