OpenAI lance GPT-6.1 Terra : $1/$5 par million de tokens et priorité au computer use

OpenAI a lancé GPT-6.1 Terra, un modèle rapide et peu coûteux que l'entreprise présente comme un outil pour la journée de travail. Le tarif est de $1 par million de tokens en entrée et de $5 par million de tokens en sortie. C'est presque deux fois moins que GPT-5.6 Terra et GPT-6.1 Sol, et environ dix fois plus que GPT-6 Luna, le modèle d'entrée de gamme. L'annonce met l'accent sur le raisonnement visuel détaillé, le contrôle précis de l'ordinateur et une écriture plus naturelle.

Ce qu'OpenAI met en avant dans cette sortie

Simon Willison, qui analyse chaque sortie de modèle, a relevé ce que l'annonce met en avant. Cette fois, il ne s'agit pas de benchmarks de mathématiques ou de programmation. OpenAI décrit Terra comme un modèle pour les tâches qui remplissent une journée de travail : rédiger des propositions commerciales, interpréter des plans techniques, remplir des formulaires et monter des vidéos. Selon la formulation de l'entreprise, c'est un progrès substantiel par rapport à GPT-5.6 Terra.

La logique est pragmatique. Le computer use, c'est-à-dire le travail du modèle avec des interfaces plutôt qu'avec des API, se traduit le plus souvent par de longs scénarios répétitifs : ouvrir une page, trouver un champ, saisir des données, vérifier le résultat. Ces tâches supportent mal un prix élevé par token et une latence importante. Un modèle rapide de milieu de gamme leur convient mieux qu'un modèle phare.

Quatre modèles, et la question du choix

La gamme de pointe actuelle d'OpenAI se présente ainsi :

• GPT-6 Astra : le modèle haut de gamme. Selon Ted Sanders, d'OpenAI, Terra le surpasse en communication technique et se maintient au même niveau en vision et en computer use, mais lui est inférieur dans la plupart des autres tâches.
• GPT-6.1 Sol : un modèle de classe supérieure à Terra. Il coûte presque deux fois plus cher, mais il est globalement plus puissant.
• GPT-6.1 Terra : le milieu de gamme, à $1 par million de tokens en entrée et $5 par million de tokens en sortie. Ses points forts : la vision, le contrôle de l'ordinateur, la clarté d'écriture, la vitesse.
• GPT-6 Luna : le modèle le moins cher. Environ dix fois moins cher que Terra, mais nettement plus faible en vision, en computer use et en communication.
• GPT-5.6 Terra : la génération précédente de Terra, dont la nouvelle version est presque deux fois moins chère.

Willison compare la position de Terra à celle de Sonnet dans la famille Anthropic. Ce n'est ni le modèle le moins cher ni le plus cher, et le choisir demande donc plus de calcul. On prend le modèle phare quand il faut la qualité maximale. On prend le petit modèle quand la facture de tokens compte. Le modèle intermédiaire ne s'avère le bon choix que sur certains types de tâches précis.

Le conseil d'un ingénieur d'OpenAI

Ted Sanders a répondu à une question sur le positionnement dans un commentaire sur Hacker News. D'après lui, Terra est probablement meilleur qu'Astra et Sol en communication technique, au même niveau en vision et en computer use, mais nettement plus rapide, et un peu moins bon dans la plupart des autres tâches.

Pour les développeurs qui passent par l'API, il la décrit comme une option intermédiaire pratique : moins chère que Sol, mais bien plus intelligente que Luna, surtout en vision, en computer use et en communication. Pour les abonnés à ChatGPT, cette sortie n'est pas, selon ses propres mots, une bombe. Si vous butez sur les limites d'utilisation, Terra permet de tenir un peu plus longtemps. Si vous avez besoin de textes clairs ou d'un travail plus rapide sur l'ordinateur, mieux vaut la choisir manuellement.

Cette franchise est rare dans une annonce. OpenAI reconnaît en pratique que Terra ne remplace pas les modèles plus puissants, mais qu'elle couvre une niche précise.

Un pélican à 11 cents

Willison a soumis Terra à son test du pélican SVG à vélo, pour tous les niveaux de reasoning. Au niveau le plus lourd, max, la génération a coûté 11,3161 cents et pris 4 minutes 11 secondes. La requête comptait 16 tokens en entrée et la réponse 22 629 tokens en sortie. Il juge le résultat positif : le cadre du vélo a la bonne forme, les jambes et les pédales sont placées de part et d'autre, et la palette de couleurs correspond à celle des autres modèles GPT-6 et GPT-6.1.

Cet exemple montre comment le coût se forme en pratique. Il n'y a presque pas de tokens en entrée, et presque tout le prix part dans le raisonnement et la sortie. Pour les modèles dotés de modes de reasoning, ce sont les tokens de sortie à $5 par million qui déterminent la facture finale.

Willison a également assemblé une grille comparative de pélicans pour tous les niveaux de reasoning d'Astra, Sol, Terra et Luna.

Où Terra est rentable

Le scénario le plus évident pour Terra est l'automatisation de la routine de bureau via les interfaces : remplir des formulaires, traiter des documents contenant plans et schémas, préparer des brouillons de propositions, retoucher des vidéos. Ce sont toutes des tâches où la vitesse et la stabilité comptent, tandis que la profondeur de raisonnement n'est pas toujours nécessaire.

Les développeurs ont intérêt à faire tourner leurs propres scénarios de computer use sur Terra à côté de Sol, puis à comparer le coût d'une tâche menée à bien. Si la qualité est proche et la vitesse supérieure, le changement se justifie. Pour les tâches qui exigent la plus grande puissance intellectuelle générale, il vaut mieux rester sur Astra ou Sol. Pour la classification de masse et les requêtes simples, Luna suffit. Les abonnés auront intérêt à passer sur Terra lorsque la clarté du texte compte, ou lorsque les limites sur les modèles plus puissants sont atteintes.