OpenAI lance GPT-6.1 Terra : deux fois moins cher et deux fois plus précis en code

OpenAI a présenté GPT-6.1 Terra, un modèle de milieu de gamme qui se rapproche des modèles phares sur les tâches agentiques, pour un prix nettement inférieur. Les tarifs standard de l'API sont de $1 par million de tokens en entrée, $0,05 pour les tokens en cache et $5 en sortie. C'est 50% de moins que GPT-5.6 Terra et GPT-6.1 Sol. Sur Terminal-Bench 4.0, à effort maximal, Terra résout 50,3% des tâches, contre 21,5% pour la version précédente. Le modèle est disponible dans ChatGPT Work et Codex pour les abonnés Plus, Pro, Enterprise et Edu. Les développeurs y accèdent via l'API sous le nom gpt-6.1-terra.

Un ordinateur plutôt qu'un chat : la cible de Terra

OpenAI positionne le modèle comme un cheval de trait pour les tâches de bureau : rédaction de propositions commerciales, lecture de plans techniques, remplissage de formulaires, montage vidéo. Pour les développeurs, l'exemple de l'annonce est très concret : lire des factures entrantes et saisir leurs coordonnées dans un logiciel de comptabilité. Pour ce type de tâche, ce n'est pas l'intelligence de pointe qui compte, mais le coût pour mille documents et la vitesse.

Sur Agents' Last Exam, un benchmark de tâches professionnelles, Terra transforme des plans d'architecte en modèle 3D et réalise le découpage image par image d'un film d'animation pour une équipe de restauration. À effort de raisonnement moyen, le modèle marque 15 points de pourcentage de plus que GPT-5.6 Terra pour environ un tiers du coût.

Ses résultats sont au niveau du modèle phare GPT-6 Astra, mais le prix par token est dix fois inférieur. À effort maximal, Terra consomme plus de trois fois moins de tokens que Claude Opus 5.5, et son token coûte quatre fois moins cher.

Au final, une tâche revient environ neuf fois moins cher. Terra exécute en outre les tâches plus de trois fois plus vite que GPT-6 Astra et GPT-6.1 Sol.

Les chiffres : benchmarks et sécurité

• Agents' Last Exam (effort moyen) : +15 points de pourcentage par rapport à GPT-5.6 Terra pour ~1/3 du coût ; niveau de GPT-6 Astra pour 1/10 du prix par token.
• Agents' Last Exam (effort maximal) : plus de 3 fois moins de tokens nécessaires que Claude Opus 5.5, prix du token 4 fois inférieur, coût d'une tâche ~9 fois inférieur.
• Vitesse : tâches exécutées plus de 3 fois plus vite qu'avec GPT-6 Astra et GPT-6.1 Sol.
• MMMU-Pro (raisonnement visuel) : devant GPT-5.6 Terra quels que soient les réglages, presque à égalité avec Astra et Sol.
• OSWorld 2.1 (travail en plusieurs étapes dans des applications de bureau) : à effort moyen, dépasse le meilleur résultat de GPT-5.6 Terra pour une faible part du coût de la tâche.
• Erreurs sur les prompts provocateurs (test interne) : à effort faible, 53,6% → 16,7% ; à effort maximal, 18 points de pourcentage de moins, jusqu'à 4,3%, presque au niveau d'Astra et Sol.
• Terminal-Bench 4.0 : 50,3% contre 21,5%.
• Terminal-Bench-Science 0.1 : à effort maximal, devant GPT-6.1 Sol pour un coût inférieur, et à cinq points d'Opus 5.5 pour un prix estimé à moins d'un cinquième.
• Sécurité : niveau Critical en cybersécurité dans le Preparedness Framework, protections de GPT-6 Astra conservées, meilleure résistance à la prompt injection ; le modèle reste plus souvent dans le cadre de la tâche et signale ses limites plus honnêtement.

L'écart sur les hallucinations à effort faible est particulièrement parlant : de 53,6% à 16,7%. C'est généralement dans le mode économique que les modèles se trompent le plus, et c'est pourtant ainsi qu'ils doivent travailler dans l'automatisation à grande échelle. OpenAI fixe par ailleurs clairement les limites : pour les tâches de programmation les plus complexes, GPT-6.1 Sol et GPT-6 Astra restent le meilleur choix.

Comment calculer l'économie en pratique

Avec ses tarifs de $1/$5 et un cache à $0,05, Terra convient bien aux pipelines à contexte répétitif : longue instruction, règlement comptable ou schéma des champs d'un formulaire, envoyés avec chaque document. Estimation grossière : une facture de 3000 tokens en entrée, scan compris, avec une réponse de 300 tokens, coûte environ $0,0045. Dix mille factures reviennent à environ $45, sans tenir compte du cache. Les chiffres réels dépendent de la taille des images et du niveau d'effort choisi, et il vaut mieux les mesurer sur vos propres données.

La marche à suivre est la suivante. Passez un échantillon de tâches sur Terra à effort faible puis moyen, et comparez le taux d'erreur et le coût par tâche. Dirigez les cas difficiles, comme les documents mal structurés ou les longues chaînes de modifications de code, vers Sol ou Astra. Pour les agents qui lisent des e-mails et des pages web tiers, testez séparément la résistance à la prompt injection sur vos propres scénarios. Les résultats annoncés par OpenAI proviennent de benchmarks internes et spécialisés, et votre flux documentaire peut se comporter différemment.

Dans ChatGPT Work et Codex, la même limite d'abonnement couvre plus de tâches qu'avec GPT-5.6 Terra, et nettement plus qu'avec Sol ou Astra. Pour les équipes qui butent sur leurs quotas, c'est le moyen le plus rapide d'augmenter le volume de travail sans changer d'offre.