GPT-6.1 Terra vs Claude Sonnet 5.5 : quel modèle intermédiaire choisir pour les agents d’interface et de documents ?

OpenAI a lancé GPT-6.1 Terra le 26 octobre 2026, quatre semaines après la sortie de Claude Sonnet 5.5 par Anthropic. Dans son article de lancement, OpenAI comparait Terra à Claude Opus 5.5, mais la couverture médiatique a tracé une autre frontière. The Decoder a qualifié Terra de « concurrent le plus proche d’OpenAI de la gamme intermédiaire Sonnet d’Anthropic, à moitié prix », et AlphaCorp a présenté Terra face à Sonnet comme « le véritable affrontement sur le segment intermédiaire ». GPT-6.1 Sol et Sonnet 5.5 affichent le même tarif de 2 $ / 10 $, si bien qu’une équipe qui choisit un modèle intermédiaire ce mois-ci doit en réalité choisir entre Terra à 1 $ / 5 $ et Sonnet à 2 $ / 10 $.

Cet article examine ce choix pour un type de tâche précis : les agents d’interface et de documents. L’agent lit une facture, un formulaire ou une capture d’écran, en extrait les champs et les saisit dans une autre application. Chaque étape est courte et vérifiable, et s’exécute des milliers de fois par jour. Pour cette tâche, les deux modèles ont des atouts différents. Sonnet 5.5 réussit davantage les benchmarks d’agents difficiles, y compris le test d’utilisation d’un ordinateur présenté dans le propre article de lancement d’OpenAI. Terra coûte deux fois moins cher par jeton, a consommé nettement moins de jetons par tâche lors de tests indépendants et a respecté plus systématiquement les formats de sortie stricts lors d’un petit essai pilote.

En bref : pour des étapes à fort volume dont les résultats peuvent être vérifiés, commencez par Terra. Pour de longues sessions sur ordinateur sans supervision, où l’échec coûte plus cher que la facture de jetons, Sonnet 5.5 justifie son prix. Les deux modèles sont accessibles avec une seule clé via AIHubMix, aux mêmes tarifs que sur les API des fournisseurs ; la page du modèle GPT-6.1 Terra contient tous les détails.

La tâche au cœur de cette comparaison

Une étape d’agent d’interface ou de documents ressemble généralement à ceci :

• Entrée : un préfixe stable (prompt système, schéma de sortie, définitions des outils) répété à chaque appel, accompagné de contenu inédit : image d’une page, capture d’écran ou texte extrait.
• Sortie : une courte réponse structurée, comme des champs JSON ou la prochaine action dans l’interface.
• Volume : des milliers, voire des centaines de milliers d’étapes, chacune vérifiée par du code avant toute transmission en aval.

Quatre critères déterminent le choix du modèle : l’exactitude des champs, une sortie analysable sans nettoyage, le coût par millier d’étapes et le temps par étape. La capacité à mener à bien des tâches de longue durée compte moins lorsque chaque étape est courte et vérifiée, mais beaucoup plus lorsque l’agent pilote un ordinateur pendant des dizaines d’actions sans personne pour le surveiller.

Les deux modèles acceptent du texte et des images en entrée et conviennent à ce type de tâche. Voici les caractéristiques qui comptent :

Les prix sont les tarifs publics officiels par million de jetons ; AIHubMix facture le même prix pour les deux modèles. Le niveau d’effort par défaut de Sonnet est celui de Claude Platform. Pour Terra, l’ensemble d’une requête est facturé au tarif de 2x l’entrée et de 1,5x la sortie lorsque l’entrée dépasse 272K jetons, un seuil qu’une étape portant sur une seule page n’atteindra pas.

Un point pratique pour les agents d’interface : OpenAI indique que les appels d’outils de Terra, y compris l’outil informatique intégré, sont une fonctionnalité de l’API Responses. Lors des vérifications d’AIHubMix le 27 octobre, Terra a renvoyé une action computer_call sur le point de terminaison Responses lorsqu’on lui fournissait l’outil informatique et une capture d’écran. Cette méthode fonctionne donc via AIHubMix.

Là où Sonnet 5.5 l’emporte : mener à bien des tâches d’agent difficiles

Les chiffres de benchmark ci-dessous proviennent de trois sources, présentées séparément à dessein. Les graphiques de lancement d’OpenAI, retranscrits par Kingy, sont des données déclarées par l’entreprise et personne ne les a reproduites de manière indépendante. Les chiffres de lancement d’Anthropic pour Sonnet 5.5 sont également déclarés par l’entreprise. Artificial Analysis (AA) est un organisme de test indépendant. Chaque chiffre est accompagné du niveau d’effort lorsque la source le précise.

Commençons par les propres graphiques d’OpenAI, où Sonnet 5.5 figure comme point de comparaison :

Les chiffres de Sonnet 5.5 correspondent aux résultats obtenus avec un niveau d’effort maximal, tels qu’ils figurent dans les graphiques d’OpenAI. Les coûts par tâche sont des estimations d’OpenAI.

OSWorld 2.1 est un benchmark d’utilisation d’un ordinateur, le test public le plus proche d’un agent d’interface. Sur le jeu de données hors ligne d’OpenAI, Sonnet 5.5 devance Terra au niveau d’effort maximal de 9,7 points. Au niveau moyen, qui est le réglage par défaut, Terra accuse un retard de 17,2 points.

La page de lancement de Sonnet 5.5 d’Anthropic fait état de son propre résultat à OSWorld 2.1, soit 80,1 %, marqué « partiel », et de 70,6 % à Terminal-Bench 4.0. Le test OSWorld a été réalisé dans des conditions différentes de celles du jeu de données hors ligne d’OpenAI : les résultats de 80,1 % et de 83,9 % ne sont donc pas comparables, et aucun des deux ne doit être comparé au score de Terra obtenu lors du test de l’autre fournisseur. Les documents des deux entreprises vont dans le même sens : Sonnet 5.5 est performant sur les tâches d’agent liées aux ordinateurs de bureau et aux terminaux.

Artificial Analysis a testé les deux modèles sur son propre banc d’essai :

Les chiffres de Sonnet 5.5 d’AA correspondent à sa configuration avec niveau d’effort maximal et solution de repli, comme l’indique AA.

Les tests indépendants placent toujours Sonnet devant pour les tâches d’agent : il obtient 12 points de plus sur AutomationBench-AA et 8 de plus lors du test Terminal-Bench d’AA. Deux résultats dérogent à cette tendance. Sur AA-LCR, un test de raisonnement à long contexte, les deux modèles sont à égalité avec 83 %. Sur GDP.pdf, Terra prend une légère avance, avec 29 % contre 26 %. Aucun de ces résultats ne fait de Terra le modèle le plus performant, mais ils montrent que Sonnet ne creuse pas l’écart comme sur les tests d’agents.

Ne voyez pas dans tout cela la preuve que Terra surpasse Sonnet en utilisation d’un ordinateur. Dans chaque benchmark d’utilisation d’un ordinateur et d’agent présenté ici, Sonnet 5.5 obtient un score supérieur.

Là où Terra l’emporte : coût par tâche, rapidité et rigueur du format de sortie

Lors du même test d’AA, les dépenses engagées par chaque modèle pour obtenir son score ont également été mesurées :

Sonnet 5.5 a utilisé plus de cinq fois plus de jetons de sortie par tâche que Terra, et chacun de ces jetons coûte deux fois plus cher. Résultat : un coût par tâche inférieur au dixième de celui de Sonnet (0,40 $ contre 5,46 $) et un temps par tâche d’environ 43 % de celui mesuré par AA (384 secondes contre 901 ; AA mesure le temps de génération, sans compter l’attente avant le premier jeton). Le flux de sortie de Sonnet est lui-même plus rapide : 141 jetons de sortie par seconde contre 91 pour Terra lors du même test. L’avantage de Terra en temps vient donc du fait qu’il produit moins de jetons, et non d’une plus grande vitesse du modèle. Sonnet a obtenu huit points d’indice supplémentaires en contrepartie de ces dépenses. La question de savoir si ces huit points valent un coût près de 14 fois supérieur dépend du prix d’un échec à une étape pour vous.

Le graphique d’OpenAI sur Terminal-Bench montre le même arbitrage sous un autre angle : 70,6 % à 10,44 $ par tâche pour Sonnet, contre 50,3 % à 1,84 $ pour Terra au niveau maximal. Kingy a formulé clairement la question commerciale : quelle valeur accorder à un meilleur taux de réussite lorsque l’on tient compte des nouvelles tentatives et de la vérification humaine ?

Pour les tâches d’interface et de documents, les données indépendantes les plus pertinentes viennent de l’essai pilote de Kingy, réalisé le 26 octobre. Il était de petite ampleur : six tâches courtes, deux tentatives chacune, avec un niveau d’effort moyen et sans outils. Une tâche consistait à extraire des champs d’une image de facture synthétique ; les autres demandaient de produire du JSON, du Python ou du SQL dans un format précis.

Les temps par requête incluent la latence du réseau et du fournisseur.

Les deux modèles ont répondu correctement à chaque question. La différence se situait dans la présentation. Lors des deux tentatives d’une tâche, Sonnet a ajouté un calcul avant le JSON et a encadré ses réponses Python et SQL de balises Markdown, ce que les prompts interdisaient. Kingy indique qu’un analyseur en production ou une sortie structurée imposée pourrait gérer certains de ces encadrements, mais ces solutions n’ont pas été testées. Dans un pipeline où du code analyse chaque étape, toutefois, un modèle qui renvoie du JSON brut sans qu’il faille l’y inciter évite une nouvelle tentative ou une étape de nettoyage. Terra l’a fait lors des dix tentatives, avec un coût en crédits d’environ 41 % de celui de Sonnet. Dans cet essai pilote, Sonnet a répondu plus vite par requête.

Un autre point de données circule largement, mais il faut le considérer pour ce qu’il est : une simple anecdote. atomic.chat a demandé à des équipes de huit agents de créer un petit jeu à partir du même prompt. Terra a terminé en 6 minutes pour 1,06 $ ; Sonnet 5.5 a mis une heure et coûté 18,10 $, et atomic.chat a jugé le jeu de Sonnet « bien meilleur ». Les paramètres du test n’ont pas été publiés. Ce résultat ne prouve donc rien à lui seul, mais il correspond à la tendance observée plus haut : Sonnet dépense davantage et livre souvent un meilleur résultat.

Coût de la tâche avec chaque modèle

Voici un exemple détaillé aux tarifs publics, avec un nombre de jetons identique pour les deux modèles. Prenons 10 000 étapes de traitement de documents. Chaque étape envoie un préfixe stable de 2 500 jetons qui bénéficie du cache, 1 500 jetons d’entrée inédits (le contenu de la page ou de la capture d’écran) et reçoit en retour 1 500 jetons de sortie.

Les écritures dans le cache sont exclues. Elles ajoutent un montant modeste des deux côtés, selon les tarifs d’écriture indiqués dans le tableau des caractéristiques ci-dessus.

À nombre de jetons égal, Sonnet coûte exactement deux fois plus cher, puisque tous les tarifs sont doublés. En réalité, le nombre de jetons ne sera pas le même. Lors du test d’AA, Sonnet a utilisé, au niveau d’effort maximal, environ 5,6 fois plus de jetons de sortie par tâche que Terra. Comme la sortie représente le poste le plus élevé dans cet exemple, l’écart de coût réel pour les tâches d’agent sera probablement supérieur à 2x. Son ampleur dépend de vos prompts et de vos réglages d’effort ; mesurez-la sur un échantillon de vos propres étapes avant de vous engager.

À noter concernant les tarifs : la remise de l’API Batch d’OpenAI ne s’applique pas sur AIHubMix, qui ne propose pas le point de terminaison Batch. Les chiffres ci-dessus correspondent donc aux tarifs standards.

Quel modèle choisir ?

Choisissez GPT-6.1 Terra lorsque :

• les étapes sont courtes, nombreuses et vérifiées par du code : extraction des champs d’une facture, saisie de données dans un formulaire, clic suivant sur un écran connu ;
• la sortie doit être analysable sans nettoyage et vous préférez éviter d’ajouter une couche de correction ;
• le coût par millier d’étapes détermine le budget ;
• une étape ratée peut être relancée à peu de frais ou confiée à une personne.

Choisissez Claude Sonnet 5.5 lorsque :

• l’agent pilote un ordinateur de bureau lors de longues séquences à plusieurs étapes, sans que personne ne vérifie chacune de ses actions ;
• le taux de réussite compte davantage que la facture, car un échec coûte plus cher que les jetons ;
• le même agent effectue aussi des tâches de programmation, où Sonnet devance Terra sur Terminal-Bench dans le graphique d’OpenAI et dans le test d’AA.

Faire tourner les deux modèles est aussi une possibilité : Terra pour les étapes d’extraction et de saisie à gros volume, Sonnet pour les longues tâches difficiles et les cas où la sortie de Terra ne passe pas la validation. Avec AIHubMix, il suffit de changer l’ID du modèle : aucune seconde intégration n’est nécessaire.

Essayez les deux avec AIHubMix

Les deux modèles sont accessibles avec une seule clé AIHubMix, aux tarifs officiels. La liste des modèles d’AIHubMix indique que Sonnet 5.5 est disponible sur Chat Completions, Responses et Anthropic Messages. Lors des tests réalisés par AIHubMix le 27 octobre, Terra a répondu sur les trois endpoints. Utilisez l’endpoint Responses pour Terra : OpenAI indique que ses outils sont réservés à Responses, et, lors des tests d’AIHubMix, le niveau d’effort de raisonnement n’a pris effet que sur cet endpoint. La documentation de l’API Responses d’AIHubMix présente le format des requêtes.

Cet exemple envoie la même consigne d’extraction aux deux modèles avec le SDK OpenAI, puis affiche chaque réponse et son utilisation de tokens :

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

prompt = (
    "Extract the invoice number, date and total from this text. "
    "Return only JSON with keys invoice_number, date, total.\n\n"
    "Invoice INV-2041, issued 2026-10-12. Amount due: $1,291.50."
)

for model in ["gpt-6.1-terra", "claude-sonnet-5-5"]:
    response = client.responses.create(model=model, input=prompt)
    print(f"--- {model}")
    print(response.output_text)
    print(response.usage)

Exécutez le code sur un échantillon de vos propres documents ou captures d’écran, vérifiez la fréquence à laquelle chaque réponse peut être analysée et comparez les lignes d’utilisation : vous obtiendrez ainsi votre véritable ratio de tokens. Pour comparer côte à côte les spécifications et les tarifs, consultez la page comparative Terra vs Sonnet 5.5.

FAQ

GPT-6.1 Terra est-il meilleur que Claude Sonnet 5.5 pour l’utilisation d’un ordinateur ?
Non. Sonnet 5.5 obtient un meilleur score sur OSWorld 2.1 dans le graphique d’OpenAI (83.9% contre 74.2% pour Terra avec un effort maximal) et sur AutomationBench-AA dans les tests d’Artificial Analysis (72% contre 60%). Terra se distingue par son coût et son format de sortie, pas par ses capacités.

Dans quelle mesure Terra est-il moins cher que Sonnet 5.5 ?
Le coût par token est deux fois moins élevé : $1 en entrée et $5 en sortie par million de tokens, contre $2 et $10, et $0.05 contre $0.10 pour les tokens d’entrée mis en cache. L’écart peut être encore plus important par tâche, car Sonnet tend à utiliser davantage de tokens en sortie. Lors du test d’Artificial Analysis avec un effort maximal, une tâche coûtait $0.40 avec Terra et $5.46 avec Sonnet.

Quel modèle convient le mieux à l’extraction des données de factures et de formulaires ?
Pour l’extraction à gros volume vérifiée par du code, Terra est le meilleur point de départ. Lors du petit projet pilote de Kingy, les deux modèles ont correctement extrait les champs de facture et respecté le format demandé. Cependant, sur l’ensemble des dix tentatives évaluées de façon objective, Terra a renvoyé exactement le format demandé 10 fois et Sonnet 4 fois. Les erreurs de Sonnet concernaient une tâche JSON distincte, ainsi que les tâches Python et SQL, et Terra a coûté environ 41% des crédits de Sonnet. Testez les deux modèles sur vos propres documents avant de vous décider.

Pourquoi Anthropic et OpenAI publient-ils des scores OSWorld différents pour Sonnet 5.5 ?
Ils ont utilisé des configurations différentes. Anthropic indique un score de 80.1% sur OSWorld 2.1, marqué comme partiel ; le graphique d’OpenAI affiche 83.9% sur son jeu de données OSWorld 2.1 hors ligne. Ces chiffres ne peuvent pas être comparés entre eux ; chacun doit être évalué uniquement par rapport aux scores issus du même test.

Les deux modèles coûtent-ils le même prix sur AIHubMix que sur les API officielles ?
Oui. AIHubMix applique les tarifs catalogue officiels pour les deux modèles : $1 et $5 pour Terra, $2 et $10 pour Sonnet 5.5, par million de tokens. La remise de l’API Batch d’OpenAI n’est pas disponible, car AIHubMix ne propose pas l’endpoint Batch.

Quel endpoint utiliser pour appeler Terra avec AIHubMix ?
L’API Responses. OpenAI indique que les outils de Terra, notamment l’outil informatique, sont réservés à Responses. Lors des tests d’AIHubMix le 27 octobre, le paramètre du niveau d’effort de raisonnement était pris en compte sur Responses, mais pas sur Chat Completions. Sonnet 5.5 est également disponible sur Responses ; une seule boucle peut donc appeler les deux modèles.

Poursuivez votre lecture : la série GPT-6.1 Terra

• Si votre agent utilise actuellement GPT-5.6 Terra, découvrez ce que le seul passage à la nouvelle version change avant de comparer les fournisseurs : GPT-6.1 Terra vs GPT-5.6 Terra : moitié prix, changements et profils concernés par la migration
• Avant de passer un agent d’interface à Terra, corrigez les paramètres et les appels d’outils qui posent problème lors de la migration : Migrer vers GPT-6.1 Terra : corriger les erreurs 400 de temperature, passer les outils à Responses et configurer Codex
• Si les longues tâches sur ordinateur nécessitent plus que Terra, mais que vous souhaitez rester chez OpenAI, comparez le modèle de la gamme supérieure : GPT-6.1 Terra vs GPT-6.1 Sol : quelles tâches nécessitent encore Sol ?
• Pour adapter à votre propre trafic le tableau des coûts ci-dessus, examinez les niveaux d’effort et la mise en cache : Le coût réel de GPT-6.1 Terra : niveaux d’effort, seuil de 272K et mise en cache

Sources

• OpenAI : Présentation de GPT-6.1 Terra
• Anthropic : Présentation de Claude Sonnet 5.5
• Artificial Analysis : Comparaison entre GPT-6.1 Terra et Claude Sonnet 5.5
• Kingy : GPT-6.1 Terra : benchmarks, tarifs et comparaisons de modèles
• AIHubMix : Page comparative GPT-6.1 Terra vs Claude Sonnet 5.5