Sonnet 5.5 ou GPT-6.1 Sol : même prix, 7× d'écart de facture

Anthropic a sorti Claude Sonnet 5.5 le 28 septembre. OpenAI a répondu le 29 avec GPT-6.1 Sol, à sa DevDay. Même semaine, même tarif au compteur : 2 $ le million de tokens en entrée, 10 $ en sortie. J'ai branché les deux sur le même pipeline d'agents la semaine suivante, et c'est là que la comparaison devient intéressante : à prix affiché rigoureusement égal, la facture ne se ressemble pas du tout.

Deux modèles à 2 $/10 $ : ce que la grille tarifaire ne dit pas

Commençons par ce qui est public et vérifiable. Anthropic facture Sonnet 5.5 exactement comme Sonnet 5 : 2 $ en entrée, 10 $ en sortie, 0,20 $ la lecture de cache, 2,50 $ l'écriture de cache 5 minutes (4 $ pour la version 1 heure), moitié prix sur le Batch API. OpenAI aligne GPT-6.1 Sol sur les mêmes 2 $/10 $, avec une entrée cachée à 0,10 $ — deux fois moins cher que la lecture de cache côté Anthropic, et sans frais d'écriture.

Le piège est ailleurs. Un modèle de raisonnement ne facture pas ce qu'il affiche, il facture ce qu'il écrit. Et les deux n'écrivent pas du tout la même quantité de tokens pour arriver au même endroit.

Sur la suite d'évaluation d'Artificial Analysis (indice v4.3.2), Sonnet 5.5 réglé au maximum crache 197 430 tokens de sortie par tâche, dont 146 633 de pur raisonnement. GPT-6.1 Sol en dépense 38 128, dont 25 190 de raisonnement. Cinq fois moins de production pour un résultat voisin. Traduction en euros : 5,46 $ la tâche chez Anthropic, 0,72 $ chez OpenAI. Même prix au litre, cinq fois plus de litres.

C'est la suite logique de ce qu'on observait déjà sur la génération précédente, quand nous avions comparé Opus 5.5 et GPT-6 Sol : l'écart de prix affiché était alors de 2×, l'écart de performance de 10 points. Un mois plus tard, le prix affiché s'est égalisé et le terrain de jeu s'est déplacé sur la consommation de tokens. Pour un dirigeant qui regarde une ligne budgétaire, c'est le changement le plus important du trimestre.

Combien coûte vraiment une tâche en octobre 2026

Prenons un cas qui ressemble à la vraie vie d'une PME : 3 000 tâches par mois d'un agent qui lit un ticket, consulte deux outils internes et rédige une réponse argumentée. Au coût par tâche observé sur la suite Artificial Analysis, l'addition passe de 2 160 $ avec GPT-6.1 Sol à 16 380 $ avec Sonnet 5.5 en réglage Max. Personne ne fait tourner un agent de support en réglage Max, bien sûr — mais c'est précisément le point : le réglage d'effort est devenu la vraie variable de prix, pas le modèle.

À effort « Low », l'écart se resserre fortement : 0,35 $ la tâche pour Sonnet 5.5, 0,13 $ pour GPT-6.1 Sol. Toujours un facteur 2,7, mais on sort de l'ordre de grandeur délirant. Si vous tenez vos coûts d'inférence à l'œil, le sujet rejoint directement ce qu'on expliquait sur les coûts cachés d'un agent en production : la facture d'un agent se joue sur le nombre d'allers-retours et sur le volume de raisonnement, pas sur la grille du fournisseur.

Benchmarks Sonnet 5.5 vs GPT-6.1 Sol : l'écart s'inverse selon l'effort

Le titre de gloire d'Anthropic, c'est l'indice d'intelligence au réglage maximum : 56 contre 51,83 pour GPT-6.1 Sol. Quatre points, c'est net. Sauf qu'en descendant les crans, la hiérarchie se retourne complètement :

• Max : Sonnet 5.5 à 56 / Sol à 51,83
• XHigh : 52 / 51 — égalité de fait
• High : 46,75 / 50,24 — OpenAI devant
• Medium : 40,84 / 47,78 — sept points d'écart
• Low : 35,87 / 42,08 — six points d'écart

Autrement dit : Sonnet 5.5 est le meilleur modèle du duo quand on lui laisse brûler 200 000 tokens de réflexion. GPT-6.1 Sol est le meilleur modèle du duo partout ailleurs. Et « partout ailleurs », c'est 90 % des workflows PME.

Sur le code et les agents

Anthropic revendique 70,6 % sur Terminal-Bench 4.0, au-dessus d'Opus 5.5 (66,4 %), et 1 844 points Elo sur GDPval-AA v2.1 — à deux points d'Opus 5.5, pour la moitié du prix. Sur CursorBench 4.0, Sonnet 5.5 reste deux points derrière Opus (55,5 % contre 57,8 %). Le constat de The Decoder tient : Sonnet 5.5 rend Opus 5.5 difficile à justifier pour la plupart des usages.

OpenAI, de son côté, annonce 75,2 % sur DeepSWE v1.1 contre 71,0 % pour Sonnet 5.5, à environ 1,50 $ la tâche. Sur AutomationBench 1.0.6, 36,0 % pour 0,30 $ la tâche — 2,2 points au-dessus d'Opus 5.5 pour le tiers du coût. Sur l'analyse de documents (GDP.pdf), 32,0 % à 0,38 $ contre 28,8 % pour Opus 5.5.

Attention aux comparaisons bancales qui circulent : Anthropic publie ses scores sur OSWorld 2.1 (80,1 %), OpenAI sur OSWorld 2.0 (71,4 %). Ce ne sont pas les mêmes jeux de tâches, ces deux chiffres ne se soustraient pas. Si quelqu'un vous sort « 9 points d'écart sur l'usage d'ordinateur », il lit mal les notes de bas de page.

Le détail qui m'a fait changer d'avis

Le test de DataCamp sur un visualiseur d'algorithme de Dijkstra résume bien les deux tempéraments. GPT-6.1 Sol décroche 5,0/5 mais refuse de tourner sur un graphe à arêtes négatives — cas où Dijkstra n'est mathématiquement pas valide. Sonnet 5.5 obtient 4,7/5, prévient du problème… et répond quand même. En revanche Sonnet boucle en 4 tours et 3 appels d'outils, contre 5 tours et 7 appels pour Sol.

C'est exactement ce que j'ai retrouvé sur mon pipeline d'extraction de données. Sonnet 5.5 va plus vite au résultat et se montre plus agréable à itérer. Mais il a une fâcheuse tendance à produire une réponse là où j'aurais préféré un refus propre — sur de la donnée financière mal formée, un avertissement noyé dans un paragraphe ne vaut pas une erreur bloquante. Ma première frustration a été là, et elle n'a rien à voir avec les benchmarks : il m'a fallu rajouter une couche de validation côté code que GPT-6.1 Sol rend inutile. Deux heures perdues à comprendre pourquoi un lot passait vert alors que la source était cassée.

Vitesse, latence et Ultrafast : ce que coûte la rapidité

Sur le débit brut, Anthropic domine sans discussion : 125 tokens/seconde en décodage médian contre 55,2 pour GPT-6.1 Sol, soit plus du double. Les mesures OpenRouter donnent 113 contre 43. L'ordre de grandeur est constant quelle que soit la source.

OpenAI a réagi le 8 octobre en ouvrant son palier Ultrafast à GPT-6.1 Sol, dans l'API, Codex et ChatGPT Work. Jusqu'à 8× plus rapide que le mode Standard — mais la facture suit : 12 $ en entrée et 60 $ en sortie par million, soit six fois le tarif standard, et 24 $/90 $ au-delà de 272 000 tokens. Le palier intermédiaire Fast est à 4 $/20 $. OpenAI vend désormais la latence comme une ligne de produit distincte de l'intelligence, logique déjà décrite dans notre tutoriel sur la réduction de latence des agents temps réel.

Pour une PME, le calcul est simple : si votre cas d'usage est un agent vocal ou un chat front-office, Sonnet 5.5 en standard vous donne la vitesse d'Ultrafast sans son tarif. Si c'est du batch de nuit, la vitesse ne vous sert à rien et GPT-6.1 Sol en Low ou Medium est la ligne budgétaire la plus raisonnable du marché.

Quel modèle pour quel usage en PME

• Agent codeur (Claude Code, Codex, Copilot) : Sonnet 5.5 en XHigh. Moins de tours, meilleure tenue sur les sessions longues, débit confortable. Les deux sont disponibles dans GitHub Copilot, donc l'arbitrage se fait au ressenti sur votre base de code, pas sur un tableau.
• Traitement documentaire en volume (factures, contrats, DSN) : GPT-6.1 Sol, sans hésiter. 0,38 $ la tâche sur de l'analyse de PDF, un taux d'hallucination descendu de 11,4 % à 7,7 %, et la capacité à refuser une entrée invalide plutôt que de l'enjoliver.
• Agent « cache-heavy » (support, FAQ interne) : GPT-6.1 Sol encore, grâce à l'entrée cachée à 0,10 $ sans frais d'écriture. Sur une boucle d'agent classique, cela représente une dizaine de dollars par mois d'écart — anecdotique en pilote, pas en production.
• RAG sur gros corpus (>272 000 tokens par requête) : Sonnet 5.5, qui garde son tarif standard sur tout le million de contexte. C'est le seul endroit où Anthropic est franchement moins cher.
• Multi-cloud / souveraineté : Sonnet 5.5 est servi sur Bedrock, Vertex AI et Microsoft Foundry ; GPT-6.1 Sol sur Azure. Si votre DSI a tranché son cloud, l'arbitrage est déjà fait, comme dans notre comparatif LLM enterprise sur 14 critères.

Mon protocole de test avant de basculer un pipeline

Je ne choisis plus un modèle sur un indice composite. Trois mesures sur vos propres données suffisent à trancher en une demi-journée :

1. Tokens de sortie par tâche, loggés sur 50 requêtes réelles. C'est la seule métrique qui prédit votre facture. Les écarts de 5× observés plus haut se retrouvent ou s'effondrent selon la forme de vos prompts.
2. Taux de refus utile : combien de fois le modèle bloque sur une entrée pourrie au lieu de produire une réponse plausible. Plus décisif que n'importe quel score de code pour un usage comptable ou juridique.
3. Non-régression sur votre jeu de prompts existant, avec un juge LLM. La méthode est détaillée dans notre tutoriel évals avec Promptfoo, et c'est trente minutes de travail qui évitent une semaine de régressions silencieuses.

Et si votre facture de tokens vous paraît déjà trop haute avant même de changer de modèle, commencez par là : le programmatic tool calling coupe généralement plus de dépense qu'un arbitrage entre deux fournisseurs.

Pour tester Sonnet 5.5 sans toucher à l'API, l'abonnement reste le chemin le plus court : le modèle est servi sur Claude y compris en plan gratuit avec limites d'usage, et GPT-6.1 Sol est inclus dans les formules Plus, Pro, Business et Enterprise de ChatGPT ainsi que dans Codex.

Verdict

Si je devais n'en garder qu'un pour une PME en octobre 2026, je prendrais GPT-6.1 Sol. Pas parce qu'il est plus intelligent — il ne l'est pas au plafond — mais parce qu'il livre 95 % du résultat pour un septième du coût sur les réglages que tout le monde utilise réellement, et parce qu'il refuse proprement une entrée invalide. Pour un dirigeant qui doit budgéter 12 mois, c'est l'argument qui compte.

Sonnet 5.5 garde deux territoires où il est imbattable : les agents codeurs en session longue, et le RAG sur gros contexte où sa tarification plate jusqu'à 1 M de tokens écrase la surfacturation d'OpenAI au-delà de 272 K. Et il est deux fois plus rapide, gratuitement, là où OpenAI fait payer six fois le tarif pour son Ultrafast.

Ce qui ne concerne personne, en revanche : l'écart de quatre points d'indice au réglage Max. À 5,46 $ la tâche, aucune PME ne fera tourner ça en production. C'est un chiffre de communiqué, pas une ligne de budget.