OpenAI lance GPT-6.1 Terra : le prix de l'API est divisé par deux, à $1 le million de tokens

OpenAI a lancé GPT-6.1 Terra, un modèle de milieu de gamme destiné aux scénarios agentiques, à l'utilisation d'un ordinateur et au codage quotidien. Dans l'API, il coûte $1 par million de tokens en entrée et $6 par million en sortie. Les tarifs de GPT-5.6 Terra étaient de $2 et $12 : le prix est donc divisé exactement par deux. D'après les évaluations d'OpenAI elle-même, le modèle est en outre nettement plus performant : sur Terminal-Bench 4.0, il résout 50,3% des tâches contre 21,5% pour son prédécesseur.

Moins cher par token et par tâche

En général, la baisse de prix d'un modèle de milieu de gamme se paie en qualité. Ici, OpenAI affirme le contraire. Sur le benchmark Agents' Last Exam, GPT-6.1 Terra devance GPT-5.6 Terra de 15 points de pourcentage au niveau de raisonnement moyen. Le coût d'exécution d'une tâche est, lui, environ trois fois plus faible.

Un calcul simple explique cet effet. Le tarif a été divisé par deux, tandis que le coût d'une tâche a été divisé par trois. Le nouveau modèle consomme donc environ 1,5 fois moins de tokens pour le même travail : moins d'étapes superflues, moins de raisonnements creux. Pour les agents, c'est plus important que le prix par token, car ils enchaînent de longues séquences d'appels et la facture augmente avec le nombre d'étapes.

Ce que montrent les tests internes d'OpenAI

Tous les chiffres ci-dessous proviennent d'OpenAI elle-même ; la publication ne contient aucune mesure indépendante.

• Prix des tokens en entrée : $1 par million, contre $2 pour GPT-5.6 Terra.
• Prix des tokens en sortie : $6 par million, contre $12.
• Agents' Last Exam : 15 points de pourcentage de mieux que le prédécesseur au niveau de raisonnement moyen, pour un coût par tâche environ trois fois plus faible.
• Terminal-Bench 4.0 : 50,3% de tâches résolues contre 21,5% pour GPT-5.6 Terra, au niveau de raisonnement maximal. L'écart est de 28,8 points de pourcentage, soit un résultat 2,3 fois supérieur.
• Erreurs factuelles : dans un test interne portant sur des requêtes provocatrices complexes, au niveau de raisonnement maximal, leur proportion tombe à 4,3%.
• Usages visés : scénarios agentiques, utilisation d'un ordinateur, codage quotidien.

Terminal-Bench évalue la capacité d'un modèle à travailler en ligne de commande : installer des dépendances, réparer des builds, s'y retrouver dans un environnement. Le bond de 21,5% à 50,3% sur ce test signifie que l'agent bute moins souvent sur la routine, alors que celle-ci occupe l'essentiel du développement réel. La baisse du taux d'erreurs à 4,3% compte aussi pour les agents. Dans un chat, un humain corrigera un fait inventé ; un agent, lui, exécutera un chemin de fichier ou un flag de commande inventé.

Où le modèle est disponible

GPT-6.1 Terra fonctionne déjà dans ChatGPT Work, Codex et via l'API sous l'identifiant gpt-6.1-terra. Dans ChatGPT, il est déployé sur les offres Plus, Pro, Enterprise et Edu. Les utilisateurs gratuits ne figurent pas dans la liste.

Comment recalculer son budget agents

Les équipes qui font tourner des agents en production ont intérêt à relancer leurs propres tâches sur gpt-6.1-terra et à comparer avec GPT-5.6 Terra. Il faut regarder non pas le prix par token, mais le coût final d'une tâche menée à son terme et la part d'exécutions réussies. Pour une requête type d'un million de tokens en entrée et de cent mille en sortie, la facture passe de $3,2 à $1,6 grâce au seul tarif. Si la réduction du nombre de tokens par tâche se confirme, l'économie sera nettement plus importante.

Il faut aussi vérifier séparément les modes de raisonnement. OpenAI a mesuré le gain sur Agents' Last Exam au niveau moyen, tandis que le record sur Terminal-Bench et les 4,3% d'erreurs ont été obtenus au niveau maximal. Le choix du niveau déterminera l'équilibre entre vitesse, prix et qualité. Pour les développeurs dans Codex, le modèle devient l'option économique par défaut pour le codage de routine, les modèles plus lourds pouvant être réservés aux tâches d'architecture complexes.