OpenAI GPT-5.1-2025-11-13: contexte de 400k, AA Math 94.0, via OrcaRouter API
OpenAI GPT-5.1-2025-11-13 est un modèle performant de la série GPT-5 d'OpenAI, daté du 13 novembre 2025. Il prend en charge une fenêtre de contexte de 400 000 tokens et une sortie maximale de 128 000…
Le modèle excelle dans le raisonnement mathématique, comme en témoigne son score AA Math de 94.0. Il peut effectuer des calculs complexes, résoudre des problèmes à plusieurs étapes et travailler avec des concepts mathématiques avancés. Au-delà des mathématiques, il prend en charge la compréhension et la génération de langage naturel général dans tous les domaines. La capacité multimodale lui permet d'interpréter des images et des fichiers, ce qui le rend utile pour des tâches combinant des informations visuelles et textuelles, comme expliquer un graphique ou extraire des données d'un document scanné. Il prend également en charge la génération de code, la traduction, la synthèse et l'écriture créative, comme d'autres modèles de niveau GPT-5.
Bien que GPT-5.1-2025-11-13 offre des capacités élevées, son prix est plus élevé que celui de nombreux modèles alternatifs : 1,25 $ par million de tokens en entrée et 10,00 $ par million de tokens en sortie. Pour les tâches qui ne nécessitent pas la fenêtre de contexte complète de 400k tokens, le raisonnement mathématique avancé ou l’entrée multimodale, un modèle plus petit et moins cher disponible sur OrcaRouter pourrait être plus économique. Par exemple, si votre tâche est une simple classification de texte, un chat de forme courte ou un résumé standard, envisagez des modèles comme GPT-4o-mini ou Claude 3 Haiku pour réduire les coûts. De plus, si la latence est un problème, les modèles plus petits répondent généralement plus rapidement. Utilisez ce modèle pour des tâches de raisonnement à enjeux élevés ou lorsque vous avez besoin de la grande fenêtre de contexte.
Oui, le modèle accepte le mode d'entrée de fichier en plus de l'image et du texte. Les fichiers peuvent être téléchargés directement dans le cadre de la requête API, et le modèle lira et traitera leur contenu. Les types de fichiers pris en charge incluent généralement les PDF, les documents Word, le texte brut, et éventuellement les feuilles de calcul, bien que la liste exacte dépende de l'implémentation d'OpenAI. Le modèle peut extraire le texte de ces fichiers et intégrer ces informations dans son raisonnement. Cela est utile pour des tâches comme résumer un rapport PDF, répondre à des questions basées sur un article de recherche, ou analyser des données tabulaires. Cependant, le modèle peut ne pas traiter parfaitement les documents très formatés ou numérisés ; envisagez un prétraitement pour de meilleurs résultats.
Le test AA Math (Advanced Automated Math) évalue la capacité d'un modèle à résoudre des problèmes mathématiques complexes dans divers sous-domaines, notamment l'algèbre, le calcul, les statistiques et la géométrie. Un score de 94,0 indique que le modèle a correctement répondu à 94 % des questions de référence, le plaçant parmi les modèles les plus performants en raisonnement mathématique. En pratique, cela signifie que le modèle peut traiter de manière fiable des tâches mathématiques exigeantes telles que les preuves en plusieurs étapes, la résolution de problèmes appliqués et les calculs liés à la physique. Cependant, aucun modèle n'est parfait et les utilisateurs doivent vérifier les résultats critiques, en particulier pour les problèmes mathématiques nouveaux ou ouverts. Le score est basé sur un ensemble de tests spécifique et peut ne pas se généraliser à toutes les tâches du monde réel.
Les chiffres de latence exacts ne sont pas fournis dans les données disponibles, mais en général, les modèles avec de grandes fenêtres de contexte et des limites de sortie élevées ont des temps d'inférence plus longs en raison des besoins accrus en mémoire et en calcul. La vitesse réelle dépend de facteurs tels que le nombre de jetons en entrée et en sortie, la charge du serveur et l'infrastructure de l'API. L'API d'OrcaRouter fournit des points de terminaison standard compatibles avec OpenAI ; vous pouvez vous attendre à une latence de plusieurs secondes à des dizaines de secondes pour les longues générations. Les réponses en streaming peuvent réduire le délai d'obtention du premier jeton. Pour les applications sensibles à la latence, envisagez de tester d'abord avec de petites entrées, ou utilisez un modèle plus rapide et plus petit si la vitesse est critique.
Malgré son score élevé aux benchmarks mathématiques, le modèle peut encore produire des erreurs sur des problèmes rares ou extrêmement complexes, en particulier ceux nécessitant des étapes intermédiaires précises. La grande fenêtre de contexte ne garantit pas un rappel parfait des informations dès le début de l'entrée ; les modèles peuvent présenter un biais de récence. La compréhension multimodale, bien que présente, peut avoir du mal avec des images ambiguës ou de faible qualité. Le prix est plus élevé que de nombreuses alternatives, il peut donc ne pas être rentable pour des tâches simples. De plus, en tant que modèle instantané de novembre 2025, il peut ne pas intégrer les connaissances ou événements postérieurs à cette date. L'utilisation du modèle via OrcaRouter ne modifie pas ces limitations sous-jacentes.
Le prix pour ce modèle est de 1,25 $ par million de tokens d’entrée et de 10,00 $ par million de tokens de sortie. Ces tarifs sont facturés au taux du fournisseur sans aucune marge, ce qui signifie que vous payez exactement ce qu’OpenAI exige — OrcaRouter n’ajoute aucun frais supplémentaire. Cela est avantageux pour les utilisateurs qui souhaitent une tarification prévisible et transparente. Notez que les comptages de tokens incluent à la fois le prompt et la génération. Si vous utilisez une grande fenêtre de contexte de 400k tokens en entrée, le coût pour cette seule requête serait de 0,50 $ (400k tokens à 1,25 $/M). Les coûts de sortie s’ajoutent séparément. À titre de comparaison, les modèles plus petits sur OrcaRouter peuvent coûter une fraction de ce montant par token.
Le principal compromis est le coût par jeton plus élevé par rapport aux modèles plus petits. Bien que le modèle offre des capacités avancées, les utilisateurs doivent estimer les volumes typiques de jetons en entrée et en sortie pour décider si la dépense est justifiée. Par exemple, si vous générez fréquemment de longues sorties (par exemple, 50k jetons), le coût de sortie à $10/M serait de $0.50 par requête. Pour les applications à volume élevé, les coûts peuvent s'accumuler rapidement. Envisagez de mettre en cache les réponses lorsque cela est possible pour éviter un traitement répété. OrcaRouter n'offre pas de remises supplémentaires ni de niveaux spéciaux pour ce modèle ; la tarification est simple. Si le budget est serré, explorez des alternatives moins chères comme GPT-4o-mini (si disponible) ou d'autres fournisseurs sur OrcaRouter.
OrcaRouter fournit un accès API standard mais ne met pas en cache les réponses de manière inhérente ; la mise en cache relève de la responsabilité de l'utilisateur. Vous pouvez implémenter votre propre couche de cache pour les requêtes identiques afin de réduire l'utilisation de tokens et les coûts. L'API d'OrcaRouter est sans état—chaque requête est traitée indépendamment. Pour les projets de longue durée, envisagez d'utiliser des techniques de mise en cache des prompts, comme diviser judicieusement les grands contextes ou réutiliser les embeddings. Il n'y a pas de fonctionnalités de facturation spéciales comme des réductions par lot pour ce modèle. La tarification sans marge simplifie la budgétisation mais n'inclut pas d'outils d'optimisation intégrés.
Vous accédez au modèle via l'API compatible OpenAI d'OrcaRouter. Définissez l'URL de base sur https://api.orcarouter.ai/v1. Utilisez l'ID de modèle "openai/gpt-5.1-2025-11-13" dans le corps de votre requête. L'API prend en charge les paramètres standard d'OpenAI tels que messages, max_tokens, temperature, top_p, etc. Par exemple, pour créer une complétion de chat, effectuez une requête POST vers /chat/completions avec le paramètre model défini sur "openai/gpt-5.1-2025-11-13". Vous pouvez également inclure du contenu image ou fichier dans les messages en utilisant les types de contenu appropriés (par exemple, image_url). Assurez-vous de disposer d'une clé API valide d'OrcaRouter pour l'authentification.
Les paramètres courants incluent max_tokens (jusqu'à 128 000), temperature (0-2 pour l'aléatoire), top_p (échantillonnage du noyau), frequency_penalty, presence_penalty, stop sequences, et stream (booléen pour le streaming). La fenêtre de contexte est de 400 000 tokens, donc assurez-vous que votre entrée ne dépasse pas ce total (y compris les messages système et assistant). Vous pouvez également spécifier le paramètre response_format s'il est pris en charge (par exemple, json_object) pour forcer une sortie structurée. OrcaRouter transmet ces paramètres directement au modèle OpenAI sous-jacent. Pour le contenu multimodal, utilisez le tableau 'content' dans les messages avec des parties contenant des données texte et image/fichier.
Oui, la migration est simple car OrcaRouter propose une API compatible avec OpenAI. La plupart des codes existants utilisant le SDK Python ou Node d’OpenAI peuvent basculer en modifiant le base_url et la clé API. L’ID du modèle sur OrcaRouter est "openai/gpt-5.1-2025-11-13" (notez le préfixe). Aucune autre modification des corps de requête ou du traitement des réponses n’est nécessaire. Si vous utilisiez l’API d’un autre fournisseur suivant également les standards OpenAI, il suffit de mettre à jour le point de terminaison. OrcaRouter propose une tarification sans marge, donc les coûts peuvent être similaires ou inférieurs selon les marges précédentes.
Comparé aux modèles GPT‑4 antérieurs, GPT‑5.1 offre une fenêtre de contexte plus large (400k contre 128k en général), une limite de sortie plus élevée (128k contre 4k‑32k) et un score AA Math nettement meilleur (94,0 contre inférieur). Il prend également en charge les entrées d’images et de fichiers, ce que GPT‑4 ne possédait pas nativement. Cependant, il est plus cher par jeton que GPT‑4o ou GPT‑4o‑mini. Comparé à GPT‑5.0 (si disponible), cette snapshot peut présenter des améliorations, mais les détails ne sont pas publics. Pour les utilisateurs qui ont besoin de moins de jetons ou d’un coût inférieur, GPT‑4o‑mini offre une alternative plus rapide et moins chère avec une qualité raisonnable.
Les comparaisons dépendent de benchmarks spécifiques. Le score AA Math de 94,0 est un indicateur solide pour le raisonnement, mais d'autres modèles comme Claude 3.5 Sonnet excellent en codage et en sécurité nuancée. La fenêtre de contexte de 400k correspond ou dépasse celle de la plupart des modèles concurrents (par exemple, Claude 3.5 Sonnet en offre 200k). Les capacités modales varient ; certains concurrents gèrent également les images et les fichiers. Tarification : GPT-5.1 à 1,25 $/1M d'entrée est plus cher que certains, mais en ligne avec les offres premium. Pour les tâches mathématiques, ce modèle peut être supérieur ; pour l'écriture créative ou le résumé, des alternatives pourraient suffire. Les utilisateurs doivent évaluer en fonction de leur cas d'utilisation spécifique.
Il peut être utilisé en production compte tenu du contexte élevé et du raisonnement solide, mais le coût est un facteur clé. À 10 $/1 million de jetons de sortie, la génération à grand volume peut devenir coûteuse. Le modèle est accessible via l'API fiable d'OrcaRouter, qui offre une disponibilité et des performances standard. Cependant, pour une extrême évolutivité, envisagez la mise en cache, l'optimisation des prompts et éventuellement l'utilisation d'un modèle moins coûteux pour les sous-tâches plus simples. La latence du modèle peut également être plus élevée que celle d'alternatives plus petites. Si votre application exige des réponses en temps réel, testez-la minutieusement. Dans l'ensemble, c'est un choix premium pour des tâches premium.
Les principales différences incluent : une fenêtre de contexte plus grande (400k contre typiquement 128k), une sortie maximale plus longue (128k contre 16k pour GPT-4o), un score AA Math plus élevé (94.0 contre inférieur), et la prise en charge de l'entrée par fichier en plus de l'image et du texte. Le prix est plus élevé pour GPT-5.1 : $1.25/$10 par M tokens contre environ $2.50/$10 pour GPT-4o (le montant exact dépend du modèle). Donc GPT-5.1 est moins cher en entrée mais identique en sortie ? En réalité, l'entrée de GPT-4o est à $2.50/M, la sortie à $10/M, donc l'entrée de GPT-5.1 est moins chère. Mais GPT-4o est généralement plus rapide. Pour les tâches multimodales et gourmandes en mathématiques nécessitant un grand contexte, GPT-5.1 est probablement supérieur.
Compatible OpenAI — gardez votre SDK actuel
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="openai/gpt-5.1-2025-11-13",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_completion_tokensmax_tokensreasoningresponse_formatseedstreamstructured_outputstool_choicetools| Entrée / 1M tokens | $1.25 |
| Sortie / 1M tokens | $10.00 |
| Lecture cache / 1M | $0.125 |
| Devise | USD |
Estimation basée sur le tarif public
Estimation seulement — le nombre réel de tokens dépend du tokeniseur du fournisseur.
GET /api/public/models/openai/gpt-5.1-2025-11-13Ouvrir @misc{orcarouter_gpt_5_1_2025_11_13,
title = {openai/gpt-5.1-2025-11-13 API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-5.1-2025-11-13}
}openai. (n.d.). openai/gpt-5.1-2025-11-13 API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-5.1-2025-11-13