GPT-6.1 Terra est nettement moins cher selon les tarifs API Standard d’OpenAI, sous réserve du contexte et du mode de traitement. Dans trois tests synthétiques exécutés une seule fois par modèle, GPT-6 Astra a obtenu le meilleur score total, tandis que Terra a terminé plus vite et pour un coût estimé inférieur. Le choix dépend donc de ce que vous cherchez à optimiser, pas d’un gagnant universel.
Pour situer GPT-6 Astra dans la couverture de NeoTeo, retrouvez aussi notre précédent article consacré au modèle.
Tarifs API et limites des modèles
Pour les requêtes Standard dont le contexte d’entrée ne dépasse pas 272 000 jetons, OpenAI facture l’entrée à 1 $ par million de jetons pour GPT-6.1 Terra, contre 10 $ pour GPT-6 Astra. La sortie coûte respectivement 5 $ et 50 $ par million. Les tarifs publiés sont en dollars américains.
| Modèle et contexte | Entrée par million de jetons | Entrée en cache par million de jetons | Sortie par million de jetons |
| GPT-6.1 Terra, jusqu’à 272 000 jetons d’entrée | 1 $ | 0,05 $ | 5 $ |
| GPT-6 Astra, jusqu’à 272 000 jetons d’entrée | 10 $ | 1 $ | 50 $ |
| GPT-6.1 Terra, plus de 272 000 jetons d’entrée | 2 $ | 0,10 $ | 7,50 $ |
| GPT-6 Astra, plus de 272 000 jetons d’entrée | 20 $ | 2 $ | 75 $ |
Ces tarifs Standard, les seuils de contexte et les autres modes figurent dans la grille tarifaire de l’API OpenAI. Batch et Flex sont proposés à la moitié du tarif Standard, tandis que le mode Fast coûte deux fois plus cher. Un supplément de 10 % s’applique aux points de terminaison éligibles au traitement régional. Le coût d’une tâche dépend aussi du nombre de jetons consommés et des éventuels frais d’outils.
Les spécifications publiées donnent aux deux modèles une fenêtre de contexte de 1 050 000 jetons, une entrée maximale de 922 000 jetons et une sortie maximale de 128 000 jetons. Ils acceptent du texte et des images en entrée, et produisent du texte. Leurs options d’effort de raisonnement diffèrent : Terra propose les réglages none, low, medium, high, xhigh et max; Astra commence à low et propose les cinq réglages suivants. Pour appeler des outils avec Terra, OpenAI indique qu’il faut utiliser l’API Responses. Les pages de GPT-6.1 Terra et de GPT-6 Astra détaillent ces capacités.
Résultats des trois tests synthétiques
Dans des tâches conçues avec des données fictives, un auteur de The New Stack rapporte 121 points sur 150 pour Terra et 148 sur 150 pour Astra. Chaque version finale a été exécutée une fois par modèle, avec un effort de raisonnement élevé.
| Tâche | GPT-6.1 Terra | GPT-6 Astra |
| Agrégation SQL | 26/50 | 48/50 |
| Validation de données | 45/50 | 50/50 |
| Triage de journaux d’incident | 50/50 | 50/50 |
| Total | 121/150 | 148/150 |
Sur l’agrégation SQL, Astra a obtenu 48/50, contre 26/50 pour Terra. Dans la tâche de validation, construite à partir de 4 950 enregistrements fictifs et de 19 règles, Astra a repéré les 40 enregistrements invalides. Terra en a repéré 35 sur 40 et n’a signalé aucun des enregistrements valides qui semblaient suspects. Les deux modèles ont obtenu 50/50 au triage d’un incident fictif reposant sur environ 7 000 lignes de journal réparties entre plus de 20 services; ils ont tous deux identifié un changement de paramètres du service ledger et trois serveurs dont l’horloge était incorrecte.
Le temps total rapporté pour ces trois exécutions est de 258,8 secondes avec Terra et de 709,2 secondes avec Astra. L’auteur estime les coûts de jetons à 0,61 $ et 7,88 $, respectivement, aux tarifs Standard non mis en cache. Ce sont des estimations qui excluent les outils et les ajustements de facturation, pas des montants de facture. Les résultats montrent donc un compromis dans ces tâches précises : Astra a marqué plus de points, tandis que Terra a été plus rapide et moins coûteux selon ces mesures. Un même réglage d’effort ne garantit pas que les modèles utilisent le même budget de jetons de raisonnement.
Ce que ces résultats disent du codage et du travail quotidien
Les tâches évaluées portent sur l’agrégation SQL, la validation de données et le triage d’incident. Elles ne suffisent pas à établir un classement général des modèles pour le développement logiciel ou le travail quotidien. Le score SQL mesure une tâche précise, pas l’ensemble des compétences nécessaires pour concevoir, modifier et vérifier un logiciel. Les résultats proviennent en outre d’une seule exécution de tâches synthétiques, et les versions finales les plus difficiles ont été retenues après des égalités obtenues sur des versions antérieures.
Pour comparer d’autres évaluations, la vidéo anglophone de Lifey Guy rapporte des scores attribués à Artificial Analysis : 48 contre 53 à l’Intelligence Index v4.3 pour Terra et Astra, 56 % contre 59 % au Terminal-Bench 4.0, et 55 % contre 56 % à SciCode. Ces chiffres constituent une série de benchmarks distincte des trois tests synthétiques.
