OpenAI lance GPT-6.1 Terra : des tokens deux fois moins chers, des hallucinations ramenées de 88% à 38%

OpenAI lance GPT-6.1 Terra, le premier modèle de la classe Terra depuis GPT-5.6. Le laboratoire indépendant Artificial Analysis y voit une nouvelle référence en matière d'efficacité tarifaire. Le prix par token a été divisé par deux au minimum : $1 par million de tokens en entrée et $5 par million en sortie, contre $2 et $12 auparavant. Dans le même temps, au niveau d'effort maximal, le modèle devance son prédécesseur de 6 points sur l'Artificial Analysis Intelligence Index, et le coût moyen d'une tâche est tombé de $1,40 à $0,40.

Tarifs : ce qui baisse, et de combien

La baisse touche toute la grille tarifaire, cache compris. Pour les systèmes agentiques, qui font tourner en boucle un long contexte, c'est le cache qui détermine la facture finale.

• Tokens d'entrée : $1 par million (GPT-5.6 Terra était à $2).
• Tokens de sortie : $5 par million (contre $12 auparavant).
• Écriture dans le cache : $1,25 par million de tokens, soit deux fois moins qu'avant.
• Entrée mise en cache : $0,05 par million de tokens contre $0,20, soit quatre fois moins cher.

Les tokens de sortie coûtent 2,4 fois moins cher, mais le coût d'une tâche a chuté de près de 3,5 fois. L'écart s'explique par le fait que 6.1 Terra résout les tâches plus efficacement : elle ne se contente pas de facturer moins par token.

Où le modèle se situe sur la frontière de Pareto

Artificial Analysis compare les modèles selon le couple « intelligence contre coût ». Aux niveaux d'effort faible et moyen, GPT-6.1 Terra se place sur la frontière de Pareto : il est impossible d'obtenir la même qualité à moindre coût. Les autres modes restent au-delà de cette frontière. Au niveau maximal, le gain par rapport à GPT-5.6 Terra est de 6 points ; aux niveaux inférieurs, il est plus élevé, de 7 à 13 points.

Au sein de la gamme d'OpenAI, le modèle occupe une position intermédiaire. En mode max, il reste 4 points derrière GPT-6.1 Sol et devance GPT-6 Luna de 10 points.

Dans le nouvel Artificial Analysis Coding Agent Index v2.0, Terra obtient 48 points. GPT-6.1 Sol en affiche 54, GPT-6 Luna 31. Ici, ce sont les modes xhigh et low qui se situent sur la frontière d'efficacité.

Hallucinations et agents de terminal

Le chiffre le plus marquant de cette version concerne la fiabilité. Dans AA-Omniscience, un benchmark fermé de connaissances et d'hallucinations, GPT-6.1 Terra devine une réponse dans 38% des cas où il ne la connaît pas. Pour GPT-5.6 Terra, ce taux était de 88%. Cette baisse de 50 points s'accompagne d'une hausse de 2 points de la précision : le modèle répond donc juste plus souvent et invente moins.

Le second bond notable concerne Terminal-Bench 4.0, un benchmark agentique pour le travail dans un terminal. Le gain atteint environ 20 points, et au niveau d'effort maximal, Terra rattrape GPT-6.1 Sol. Dans la plupart des autres tests, les progrès sont plus modestes : par exemple, 5 points sur GDP.pdf. Les scores correspondent à l'Intelligence Index v4.3.2.

Ce qu'Artificial Analysis a publié d'autre

Dans les mêmes jours, le laboratoire a publié plusieurs travaux :

• Code2Video-AA : une implémentation de HeyGen Code2Video Bench, où les modèles réalisent de courtes vidéos produit et marque à partir de 114 briefs de design, sur HyperFrames HTML (26 octobre).
• Kimi K3.1 Pro : le modèle débute à la 4e place de l'Intelligence Index et deviendra le leader parmi les modèles à poids ouverts (23 octobre).
• AA-PersonalityBench : un panel de LLM-juges compare les réponses par paires sur 30 traits de personnalité, regroupés en 8 indices, et mesure séparément 21 caractéristiques du style de communication (19 octobre).

Que changer en production

Pour les équipes qui construisent des agents sur GPT-5.6 Terra, la mise à niveau semble évidente : le coût d'une tâche est divisé par plus de trois, et la qualité progresse. Le choix du niveau d'effort compte désormais davantage que celui du modèle. Low et medium offrent le meilleur rapport qualité-prix dans l'index général, tandis que pour les agents de codage, la frontière est occupée par low et xhigh. Les autres modes coûtent plus cher sans gain en contrepartie.

La baisse de la part de réponses inventées, de 88% à 38%, est utile dans les scénarios où l'erreur coûte cher : support, recherche dans des bases de connaissances, automatisation de rapports. Pour les chaînes agentiques complexes, Terra, avec ses 48 points au Coding Agent Index, couvre une bonne partie de ce pour quoi il fallait auparavant payer Sol, dont les 54 points ne se justifient que là où chaque point compte. Avec un cache à $0,05 par million de tokens, les longues sessions à contexte répétitif deviennent économiquement raisonnables.