GPT-6.1 Terra offre un meilleur rapport qualité-prix pour le raisonnement visuel, la planification précise des tâches informatiques et la rédaction naturelle ; GPT-6.1 Sol est le choix par défaut le plus adapté pour le codage complexe et les travaux professionnels plus approfondis. Terra coûte $1 par million de jetons d'entrée et $5 pour la sortie, aux tarifs standard. Sol coûte $2 et $10. Les deux exposent une fenêtre de contexte de 1,05 million de jetons, une sortie de 128 000, une entrée d'image et un large éventail d'outils.
Les modèles se recoupent suffisamment pour qu'un vainqueur unique soit trompeur. Terra ajoute un aucun une option de raisonnement et une date butoir plus récente pour les connaissances (1er juin 2026), tandis que Sol se positionne plus près des capacités d’un produit phare. Le choix concret dépend du coût par résultat accepté : Terra peut-elle réussir les mêmes tests, ou Sol réduit-il suffisamment les échecs et les révisions pour justifier son coût deux fois plus élevé en termes d’entrées et de sorties non mises en cache ?
GPT-6.1 Terra vs Sol : réponse rapide
GPT-6.1 Terra vs Sol : comparaison rapide
La tarification de Terra en fait un premier modèle attractif pour les flux de travail fréquents : tri des captures d’écran, analyse d’interface utilisateur, traitement de documents structurés, révision de textes et planification supervisée de l’utilisation des ordinateurs. Sol constitue le point de départ le plus sûr lorsque la tâche comporte des dépendances cachées, des contrôles automatisés peu fiables ou des interactions complexes entre le code et les outils. Aucun de ces deux rôles ne doit être considéré comme un résultat de benchmark ; il s’agit d’une combinaison de positionnement officiel et de conception économique.
La progression des prix apparaît plus clairement lorsque vous Comparer Sol et GPT-6 Astra. Le prix des opérations d'entrée/sortie non mises en cache de Sol est deux fois supérieur à celui de Terra, et non cinq fois, comme c'est le cas pour Astra par rapport à Sol. Cela rend Sol plus facile à justifier pour les charges de travail mixtes, tandis que Terra offre toujours un avantage significatif à grande échelle.
Caractéristiques communes et différences importantes
Les deux modèles acceptent des entrées sous forme de texte et d'images et génèrent du texte. Aucune des pages de présentation des modèles ne mentionne de contenu audio ou vidéo natif. Les deux prennent en charge les réponses, les sorties structurées, l'appel de fonctions, la recherche sur le Web, la recherche de fichiers, la génération d'images, l'interpréteur de code, le shell hébergé, l'application de correctifs, les compétences, l'utilisation d'un ordinateur, le MCP et la recherche d'outils. L'appel d'outils relève de l'API « Responses » ; la fonctionnalité « Chat Completions » est prise en charge sans outils.
Ces spécifications proviennent des pages officielles consacrées aux modèles GPT-6.1 Terra et GPT-6.1 Sol. Le guide des derniers modèles de OpenAI présente le positionnement au sein de la gamme, tandis que le Page des tarifs de l'API définit les règles relatives au niveau de service et au contexte à long terme. Le fait de distinguer ces types de sources permet d'éviter qu'un argument marketing ne soit confondu avec un indicateur de référence mesuré.
La page officielle de Sol indique une limite maximale de 922 000 jetons en entrée, dans le cadre d’une fenêtre totale de 1,05 million. La page Terra consultée ne fournissait pas de chiffre distinct concernant la limite maximale d’entrée ; cet article n’en déduit donc pas une à partir de cette famille. Les deux indiquent une limite maximale de 128 000 jetons en sortie. Une limite de sortie élevée est utile pour le code ou les rapports volumineux, mais les artefacts de point de contrôle plus petits restent plus faciles à tester et moins coûteux à examiner.
Les commandes de régulation varient dans le bas de la gamme. Terra prend en charge aucun, ce qui convient aux transformations à faible latence ne nécessitant pas de réflexion. Sol commence à faible. Les deux sont réglés par défaut sur « medium » et peuvent être augmentés jusqu'à « high », « xhigh » et « max ». La politique la plus efficace est celle qui nécessite le moins d'effort pour réussir de manière fiable votre évaluation, et non le réglage le plus élevé accepté par l'API.
Test pratique de raisonnement visuel sur Terra
Nous avons fourni à Terra un schéma d'itinéraire contrôlé, comprenant les coûts et une règle exigeant un « pass » bleu avant de pénétrer dans une « Cold Zone ». La réponse a renvoyé un JSON valide, a identifié le « Scanner A » comme émetteur du « pass », a rejeté un itinéraire proposé par le « Scanner B », qui semblait moins cher mais enfreignait la règle, et a calculé un coût minimum de 9. Elle a sélectionné DÉMARRER → Scanner A → Zone froide → SORTIE et a également noté l'itinéraire « Packing » au même prix.
Ce qu’il faut retenir, ce n’est pas que Terra soit le grand gagnant en matière de vision. C’est plutôt que le modèle a respecté une contrainte visuelle, a rejeté une piste non valide à faible coût et a expliqué un optimum valide dans une réponse structurée. Sol n’ayant pas été testé sur la même image dans le cadre de cette tâche, le résultat confirme l’aptitude de Terra au raisonnement visuel, mais ne permet pas de comparer directement les scores des deux systèmes.
Capture d'écran - Planification raisonnée de l'utilisation de l'ordinateur
Un deuxième test proposait une interface de publication synthétique et demandait une séquence sûre permettant de transformer un article programmé en brouillon tout en conservant son titre et son corps. Terra a fondé son plan sur des commandes visibles, a intégré des étapes de vérification et s'est abstenue d'affirmer qu'elle avait actionné l'interface. Cette distinction est importante, car la planification à partir d'une capture d'écran diffère du contrôle informatique autonome.
Le positionnement officiel de Terra rend ce type de travail tout à fait naturel : interpréter un écran, identifier les commandes et proposer des actions précises. Sol prend également en charge l’entrée d’images et les outils d’utilisation de l’ordinateur, et sa capacité de raisonnement plus approfondie peut s’avérer utile lorsque l’état de l’interface est ambigu ou que le flux de travail implique plusieurs applications. Pour l’automatisation de la production, comparez les deux solutions sur les mêmes écrans et évaluez la justesse des actions, la capacité de récupération et le taux de clics dangereux.
Si le risque principal concerne l'exactitude du référentiel plutôt que l'état de l'interface, appliquez la même méthode d'évaluation à l'ensemble des autres modèles de programmation en IA. Cela permet d'éviter qu'un résultat lié à l'utilisation d'un ordinateur ne soit considéré comme une preuve dans le cadre d'une activité sans rapport avec celle d'un agent de code.
Épreuve d'expression écrite et de révision
L'exercice d'écriture demandait à Terra de réviser un passage professionnel maladroit tout en conservant les faits et en évitant le langage marketing pompeux. Le résultat a permis d'améliorer la structure, de réduire les répétitions et de conserver le ton demandé. Une expression concernant la « Cold Zone » était inexacte au regard des faits fournis ; cette phrase doit donc être corrigée avant publication. Dans l'ensemble, le résultat était exploitable, mais cette erreur factuelle empêche d'obtenir un résultat parfait.
Il s'agit là d'un critère utile pour choisir entre les deux modèles. Terra est suffisamment abordable pour les brouillons et les révisions en grand nombre, en particulier lorsqu’ils sont suivis d’une vérification des faits ou d’un processus de travail s’appuyant sur des sources. Sol peut être préférable pour les livrables professionnels longs et ambigus, où le coût d’une seule contradiction subtile est plus élevé que le léger surcoût. Dans les deux cas, l“” écriture naturelle » ne remplace pas la vérification des faits.
Pour les révisions courtes et bien ciblées où les deux modèles réussissent haut la main, testez un modèle de base GPT-6 Luna. Un modèle plus simple n'est utile que s'il conserve les éléments et les contraintes qui comptent pour le flux de travail.
Comparaison des tarifs Terra et Sol
Pour les opérations d'entrée et de sortie ordinaires non mises en cache, Terra coûte deux fois moins cher que Sol. Une charge de travail comprenant 100 000 opérations d'entrée et 10 000 opérations de sortie coûte environ $0,15 sur Terra et $0,30 sur Sol, aux tarifs standard. Si Sol augmente suffisamment son taux d'acceptation pour éviter une révision supplémentaire, les économies apparentes pourraient disparaître. Si les deux sont acceptées, la facture moins élevée de Terra s'amplifie proportionnellement au volume.
Les deux modèles utilisent la même structure de plus de 272 000 : des débits d'entrée et de cache multipliés par 2 et des débits de sortie multipliés par 1,5 pour la requête complète. Les options « Batch » et « Flex » divisent par deux les débits « Standard » éligibles ; l'option « Fast » les double. Le traitement régional peut ajouter 10% lorsqu'il est disponible. Avant le déploiement, calculer le coût réel de l'API Terra.
Le coût d’écriture en cache sur 12 heures de Terra n’est pas la moitié de celui de Sol d’après les données vérifiées : les deux s’élèvent à $2,50 par million de jetons. C’est pourquoi le modèle de réutilisation est important. Terra bénéficie toujours de lectures en cache moins coûteuses, mais un préfixe à longue durée de conservation nécessite une réutilisation suffisante pour rentabiliser l’écriture. Il ne faut pas réduire la comparaison complète à une simple ligne indiquant “ deux fois moins cher ” lorsque différents indicateurs se comportent différemment.
Quand utiliser Terra et quand utiliser Sol ?
Des critères clairs, un travail sur le visuel et l'interface utilisateur, une rédaction naturelle ou un volume important.
Vérifier l'exactitude, le choix des outils, les références et la latence.
Utilisez Sol pour les cas ambigus, comportant beaucoup de code ou présentant un risque élevé.
Suivre les résultats acceptés, les nouvelles tentatives, les vérifications manuelles et le coût en jetons.
Optez pour Terra pour des flux de travail visuels et opérationnels efficaces
Terra constitue un premier test pertinent pour l'analyse des captures d'écran, la conception d'interfaces, l'interprétation des formulaires et des tableaux de bord, les problèmes de contraintes visuelles, la rédaction professionnelle et les tâches opérationnelles récurrentes. Son aucun L'option « effort » et des tarifs réduits peuvent convenir à des produits nécessitant une grande réactivité ou à fort volume. Lorsque la liste restreinte comprend des options autres que OpenAI, Comparer d'autres gammes de modèles phares au lieu d'étendre le rôle de Terra à l'ensemble des prestataires.
Optez pour Sol pour les tâches de programmation complexes et les missions professionnelles plus pointues
Sol est conçu pour le codage complexe, l'utilisation d'ordinateurs et les projets professionnels, avec des performances proches de celles d'Astra. Utilisez-le pour les modifications à l'échelle d'un référentiel, la réflexion architecturale, le débogage complexe, les revues à enjeux élevés et les boucles d'agents où un plan faible peut déclencher de nombreux appels d'outils coûteux. Avant de le définir comme valeur par défaut, test pour déterminer quand Sol mérite sa prime.
Utilisez une défonceuse lorsque le niveau de difficulté varie
Un système pratique achemine le trafic normal vers Terra et transmet à Sol les tests ayant échoué, les cas présentant un faible niveau de confiance, les modifications sensibles en matière de sécurité et les tâches volumineuses portant sur plusieurs fichiers. Veillez à ce que la politique de transmission soit transparente. Si la plupart des résultats de Terra sont acceptés, augmentez sa part. Si Sol évite de manière répétée des échecs coûteux, acheminez directement cette catégorie de tâches vers Sol. Cela transforme la sélection des modèles en une règle opérationnelle plutôt qu’en un sujet de débat permanent.
Comment utiliser Terra et Sol
Dans l'API officielle, utilisez gpt-6.1-terra ou gpt-6.1-sol dans l'API Responses, tout en conservant inchangés la consigne, les outils, l'effort de raisonnement et l'évaluateur. Enregistrez les identifiants de requête, l'utilisation des jetons, les mesures de latence, les traces des outils et les résultats (réussite/échec). Une comparaison équitable consiste à modifier le modèle, et non l'ensemble du dispositif de test.
GlobalGPT offre un espace de travail multimodèle pratique pour effectuer des comparaisons exploratoires. Ouvrez une nouvelle conversation pour chaque modèle, réutilisez exactement la même invite et les mêmes pièces jointes, puis évaluez le résultat par rapport aux mêmes exigences. Utilisez l’API officielle lorsque le niveau de service exact, les paramètres de raisonnement, les métadonnées d’utilisation et l’évaluation automatisée doivent être préservés. Les frais liés à la plateforme GlobalGPT et les tarifs des jetons de l’API officielle relèvent de domaines distincts.
Limites des preuves et réaction sociale immédiate
Les tests Terra ont été réalisés via une route GlobalGPT authentifiée, configurée pour gpt-6.1-terra, mais la réponse n'a pas révélé de champ distinct dédié à l'attestation du modèle en amont ni à l'effort de raisonnement. Les durées indiquées correspondent à la durée totale du parcours de bout en bout, et non à la latence d'inférence pure ni au temps nécessaire pour obtenir le premier jeton. Sol n'ayant pas été exécuté sur les mêmes tâches, cet article ne prétend pas à des performances comparables dans les tests de performance.
Les contenus propres à OpenAI Article sur le lancement de X, extrait ci-dessous de l'URL du message d'origine, décrit Terra comme un outil informatique abordable capable de comprendre le contenu affiché à l'écran, d'interagir entre différentes applications et d'écrire de manière naturelle. Il s'agit là du discours officiel de lancement, et non d'une analyse indépendante ni de la preuve d'un résultat de test de performance. L'indexation des résultats de recherche a également mis en évidence un Message des développeurs de OpenAI, une note d'évaluation de Analyse artificielle, ainsi que des fils de discussion sur Terra sur Reddit, mais ces messages originaux n'ont pas été conservés et ne sont pas cités comme reflétant le consensus de la communauté.
Analyse artificielle a présenté une première analyse d'un évaluateur indépendant, décrivant Terra comme repoussant les limites du rapport coût-efficacité et mettant en avant les taux d'entrée $1 et de sortie $5. L'article fait référence à son propre indice d'intelligence ; il s'agit du système d'évaluation d'une seule organisation, et non d'une preuve de qualité universelle ni d'un résultat correspondant à celui présenté dans cet article.
La consultation directe de la documentation OpenAI via la ligne de commande a renvoyé une erreur HTTP 403, mais un service de rendu public a réussi à charger l’URL du modèle Terra d’origine et à produire une capture dont la source est identifiée. L’article conserve séparément cette page originale dans son intégralité et utilise, dans le guide de l’API, un recadrage lisible axé sur les revendications. Sol utilise une capture de la page du modèle OpenAI préalablement vérifiée. En l’absence de réactions concrètes et indépendantes sur les réseaux sociaux, cet article s’appuie sur les trois tests Terra conservés plutôt que d’inventer un consensus parmi les évaluateurs.
FAQ : GPT-6.1 Terra vs Sol
Le modèle GPT-6.1 Terra est-il meilleur que le modèle GPT-6.1 Sol ?
Terra constitue le meilleur choix par défaut pour le raisonnement visuel à moindre coût, la planification de l'utilisation des ordinateurs et l'écriture naturelle. Sol est quant à lui le meilleur choix pour le codage plus complexe et le raisonnement professionnel plus approfondi, lorsque ses capacités supplémentaires justifient un prix par jeton environ deux fois supérieur à celui de Standard.
De combien Terra est-elle moins chère que Sol ?
Aux taux standard, Terra affiche une valeur d'entrée de $1 et une valeur de sortie de $5 par million de jetons, tandis que Sol affiche une valeur d'entrée de $2 et une valeur de sortie de $10. Terra affiche la moitié du prix d'entrée et de sortie hors cache ; les deux indiquent $2,50 pour le compteur d'écriture en cache plus long dans les sources vérifiées.
Terra et Sol partagent-ils la même fenêtre de contexte ?
Oui. Les deux indiquent une fenêtre de contexte de 1 050 000 tokens et un volume de sortie maximal de 128 000 tokens. Sol mentionne également un volume d'entrée maximal de 922 000 tokens ; Terra n'a pas indiqué de valeur maximale distincte pour le volume d'entrée dans le code source vérifié.
Quel modèle est le mieux adapté au codage ?
Utilisez d'abord Sol pour les tâches complexes liées à l'analyse des référentiels, à l'architecture ou aux agents de code. Terra peut constituer un meilleur choix par défaut en production pour les transformations ciblées, les tâches axées sur l'interface utilisateur et les workflows à haut volume qui disposent déjà de tests rigoureux.
Quel modèle est le plus rapide ?
Les temps de transit OpenAI positionnent Terra comme un réseau rapide et efficace, mais cet article ne désigne pas de vainqueur incontestable en matière de latence. Nos mesures de temps de transit pour Terra concernaient des trajets de bout en bout de GlobalGPT et n’ont pas été comparées à celles de Sol ; elles ne permettent donc pas d’établir une comparaison équitable en termes de vitesse.
Quel modèle est le mieux adapté aux images et aux captures d'écran ?
Terra est explicitement conçu pour le raisonnement visuel et l'utilisation précise de l'ordinateur, ce qui en fait le premier outil de test tout indiqué pour les captures d'écran et la conception d'interfaces. Les deux modèles acceptent les images en entrée ; il convient donc de tester leur qualité dans le cadre de vos propres tâches visuelles.
Terra et Sol peuvent-ils être considérés comme des outils ?
Oui, via l'API Responses. Les pages consacrées aux modèles répertorient une large gamme d'outils pris en charge. La fonctionnalité « Chat Completions » est disponible sans appel d'outil ; par conséquent, les nouveaux systèmes utilisant des outils devraient normalement recourir à l'API Responses.
Que se passe-t-il lorsque le nombre de jetons d'entrée dépasse 272 000 ?
Les deux modèles appliquent la règle de tarification « full-request long-context » : des taux d'entrée et de mise en cache multipliés par 2, et des taux de sortie multipliés par 1,5 dès que le volume d'entrée dépasse 272K. Terra reste moins cher, mais la construction du contexte reste un facteur important.
Puis-je utiliser les deux modèles sur le GlobalGPT ?
GlobalGPT propose des itinéraires types pour Terra et Sol. Utilisez le sélecteur actuel pour effectuer une comparaison interactive ; utilisez les API officielles et votre propre infrastructure de test lorsque l'utilisation exacte, les paramètres de raisonnement et les contrôles de déploiement doivent être consignés.
Verdict final : Terra ou Sol ?
Optez pour GPT-6.1 Terra lorsqu'un modèle opérationnel moins coûteux et doté de capacités visuelles suffit à satisfaire vos critères de test. Optez pour GPT-6.1 Sol lorsque la complexité du codage, la nécessité d'un raisonnement plus approfondi ou un coût d'erreur élevé justifient que ces capacités supplémentaires valent le double du débit habituel d'entrée et de sortie. Ces deux modèles partagent suffisamment de points communs en termes de contexte, de modalité et de prise en charge des outils pour que le routage entre eux soit envisageable.
Pour la plupart des équipes, la stratégie la plus efficace consiste à privilégier Terra en premier lieu et à recourir à Sol en cas d’escalade. Il convient de maintenir la prompt et l’évaluateur fixes, de mesurer le coût par résultat accepté et de considérer la qualité du flux de travail de bout en bout comme l’objectif principal. Les trois tests de Terra ont mis en évidence une gestion utile des contraintes visuelles, une conception d’interface bien fondée et une excellente qualité des révisions, tout en révélant une étape de confirmation manquante et une erreur factuelle de formulation. Ces résultats mitigés expliquent précisément pourquoi une évaluation spécifique à la tâche est plus importante que l’étiquette attribuée à un modèle.
Si Sol ne parvient toujours pas à atteindre le niveau de qualité requis pour une tâche importante, faites appel au même évaluateur pour Tester GPT-6 Astra sur cette lacune. Ne passer au niveau supérieur que lorsque le modèle le plus performant modifie le résultat.
