GPT-6.1 Terra vs Gemini 4 Argon : l'un est moins cher, l'autre a plus souvent raison

Sur le benchmark comptable DualEntry publié le 26 octobre 2026, Gemini 4 Argon a obtenu 91,1 % et GPT-6.1 Terra a obtenu 78,2 % — et Terra y est parvenu en 16,1 secondes pour 4,2 cents, l'exécution la plus rapide et la moins chère de tous les modèles OpenAI de cet ensemble de 22 modèles. Cette seule ligne résume l'affrontement en miniature. Le modèle phare de Google est le meilleur moteur de jugement ; le nouveau modèle de milieu de gamme d'OpenAI est le meilleur moteur de débit ; et l'écart entre ces deux fonctions est précisément là où l'argent est réellement dépensé. Choisir entre eux sur le seul prix affiché donne une réponse erronée dans les deux sens.

Les caractéristiques techniques, côte à côte, parce que les détails comptent plus que les chiffres phares :

• Prix — GPT-6.1 Terra : 1,00 $ par million de tokens d'entrée et 5,00 $ par million de tokens de sortie, passant à 2,00 $/7,50 $ dès qu'une requête dépasse 272 K tokens d'entrée ; Gemini 4 Argon : 2,00 $/10,00 $ en tarif introductif jusqu'au 30 novembre 2026, puis 4,00 $/20,00 $.

• Contexte — Terra : 1,05 M de tokens avec un plafond de sortie de 128 K ; Argon : environ 1 M en entrée (Google n’a pas publié de chiffre ; les trackers indiquent 1 M) et jusqu’à 1 M de tokens dans une seule sortie grâce à sa fonctionnalité Long Decode Continuation.

• Entrées — Terra accepte le texte et les images ; Artificial Analysis liste les deux mêmes modalités pour Argon, tandis que l’annonce de Google et ses benchmarks de vidéos longues indiquent également une entrée vidéo.

• Contrôle du raisonnement — Terra expose six niveaux d’effort ; Argon en expose trois.

• Date limite des connaissances — Terra : juin 2026 ; Argon : mars 2026.

• Indice d’intelligence indépendant — Terra 48, Argon 53, sur l’échelle actuelle d’Artificial Analysis.

L’écart de prix que tout le monde cite n’est pas le bon

La couverture du lancement le présente comme un écart de prix d’un facteur deux : $1/$5 contre $2/$10. Cela n’est vrai que pendant la fenêtre de lancement d’Argon, et uniquement par token. Après le 30 novembre, le prix de sortie quadruple par rapport à Terra, et ne double pas. Et on ne paie pas le travail d’un agent au token.

Artificial Analysis place Terra à environ 0,40 $ par tâche de l’Intelligence Index et Argon à 1,62 $ — un écart d’un facteur quatre, et non d’un facteur deux. La cause tient surtout à la grille tarifaire plutôt qu’à une verbosité incontrôlée : lors de cette même évaluation, Argon a généré 110 M de tokens de sortie contre 130 M pour Terra, si bien que Terra était en réalité le plus bavard des deux et a tout de même terminé à un quart du coût. Ce que Terra achète, c’est un token moins cher et une réponse plus rapide, pas une réponse plus courte.

Il existe une deuxième falaise que la couverture du lancement passe surtout à côté. Le prix d’entrée de 1,00 $ de Terra s’applique aux premiers 272K tokens d’une requête. Au-delà, l’entrée passe à 2,00 $ et la sortie à 7,50 $. Pour le chat et la revue de code, cela n’a jamais d’importance. Pour une revue de contrat de 600K tokens ou un balayage de dépôt sur un horizon long, le prix effectif de Terra double en cours de requête et l’écart avec Argon se resserre fortement. Prévoyez un budget pour la taille de requête que vous envoyez réellement, pas celle de la première ligne du tableau tarifaire.

Là où l’avance d’Argon est réelle, pas du marketing

L’avantage d’Argon se concentre sur les tâches où une mauvaise réponse coûte plus cher que les tokens nécessaires pour l’éviter. Le résultat de DualEntry est l’exemple public le plus clair : 91,1 % au total contre 78,2 % pour Terra, avec le plus grand écart isolé sur les comptes fournisseurs, où Argon a obtenu 84,6 % et Terra 53,8 %. Terra a terminé à égalité à la 18e place sur 22 modèles dans ce benchmark. Il était aussi le plus rapide, ce qui indique le type de modèle dont il s’agit : optimisé pour vider une file d’attente, pas pour être la dernière ligne de défense.

Le même schéma apparaît ailleurs. Sur le Vals Index, Argon occupe la tête du classement avec 68,9 %, premier sur environ 41 modèles. Sur l’Intelligence Index d’Artificial Analysis, il obtient 53 contre 48 pour Terra. Sur AA-Omniscience, son taux d’hallucination est d’environ 15 % — le plus bas mesuré parmi les modèles de pointe — tandis que GPT-6 Astra, le modèle auquel on le compare le plus souvent, se situe près de 51 %. Le taux de réponses devinées de Terra est lui-même passé de 88 % à 38 % par rapport à son prédécesseur, ce qui constitue une véritable amélioration, mais ces deux chiffres ne relèvent pas de la même mesure et ne doivent pas être soustraits l’un de l’autre. La lecture honnête est qu’Argon est le modèle le plus prudent et que Terra est celui qui s’est beaucoup amélioré, mais qui reste plus spéculatif.

La surface d'entrée d'Argon est plus large sur un axe : la vidéo. Le panneau technique d'Artificial Analysis ne liste que le texte et l'image, mais l'annonce de Google met en avant une capacité multimodale étendue et évalue la compréhension de longues vidéos sur LVBench, ce qui n'a de sens que si la vidéo est acceptée en entrée. Si votre pipeline ingère des appels enregistrés ou des captures d'écran, vérifiez les formats exacts dans la documentation de Google avant de construire une intégration autour d'eux — là où ils se vérifient, il s'agit d'une différence de capacité qu'aucun avantage tarifaire de Terra ne comble.

Là où Terra est le choix par défaut rationnel

L’argument en faveur de Terra n’est pas qu’il est plus intelligent. C’est que la majeure partie du trafic de production n’a pas besoin du modèle le plus intelligent, et Terra est remarquablement doué pour être suffisamment bon à moindre coût.

Il est rapide d’une manière qui change la conception des systèmes : 90,9 jetons de sortie par seconde selon la mesure d’Artificial Analysis, contre 80,9 pour Argon, OpenAI affirmant une réalisation des tâches environ trois fois plus rapide que son propre modèle phare. Une file de triage du support, un résumeur de journaux, un relecteur de code de première passe ou un classifieur de documents exécuté un million de fois par mois ne bénéficie pas de la marge de jugement d’Argon. Il bénéficie d’un modèle qui répond en quelques secondes à 0,40 $ par tâche au lieu de dollars par tâche.

Terra est aussi le plus contrôlable des deux. Six niveaux de raisonnement contre trois pour Argon offrent une granularité plus fine sur le seul réglage qui influe le plus à la fois sur le coût et sur la latence. Les équipes qui orientent les requêtes faciles vers un effort faible et les plus difficiles vers un effort maximal peuvent souvent atteindre, à quelques points près, la précision d’un modèle plus grand pour une fraction de sa facture. Argon vous laisse moins de marge pour cet arbitrage.

Et la date de coupure des connaissances plus récente de Terra — juin 2026 contre mars 2026 — compte pour tout ce qui doit raisonner sur des événements récents, des versions de bibliothèques ou des tarifs qui ont changé cet été. C'est un petit avantage, mais il est gratuit.

La règle de décision

N’en choisissez pas un. Les preuves soutiennent une scission, et cette scission est d’une netteté inhabituelle :

• Utilisez GPT-6.1 Terra pour les travaux supervisés à grand volume et à sortie courte où une mauvaise réponse est détectée en aval : classification, extraction, routage, génération de premières ébauches, tri des journaux et des alertes, revue de code en masse.

• Utilisez Gemini 4 Argon pour les travaux à faible volume, à long horizon et à coût d’erreur élevé : rapprochement financier et comptable, revue juridique et de conformité, agents multi-étapes utilisant des outils sans supervision, et tout ce qui nécessite une entrée vidéo, audio ou PDF.

• Utilisez Terra pour la première passe et Argon pour l’escalade sur les cas restants. L’écart de 78,2 contre 91,1 sur les travaux comptables correspond exactement au type de marge où une première passe bon marché suivie d’une vérification coûteuse bat chacun des modèles pris isolément.

• Relancez le calcul après le 30 novembre. Le passage d’Argon de 2 $/10 $ à 4 $/20 $ modifie considérablement le point de bascule, et toute comparaison rédigée pendant la période promotionnelle sera obsolète.

Comment exécuter l’un ou l’autre

La disponibilité diffère davantage que ne le suggèrent les benchmarks. Terra a été lancé le 26 octobre via l’API d’OpenAI, ChatGPT et Codex, sans poids ouverts. Argon est déployé par phases depuis son annonce du 30 septembre — d’abord auprès de cyberdéfenseurs sélectionnés via le programme Fairwind de Google, puis auprès des abonnés AI Ultra et des clients payants de l’API — et Google ne s’est pas engagé à en faire une large diffusion gratuite.

Au 27 octobre, aucun des deux modèles ne figure au catalogue d’OrcaRouter ; il ne s’agit donc pas d’un cas où nous pouvons vous fournir un point de terminaison unique pour les deux. Ce que nous pouvons vous dire, c’est comment la pile environnante est généralement construite : les équipes placent un exécuteur bon marché et un vérificateur coûteux derrière une seule API, et les modèles déjà routés — Claude Opus 5.5, GPT-6.1 Sol, Grok 4.7, et plus de 200 autres — se trouvent derrière une clé unique, avec la tarification catalogue des fournisseurs répercutée sans marge (0 %) et un basculement automatique en cas de dégradation d’un fournisseur. Si Terra ou Argon arrive au catalogue, il s’intègre à la même clé plutôt que de devenir une seconde intégration. D’ici là, testez chacun via son fournisseur et gardez la décision de routage au niveau de la tâche, là où elle doit être.

Ce qu’il faut surveiller n’est pas un nouveau graphique de benchmark. C’est le prix après promotion d’Argon et la première exécution indépendante de Terminal-Bench par Terra, qui repose actuellement sur la revendication d’OpenAI lui-même de 50,3 % contre plus de 57 % pour Argon. Si Terra se maintient près de ce chiffre à un quart du coût par tâche d’Argon, la répartition ci-dessus devient l’architecture par défaut pour de nombreuses équipes. Si elle s’écarte, la stratégie du premier passage à bas coût devient plus coûteuse qu’elle n’en a l’air.