GPT-6.1 Terra est le nouveau modèle de milieu de gamme d'OpenAI, et si vous n'utilisez ChatGPT que pour discuter, vous ne le verrez probablement pas tout de suite. Il est conçu pour les écrans, les documents et les images : remplir des formulaires, lire des plans techniques, rédiger du texte, naviguer dans des applications. Il se place entre GPT-6 Luna et GPT-6.1 Sol, et remplace le GPT-5.6 Terra qui le précédait.
Que cela vous concerne ou non dépend de votre façon de travailler. La note de version d'OpenAI cite Terra dans ChatGPT Work et Codex, et ne mentionne pas le chat classique. Il est aussi disponible dans l'API et dans GitHub Copilot. Nous avons lu les notes de version, la documentation du modèle, la page de tarifs et l'addendum de sécurité d'OpenAI, le changelog et la grille tarifaire de GitHub, ainsi que la couverture externe que nous avons pu trouver. Celle-ci reprend surtout les chiffres d'OpenAI ; nous signalons au fil du texte les rares chiffres indépendants. Si vous voulez rattraper le reste de la famille, notre explication de GPT-6 Astra couvre le haut de gamme, et pourquoi OpenAI a mis GPT-6.1 Astra de côté traite du seul modèle 6.1 qui n'a jamais été lancé.
GPT-6.1 Terra est-il un nouveau modèle ou un nouveau palier ?
Un peu des deux. Terra était déjà un palier de la génération 5.6, affiché à 2 $ par million de tokens en entrée et 12 $ par million de tokens en sortie dans le tableau des modèles de GitHub. Selon InfoWorld, le nouveau Terra le remplace à moitié prix. La page du modèle d'OpenAI le décrit comme un « modèle rapide et efficace pour le raisonnement visuel, l'utilisation précise de l'ordinateur et une écriture claire et naturelle ».
Les spécifications sont les mêmes que pour le reste de la gamme GPT-6. Texte et images en entrée, texte en sortie. La fenêtre de contexte est de 1,05 million de tokens, la sortie est plafonnée à 128 000 tokens, et il existe six niveaux d'effort de raisonnement, de none à max, avec medium par défaut. Ses données d'entraînement vont jusqu'en 2026. Le fine-tuning n'est pas pris en charge. Les usages suggérés par OpenAI sont l'association de photos produit à des fiches de catalogue, l'interprétation de plans techniques, l'action sur des écrans d'application et la rédaction ou la révision de texte, ce qui résume bien tout l'argumentaire : du travail qui se fait sur un écran et qui n'exige pas un cerveau de niveau recherche.
Comme le relaie DataCamp d'après l'annonce de lancement, OpenAI considère que Sol et Astra restent le meilleur choix pour les tâches de code les plus complexes. Terra récupère le travail de volume. Cette répartition en dit plus sur les intentions d'OpenAI que les graphiques de benchmarks.
Qui a Terra dans ChatGPT, et avec quelles offres ?
Selon les notes de version de ChatGPT, Terra est déployé dans ChatGPT Work et Codex pour les offres Plus, Pro, Business, Enterprise et Edu, selon votre région et les paramètres de votre espace de travail. Vous le sélectionnez dans la liste des modèles, et les limites d'usage globales de votre offre ne changent pas. InfoWorld et DataCamp citent les offres sans Business, mais la note d'OpenAI l'inclut.
Free et Go ne sont pas mentionnés. Le chat ChatGPT classique non plus. OpenAI n'a pas dit si Terra y arrivera, et le seul indice est le traitement réservé à Sol, que l'annonce de lancement disait « pas encore disponible dans Chat » (OpenAI). Notre lecture : Terra suit le même chemin, mais c'est une déduction, pas une promesse.
Deux détails étonnants de la note méritent d'être connus. Certains utilisateurs Plus et Pro pourraient trouver Terra à l'effort Medium là où les préréglages Power par défaut de Work leur donnaient Sol à Light : votre réglage par défaut peut donc changer sans que vous ayez rien choisi. Et Terra ne prend pas en charge la résidence d'inférence aux Émirats arabes unis, une restriction qu'OpenAI relie à l'endroit où l'inférence s'exécute, pas à l'endroit où vous vous trouvez.
Le tableau comparatif des offres sur la page de tarifs de ChatGPT n'était pas à jour quand nous l'avons consulté. Il mentionnait encore GPT-5.6 Terra et non le nouveau, et son offre Pro était toujours décrite comme tournant sur GPT-6 Astra. Fiez-vous à la liste des modèles de votre propre compte plutôt qu'à un tableau. DataCamp ajoute qu'OpenAI affirme que le même quota d'offre couvre nettement plus de tâches avec Terra qu'avec Sol ou Astra, ce qui serait la vraie raison de changer si vous butez régulièrement sur les limites dans ChatGPT ou Codex.
Peut-on utiliser Terra dans l'API, et à quel prix ?
Oui. Le modèle s'appelle gpt-6.1-terra, et l'OpenAI Platform l'affiche à 1 $ par million de tokens en entrée et 5 $ par million de tokens en sortie. Voici la famille sur la page de tarifs d'OpenAI, traitement standard, prompts de moins de 272 000 tokens.
| Modèle | Entrée | Entrée en cache | Sortie |
|---|---|---|---|
| GPT-6 Luna | $0.10 | $0.01 | $0.50 |
| GPT-6.1 Terra | $1.00 | $0.05 | $5.00 |
| GPT-6.1 Sol | $2.00 | $0.10 | $10.00 |
| GPT-6 Astra | $10.00 | $1.00 | $50.00 |
Tous les prix s'entendent par million de tokens. Les petits caractères de la page du modèle : au-delà de 272 000 tokens en entrée, le prix double pour l'entrée et le cache et est multiplié par 1,5 pour la sortie, sur toute la requête. Batch et Flex coûtent 50 % de moins, le mode Fast est au double, et le traitement régional ajoute 10 %. Les écritures en cache coûtent 1,25 $ par million de tokens avec 30 minutes de rétention. L'appel d'outils exige l'API Responses, qui prend en charge l'utilisation de l'ordinateur, la recherche web, la recherche de fichiers, l'exécution de code et MCP. Le niveau d'API gratuit n'y a pas accès, et le premier niveau payant est plafonné à 5 000 requêtes et 1 million de tokens par minute.
Terra est-il disponible ailleurs ?
Dans GitHub Copilot, dès le premier jour. Le changelog de GitHub indique que Terra est en disponibilité générale pour les utilisateurs de Copilot Pro, Pro+, Max, Business et Enterprise, dans le sélecteur de modèles de VS Code, Visual Studio, JetBrains, Xcode, Eclipse, de la CLI Copilot, de l'agent cloud, de l'application Copilot, de github.com et des applications mobiles. GitHub le présente comme conçu pour le code agentique du quotidien et le travail en terminal, à moindre coût que Sol. Lors des premiers tests, il a résolu nettement plus de tâches de terminal et de C# que GPT-5.6 Terra, ce qui est une comparaison avec son prédécesseur, pas avec Sol.
Il est facturé au tarif public du fournisseur dans le cadre de la facturation à l'usage, et la grille de GitHub reprend les 1 $ et 5 $ d'OpenAI. Les administrateurs Business et Enterprise le contrôlent via la politique de modèles, et les nouveaux modèles sont activés par défaut, sauf si un administrateur a désactivé ce réglage. Si vous gérez GitHub Copilot pour une équipe, c'est ce réglage par défaut qu'il faut vérifier avant que vos développeurs ne découvrent le modèle par eux-mêmes.
Les chiffres d'OpenAI donnent une direction, pas un classement
Les comparaisons du lancement s'appuient sur l'ancien Terra d'OpenAI, et les gains par rapport à lui sont importants. Voici les scores à effort max rapportés par InfoWorld et DataCamp d'après l'annonce de lancement.
Les lignes les plus intéressantes concernent les modèles plus gros. Sur Agents' Last Exam, un test de tâches professionnelles, InfoWorld rapporte Terra à 60,0 % pour 1,01 $ la tâche, contre 59,3 pour Astra à 7,24 $ et 58,6 pour Sol à 2,00 $. C'est une égalité pour une fraction du prix. Le média indique aussi que Claude Opus 5.5 est devant avec 63,2 %, et sur OSWorld 2.1, Claude Sonnet 5.5 d'Anthropic à 83,9 % contre 74,2 pour Terra. Terra n'est pas le meilleur modèle d'utilisation de l'ordinateur dans cette comparaison. C'est le moins cher parmi ceux qui s'en approchent.
L'auteur de DataCamp est plus direct sur l'argument phare d'OpenAI, un coût par tâche environ neuf fois inférieur à celui d'Opus 5.5 à effort max : « J'ai trouvé cette comparaison un peu artificielle ou sélective. » Opus est un palier premium, il était donc facile d'obtenir un gros ratio. L'affirmation d'OpenAI sur le taux d'erreur mérite la même prudence. La baisse de 53,6 % à 16,7 % à faible effort provient d'un jeu de prompts interne à OpenAI, conçu pour provoquer des erreurs, et l'addendum de sécurité d'OpenAI précise que ces cas ne sont pas représentatifs des taux d'erreur réels.
Des chiffres indépendants existent, et ils sont moins flatteurs. Artificial Analysis attribue à Terra un score de 51 sur son Intelligence Index à effort max, soit la 12e place sur 52 sur sa page du modèle. Sol obtient 55 et Astra 57 sur le même indice. Ce qui devrait changer votre comportement, c'est la vitesse à laquelle le score chute quand vous baissez le réglage d'effort.
Medium est la valeur par défaut de l'API. Avec 38 sur la page medium d'Artificial Analysis, Terra prêt à l'emploi est plus proche de Luna (28) que de Sol (55). Sur son indice des agents de code, Terra à xhigh dans Codex obtient 48 contre 54 pour Sol à max, ce qui rejoint le conseil d'OpenAI sur le code difficile.
Le prix inférieur tient, jusqu'à un certain point
Au token, oui. InfoWorld indique que Sonnet 5.5 d'Anthropic (Claude), le concurrent qu'il cite, est facturé 2 $ et 10 $, donc Terra le sous-cote de moitié. À la tâche terminée, cela dépend du réglage d'effort. La page d'Artificial Analysis montre que Terra à effort maximal génère 99 millions de tokens de sortie sur l'ensemble de sa suite de tests, contre une médiane de 64 millions pour les modèles comparables, et elle juge le modèle assez verbeux. Résultat : 0,96 $ par tâche pour Terra à effort maximal, soit environ 24 % de moins que les 1,27 $ de Sol.
Baisser d'un cran change la donne. Artificial Analysis indique xhigh à 45 points pour 0,40 $ la tâche, et medium à 38 pour 0,17 $, à peu près le coût de GPT-6 Luna à effort max (0,15 $), avec dix points de plus. Selon nous, xhigh ou high est le niveau où Terra mérite sa place, et max celui où il cesse d'être une bonne affaire. C'est un raisonnement fondé sur les mesures des autres, pas sur les nôtres.
Des tokens moins chers ne réduisent pas non plus les coûts humains. Sanchit Vir Gogia, de Greyhound Research, a dit à InfoWorld que, dans un exemple de charge de travail de code, « 5,4 secondes de relecture supplémentaires annulent l'économie d'inférence ». Pareekh Jain, PDG d'EIIRTrend & Pareekh Consulting, était plus optimiste : « Les entreprises ont besoin de modèles d'IA qui équilibrent intelligence, vitesse et coût. » Il voit Terra visant le traitement des factures, l'analyse de documents et le code courant. Les deux peuvent avoir raison.
Côté sécurité, presque rien ne bouge
L'addendum d'OpenAI indique que Terra est classé Critical en cybersécurité et High pour les capacités biologiques et chimiques, et qu'il est livré avec le même dispositif de garde-fous que Sol et Astra. Sur les benchmarks de sécurité en production d'OpenAI, Terra se comporte à peu près comme l'ancien Terra, avec de légères baisses dans les catégories extrémisme, haine et contenu sexuel impliquant des mineurs, qu'OpenAI juge non statistiquement significatives. Comme Astra et les deux Sol, il n'a fait aucune tentative de contourner le moniteur Auto-review de Codex. Une réserve figure dans l'addendum : sur les tests avec images en entrée, Terra montre une régression statistiquement significative en matière de haine et d'extrémisme par rapport à l'ancien Terra, ce qu'OpenAI dit conforme aux lancements précédents.
Le modèle bon marché hérite donc de la classification du modèle cher. Si les questions de sécurité qui ont fait couler GPT-6.1 Astra vous ont rendu méfiant envers la gamme 6.1, notez que Terra et Sol sont des modèles 6.1 qui, eux, ont bien été lancés. Personne n'a dit que les deux cas étaient liés, et tous ces résultats viennent d'OpenAI. Aucune des couvertures que nous avons lues n'inclut encore d'évaluation de sécurité externe de Terra.
Notre conseil : Terra pour le volume, Sol pour le code difficile
Si vous n'utilisez que le chat ChatGPT classique, il n'y a rien à changer. Si vous travaillez dans Work ou Codex, nous laisserions Sol sur tout ce qui touche au code difficile ou à la recherche, et nous confierions à Terra les tâches répétitives sur écran, sur documents et de rédaction, à xhigh plutôt qu'à max. C'est aussi, à peu de chose près, la répartition défendue par notre guide sur le palier de modèle adapté à chaque tâche, et le classement Top 50 LLMs montre où se situent les concurrents. Pour les développeurs qui construisent des produits, Terra est le premier modèle de cette famille que nous testerions comme choix par défaut pour le travail de computer use en volume, avec Luna en dessous pour les tâches simples.
Un test honnête prend un après-midi, et c'est la seule preuve qui tranchera pour votre travail.
- Choisissez trois tâches que vous répétez chaque semaine, comme remplir un formulaire à partir d'un PDF, résumer une capture d'écran ou rédiger une réponse.
- Lancez chacune sur Sol et sur Terra au même niveau d'effort, puis un niveau au-dessus sur Terra.
- Comptez les corrections que vous faites, pas les secondes que cela a pris.
- Vérifiez la liste des modèles de votre compte, car les préréglages Power de Work vous ont peut-être déjà fait passer sur Terra.
Comparé à ChatGPT, Claude et Gemini, l'argumentaire de Terra est plus étroit que celui de chacun d'eux. C'est un modèle de travail, pas un produit de chat. Pour les agents de code en particulier, notre comparatif des agents de code en terminal montre que l'harnais compte autant que le modèle.
Reste à savoir si OpenAI apportera Terra au chat classique et à l'offre Free, et quand son tableau d'offres cessera de citer l'ancien Terra. Surveillez ce tableau, ainsi que la première évaluation indépendante de code qui testera Terra en dessous de l'effort max.