OpenAI casse les prix de GPT-6.1 Terra

Un prix bas et une consommation de tokens mesurée

Au prix de 1 dollar pour 1 million de tokens en entrée, et 5 dollars pour le même volume en sortie (0,05 dollar par million de tokens pour la mise en cache), GPT-6.1 Terra est plus de deux fois moins cher sur le papier que GPT-5.6 Terra (2 dollars/12 dollars).

Dans les faits, cela ne se vérifie pas. Confronté à l’Intelligence Index, au niveau d’effort maximum, GPT-6.1 Terra coûte 0,96 dollar par tâche, contre 1,40 dollar pour GPT 5.6 Terra et 1,27 dollar pour GPT-6.1 Sol.

Ces gains semblent principalement dus à la chute des prix. GPT-6.1 Terra génère 99 millions de tokens pour compléter l’exercice, et 61 000 tokens de résultat par tâche (sans compter le raisonnement).  

À noter qu’Artificial Analysis a revu ses bancs d’essai. En juillet, GPT-5.6 Terra consommait 96 millions de tokens pour l’ensemble des tests et coûtait 0,55 dollar par tâche au niveau d’effort maximum. L’on regrettera que l’évaluateur n’ait pas publié l’ensemble des résultats de GPT-5.6 Terra sur les derniers parangonnages en date.

Malgré tout, l’avantage tarifaire d’OpenAI est notable. Les résultats de GPT-6.1 Terra à son niveau d’effort maximum sont équivalents à ceux de Claude Sonnet 5.5 réglés sur le niveau xhigh. Or, dans cette configuration, le modèle d’Anthropic coûte 4,09 dollars par tâche.

Au niveau xhigh, GPT-6.1 Terra affiche un score de 45 points sur l’intelligence Index, légèrement supérieur à celui de Muse Wonder à son niveau maximum (43). Et c’est là où le modèle Terra brille : le coût par tâche est de 0,40 dollar chez OpenAI, contre 5,95 dollars chez Meta.

OpenAI applique pourtant la même stratégie qu’Anthropic. Tous deux ont trouvé le moyen de réduire leurs coûts d’inférence. En sus d’une tarification agressive, OpenAI dispose d’un tokenizer (l’outil responsable de la conversion des mots en tokens) plus efficient.

L’embarras du choix

Auprès de TechTarget, David Nicholson, analyste chez Futurum Group, ne peut pas s’empêcher de remarquer que l’embarras du choix et ces coupes dans les prix « génèrent de la confusion » au sein des entreprises.

« Il faut disposer d’un certain niveau de compréhension et de perspicacité pour savoir à quelles tâches les modèles sont adaptés, et dans quelle mesure ce que l’on demande au modèle correspond à ses capacités. Or, ce n’est pas toujours clair à 100 % », note-t-il.

Oui, OpenAI guide les usagers vers certaines tâches, dont la compréhension visuelle et le computer use. Mais GPT-6.1 Terra demeure un modèle de raisonnement généraliste. Les tests du fournisseur de LLM et d’évaluateur comme Artificial Analysis ne sont que des indicateurs. Idéalement, il convient d’établir ses propres bancs d’essai pour vérifier la pertinence d’un modèle. 

Arun Chandrasekaran, analyste chez Gartner, s’inquiète davantage des enjeux en matière de cybersécurité et de gouvernance d’un tel LLM taillé pour les tâches agentiques au long cours. De son côté, OpenAI considère que GPT-6.1 Terra est aussi capable que GPT-6.1 Sol et GPT-6 Astra sur les tâches liées à la cybersécurité. Il lui impose donc les mêmes filtres que ses aînés. Lors des exercices d’injection de prompts, GPT-6.1 Terra obtient les mêmes résultats que GPT-5.6 Terra.