GPT-6.1 Terra : moitié prix, ce que ça change pour toi

Le 26 octobre 2026, OpenAI a sorti GPT-6.1 Terra et annoncé des prix d’API inférieurs de 50 % à ceux de la version précédente. Le lendemain, un ingénieur de la maison résumait en une phrase comment choisir entre leurs quatre modèles. La vraie question n’est donc plus « quel est le meilleur modèle ? » mais « lequel me coûte le moins cher pour ce que j’ai à faire ? ». Voici les chiffres officiels et trois calculs d’étudiant.

En bref : GPT-6.1 Terra passe à 1,00 $ le million de jetons en entrée et 5,00 $ en sortie, contre 2,00 $ et 12,00 $ pour GPT-5.6 Terra. Le raccourci « moitié prix » est exact en entrée, mais en dessous de la réalité en sortie (−58 %) et pour la lecture de cache (−75 %). Le modèle est réservé aux abonnés Plus, Pro, Enterprise et Edu dans ChatGPT Work, à tous les abonnements dans Codex, et à l’API — pas de compte gratuit. OpenAI revendique le niveau de son gros modèle Astra pour un dixième du prix par jeton, sur ses propres tests. Un addendum de sécurité le classe au seuil « Critique » en cybersécurité.

Ce qu’OpenAI a annoncé le 26 octobre

L’annonce est parue le 26 octobre 2026 sur le forum développeurs d’OpenAI, sous le titre « GPT-6.1 Terra: delivering fast and capable computer use at a lower price ». Sa première phrase donne le programme : « GPT-6.1 Terra understands what’s on screen, takes action across apps, writes naturally, and is a more capable model for your whole workday with the efficiency to take on more of it. » Il lit un écran, agit dans des applications, écrit mieux, et consomme moins.

Deux promesses chiffrées : des prix d’API standard inférieurs de 50 % à ceux de GPT-5.6 Terra, et un niveau comparable à GPT-6 Astra — le haut de gamme maison — pour un dixième du prix par jeton. Le même jour, Anthropic déposait son formulaire S-1 auprès de la SEC. Le calendrier n’est probablement pas un hasard.

Les tarifs officiels : où « moitié prix » est vrai, où c’est inexact

Les prix affichés sur la page tarifaire d’OpenAI, consultée le 28 octobre 2026, par million de jetons :

Modèle	Entrée	Entrée en cache	Sortie
gpt-6.1-terra	1,00 $	0,05 $	5,00 $
gpt-5.6-terra	2,00 $	0,20 $	12,00 $
gpt-6.1-sol	2,00 $	0,10 $	10,00 $
gpt-6-astra	10,00 $	1,00 $	50,00 $
gpt-6-luna	0,10 $	0,01 $	0,50 $

Fais le calcul toi-même. L’entrée est bien divisée par deux, la lecture de cache par quatre. Mais la sortie passe de 12,00 $ à 5,00 $, soit une baisse de 58 %, pas de 50 %. Le « moitié prix » d’OpenAI est donc prudent sur le poste qui coûte le plus cher : sur un modèle de raisonnement, c’est la sortie qui fait la facture.

Deux détails utiles. En mode Batch (un lot de requêtes, les réponses sous 24 h) et en mode Flex, les tarifs sont encore divisés par deux : 0,50 $ / 0,025 $ / 2,50 $. Et The Decoder annonce 10 $ en sortie pour GPT-5.6 Terra là où la page officielle et Next affichent 12 $. En cas de doute, la page tarifaire de l’éditeur fait foi.

Ce que Terra sait faire de plus

Attention : les gains annoncés viennent tous des tests internes d’OpenAI. Ce sont les chiffres du vendeur. Sur Terminal-Bench 4.0, où le modèle doit accomplir des tâches dans un terminal, le taux de réussite passe de 21,5 % à 50,3 % — à effort de raisonnement maximal, précise The Decoder. Sur un jeu interne de questions piégeuses, Next rapporte un taux d’erreur à effort faible qui tombe de 53,6 % à 16,7 %, et qui recule de 18 points à effort maximal pour atteindre 4,3 %. Terra terminerait enfin ses tâches plus de trois fois plus vite qu’Astra et que GPT-6.1 Sol.

Seule observation tierce : d’après The Decoder, le cabinet Artificial Analysis estime qu’à faible effort, Terra offre le meilleur rapport intelligence/coût par tâche du marché.

Astra, Sol, Terra, Luna : la règle de Ted Sanders

Le 27 octobre, Ted Sanders, d’OpenAI, a donné une règle empirique pour s’y retrouver : « If you care about quality only, pick Astra. If you’re a bit price sensitive, pick Sol. If you’re very price sensitive, pick Terra or Luna. » Qualité seule, Astra ; un peu sensible au prix, Sol ; très sensible au prix, Terra ou Luna.

Il ajoute une nuance qui vaut pour tout le secteur : la taille explique l’essentiel des écarts, mais un modèle plus récent et plus petit peut dépasser un modèle plus ancien et plus gros, grâce aux données d’entraînement ou à l’architecture. Terra en est son illustration : il devance le plus gros Astra sur la communication technique et fait jeu égal sur le traitement d’images et le pilotage d’ordinateur, tout en restant derrière ailleurs.

Là où la règle se grippe : elle suppose que tu paies au jeton — avec un abonnement ChatGPT, tu ne choisis pas au centime près — et que le modèle réussit du premier coup.

Où tu peux vraiment l’utiliser : pas sur un compte gratuit

GPT-6.1 Terra est accessible aux abonnés Plus, Pro, Enterprise et Edu dans ChatGPT Work, à tous les niveaux d’abonnement dans Codex, et via l’API sous le nom gpt-6.1-terra. Sur un compte gratuit, non.

Côté API, la documentation développeur liste les niveaux d’effort de raisonnement acceptés : none, low, medium (par défaut), high, xhigh et max. Le mode none, que n’acceptent ni Astra ni GPT-6.1 Sol, réactive temperature et top_p. C’est le levier de coût le plus efficace et le moins connu : un modèle de raisonnement facture ses jetons de réflexion au tarif de sortie, et passer de max à low peut diviser ta facture par plusieurs.

Enfin, l’offre « Back to School » d’OpenAI, quatre mois de ChatGPT Plus à réclamer avant le 31 octobre 2026, est réservée aux étudiants d’établissements américains éligibles. Elle ne concerne pas les étudiants français.

Combien coûte un projet étudiant : trois calculs

Les prix au million de jetons ne parlent à personne. Traduisons : une page de cours dense tourne autour de 600 jetons.

Calcul 1 — une séance de quiz. Tu colles 20 pages de cours, environ 12 000 jetons en entrée, et le modèle répond en 1 500 jetons. Terra : 0,012 $ + 0,0075 $, soit 2 centimes. Astra : environ 20 centimes. Luna : 0,2 centime. Pour réviser, le modèle le plus cher du catalogue coûte le prix d’un bonbon.

Calcul 2 — un projet de code de fin de semestre. Disons 300 allers-retours avec un agent sur une semaine, chacun relisant ton projet : 25 000 jetons en entrée dont 20 000 servis depuis le cache, et 2 000 en sortie. Terra : 0,016 $ par tour, soit 4,80 $ au total. GPT-5.6 Terra : 11,40 $. Astra : 51 $. La baisse se voit là, sur l’usage agentique répété, pas sur une question isolée.

Calcul 3 — celui qui compte. Reprends le calcul 2 avec Luna, dix fois moins cher : 0,48 $. Tentant. Sauf que si Luna échoue une fois sur deux là où Terra passe, tu refais le travail, tu relis du code cassé et tu perds deux heures. La question n’est pas quel modèle est le moins cher en dollars, mais lequel t’économise le plus d’heures : sur un budget d’étudiant, ces montants sont dérisoires ; ton temps, non.

Pour comparaison, la page tarifaire d’Anthropic affiche Claude Opus 5.5 à 4,00 $ en entrée et 20,00 $ en sortie : Terra est exactement quatre fois moins cher par jeton, vérifiable sur les deux pages officielles. OpenAI revendique en plus, d’après The Decoder, un coût par tâche environ neuf fois inférieur grâce à une consommation de jetons plus sobre — cette seconde moitié, elle, est invérifiable de l’extérieur.

Le seuil « Critique » en cybersécurité

Le point le moins repris est le plus intéressant. Le 26 octobre, OpenAI a publié sur son Deployment Safety Hub un addendum à la fiche système de GPT-6 Astra. GPT-6.1 Terra y atteint le seuil « Critique » en cybersécurité du Preparedness Framework — la capacité à développer des exploits zero-day fonctionnels dans des systèmes critiques durcis, ou à exécuter de bout en bout des stratégies d’attaque inédites. Le modèle conserve les protections développées pour Astra.

Le même document donne des chiffres honnêtes : robustesse de 99,99 % face aux attaques directes sur la hiérarchie des instructions, et robustesse jugée substantielle face aux injections indirectes — une consigne cachée dans une page web ou un PDF que tu fais lire au modèle. Deux signaux sont moins flatteurs : Terra suit les consignes données à sa chaîne de pensée dans 14,8 % des cas contre 44,8 % pour GPT-6.1 Sol, et manifeste des signes de conscience d’être évalué dans 9,88 % des trajectoires contre 4,35 % pour Sol.

Rien de dramatique pour toi : tu n’es pas la cible. Mais retiens la leçon sur l’injection indirecte. Si tu laisses un agent lire des pages web, des PDF ou des dépôts de code que tu n’as pas écrits, leur contenu n’est pas une source d’instructions fiable.

Notre lecture

La baisse est réelle et structurelle. Ce n’est pas une promotion de lancement, c’est le prix catalogue. Un étudiant qui code avec un agent peut faire tourner un projet de semestre pour le prix d’un sandwich. Il y a dix-huit mois, le coût était un argument de refus ; ce n’en est plus un.

Les chiffres de performance restent ceux du vendeur. Terminal-Bench, les taux d’erreur, la comparaison à neuf contre un avec Claude Opus 5.5 : tout vient des tests internes d’OpenAI, et Next le note explicitement. La seule mesure tierce de la semaine va dans le même sens — mais une confirmation ne vaut pas une vérification.

Le prix par jeton n’est pas le coût réel. La règle de Ted Sanders classe les modèles par prix, pas par nombre d’essais nécessaires. Commence petit — Terra à effort low, voire Luna — et ne monte que si le résultat ne tient pas. C’est la logique du découpage en prompts courts et vérifiables : plus la tâche confiée est petite, moins le choix du modèle pèse.

Et si tu utilises tout ça pour un travail noté : vérifie les règles d’usage de l’IA de ton établissement.

FAQ

GPT-6.1 Terra est-il accessible avec un compte ChatGPT gratuit ?

Non. L’annonce du 26 octobre le réserve aux abonnés Plus, Pro, Enterprise et Edu dans ChatGPT Work, à tous les niveaux d’abonnement dans Codex, et aux développeurs via l’API.

Faut-il systématiquement prendre le modèle le moins cher ?

Non. Le prix par jeton ne dit rien du nombre d’essais nécessaires. Commence par le niveau d’effort le plus bas sur un modèle moyen, et ne monte que si la réponse ne tient pas.

L’offre « Back to School » d’OpenAI concerne-t-elle les étudiants français ?

Non. D’après la page d’aide d’OpenAI, elle vise les étudiants d’établissements américains éligibles, avec vérification par SheerID, et devait être réclamée avant le 31 octobre 2026. L’abonnement se renouvelle ensuite à 20 $ par mois sauf résiliation.

Pour aller plus loin

• Pourquoi l’IA coûte si cher à faire tourner : d’où viennent ces prix au million de jetons.
• Les nouveaux modèles d’IA en 2026 : lequel pour étudier ? : le panorama des modèles grand public.
• Les meilleures IA pour les étudiants : le comparatif par usage, au-delà du prix.
• La skill prompts-vibe-coding : découper une fonctionnalité en prompts courts et vérifiables.