GPT-6.1 Terra bat Claude Opus 5.5 sur coût et vitesse

OpenAI a confronté GPT-6.1 Terra à Claude Opus 5.5 sur trois tests synthétiques de développement et de travail agentique, publiés le 31 octobre 2026. Dans ces essais, Terra a égalé Opus sur une tâche de triage logiciel, fait mieux sur une analyse de lignage cellulaire et terminé un audit de données que Claude n’a pas achevé. Surtout, le coût estimé a fortement penché en faveur de Terra, ce qui compte directement pour les équipes qui paient déjà des modèles pour exécuter du travail, pas seulement pour discuter.

Des écarts mesurés entre deux modèles haut de gamme

Jessica Wachtel précise que les comparaisons ont été faites en mode effort maximal, avec des API natives des deux fournisseurs, sans borne de tours de dialogue. Ce détail compte, car le réglage d’effort ne garantit pas le même budget de raisonnement d’un modèle à l’autre. Les résultats ne disent donc pas qui “gagne” de manière absolue, mais ce que chaque modèle rend dans un cadre précis, avec des contraintes précises.

Sur le test de triage “release triage”, les deux modèles ont obtenu 50 sur 50. Terra a toutefois été plus sobre dans sa manière d’atteindre ce score : 23 allers-retours via la barre d’adresse contre 102 pour Opus, et environ cinq fois moins de tokens en sortie. Résultat, le coût estimé de Terra s’est établi à 17,1 % de celui d’Opus sur cette tâche. Une économie qui n’a rien de décoratif quand on multiplie la facture par des centaines d’exécutions.

Quand le code et les données font la différence

Le second test, centré sur un suivi de lignage cellulaire à partir d’une vidéo microscopique bruitée de 72 images, a donné 48 sur 50 à Terra contre 43,5 sur 50 à Opus. Terra a suivi les 20 divisions attendues et répondu juste aux 10 questions de synthèse, tandis qu’Opus a raté deux divisions, signalé un événement inexistant et mal attribué deux cellules finales. Là encore, Terra a consommé beaucoup moins de ressources, avec 37 tours contre 129 et 15 minutes environ contre 36 minutes.

Le troisième test portait sur un audit d’historique CI d’environ 1 200 lignes, avec changements de fuseau horaire, formats de durée hétérogènes et un changement de prix en milieu de mois. Terra a obtenu 47 sur 50. Opus, lui, n’a pas rendu de réponse finale avant d’atteindre sa limite de sortie de 128 000 tokens par réponse. Ce n’est pas une preuve d’incapacité générale, mais c’est un signal net sur ce type de tâche quand le volume de données monte. Les modèles aiment bien les tableaux… jusqu’au moment où ils deviennent bavards avec eux-mêmes.

Ce que disent les chiffres, sans emballage marketing

Sur l’ensemble des trois runs finaux, Terra a produit une estimation de coût uncached de 25,99 dollars contre 214,96 dollars pour Opus, soit environ 12,1 % du coût de son rival. Le temps total s’est aussi réduit : 2 418 secondes pour Terra, contre 3 962 secondes pour Opus. Côté tokens, Terra a totalisé 25 292 559 en entrée et 138 611 en sortie, tandis qu’Opus a atteint 51 895 447 en entrée et 369 032 en sortie. Les écarts sont assez larges pour intéresser des responsables produit, SRE ou équipes IA qui cherchent à industrialiser des workflows agentiques sans faire exploser les comptes.

Reste une nuance utile : ces tests ont été construits par Jessica Wachtel et ne reproduisent ni un benchmark officiel unique, ni des conditions de production complètes. En revanche, ils montrent une tendance déjà visible dans d’autres comparaisons de modèles : la qualité utile ne se joue plus seulement sur la précision brute, mais sur le rapport entre coût, vitesse, complétion et capacité à rester fiable quand le contexte s’allonge. C’est là que les arbitrages deviennent concrets, et moins glamours que les promesses de démonstration.