GPT-6.1 Sol : le guide pratique pour les utilisateurs de Claude
Au DevDay du 29 septembre 2026, OpenAI a lancé GPT-6.1 Sol (gpt-6.1-sol)
une semaine après GPT-6 Sol, avec l'argument « une intelligence proche d'Astra pour
un cinquième du prix ». Le modèle est monté directement en tête de Hacker News.
Pour un utilisateur de Claude, le fait intéressant n'est pas l'argument marketing. C'est que GPT-6.1 Sol atterrit exactement sur le tarif de Claude Sonnet 5.5 — 2$ en entrée, 10$ en sortie par MTok — tout en facturant la moitié du tarif d'entrée en cache de Sonnet 5.5. Deux modèles, le même prix affiché, des factures différentes, des formes de travail différentes. Cette page présente les spécifications, les mécanismes de tarification que la plupart des articles passent sous silence, une lecture honnête du tableau de benchmarks, et le reste de ce que le DevDay a livré aux développeurs.
- Connaître les spécifications exactes — et les deux plafonds qui ne sont pas la fenêtre de contexte
- Chiffrer correctement une charge de travail, y compris la falaise à 272K et l'écart d'entrée en cache avec Sonnet 5.5
- Éviter le piège de la surface d'API : l'appel d'outils n'est pas disponible sur les deux points de terminaison
- Lire les benchmarks de lancement, y compris la ligne où Claude gagne encore
- Savoir ce qui d'autre est arrivé au DevDay pour les développeurs : Ultrafast, l'API Decisions, Codex Security Cloud, Private Intelligence
Spécifications
gpt-6.1-sol | |
|---|---|
| Fenêtre de contexte | 1 050 000 tokens |
| Tokens d'entrée max | 922 000 |
| Tokens de sortie max | 128 000 |
| Date de coupure des connaissances | 30 avril 2026 |
| Efforts de raisonnement | low, medium (par défaut), high, xhigh, max |
| Entrée / entrée en cache / sortie | 2,00 $ / 0,10 $ / 10,00 $ par MTok |
| Écriture en cache | 2,50 $ par MTok |
| Contexte long (>272K) | 2× les tarifs d'entrée et de cache, 1,5× la sortie |
| Mode Fast | 2× le tarif standard |
| Batch / Flex | 50 % sous le tarif standard |
| Limites de débit | Niveau 1 : 500 RPM / 500K TPM → Niveau 5 : 15K RPM / 40M TPM |
Les deux plafonds qui ne sont pas la fenêtre de contexte
1 050 000, c'est la fenêtre. 922 000, c'est le plafond d'entrée. L'écart n'est pas de la marge que vous pouvez consacrer à un document plus gros — c'est l'espace dont le raisonnement et la sortie ont besoin. Si vous dimensionnez une étape de récupération sur « 1M de contexte », vous atteindrez une limite environ 12 % plus tôt que le chiffre marketing, et vous l'atteindrez au pire moment, après avoir déjà payé pour assembler le prompt.
Ensuite il y a la falaise de prix à 272K. Au-delà, l'entrée et l'entrée en cache doublent, la sortie augmente de moitié. C'est la même falaise que celle de GPT-6 Astra, et elle change nettement l'économie du travail à contexte long : un prompt de 300K tokens ne coûte pas 10 % de plus qu'un prompt de 272K, il coûte environ deux fois plus cher côté entrée. Si vous êtes proche de la limite, compresser pour rester en dessous vaut un réel effort d'ingénierie. Claude tarife sa fenêtre de 1M différemment — voir ce que l'IA coûte selon les fournisseurs et la mise en cache des prompts selon les fournisseurs.
Le piège : l'appel d'outils n'est pas disponible sur les deux API
La page du modèle liste Chat Completions (sans appel d'outils) et Responses API (avec appel d'outils). Lisez cela deux fois si vous portez une intégration existante.
Si votre code envoie des requêtes vers Chat Completions — le point de terminaison par défaut de la plupart des bibliothèques tierces, passerelles et wrappers « compatibles OpenAI » — vous n'obtenez pas l'appel de fonctions sur ce modèle. La correction n'est pas un paramètre, c'est un point de terminaison différent et une forme de requête différente.
Également non pris en charge : Live, Realtime, Assistants, le fine-tuning, les embeddings, la génération d'images, la vidéo, la parole et la transcription, la modération, et l'ancienne API Completions. La liste des outils pris en charge est large — recherche web, recherche de fichiers, génération d'images, interpréteur de code, shell hébergé, application de patchs, skills, computer use, MCP, recherche d'outils — mais c'est une liste Responses API.
- Vérifiez votre passerelle IA avant de changer une chaîne de modèle. Un routeur qui normalise tout vers Chat Completions va silencieusement supprimer l'appel d'outils sur gpt-6.1-sol — la requête réussit, les outils ne se déclenchent simplement jamais.
Comparez son prix à celui de Claude correctement
Mêmes chiffres affichés, mécanismes différents.
| GPT-6.1 Sol | Claude Sonnet 5.5 | Claude Opus 5.5 | |
|---|---|---|---|
| Entrée / sortie par MTok | 2$ / 10$ | 2$ / 10$ | 4$ / 20$ |
| Lecture en cache par MTok | 0,10$ | 0,20$ | 0,20$ |
| Contexte | 1,05M (922K en entrée) | 1M | 1M |
| Sortie max | 128K | 128K | 128K |
| Surtaxe de contexte long | Oui, au-delà de 272K | Aucune falaise publiée | Aucune falaise publiée |
Deux conséquences qui comptent plus que la parité affichée :
Sur une longue boucle d'agent, la lecture en cache de GPT-6.1 Sol est la ligne la moins chère. 0,10$ contre 0,20$, c'est un écart de 2× sur l'élément qu'une boucle agentique repaie à chaque tour. Si votre prompt est un grand préfixe stable plus un petit delta — ce qui est la forme d'un agent — c'est là que se joue réellement la facture.
Au-delà de 272K, la tendance s'inverse fortement. Anthropic ne publie aucune falaise équivalente sur les modèles Claude 5.5, donc une charge de travail qui a réellement besoin de 400K de contexte est tarifée sur des courbes très différentes. Sachez de quel côté de 272K vous vous trouvez avant de comparer quoi que ce soit.
Les benchmarks, lus honnêtement
Les chiffres de lancement d'OpenAI, tels que compilés au lancement. Ce sont des chiffres fournis par le fournisseur ; personne ne les a encore reproduits de manière indépendante.
| Benchmark | GPT-6.1 Sol | GPT-6 Astra | Claude | Coût par tâche |
|---|---|---|---|---|
| DeepSWE v1.1 (ingénierie logicielle) | 75,2 % (high) | 74,8 % (high) | Sonnet 5.5 : 71,0 % | ~1,50$ contre Astra ~7,70$ |
| OSWorld 2.0 (computer use) | 71,4 % (max) | 73,5 % (max) | Opus 5 : 60,3 % (medium) | 1,30$ contre Astra 9,30$ |
| GDP.pdf (analyse de documents) | 32,0 % | 32,2 % | Opus 5.5 : 28,8 % | — |
| AutomationBench 1.0.6 (flux de travail métier) | 36,0 % | — | Sonnet 5.5 : 44,7 % | 0,30$ contre Sonnet ~1,14$ |
| Taux d'erreur factuelle à faible effort | 7,7 % | — | — | (GPT-6 Sol : 11,4 %) |
Trois éléments à retenir de ce tableau :
1. L'argument du coût est l'argument fort. Battre Astra sur DeepSWE de 0,4 point, c'est du bruit. Le faire pour environ un cinquième du coût par tâche ne l'est pas. La comparaison intéressante dans cette sortie n'est jamais Sol contre Astra sur la qualité — c'est Sol contre Astra sur le prix à qualité égale.
2. AutomationBench est la ligne qu'OpenAI n'a pas mise en avant. Claude Sonnet 5.5 obtient 44,7 % contre 36,0 % pour GPT-6.1 Sol — 8,7 points, sur l'automatisation de flux de travail métier, pour environ 4× le coût par tâche. C'est un véritable compromis, pas une déroute dans un sens ou dans l'autre : si un flux de travail échoué vous coûte plus de 0,84$, le modèle le plus cher est le moins cher. Décidez avec votre propre coût d'échec, pas avec le classement.
3. Même le meilleur chiffre en computer use est de 71,4 %. Environ trois tâches sur dix échouent sur le benchmark conçu pour cette capacité. Tout ce qui est dit dans comparatif des agents computer-use sur les portes de confirmation reste vrai.
Le chiffre du taux d'erreur factuelle est le plus discrètement intéressant : 7,7 % à faible effort, contre 11,4 % pour GPT-6 Sol. Un taux d'erreur qui s'améliore spécifiquement au réglage bon marché, c'est ce qui rend un modèle de bête de somme utilisable par défaut plutôt qu'en solution de repli.
Ce que DevDay a livré d'autre pour les développeurs
Version courte, car plusieurs de ces sujets méritent leur propre page.
- Un palier de vitesse payant : OpenAI annonce jusqu'à 8x plus rapide en génération de tokens dans Codex et 6x dans l'API. Le guide précise qu'il s'agit uniquement de résidence des données aux États-Unis et de traitement global — pas de points de terminaison de traitement régional dans l'UE ou ailleurs — et recommande fortement les WebSockets plutôt que HTTP, car la surcharge réseau par requête annule le gain de latence sur les boucles d'agent à forte utilisation d'outils. Côté grand public, c'est exclusif au nouveau plan Pro 500 à 500$/mois.
- L'API Agents (en bêta publique depuis le 10 septembre) peut désormais manipuler des logiciels via leur interface, en plus des capacités multi-agents de Codex, de la recherche d'outils et de la compaction de contexte. Le comparatif avec la boucle hébergée d'Anthropic est déjà publié sur ce site.
- Classification et routage en moins d'une seconde sur des options prédéfinies, fonctionnant sur le modèle Luna. C'est une réponse directe à la catégorie des modèles de décision — la même forme que Jev et Kev : renvoyer un choix avec une confiance calibrée plutôt que de la prose.
- Scanne des dépôts GitHub entiers, examine en continu les nouveaux commits, déduplique les résultats et prépare des correctifs à valider pendant que votre ordinateur portable est fermé. Le CLI est open source sur github.com/openai/codex-security, avec un SDK TypeScript.
- Zero Data Retention avec Private Safety Processing — des contrôles de sécurité automatisés qui s'exécutent sans que le personnel d'OpenAI accède au contenu. Private Inference, combinant informatique confidentielle et contrôles vérifiables, est prévu en préversion plus tard cet automne.
L'API Decisions est celle à surveiller si vous suivez le fil des modèles de décision sur ce site : elle prend une direction de recherche qui était en poids ouverts et bricolée maison, et la transforme en point de terminaison hébergé chez le plus grand fournisseur. Voir Les modèles de décision System One : Jev, Kev et les clones ouverts et entraînez votre propre modèle de décision pour savoir ce que la catégorie garantit réellement — et ce que « ne peut pas halluciner » ne veut pas dire.
Devriez-vous changer ?
- Les modèles échangent des lignes. GPT-6.1 Sol gagne en ingénierie logicielle et en coût brut par tâche ; Sonnet 5.5 gagne en automatisation de flux de travail métier de 8,7 points. Un changement de modèle par défaut devrait suivre une mesure sur votre propre travail, pas un tableau de lancement.
- DeepSWE à 75,2 % pour environ 1,50$ la tâche, avec des lectures en cache à 0,10$, c'est la combinaison qui rend une longue boucle d'agent bon marché. Si votre facture est dominée par les lectures en cache sur un grand préfixe stable, cette seule ligne peut la faire bouger.
- Si votre intégration ou votre passerelle parle Chat Completions, l'appel d'outils ne vient pas avec le changement de modèle. Vérifiez d'abord que vous pouvez migrer vers la Responses API ; c'est un changement plus important que la chaîne de modèle.
- En dessous de la falaise, c'est un modèle à contexte de 1M bon marché. Au-dessus, l'entrée et le cache doublent. Instrumentez la taille réelle de vos prompts avant de supposer que la fenêtre est tarifée de façon plate.
Décidez du changement sur vos propres données, pas sur le tableau de lancement
I am comparing two models for a production workload.
Model A: gpt-6.1-sol — $2 in / $0.10 cached / $10 out per MTok,
1.05M context but 922K max input, and input + cached rates
DOUBLE above 272K tokens (output x1.5).
Model B: claude-sonnet-5-5 — $2 in / $0.20 cached / $10 out per MTok,
1M context, no published long-context surcharge.
Here is my workload profile:
- average stable prefix (cacheable): <N> tokens
- average per-turn delta: <N> tokens
- average output per turn: <N> tokens
- turns per task: <N>
- tasks per day: <N>
- share of requests whose total input exceeds 272K: <X>%
- cost to me of one wrong answer that ships: $<N>
Compute the monthly bill for each model. Then tell me the accuracy gap
at which the cheaper model stops being cheaper, given my stated cost of
a wrong answer. Show the arithmetic. Do not recommend a model without
showing the break-even point.Quiz
Check yourself
0/4Suite
- Claude Sonnet 5.5 : le guide pratique — le modèle au tarif identique, et les cinq pièges à 400 de sa propre migration
- OpenAI Dots : l'agent toujours actif — l'autre moitié du DevDay 2026, et l'architecture de permissions qui la sous-tend
- Ce que l'IA coûte selon les fournisseurs — la version durable de la comparaison de prix ci-dessus
Sources et lectures complémentaires
- Page du modèle GPT-6.1 Sol — spécifications, tarification, prise en charge des points de terminaison et des outils, limites de débit
- Introducing GPT-6.1 Sol — le billet de lancement d'OpenAI
- DevDay 2026 announcements and developer resources — l'index d'OpenAI de tous les lancements du DevDay avec liens vers la documentation
- Guide du mode Ultrafast — disponibilité du modèle, limites de résidence, recommandation WebSocket
- Computer use dans l'API Agents — le nouvel outil
- openai/codex-security — le CLI et les SDK open source de Codex Security
- GPT-6.1 Sol benchmarks explained — tableaux de benchmarks compilés et chiffres de coût par tâche
- OpenAI expands Codex and its API at DevDay — API Decisions, Ultrafast, scans de sécurité
- Simon Willison's DevDay 2026 live blog — notes contemporaines et chiffres de tarification