GPT-6.1 Terra divise par deux le coût de l’agent qui lit l’écran et remplit les formulaires
Sorti le 26 octobre 2026, GPT-6.1 Terra apporte le raisonnement visuel et l’usage de l’ordinateur de la gamme GPT-6 à 1 $ / 5 $ par million de jetons, moitié moins que Sol. Pour les agents qui saisissent des formulaires et trient des documents au volume, c’est le modèle à évaluer en premier.
26 octobre 2026. OpenAI publie GPT-6.1 Terra, un modèle rapide de la famille GPT-6 qui combine raisonnement visuel et usage de l’ordinateur avec une écriture plus claire. 50 %. Ses prix d’API standard sont moitié moins élevés que ceux de GPT-5.6 Terra et de GPT-6.1 Sol. 1 $ / 5 $. Le tarif par million de jetons, en entrée et en sortie. Le point qui compte : OpenAI découpe sa gamme en paliers de coût, et Terra est le palier pensé pour les agents qui passent leur journée à lire des écrans et à remplir des formulaires — pas pour les records de raisonnement.
Un troisième tarif dans la gamme GPT-6.1
La gamme GPT-6 s’est construite par accumulation de variantes : GPT-6 Astra en tête de gamme, puis GPT-6.1 Sol, puis des déclinaisons comme GPT-5.6 Terra. Avec GPT-6.1 Terra, OpenAI introduit un modèle qui ne cherche pas à battre Sol sur la puissance brute, mais à rendre les tâches agentiques de volume économiquement viables.
Le positionnement tient en une phrase : Terra est « le modèle de la journée de travail », celui qui rédige des propositions, interprète des plans techniques, remplit des formulaires et édite des vidéos. OpenAI vise explicitement les flux à fort volume — saisie de documents, agents de formulaire, automatisation d’écran — là où Sol est « plus de modèle que la tâche n’en demande ». En d’autres termes, payer pour de la puissance qu’on n’utilise pas devient un choix, plus une fatalité.
Le cœur du modèle : lire l’écran et agir
Ce qui distingue GPT-6.1 Terra, c’est le couplage du raisonnement visuel et de l’usage de l’ordinateur. Le modèle peut regarder une capture d’écran, comprendre ce qu’elle montre — un tableau de bord, un formulaire, un plan technique — et agir en conséquence, que ce soit en remplissant des champs, en associant une photo de produit à une fiche catalogue ou en interprétant un dessin technique. La fenêtre de contexte grimpe à 1,05 million de jetons, de quoi charger un long fil de captures d’écran sans perdre le fil de la tâche.
Sur le plan des références, le profil est cohérent avec ce positionnement. D’après le classement agrégé BenchLM du 28 octobre 2026, GPT-6.1 Terra se place 9ᵉ sur 215 modèles avec un score global de 80,4 / 100. Il est surtout fort en multimodal — 91,6 / 100, 4ᵉ sur 58, avec un MMMU-Pro à 85,5 %, le meilleur score vérifié de la catégorie — et en agentique : 76,4 / 100, 6ᵉ sur 134, soit le 96ᵉ centile. C’est exactement le profil d’un modèle taillé pour lire des documents et des écrans, pas pour dominer les mathématiques.
Les chiffres, et ce qu’ils valent
Les benchmarks bruts racontent la même histoire, avec leurs limites. Sur Terminal-Bench 4.0, Terra atteint 50,3 %, loin derrière le meilleur score vérifié de Claude Sonnet 5.5 à 70,6 %. Sur OSWorld 2.1, l’évaluation d’usage réel d’un ordinateur, il marque 74,2 %, derrière Claude Opus 5.5 à 87,2 %. Autrement dit : Terra ne gagne pas contre les modèles les plus chers sur les tâches d’agent pures ; il gagne sur le rapport qualité-prix, en acceptant un écart de quelques points contre une facture divisée par deux.
C’est le point qu’il faut garder en tête. OpenAI ne vend pas Terra comme le modèle le plus performant, mais comme le modèle le plus rentable pour une classe de tâches précise. Un agent de saisie qui traite des milliers de documents n’a pas besoin du meilleur score Terminal-Bench ; il a besoin d’un modèle fiable à 5 $ le million de jetons en sortie au lieu de 10 $. Le 76,4 en agentique au 96ᵉ centile suffit largement pour ce flux.
Terra arrive aussi sur Bedrock
La sortie ne se limite pas à l’API d’OpenAI. Dès le 26 octobre 2026, AWS a annoncé la disponibilité générale de GPT-6.1 Terra sur Amazon Bedrock, sa plateforme de modèles managés. Concrètement, une équipe qui standardise déjà ses agents sur Bedrock — avec l’IAM, les garde-fous et la facturation unifiée — peut basculer ses flux de saisie sur Terra sans sortir de son socle existant.
Cette double distribution est cohérente avec la stratégie récente : OpenAI multiplie les points d’entrée vers ses modèles, et les hyperscalers accueillent la gamme GPT-6 pour ne pas perdre les charges agentiques de leurs clients. Pour l’acheteur, c’est une bonne nouvelle : le même modèle est disponible au tarif standard chez OpenAI et à travers le pipeline managé de Bedrock, ce qui facilite le calcul d’un coût total de possession avant de s’engager.
Face à Sol : que choisir au volume
La décision se résume à un arbitrage entre coût et plafond. Si vos agents passent leur temps à lire des captures d’écran, à extraire des champs de documents et à remplir des formulaires, GPT-6.1 Terra est le meilleur rapport qualité-prix : il est fort là où ces tâches se jouent — vision et agentique — et il coûte moitié moins que Sol. Si votre charge exige un raisonnement profond, du code complexe ou une fidélité maximale aux instructions, restez sur GPT-6.1 Sol : les quelques points de plus se paient, mais ils évitent les reprises coûteuses en aval.
Il reste un angle mort à surveiller : Terra ne dispose pas encore de mesures de vitesse indépendantes, et son écart sur Terminal-Bench face à la concurrence la plus chère est réel. Un achat doit donc se faire sur un banc d’essai, pas sur la fiche produit — déployez un lot de documents représentatif, mesurez le taux d’erreur et le coût par document, puis comparez Terra à Sol sur les mêmes entrées. C’est la seule façon de savoir si la division par deux du prix se traduit par une division par deux du coût réel.
Verdict
Si vous opérez un agent de saisie ou d’extraction de documents au volume, évaluez GPT-6.1 Terra cette semaine : à 1 $ / 5 $ le million de jetons, il peut diviser la facture d’un flux qui tourne en continu, sans sacrifier ce qui fait la qualité de ces tâches — la vision et l’agentique. Si vos agents doivent raisonner, coder ou suivre des consignes complexes, gardez GPT-6.1 Sol et ne descendez en gamme que si un banc d’essai le justifie. La leçon de cette sortie dépasse le modèle : la compétition sur les agents ne se joue plus seulement sur la puissance, mais sur le coût marginal de la tâche automatisée.