Ce que coûte vraiment GPT-6.1 Terra : niveaux d’effort, seuil des 272K et mise en cache

GPT-6.1 Terra a été lancé le 26 octobre 2026 au tarif de 1 $ par million de jetons en entrée et de 5 $ par million de jetons en sortie, soit la moitié du prix d’entrée de GPT-5.6 Terra et bien moins de la moitié de son tarif de 12 $ en sortie. Le prix catalogue n’est qu’un point de départ. Trois éléments déterminent le coût réel d’une charge de travail sur Terra :

• L’effort de raisonnement. Les jetons de raisonnement sont facturés comme des jetons de sortie, et l’écart entre les niveaux d’effort est de plusieurs fois.
• Le seuil des 272K. Dès que l’entrée d’une requête dépasse 272,000 jetons, la requête entière passe à un tarif supérieur.
• La mise en cache. Un préfixe mis en cache coûte 5% du tarif normal d’entrée ; un préfixe non reconnu ou réécrit coûte le plein tarif, voire plus.

Ci-dessous : le tarif d’une charge de travail, avec toutes les hypothèses précisées, les règles de facturation faciles à manquer, le coût par tâche comparé à GPT-6.1 Sol, Claude Sonnet 5.5 et GPT-5.6 Terra, ainsi qu’un exemple Python qui consigne les champs d’utilisation à l’origine de votre facture. AIHubMix propose Terra sous le nom gpt-6.1-terra, aux mêmes tarifs qu’OpenAI.

La grille tarifaire

Tous les prix sont en USD par million de jetons et proviennent de la page du modèle OpenAI. La page du modèle d’AIHubMix indique les mêmes tarifs standard pour les entrées, les lectures du cache et les sorties, mais ne précise ni le tarif d’écriture dans le cache ni celui du contexte long ; sa documentation sur la mise en cache ne donne qu’un tarif d’écriture unique de 1.25x, donc le supplément pour 12 heures n’y est pas publié.

OpenAI affiche une seule grille tarifaire et précise la suite sous forme de règle : au-delà de 272K jetons en entrée, les tarifs d’entrée et de mise en cache doublent, tandis que celui de sortie augmente de 1.5x pour la requête entière, ce qui porte l’écriture sur 12 heures à 5.00 $. OpenAI n’indique pas de tarif pour le contexte long de Terra chez AIHubMix ; le montant facturé par la passerelle au-delà de 272K n’est donc pas confirmé.

OpenAI propose aussi le traitement Batch et Flex avec une réduction de 50%, le mode Fast à 2x et le traitement régional avec un supplément de +10%. Ces conditions s’appliquent à OpenAI. AIHubMix ne propose pas l’API Batch d’OpenAI (GET /v1/batches a renvoyé 404 lors des vérifications d’AIHubMix le 27 octobre). Les mêmes vérifications ont montré que service_tier "flex" était accepté et renvoyé sous la forme "flex", et que "priority" était accepté et renvoyé sous la forme "fast" : selon les conditions d’OpenAI, cela correspond au mode Fast à 2x. La grille tarifaire d’AIHubMix pour Terra ne présente que les tarifs standard ; aucun des deux tarifs appliqués n’est donc confirmé. Consultez votre journal d’utilisation au lieu de supposer qu’une réduction s’applique.

Les modèles comparés plus loin, aux tarifs officiels (identiques chez AIHubMix) :

Règles de facturation faciles à manquer

Les jetons de raisonnement sont des jetons de sortie. Une requête qui renvoie 2,000 jetons visibles après 8,000 jetons de raisonnement est facturée pour 10,000 jetons de sortie. Consultez le coût dans l’objet d’utilisation, et non la longueur de la réponse.

Le seuil des 272K entraîne une nouvelle tarification de toute la requête. Il ne s’agit pas d’un tarif marginal appliqué aux jetons au-delà de 272,000. Chaque jeton d’entrée de la requête coûte deux fois plus cher et chaque jeton de sortie, 50% de plus. Voici le calcul au seuil, sans mise en cache et avec 20,000 jetons de sortie dans les deux cas :

Onze pour cent de jetons d’entrée en plus font à peu près doubler la facture. Terra accepte jusqu’à 922,000 jetons en entrée (contexte de 1,050,000) ; le tarif augmente simplement au-delà de 272K.

Les écritures dans le cache ne sont pas gratuites. Avec GPT-5.6 et les versions ultérieures, l’écriture d’un préfixe dans le cache est facturée à 1.25x le tarif d’entrée pour la durée par défaut de 30 minutes, et à 2.5x pour une durée de 12 heures, disponible uniquement avec l’API Responses. Les lectures coûtent 0.05x sur Terra, quelle que soit la durée choisie. Selon le guide d’OpenAI sur la mise en cache des prompts, il s’agit de tarifs totaux, et non de suppléments : chaque jeton d’entrée n’est facturé qu’une fois, comme entrée standard, lecture ou écriture. Le préfixe doit compter au minimum 1,024 jetons pour être mis en cache.

Sur AIHubMix, Chat Completions et Responses ne partagent pas le même cache. Lors des vérifications d’AIHubMix, un préfixe développeur de 9,623 jetons a été écrit lors du premier appel à Responses, puis lu lors des deuxième et troisième appels. Le même préfixe envoyé juste après à Chat Completions a été écrit à nouveau, sans aucun accès au cache. Le trafic réparti entre les deux API paie donc deux séries d’écritures.

Via AIHubMix, le niveau d’effort ne prend effet qu’avec Responses. Avec l’API Responses, un prompt demandant la somme de nombres premiers a produit 72 jetons de sortie avec le niveau none et 1,153 avec max (dont 1,078 jetons de raisonnement). Avec Chat Completions, le paramètre reasoning_effort n’a pas eu d’effet constant lors des mêmes tests (none et max ont tous deux généré environ 200-300 jetons de raisonnement d’un essai à l’autre), ce qui laisse penser que cette route utilise un niveau d’effort fixe. Si vous comptez économiser en choisissant un niveau d’effort inférieur, envoyez ces requêtes à Responses.

La recherche Web intégrée est facturée à l’appel. AIHubMix affiche un tarif de 0.01 $ par appel pour web_search_requests, en plus des jetons.

Un mois réaliste, calculé ligne par ligne

Prenons une charge de travail de traitement de demandes d’assistance ou de documents, avec 10,000 requêtes par mois via l’API Responses. Hypothèses :

• chaque requête comprend un préfixe stable de 2,500 jetons (prompt système, définitions des outils, règles de référence) qui est reconnu dans le cache ;
• chaque requête ajoute 1,500 nouveaux jetons d’entrée (message ou document de l’utilisateur) ;
• chaque requête renvoie 1,500 jetons de sortie, raisonnement compris, avec un niveau d’effort medium (le niveau par défaut de Terra) ;
• aucune requête ne dépasse 272K jetons en entrée, donc les tarifs standard s’appliquent ;
• les écritures dans le cache sont exclues des totaux (voir la note sous le tableau).

Sur le mois, cela représente 25M jetons mis en cache, 15M nouveaux jetons d’entrée et 15M jetons de sortie.

Les écritures dans le cache ajoutent peu ici. Chaque fois que le préfixe de 2,500 jetons est écrit, ces jetons sont facturés à 1.25 $ par million au lieu de 0.05 $, soit environ 0.003 $ de plus par écriture.

Deux variantes montrent où va l’argent.

Sans mise en cache. Si le préfixe n’est jamais reconnu (parce qu’il change à chaque requête ou que le trafic est réparti entre plusieurs routes), les 40M jetons d’entrée sont tous facturés à 1 $ : 40 $ pour l’entrée, plus 75 $ pour la sortie, soit 115 $ au total. La mise en cache permet d’économiser 23.75 $ par mois, soit environ un cinquième de la facture.

Avec le niveau max. Artificial Analysis a mesuré environ 6,000 jetons de sortie par tâche avec le niveau medium et 35,000 avec max dans son Intelligence Index, soit un rapport d’environ 5.8x. En multipliant les 1,500 jetons de sortie par 35/6, on obtient 8,750 par requête, soit 87.5M par mois. La sortie coûte alors 87.5M x 5 $ = 437.50 $, et le total mensuel est de 1.25 $ + 15.00 $ + 437.50 $ = 453.75 $, soit environ cinq fois la facture avec le niveau medium. Le niveau max coûte bien plus cher que la perte du cache.

Dans tous les cas, la sortie représente l’essentiel du coût. Avec le niveau medium, elle coûte 75 $ sur un total de 91.25 $, soit 82% de la facture. C’est pourquoi le niveau d’effort est le premier paramètre à examiner, avant le tarif d’entrée.

Coût par tâche comparé à Sol, Sonnet 5.5 et GPT-5.6 Terra

Même charge de travail, mêmes nombres de jetons (25M mis en cache, 15M de nouveaux jetons d’entrée, 15M de sortie), chaque modèle étant facturé à ses propres tarifs officiels :

À nombre de jetons identique, Terra coûte deux fois moins cher que Sol et Sonnet 5.5, et environ 42% du prix de GPT-5.6 Terra. Mais le nombre de jetons identique est une hypothèse importante : les modèles consacrent des ressources de raisonnement différentes à une même tâche, et Terra avec un niveau d’effort élevé peut utiliser plus de jetons que Sol avec un niveau inférieur.

Le coût mesuré par tâche le montre. Les chiffres ci-dessous proviennent d’Artificial Analysis, un benchmark indépendant qui a évalué chaque modèle sur son Intelligence Index au niveau d’effort indiqué.

La ligne de Sonnet 5.5 correspond au réglage par défaut du niveau d’effort max d’Artificial Analysis.

Trois observations se dégagent. Terra avec le niveau medium est l’option la moins chère du tableau, et Artificial Analysis considère les niveaux d’effort low et medium comme optimaux au sens de Pareto pour Terra. Désactiver le raisonnement n’a pas permis d’économiser dans cet essai : sans raisonnement, le coût était de 0.11 $ par tâche pour un score de 33. À l’autre extrémité, Terra avec le niveau max (0.40 $) coûte à peu près autant que Sol avec le niveau xhigh (0.39 $), qui obtient un meilleur score, et n’égale le score de Sol avec le niveau medium que pour près du double du prix. Sonnet 5.5 obtient le meilleur score, mais avec le niveau max, il a utilisé environ 197,000 jetons de sortie par tâche.

D’autres tests publiés vont dans le même sens. Dans le benchmark d’analyse de données de Plotly, exécuté avec le niveau d’effort par défaut via OpenRouter, Terra a obtenu 40 points sur 43 pour 1.31 $ par exécution complète, contre 43 sur 43 pour Sol à 2.61 $, avec environ 1,460 jetons de sortie par question. Les graphiques de lancement d’OpenAI, qui reposent sur des données déclarées par l’entreprise et sont ici retranscrits par Kingy AI, indiquent un coût par tâche de 1.19 $ pour Terra avec le niveau max sur le jeu hors ligne OSWorld 2.1, contre 1.15 $ pour Sol. Pour les tâches agentiques avec le niveau max, la réduction du coût par jeton de Terra peut disparaître.

Qui paie plus que prévu

• Les équipes qui utilisent le niveau max par défaut. À trafic identique, la facture peut être cinq fois plus élevée qu’avec le niveau medium. Des utilisateurs de Codex sur Reddit indiquent que Terra avec le niveau high épuise rapidement les limites de leur forfait ; l’un d’eux affirme avoir consommé 40% d’une limite de cinq heures en 20 minutes. Ce ne sont que des témoignages, mais ils concordent avec les nombres de jetons ci-dessus.
• Les systèmes RAG à long contexte proches de 272K. Une étape de récupération qui ajoute parfois quelques passages supplémentaires fera dépasser le seuil à certaines requêtes, dont le coût sera alors environ doublé.
• Le trafic réparti entre Chat Completions et Responses. Sur AIHubMix, les deux routes conservent des caches distincts : le même préfixe est donc écrit deux fois, et les réglages d’effort n’ont aucun effet visible sur la route Chat.

Comment réduire la facture

1. Choisissez le niveau d’effort selon la charge de travail, pas selon le compte. Commencez par medium, le niveau par défaut de Terra, puis testez low ou none pour les tâches simples comme l’extraction, la classification et la mise en forme. Mesurez la qualité et le coût avec vos propres prompts, car none n’a pas coûté moins cher que medium lors du test d’Artificial Analysis. Réservez high et max aux requêtes qui échouent avec medium.

2. Placez le préfixe stable en premier et gardez la même route. Placez le prompt système, les définitions des outils et les documents de référence au début de chaque requête, dans le même ordre, puis ajoutez tout ce qui varie (entrée utilisateur, horodatages, passages récupérés). Un préfixe doit compter au moins 1,024 jetons pour être mis en cache. Envoyez la charge de travail sur une seule route ; sur AIHubMix, utilisez Responses, où le niveau d’effort prend effet.

3. Utilisez le mode explicite pour éviter de payer l’écriture de contenus que vous ne réutiliserez pas. Lorsque prompt_cache_options.mode est défini sur "explicit", seuls les points de rupture que vous indiquez sont écrits. Le contenu après le dernier point de rupture est facturé au tarif d’entrée ordinaire, sans frais d’écriture, ce qui convient aux éléments propres à chaque requête, comme la question de l’utilisateur. En mode explicite, sans point de rupture, aucun contenu n’est mis en cache ; les vérifications d’AIHubMix ont confirmé qu’une telle requête n’écrivait rien.

4. Choisissez la durée de vie du cache en faisant le calcul. Par million de jetons de préfixe, une écriture avec une durée de 30 minutes coûte $1.25 et une écriture de 12 heures $2.50 ; les lectures coûtent $0.05 dans les deux cas. Si les interruptions de trafic entraînent trois écritures ou plus du préfixe en 12 heures avec la mise en cache de 30 minutes ($3.75 ou plus), une seule écriture de 12 heures revient moins cher. Avec deux écritures ($2.50), les coûts sont identiques. Si le trafic est régulier et maintient l’entrée de 30 minutes active, restez sur 30 minutes. Les vérifications d’AIHubMix ont confirmé que le paramètre de 12 heures fonctionne sur Terra : un préfixe de 9,020 jetons a été écrit sous forme de ttl_12h_tokens au premier appel, et le deuxième appel en a lu 9,007.

5. Restez sous la limite de 272K en entrée. Limitez la récupération à un budget de jetons plutôt qu’à un nombre de blocs, supprimez les échanges obsolètes et résumez les longs historiques avant qu’ils ne franchissent la limite. OpenAI documente également une fonctionnalité de compactage pour les longs contextes, qu’AIHubMix n’a pas testée sur Terra.

6. Modifiez l’effort avec configuration_update, et non avec le champ de la requête. Le guide des modèles GPT-6 d’OpenAI recommande de maintenir fixe le niveau d’effort défini au niveau de la requête et d’ajouter un élément d’entrée configuration_update pour augmenter ou réduire l’effort en cours de conversation. Lors de ses vérifications du 27 octobre, AIHubMix a accepté un élément configuration_update sur Terra (200).

7. Consignez les champs d’utilisation de chaque réponse. Les champs qui expliquent une facture Terra sont input_tokens_details.cached_tokens (lectures facturées), cache_write_tokens et sa répartition entre ttl_30m_tokens et ttl_12h_tokens, ainsi que output_tokens_details.reasoning_tokens. Divisez le total des jetons mis en cache par le total des jetons d’entrée pour obtenir le taux de succès du cache, regroupé par jour ou par fonctionnalité.

Consigner le coût par requête en Python

L’exemple utilise le SDK OpenAI avec le point de terminaison Responses d’AIHubMix. Il définit le niveau d’effort de raisonnement, transmet prompt_cache_options via extra_body et affiche les champs d’utilisation avec une estimation du coût aux tarifs standard. Les étapes de configuration figurent dans la documentation de l’API Responses d’AIHubMix, et le comportement de la mise en cache sur la passerelle est décrit dans la documentation sur la mise en cache d’AIHubMix.

import os
from openai import OpenAI

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

# Keep this identical across requests so it can be cached (1,024+ tokens).
STABLE_PREFIX = open("support_rules.txt").read()

# Terra standard rates, USD per 1M tokens, input up to 272K.
PRICE = {"input": 1.00, "cached": 0.05, "write_30m": 1.25,
         "write_12h": 2.50, "output": 5.00}

resp = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "low"},  # none, low, medium, high, xhigh, max
    input=[
        {"role": "developer", "content": STABLE_PREFIX},
        {"role": "user", "content": "Classify this ticket: refund not received."},
    ],
    extra_body={"prompt_cache_options": {"ttl": "30m"}},  # or "12h"
)

u = resp.usage.model_dump()
inp = u["input_tokens_details"]
cached = inp.get("cached_tokens", 0)
writes = inp.get("cache_write_tokens", 0)
by_ttl = inp.get("cache_write_tokens_details") or {}
w12 = by_ttl.get("ttl_12h_tokens", 0)
w30 = writes - w12
ordinary = u["input_tokens"] - cached - writes
reasoning = u["output_tokens_details"].get("reasoning_tokens", 0)

cost = (ordinary * PRICE["input"] + cached * PRICE["cached"]
        + w30 * PRICE["write_30m"] + w12 * PRICE["write_12h"]
        + u["output_tokens"] * PRICE["output"]) / 1_000_000

print(f"input={u['input_tokens']} cached={cached} writes={writes} (12h={w12})")
print(f"output={u['output_tokens']} reasoning={reasoning}")
print(f"estimated cost=${cost:.6f}")

La formule suit le guide de mise en cache d’OpenAI : les jetons d’entrée ordinaires correspondent à input_tokens moins cached_tokens moins cache_write_tokens, et le total des écritures ne s’ajoute pas une seconde fois à ses composantes. Au-delà de 272,000 jetons d’entrée, utilisez les tarifs pour les longs contextes ($2, $0.10, $2.50 pour les écritures de 30 minutes, $5 pour les écritures de 12 heures, $7.50 en sortie). Envoyez deux fois le même préfixe dans un intervalle de 30 minutes : la deuxième réponse devrait l’indiquer dans cached_tokens ; sinon, un élément du préfixe a changé.

FAQ

GPT-6.1 Terra est-il moins cher sur AIHubMix que chez OpenAI ?
Non. AIHubMix affiche les mêmes tarifs standard : $1 en entrée, $0.05 pour la lecture du cache et $5 en sortie par million de jetons. AIHubMix ne publie aucun tarif pour les écritures dans le cache ni pour les longs contextes pour Terra ; les tarifs d’écriture de $1.25 et $2.50 ainsi que les tarifs multipliés par 2 au-delà de 272K sont donc ceux d’OpenAI, jusqu’à ce que votre journal d’utilisation confirme la facturation de la passerelle.

La remise Batch ou Flex est-elle proposée par AIHubMix ?
Ce n’est pas une option confirmée. La remise de 50% pour Batch et Flex est propre à OpenAI, et AIHubMix ne propose pas l’API Batch d’OpenAI. Les requêtes Flex ont été acceptées lors des vérifications d’AIHubMix, mais la liste des prix d’AIHubMix ne présente que les tarifs standard pour Terra ; vérifiez donc votre journal d’utilisation avant de compter sur un prix réduit.

Les jetons de raisonnement sont-ils facturés en supplément ?
Ils sont facturés au tarif de sortie, soit $5 par million, dans le total output_tokens. L’objet d’utilisation les signale séparément sous reasoning_tokens afin que vous puissiez voir quelle part de la sortie correspond au raisonnement.

Que se passe-t-il pour une requête contenant 280,000 jetons d’entrée ?
La requête entière est facturée aux tarifs des longs contextes : $2 par million en entrée, $0.10 pour les jetons mis en cache et $7.50 en sortie. Pas seulement les 8,000 jetons au-delà de la limite.

Le cache de 12 heures en vaut-il la peine ?
Uniquement lorsqu’une entrée de 30 minutes devrait autrement être écrite au moins trois fois en 12 heures. Une écriture de 12 heures coûte $2.50 par million de jetons, contre $1.25 pour 30 minutes, et les lectures coûtent $0.05 dans les deux cas.

Pourquoi l’effort maximal coûte-t-il tellement plus cher ?
Artificial Analysis a mesuré environ 35,000 jetons de sortie par tâche avec le niveau maximal, contre 6,000 avec le niveau moyen ; le coût par tâche est passé de $0.10 à $0.40. Dans l’exemple détaillé ci-dessus, passer du niveau moyen au niveau maximal fait grimper le coût mensuel de $91.25 à $453.75.

Terra coûte-t-il toujours deux fois moins cher que Sol ?
Par jeton, oui. Par tâche, pas toujours : au niveau maximal, Terra coûte à peu près autant par tâche que Sol au niveau xhigh dans le test d’Artificial Analysis, où Sol a obtenu un meilleur score.

À lire ensuite : la série GPT-6.1 Terra

• Pour voir ce que permet la réduction de moitié du prix par rapport au modèle qu’il remplace : GPT-6.1 Terra contre GPT-5.6 Terra : moitié prix, qu’est-ce qui a changé et qui devrait passer à Terra ?
• Avant de transférer le trafic vers Responses pour profiter des paramètres d’effort et de la mise en cache : Migrer vers GPT-6.1 Terra : corriger les erreurs 400 de temperature, transférer les outils vers Responses et configurer Codex
• Si vous comparez Terra à un concurrent dont le prix par jeton est deux fois plus élevé : GPT-6.1 Terra contre Claude Sonnet 5.5 : quel modèle intermédiaire choisir pour les agents de traitement d’écrans et de documents ?
• Quand Terra au niveau d’effort maximal coûte autant que Sol par tâche : GPT-6.1 Terra contre GPT-6.1 Sol : quelles tâches nécessitent encore Sol ?

Sources

• OpenAI, page du modèle GPT-6.1 Terra : tarifs, règle des longs contextes, limites de contexte, niveaux d’effort.
• OpenAI, guide de mise en cache des prompts : tarifs d’écriture et de lecture, durées de vie du cache, mode explicite, champs d’utilisation.
• AIHubMix, page du modèle GPT-6.1 Terra : tarifs et accès à AIHubMix.
• Artificial Analysis, GPT-6.1 Terra repousse les limites du rapport coût-efficacité : coût et nombre de jetons de sortie par tâche, selon le niveau d’effort.
• Kingy AI, GPT-6.1 Terra : benchmarks, tarifs, caractéristiques et comparatif : paliers tarifaires, exemple de la limite des 272K et valeurs des graphiques d’OpenAI transcrites.