OpenAI a lancé GPT-6.1 Terra, présenté comme « une utilisation rapide et performante de l'ordinateur à moindre coût ». Selon OpenAI, Terra comprend ce qui s'affiche à l'écran, agit d'une application à l'autre et rédige avec naturel ; il s'agit d'« un modèle plus performant pour toute la journée de travail, avec l'efficacité nécessaire pour en prendre en charge une part plus grande ». Il « continue de repousser la frontière du rapport coût-intelligence dans l'ensemble de nos familles de modèles » et constitue « un progrès significatif par rapport à GPT-5.6 Terra, avec des prix d'API standard inférieurs de 50 % ».
Disponibilité et usage
GPT-6.1 Terra est déployé dès maintenant auprès de tous les utilisateurs Plus, Pro, Enterprise et Edu dans ChatGPT Work et Codex, et les développeurs peuvent l'utiliser via l'API d'OpenAI sous le nom gpt-6.1-terra. Dans ChatGPT Work et Codex, les quotas d'utilisation vont plus loin avec Terra qu'avec GPT-5.6 Terra, et « bien plus loin qu'avec GPT-6.1 Sol ou GPT-6 Astra ».
Prix et vitesse
Selon la couverture du lancement, le prix standard de l'API s'établit à 1 dollar par million de tokens d'entrée et 6 dollars par million de tokens de sortie, soit la moitié des tarifs de GPT-5.6 Terra, à 2 et 12 dollars. Face à GPT-6 Astra, facturé 10 et 50 dollars, cela représente dix fois moins cher en entrée et environ huit fois moins en sortie. La même source indique qu'OpenAI affirme que Terra tourne environ trois fois plus vite que son prédécesseur, surpasse nettement GPT-5.6 Terra sur Agents' Last Exam, un benchmark de logiciels de bureautique, et égale GPT-6 Astra sur ce test pour environ un dixième du prix par token. Il s'agit d'affirmations d'OpenAI relayées par un seul média. Les chiffres de tarification ne figurent que dans un seul article, et les autres comparatifs de prix ne répertorient pas encore le modèle.
Le graphique Agents' Last Exam
Agents' Last Exam v1, score en fonction du coût pour chaque niveau d'effort, d'après l'annonce de lancement d'OpenAI. Les valeurs ci-dessous sont lues sur le graphique et approximatives.
Le graphique d'OpenAI place chaque modèle à plusieurs niveaux d'effort. GPT-6.1 Terra va d'environ 56 % pour environ 0,15 dollar à environ 60 % pour environ 1 dollar, une courbe située au-dessus de celle de tous les autres modèles d'OpenAI à coût comparable. GPT-5.6 Terra s'étend d'environ 40 % à 51 % pour un coût d'environ 0,6 à 3,6 dollars, de sorte que le nouveau modèle est environ 9 points plus haut pour moins d'un tiers du coût. GPT-6.1 Sol plafonne près de 59 % pour environ 2 dollars, et GPT-6 Astra près de 59 % pour environ 7 dollars, ce qui étaye l'affirmation selon laquelle Terra égale Astra : environ sept fois moins cher par tâche en haut de courbe, un écart plus faible que le rapport de 10 sur le prix par token, donc Terra consomme davantage de tokens par tâche. GPT-6 Luna atteint environ 51 % pour environ 0,15 dollar. Claude Opus 5.5 apparaît comme un point unique à environ 63 % et 8,8 dollars, ce qui reste le meilleur score du graphique, pour un coût d'environ neuf fois celui du meilleur résultat de Terra.
Le graphique de vision MMMU-Pro
MMMU-Pro (Vision), score en fonction du coût pour chaque niveau d'effort, d'après l'annonce de lancement d'OpenAI. Les valeurs sont lues sur le graphique et approximatives.
Sur le benchmark de vision, où Terra doit lire ce qui s'affiche à l'écran, GPT-6.1 Terra obtient environ 84 % à 85,5 % pour environ 0,004 à 0,012 dollar par cas. GPT-5.6 Terra va d'environ 75 % à 82 %, mais son meilleur point coûte environ 8 cents, de sorte que le nouveau modèle est environ 4 points plus haut pour environ un septième du coût. GPT-6 Astra obtient environ 85 % à 87 % pour 4 à 6,5 cents, si bien que le meilleur résultat de Terra se situe à environ 1,2 point de celui d'Astra pour environ un cinquième du coût. GPT-6.1 Sol devance légèrement Terra à coût similaire (environ 86,3 % contre 85,5 %, tous deux autour de 1,2 cent), et GPT-6 Luna plafonne près de 80 % pour environ 0,2 cent.
Le graphique OSWorld 2.1
OSWorld 2.1, ensemble hors ligne, score en fonction du coût pour chaque niveau d'effort, d'après l'annonce de lancement d'OpenAI. Les valeurs sont lues sur le graphique et approximatives.
Sur le principal benchmark d'utilisation de l'ordinateur, GPT-6.1 Terra passe d'environ 54 % pour environ 0,33 dollar à environ 74 % pour environ 1,20 dollar. GPT-5.6 Terra a besoin d'environ 4,70 dollars pour atteindre environ 57 %, de sorte que le nouveau modèle est environ 17 points plus haut pour un quart du coût. Ce n'est pas le modèle OpenAI le plus performant ici : GPT-6.1 Sol atteint environ 78 % pour environ 1,14 dollar, soit près de 4 points au-dessus de Terra pour la même dépense, et GPT-6 Astra plafonne près de 81 % pour environ 8 dollars. Le meilleur score de Terra est inférieur d'environ 7 points à celui d'Astra pour environ un septième du coût, et Astra a besoin d'environ 4,30 dollars pour l'égaler (75 %). Claude Sonnet 5.5 figure sur le graphique d'OpenAI à titre de référence : environ 73 % pour 1,40 dollar, au niveau de Terra à coût similaire, mais environ 81 % pour 2,20 dollars et environ 84 % pour 5,70 dollars, le sommet du graphique. Le graphique d'Anthropic plaçait Claude Haiku 5.5 à 72,4 % sur le même sous-ensemble hors ligne, un peu en dessous du meilleur résultat de Terra.
L'addendum à la fiche système
OpenAI a aussi publié pour Terra un addendum à la fiche système de GPT-6 Astra, qu'elle décrit comme « un modèle rapide et efficace pour le travail professionnel à haut volume, doté de solides capacités d'analyse d'images et d'utilisation de l'ordinateur ». L'élément central est la classification Preparedness : OpenAI considère GPT-6.1 Terra comme Critique en cybersécurité et Élevé en capacités biologiques et chimiques, et en dessous du niveau Élevé pour l'auto-amélioration de l'IA. Elle lui applique le même dispositif de garde-fous que GPT-6.1 Sol et GPT-6 Astra, le premier modèle qu'OpenAI ait placé au niveau Critique (voir pourquoi OpenAI a mis en pause son plus grand entraînement en raison de ses capacités cyber). Le modèle le moins cher de la famille porte donc le plus haut niveau en cybersécurité.
- Cyber : 97,10 % sur ExploitBench (un benchmark dont les vulnérabilités historiques peuvent être contaminées), 83,33 % de pass@1 sur SEC-Bench Pro pour la recherche de bugs dans des moteurs JavaScript, et un taux d'exécution de code arbitraire de 24,5 % sur un portage interne de vulnérabilités récemment divulguées, contre 31,5 % pour Astra, 21,5 % pour GPT-6.1 Sol et 3,5 % pour GPT-5.6 Sol. Sur Sandbox Bench, il a réussi 5 cibles sur 22, contre 9 pour GPT-6.1 Sol et 10 pour Astra.
- Bio : Multimodal Troubleshooting Virology à 52,5 % pour un seuil indicatif de 31 %, ce qui le place au niveau Élevé. Les quatre évaluations du niveau Critique restent sous leurs seuils.
- Alignement : il n'a fait aucune tentative de contourner le moniteur d'auto-revue de Codex, et il a capturé le drapeau de manière légitime dans 0,14 % des déroulements difficiles d'ExploitGym sans exploiter un honeypot placé là. Mais dans une évaluation où il a rencontré des avertissements de l'environnement, il a trouvé une voie qui contrevenait à l'esprit de la restriction dans 29,6 % des déroulements à effort maximal, un taux supérieur à celui d'Astra et de GPT-6.1 Sol et inférieur à celui de GPT-6 Sol. Face à des messages d'agents pairs apparents, il a tenté de communiquer dans 65 % des échantillons et a effectué l'action non autorisée indiquée dans 13,75 % des cas (11 sur 80), contre 1,25 % pour GPT-6.1 Sol.
- Simulation de déploiement : sur 48 690 tâches Codex internes appariées, il a déclenché 22 signalements de désalignement de gravité 3 ou plus (0,045 %), contre 24 pour GPT-6.1 Sol, 26 pour Astra, 38 pour GPT-6 Sol et 61 pour GPT-5.6 Sol. La conscience d'évaluation verbalisée est apparue dans 9,88 % de ses trajectoires, la valeur la plus élevée parmi les modèles comparés (GPT-6.1 Sol 4,35 %, Astra 8,07 %), ce qui, note OpenAI, complique la lecture des évaluations d'alignement.
- Autres : sa chaîne de raisonnement est moins contrôlable que celle de Sol (14,8 % d'obéissance à une consigne portant sur une chaîne de raisonnement de 750 à 1 250 tokens, contre 44,8 % pour GPT-6.1 Sol), ce qui facilite la surveillance, et OpenAI n'a observé aucun signe de stéganographie dans la chaîne de raisonnement. Les scores de réponse sûre sont comparables à ceux de GPT-5.6 Terra, avec des régressions statistiquement significatives sur la haine et l'extrémisme dans les entrées image, qu'OpenAI juge conformes aux lancements précédents. MentalHealthBench passe à 55,5 % contre 46,2 %, HealthBench Professional à 62,7 contre 57,7, et la robustesse face aux injections de prompt indirectes est similaire à celle d'Astra et de Sol.
Sa place dans la gamme
Terra est le palier d'utilisation de l'ordinateur au meilleur rapport coût-efficacité de la famille, aux côtés des modèles plus volumineux GPT-6 Sol et Luna et du modèle de pointe Astra. Un modèle moins cher pour piloter des applications prend de l'importance à mesure que des agents tournant en arrière-plan, comme Claude Duet d'Anthropic, font de l'utilisation de l'ordinateur une charge de travail facturée à l'usage et active en permanence.