Retour au blog | 27/10/2026 Intelligence Artificielle

GPT-6.1 Terra : benchmarks et comparaison avec GPT-6 Luna et Claude Sonnet 5.5

Nouveau modèle IA OpenAI GPT-6.1 Terra benchmarks agents de code

OpenAI a ouvert GPT-6.1 Terra dans son API le 26 octobre 2026. Mesuré le lendemain par Artificial Analysis, il réussit 55,6 % des tâches de Terminal-Bench 4.0 à l'effort maximal, contre 56,1 % pour GPT-6.1 Sol, vendu deux fois plus cher. À l'effort par défaut de l'API, il tombe à 32,3 %.

Deux sources restent séparées dans tout l'article : ce que mesure Artificial Analysis, évaluateur indépendant, et ce qu'annonce OpenAI. Ici, la seconde est mince : OpenAI n'a publié aucun score sur la fiche du modèle.

Ce qui sort

GPT-6.1 Terra est le modèle du milieu de la gamme GPT-6.1 d'OpenAI, sous GPT-6.1 Sol (sorti le 29 septembre). Il remplace GPT-5.6 Terra, sorti en juillet, et OpenAI le décrit comme « un modèle rapide et efficace pour le raisonnement visuel, l'usage précis d'un ordinateur et une écriture claire et naturelle ». Les exemples d'usage de sa documentation : rapprocher des photos de produits d'un catalogue, lire des plans techniques, agir sur des écrans d'application, rédiger.

Il est disponible depuis le 26 octobre par l'API, sous le nom gpt-6.1-terra, avec une fenêtre de contexte de 1 050 000 tokens (922 000 en entrée au plus, 128 000 en sortie) et des connaissances arrêtées au 1er juin 2026. Il lit le texte et l'image, n'écrit que du texte. L'effort de raisonnement se règle de none à max, et le défaut est medium. OpenRouter propose aussi une variante « Terra Pro », qu'il décrit comme le même modèle servi en mode pro, plus coûteux ; nous le rattachons donc à Terra.

Ce que l'annonce ne dit pas, du moins dans ce que nous avons pu lire : aucun score de benchmark, et rien sur la disponibilité de Terra dans ChatGPT. Le journal des modifications de l'API et la fiche du modèle n'en parlent pas. Les billets d'openai.com, eux, refusent les lecteurs automatiques (erreur 403) : s'ils contiennent des chiffres, nous ne les avons pas lus.

Benchmarks

Épreuve Mesuré (Artificial Analysis, 27/10/2026, effort max) Mesuré (Artificial Analysis, 27/10/2026, effort medium, défaut de l'API) Annoncé (OpenAI)
Indice d'intelligence Artificial Analysis 48,1 41,3 non publié
Terminal-Bench 4.0 (tâches longues dans un terminal) 55,6 % 32,3 % non publié
Humanity's Last Exam 46,2 % 40,2 % non publié
FrontierCode (code) 36,0 % 43,7 % non publié
MMMU-Pro (raisonnement sur images) 84,7 % 82,8 % non publié
GDPval-AA (tâches de bureau, score Elo) 1 476 1 325 non publié
GPQA Diamond non mesuré non mesuré non publié

Lecture : le réglage change tout sur les tâches longues. Entre l'effort par défaut et l'effort maximal, Terminal-Bench 4.0 passe de 32,3 % à 55,6 %. Sur FrontierCode, c'est l'inverse, et l'effort maximal fait moins bien (36,0 % contre 43,7 %) : Artificial Analysis publie les deux chiffres sans l'expliquer.

Face aux modèles que vous utilisez déjà

Les modèles retenus sont ceux que ChatGPT et Claude servent par défaut, et ceux qu'ils servaient juste avant. Côté OpenAI : GPT-6 Luna, modèle des offres gratuite et Go de ChatGPT depuis le 8 octobre, GPT-6 Sol pour les offres payantes, et GPT-5.6 Luna, le modèle gratuit d'avant. Côté Anthropic : Claude Sonnet 5.5, que les applications Claude font tourner à l'effort moyen, et Claude Sonnet 5, annoncé le 30 juin comme modèle par défaut des offres Free et Pro. GPT-5.6 Terra, le prédécesseur direct, et GPT-6.1 Sol, le grand frère, complètent le tableau.

Modèle (réglage mesuré) Rôle Indice d'intelligence Terminal-Bench 4.0 Humanity's Last Exam Coût pour passer l'indice complet Temps moyen par tâche de l'indice
GPT-6.1 Terra (max) nouveau 48,1 55,6 % 46,2 % 909 $ 384 s
GPT-6.1 Terra (medium) nouveau, défaut de l'API 41,3 32,3 % 40,2 % 175 $ 63 s
GPT-5.6 Terra (max) prédécesseur, juillet 2026 42,1 35,4 % 42,9 % 2 501 $ 256 s
GPT-6.1 Sol (max) modèle du dessus, septembre 2026 51,8 56,1 % 52,9 % 1 082 $ 527 s
GPT-6 Luna (max) par défaut de ChatGPT gratuit 38,1 12,6 % 38,5 % 122 $ 392 s
GPT-5.6 Luna (max) génération précédente du gratuit 37,3 11,6 % 39,5 % 320 $ 324 s
GPT-6 Sol (max) offres payantes de ChatGPT 47,6 43,9 % 47,9 % 1 536 $ 245 s
Claude Sonnet 5.5 (medium) réglage par défaut des apps Claude 40,8 29,8 % 39,8 % 622 $ 120 s
Claude Sonnet 5.5 (max) même modèle, effort maximal 56,0 63,6 % 55,0 % 7 260 $ 901 s
Claude Sonnet 5 (max) génération précédente 38,2 14,1 % 41,3 % 6 998 $ 855 s

Origine unique : mesuré par Artificial Analysis, toutes les lignes relevées le 27 octobre 2026. Le coût est celui qu'Artificial Analysis a payé aux tarifs de l'API pour faire passer toutes les épreuves de son indice.

Ce que le tableau dit, concrètement :

  • Sur une tâche longue dans un terminal, GPT-6.1 Terra poussé au maximum réussit 56 fois sur 100. GPT-6 Luna, le modèle de ChatGPT gratuit, en réussit 13, et Claude Sonnet 5.5 au réglage des applications Claude, 30.
  • Laissé à son réglage par défaut, Terra fait à peu près jeu égal avec Claude Sonnet 5.5 au même effort moyen (41,3 contre 40,8 à l'indice, 32,3 % contre 29,8 % sur Terminal-Bench 4.0), pour un coût de passage de l'indice 3,6 fois plus bas (175 $ contre 622 $).
  • Face à GPT-5.6 Terra, le gain est net à l'effort maximal : Terminal-Bench 4.0 gagne 20 points (55,6 % contre 35,4 %), l'indice en gagne 6, et un coût de passage de l'indice 2,8 fois plus bas (909 $ contre 2 501 $).
  • Claude Sonnet 5.5 au maximum reste devant (56,0 à l'indice, 63,6 % sur Terminal-Bench 4.0), mais son passage de l'indice coûte 7 260 $, huit fois plus.

Pour quels usages

Agents de code au plus bas coût. Sur Terminal-Bench 4.0, Terra à l'effort maximal est à un demi-point de GPT-6.1 Sol (55,6 % contre 56,1 %), pour un passage de l'indice à 909 $ contre 1 082 $. Pour un agent qui enchaîne des commandes dans un dépôt, il mérite un essai, à condition de régler l'effort au maximum et d'accepter l'attente (voir Vitesse). Le comparatif mensuel des modèles qui écrivent du code situe les autres candidats sur ce terrain.

Lecture d'images. OpenAI met en avant le raisonnement visuel. Sur MMMU-Pro, Artificial Analysis mesure 84,7 %, contre 79,7 % pour GPT-6 Luna, 80,7 % pour GPT-5.6 Terra et 86,0 % pour GPT-6.1 Sol (même relevé). Claude Sonnet 5.5 n'est pas mesuré sur cette épreuve. Pour l'usage d'un ordinateur, l'autre point fort annoncé, nous n'avons relevé aucune mesure indépendante.

Prix

  • GPT-6.1 Terra : 1 $ par million de tokens en entrée, 5 $ en sortie, 0,05 $ pour l'entrée relue depuis le cache (fiche officielle du modèle chez OpenAI, relevée le 27 octobre 2026). Au-delà de 272 000 tokens d'entrée, l'entrée et le cache doublent.
  • GPT-5.6 Terra coûte 2 $ / 12 $, et GPT-6.1 Sol comme Claude Sonnet 5.5, 2 $ / 10 $ (même relevé) : Terra divise la facture par deux face à ses voisins.

Sur notre scénario de trois développeurs, avec le cache, cela fait 33 € par mois contre 66 € pour GPT-6.1 Sol. Le calcul et les autres modèles sont sur notre page le prix de GPT-6.1 Terra face aux autres modèles, mis à jour chaque jour.

Vitesse

Artificial Analysis mesure environ 91 tokens par seconde sur des requêtes longues, quel que soit l'effort. C'est moins que GPT-5.6 Terra, qui écrit à 122 tokens par seconde à l'effort moyen. Le premier mot arrive après 1,4 seconde à l'effort moyen, mais après 78 secondes à l'effort maximal, celui qui donne les meilleurs scores. Claude Sonnet 5.5 à l'effort moyen écrit à 111 tokens par seconde, premier mot en 3,1 secondes (même source, 27 octobre). Le détail par effort est sur notre page Vitesse des modèles IA.

Ce qu'on ne sait pas encore

  • Les chiffres d'OpenAI. Aucun score n'est publié sur la fiche du modèle ni dans le journal de l'API, et le site d'annonces n'était pas lisible pour nous. On ne peut donc pas confronter la mesure indépendante à l'annonce.
  • Terra dans ChatGPT. La documentation de l'API ne dit pas si ChatGPT sert ou servira ce modèle. Notre liste des modèles par défaut date du 20 octobre et sera refaite le 1er novembre.
  • GPQA Diamond et l'usage d'un ordinateur. Le premier ne figure pas dans la fiche d'Artificial Analysis pour Terra, ni pour GPT-6.1 Sol, et le second, mis en avant par OpenAI, n'a pas de mesure indépendante dans ce que nous avons relevé.
  • L'écart FrontierCode. À l'effort maximal, Terra fait moins bien sur FrontierCode qu'à l'effort moyen. Sans explication publiée, on ne sait pas si c'est une limite du modèle ou de la mesure.

Ce qu'il faut retenir

GPT-6.1 Terra donne à l'effort maximal presque le score de GPT-6.1 Sol sur les tâches longues, pour la moitié du prix au token. À son réglage par défaut, c'est un modèle du niveau de Claude Sonnet 5.5 à l'effort moyen, nettement moins cher à faire tourner. Dans les deux cas, il dépasse de loin GPT-6 Luna, le modèle de ChatGPT gratuit.

Reste que le bon effort dépend de vos tâches, et qu'une minute d'attente avant le premier mot ne convient pas à tous les produits. Si vous voulez savoir ce que Terra donnerait sur vos propres cas face au modèle que vous utilisez aujourd'hui, réservez un diagnostic IA de 30 minutes.

Sources