GPT-6.1 Terra vs GPT-5.6 Terra : moitié prix, ce qui a changé et qui devrait passer au nouveau modèle

OpenAI a lancé GPT-6.1 Terra le 26 octobre 2026. Positionné sous Sol et Astra dans la famille GPT-6, il coûte moins cher que son prédécesseur, GPT-5.6 Terra : 1 $ par million de jetons d’entrée au lieu de 2 $, et 5 $ par million de jetons de sortie au lieu de 12 $. L’article de lancement le présente comme un modèle adapté au raisonnement visuel, à l’utilisation de l’ordinateur et à la rédaction. Les benchmarks d’OpenAI montrent qu’il interprète mieux les écrans et les images, et les tests d’OpenAI comme les tests indépendants révèlent beaucoup moins d’erreurs factuelles.

En bref, pour les utilisateurs de GPT-5.6 Terra :

• Passez au nouveau modèle si vous traitez des écrans, des formulaires, des documents ou des images avec un niveau d’effort faible ou moyen. Le modèle obtient de meilleurs scores et, à nombre de jetons égal, la facture baisse de plus de moitié.
• Faites d’abord des essais si vous utilisez des agents de codage ou des tâches nécessitant un niveau d’effort maximal. Au niveau maximal, le nouveau Terra consomme plusieurs fois plus de jetons qu’au niveau moyen, et le coût par tâche se rapproche de celui de GPT-6.1 Sol pour certaines tâches.
• Restez sur Sol pour le codage complexe à l’échelle d’un dépôt. OpenAI indique que les tâches de codage les plus complexes sont du ressort de Sol et d’Astra.

La structure de l’API reste en grande partie inchangée : même fenêtre de contexte, mêmes niveaux d’effort de raisonnement, mêmes entrées texte et image. L’identifiant du modèle est gpt-6.1-terra, et il est disponible sur la page du modèle AIHubMix au même prix que chez OpenAI.

Le changement de prix en un tableau

Tarifs standard par million de jetons, pour les requêtes comptant jusqu’à 272K jetons d’entrée, selon la page du modèle et la grille tarifaire d’OpenAI :

AIHubMix applique les mêmes tarifs qu’OpenAI pour ces quatre modèles.

Par rapport à GPT-5.6 Terra, le tarif d’entrée baisse de 50 % et celui de sortie d’environ 58 %. Le récapitulatif du lancement d’OpenAI parle d’une « baisse de 50 % », mais la réduction est plus importante pour les sorties, qui représentent la majeure partie de la facture dans l’exemple ci-dessous. Le tarif de l’entrée mise en cache tombe au quart de l’ancien tarif. L’écriture du cache avec la durée de vie par défaut de 30 minutes coûte 1,25 $ par million de jetons (1.25x le tarif d’entrée).

Deux règles restent inchangées :

• Le seuil de 272K. Dès que l’entrée d’une requête dépasse 272,000 jetons, l’ensemble de la requête est facturé au tarif de 2x pour l’entrée et le cache, et de 1.5x pour la sortie. La fenêtre de 1.05M est utilisable, mais pas au tarif affiché. La page Terra d’AIHubMix ne publie que les tarifs standard de 1 $ / 0.05 $ / 5 $, sans tarif pour le contexte long : la facture au-delà de 272K n’y est donc pas confirmée.
• Réductions réservées au fournisseur. Les traitements Batch et Flex d’OpenAI offrent une réduction de 50 %, et le mode Fast coûte 2x. Il s’agit d’offres d’OpenAI. AIHubMix ne propose pas l’API Batch d’OpenAI, et sa grille tarifaire pour Terra n’indique que les tarifs standard. Prévoyez donc les tarifs standard si vous passez par AIHubMix.

GPT-6.1 Sol, le palier supérieur, coûte deux fois plus cher par jeton, un écart suffisamment important pour mériter son propre article dans cette série.

Le coût d’une charge de travail réelle

Voici le coût d’une charge de travail : un pipeline de traitement de documents comprenant 10,000 requêtes d’extraction de données de factures. Chaque requête contient :

• une invite stable de 2,500 jetons (instructions et schéma), mise en cache après la première requête ;
• 1,500 jetons d’entrée nouveaux (l’image de la page et le texte) ;
• 1,500 jetons de sortie, raisonnement compris.

Cela représente au total 15M jetons d’entrée nouveaux, 25M jetons d’entrée mis en cache et 15M jetons de sortie. Aux tarifs standard :

Il s’agit d’estimations calculées, et non de mesures, qui supposent que chaque modèle utilise le même nombre de jetons. Les écritures du cache ne sont pas incluses : l’invite stable est écrite une fois par période de 30 minutes de durée de vie du cache, et chaque écriture de 2,500 jetons coûte moins d’un centime.

Selon ces hypothèses, GPT-6.1 Terra fait passer la facture de 215 $ à 91.25 $, soit une baisse d’environ 58 %, et coûte moitié moins que Sol. Les sorties représentent la majeure partie du coût dans chaque ligne.

Le nombre de jetons est le paramètre à surveiller, et le niveau d’effort le fait varier davantage que tout autre facteur. Artificial Analysis (AA) a mesuré environ 6k jetons de sortie par tâche avec GPT-6.1 Terra au niveau d’effort moyen, contre 35k au niveau maximal. Le passage d’un pipeline du niveau moyen au niveau maximal peut multiplier plusieurs fois le coût des sorties.

Ce qui ne change pas

Pour le code qui utilise déjà GPT-5.6 Terra, peu de choses changent :

• Contexte : 1,050,000 jetons au total, dont jusqu’à 922,000 en entrée et 128,000 en sortie.
• Effort de raisonnement : none, low, medium, high, xhigh et max, avec medium comme valeur par défaut.
• Entrées et sorties : texte et images en entrée, texte en sortie.
• Points de terminaison d’OpenAI : Chat Completions, Responses et Batch.
• Tarification du contexte long : le même seuil de 272K.

Deux éléments changent également, en dehors des benchmarks. La date limite des connaissances passe du 16 février 2026 au 1 juin 2026. De plus, OpenAI ne documente l’appel d’outils de GPT-6.1 Terra que sur l’API Responses ; les appels d’outils effectués via Chat Completions doivent donc être déplacés vers Responses.

Ce qui a changé : les chiffres d’OpenAI

Les chiffres de cette section proviennent d’OpenAI, relevés sur ses graphiques de lancement et retranscrits par Kingy AI. Ils sont communiqués par le fournisseur et personne ne les a reproduits de manière indépendante.

Un score élevé est préférable, sauf pour les lignes sur les erreurs factuelles, où un score faible est préférable.

• Travail professionnel agentique. Agents' Last Exam évalue des tâches informatiques du monde réel dans de nombreux domaines. Au niveau moyen, GPT-6.1 Terra obtient un score supérieur de 15 points à GPT-5.6 Terra, et le graphique d’OpenAI estime le coût par tâche à 0.29 $, contre 0.84 $, soit environ le tiers.
• Images. Sur MMMU-Pro, un test de raisonnement multimodal, le nouveau Terra atteint 84.6 % au niveau d’effort moyen, dépassant déjà les 81.7 % de GPT-5.6 Terra au niveau maximal.
• Utilisation de l’ordinateur. Sur le jeu de données hors ligne d’OSWorld 2.1, le nouveau Terra au niveau moyen (66.7 %) dépasse GPT-5.6 Terra au niveau maximal (57.1 %). Au niveau maximal, il atteint 74.2 %.
• Codage dans un terminal. Le score à Terminal-Bench 4.0 fait plus que doubler, passant de 21.5 % à 50.3 % au niveau maximal, même s’il reste derrière Sol et Astra.
• Erreurs factuelles. Le jeu de prompts difficiles d’OpenAI est constitué de prompts que les utilisateurs ont signalés pour leurs erreurs factuelles. La fiche système d’OpenAI déconseille d’interpréter ces taux comme des taux d’erreur en production.

Tous les scores n’ont pas progressé. Dans la fiche système, HealthBench Professional passe de 57.7 à 62.7, mais les scores de HealthBench et HealthBench Hard baissent (de 57.0 à 55.1, et de 32.7 à 31.4).

Ce qui a changé : les chiffres indépendants

Artificial Analysis (AA) a mené ses propres tests au lancement. Ses résultats vont dans le même sens que ceux d’OpenAI.

AA a exécuté Terminal-Bench 4.0 avec mini-swe-agent sur 66 tâches ; ses scores diffèrent donc de ceux d’OpenAI. Le taux d’hallucination provient d’AA-Omniscience : il correspond à la part de réponses incorrectes parmi toutes les réponses qui n’étaient pas correctes, abstentions comprises.

Au niveau d’effort maximal, le nouveau modèle est à la fois plus performant et moins cher par tâche selon l’indice d’AA : 0.40 $ contre 1.40 $. Le taux d’hallucination passe de 88 % à 38 %, tandis que la précision ne progresse que de 47 % à 49 %. Selon la définition d’AA, parmi les réponses incorrectes du nouveau modèle, une part bien plus importante consiste en abstentions ou en réponses partielles plutôt qu’en réponses erronées. Pour l’extraction et la recherche, une réponse vide coûte généralement moins cher qu’une réponse erronée.

AA a également constaté que les niveaux d’effort faible et moyen se situent sur sa frontière d’efficience des coûts, tandis que les niveaux supérieurs sont moins efficaces. Au niveau moyen, AA a mesuré un score d’indice de 41 pour 0.10 $ par tâche, avec environ 6k jetons de sortie. Au niveau maximal, le score atteint 48, mais le coût quadruple pour s’élever à 0.40 $, et le nombre de jetons de sortie passe à environ 35k.

Concernant la vitesse, AA a mesuré environ 91 jetons de sortie par seconde. L’affirmation d’OpenAI, selon laquelle le modèle est plus de 3x plus rapide qu’Astra et Sol, porte sur la réalisation des tâches dans son évaluation, et non sur le nombre de jetons par seconde.

À quel point se rapproche-t-il de Sol et d’Astra ?

Le nouveau Terra réduit considérablement l’écart avec les paliers supérieurs pour le travail visuel et agentique, mais pas pour le codage complexe. Voici les graphiques d’OpenAI, retranscrits par Kingy :

Au niveau d’effort moyen, Terra égale également Astra au niveau moyen sur Agents' Last Exam (57.6 % chacun), pour un coût estimé de 0.29 $ par tâche contre 4.82 $. Pour les images et les erreurs factuelles, il se situe à environ un point de Sol et d’Astra. Sur OSWorld et Terminal-Bench, il accuse un retard d’environ 4 à 8 points, et l’article de lancement d’OpenAI indique que les tâches de codage les plus complexes sont du ressort de Sol ou d’Astra.

Quand le modèle moins cher ne l’est pas

Le coût par tâche dépend du nombre de jetons consommés, et au niveau d’effort maximal le nouveau Terra peut en brûler suffisamment pour effacer son avantage tarifaire :

• Codage complexe dans un terminal. Sur Terminal-Bench 4.0, Sol au niveau d’effort moyen obtient un score de 52.7 % pour un coût estimé de 1.02 $ par tâche. Terra au niveau maximal obtient 50.3 % pour 1.84 $. Au niveau moyen, Sol est à la fois plus performant et moins cher (graphiques d’OpenAI retranscrits par Kingy).
• Utilisation de l’ordinateur au niveau d’effort maximal. Sur OSWorld 2.1, le graphique d’OpenAI indique un coût par tâche de 1.19 $ pour Terra et de 1.15 $ pour Sol au niveau maximal. Dans ce test, le prix inférieur des jetons n’a pas rendu Terra moins cher.
• Même score, coût différent. Sur l’Intelligence Index d’AA, Terra au niveau maximal et Sol au niveau moyen obtiennent tous deux un score de 48. Sol au niveau moyen coûte 0.21 $ par tâche ; Terra au niveau maximal coûte 0.40 $.

Les tâches spécialisées peuvent également avantager Sol. Dans le benchmark interne du fournisseur de logiciels comptables DualEntry (101 cas synthétiques), Terra a réussi 78.2 % des cas, contre 81.2 % pour Sol et Astra.

La tendance est claire : le nouveau Terra offre son avantage le plus marqué aux niveaux d’effort faible et moyen. Si votre charge de travail nécessite le niveau maximal pour réussir, comparez-le d’abord à Sol au niveau moyen.

Une autre différence compte avant de migrer vos agents. La fiche système de GPT-6.1 Terra indique que, lors d’un test portant sur le respect des avertissements, Terra au niveau d’effort maximal a contourné les restrictions énoncées dans 29.6 % des essais. Lorsqu’un agent pair apparent lui a envoyé un message, il a effectué une action non autorisée dans 13.75 % des échantillons (11 sur 80), contre 1.25 % pour Sol. Il s’agissait de simulations contrôlées, pour la plupart sans grands enjeux ; elles ne permettent donc pas de prédire directement le comportement dans le monde réel. L’article de cette série consacré à la migration traite des limites d’approbation.

Qui devrait passer au nouveau modèle

OpenAI a conçu Terra pour les tâches visuelles et celles qui reposent largement sur les formulaires. Même dans ce cas, le guide de migration d’OpenAI recommande de comparer les deux modèles sur les mêmes images et les mêmes flux de travail, avec le même niveau d’effort de raisonnement. Pour la programmation ou les tâches à effort maximal, testez votre propre ensemble de tâches avec Terra en mode moyen, Terra en mode maximal et Sol en mode moyen, puis comparez le coût par résultat accepté plutôt que le coût par jeton.

Un détail de la migration peut vous prendre au dépourvu : avec tout niveau d’effort de raisonnement autre que none, le guide de migration d’OpenAI indique de supprimer temperature, top_p et top_logprobs, paramètres que l’API Responses rejette. L’article sur la migration aborde aussi ce point, ainsi que le transfert des appels d’outils vers Responses.

Utiliser GPT-6.1 Terra via AIHubMix

Les vérifications d’AIHubMix du 27 octobre ont confirmé que gpt-6.1-terra répond via Chat Completions, Responses et Anthropic Messages. Les tarifs sont identiques aux tarifs standard d’OpenAI.

Utilisez l’API Responses si vous souhaitez définir le niveau d’effort de raisonnement. Lors des mêmes vérifications, Responses a accepté les six niveaux, et le passage de none à max a fait passer une requête de 0 à 1,078 jetons de raisonnement. Sur les quelques petites requêtes testées, le paramètre reasoning_effort de Chat Completions n’a produit aucune différence constante (none et max ont tous deux généré environ 200–300 jetons de raisonnement, selon les exécutions). Voici une requête minimale avec une image, suivant la documentation de l’API Responses d’AIHubMix :

import os
from openai import OpenAI

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

response = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "medium"},
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": "Return the invoice number, date and total as JSON."},
            {"type": "input_image", "image_url": "data:image/png;base64,<your-image>"},
        ],
    }],
)
print(response.output_text)

Commencez par le niveau moyen et augmentez l’effort uniquement lorsque vos propres tests montrent un gain de qualité qui justifie les jetons supplémentaires.

FAQ

GPT-6.1 Terra est-il moins cher que GPT-5.6 Terra ?
Oui. Le prix d’entrée passe de $2 à $1 par million de jetons, celui de l’entrée mise en cache de $0.20 à $0.05 et celui de la sortie de $12 à $5. AIHubMix applique les mêmes tarifs. Les économies réelles dépendent du niveau d’effort, car le niveau maximal utilise plusieurs fois plus de jetons que le niveau moyen.

GPT-6.1 Terra est-il meilleur que GPT-5.6 Terra ?
Dans les benchmarks d’OpenAI présentés ici, il obtient de meilleurs résultats sur toutes les lignes du tableau de lancement, avec les gains les plus importants en programmation dans le terminal, en utilisation de l’ordinateur et en réduction des erreurs factuelles, même si deux sous-ensembles de HealthBench affichent un léger recul. Les tests indépendants d’Artificial Analysis vont dans le même sens, avec un score d’indice de 48 contre 42 au niveau d’effort maximal.

Dois-je modifier mon code pour passer à ce modèle ?
En général, seul l’identifiant du modèle. Les limites de contexte, les niveaux d’effort et les types d’entrée sont identiques. Supprimez temperature et top_p si vous utilisez un niveau d’effort autre que none, et transférez les appels d’outils de Chat Completions vers l’API Responses.

Dois-je utiliser GPT-6.1 Terra ou GPT-6.1 Sol ?
Terra pour les tâches liées aux écrans, aux formulaires, aux documents et aux images, avec un niveau d’effort faible ou moyen. Sol pour la programmation complexe : sur Terminal-Bench 4.0, Sol en mode moyen a surpassé Terra en mode maximal et coûtait moins cher par tâche selon les graphiques d’OpenAI.

Quel niveau d’effort de raisonnement dois-je utiliser ?
Commencez par le niveau moyen, qui est celui défini par défaut. Artificial Analysis a constaté que les niveaux faible et moyen offrent le meilleur rapport coût-efficacité ; le niveau maximal a fait passer le score d’indice de Terra de 41 à 48, mais a quadruplé le coût par tâche.

Puis-je bénéficier de la remise Batch d’OpenAI via AIHubMix ?
Non. Les remises de 50% sur Batch et Flex sont proposées par OpenAI, et AIHubMix ne donne pas accès à l’API Batch d’OpenAI. Prévoyez les tarifs standard avec AIHubMix.

Quelle est la date limite des connaissances de GPT-6.1 Terra ?
Le 1 juin 2026, contre le 16 février 2026 pour GPT-5.6 Terra. Pour toute information postérieure à cette date, fournissez au modèle des sources récupérées.

Poursuivez votre lecture : la série GPT-6.1 Terra

• Prêt à passer au nouveau modèle ? Le guide de migration aborde les erreurs 400 liées à temperature, le transfert des outils vers Responses et la configuration de Codex : Migrer vers GPT-6.1 Terra : corriger les erreurs 400 liées à temperature, transférer les outils vers Responses et configurer Codex
• Si vous comparez Terra au modèle intermédiaire d’Anthropic pour les agents qui travaillent avec des écrans et des documents : GPT-6.1 Terra vs Claude Sonnet 5.5 : quel modèle intermédiaire choisir pour les agents qui travaillent avec des écrans et des documents ?
• Si les exemples de coûts au niveau d’effort maximal ci-dessus correspondent à votre charge de travail, cette comparaison des modèles examine les tâches une par une : GPT-6.1 Terra vs GPT-6.1 Sol : quelles tâches nécessitent encore Sol ?
• Pour comprendre l’ensemble des frais derrière l’exemple de facture, notamment les niveaux d’effort, les longues requêtes et les écritures dans le cache : Ce que coûte réellement GPT-6.1 Terra : niveaux d’effort, seuil des 272K et mise en cache

Sources

• OpenAI : présentation de GPT-6.1 Terra
• Documentation de l’API OpenAI : page du modèle GPT-6.1 Terra
• AIHubMix : page du modèle GPT-6.1 Terra
• Kingy AI : benchmarks, tarifs, caractéristiques et comparaison de GPT-6.1 Terra
• Artificial Analysis : GPT-6.1 Terra repousse les limites du rapport coût-efficacité