OpenAI: GPT-5.1 Chat
OpenAI: GPT-5.1 Chat est un LLM d’OpenAI sorti le 13 novembre 2025, avec une fenêtre de contexte de 128 000 tokens. Son positionnement combine très haut niveau sur plusieurs évaluations Benchable et tarification économique, avec un prix annoncé 36% inférieur à la moyenne des LLM…
OpenAI: GPT-5.1 Chat est un LLM d’OpenAI sorti le 13 novembre 2025, avec une fenêtre de contexte de 128 000 tokens. Son positionnement combine très haut niveau sur plusieurs évaluations Benchable et tarification économique, avec un prix annoncé 36% inférieur à la moyenne des LLM similaires.
Le modèle se distingue surtout par des résultats de tête en hallucinations, connaissances générales et éthique, tout en restant nettement moins coûteux que les modèles frontière. Les données disponibles reposent sur 2 sources concordantes, ce qui donne une base de comparaison cohérente pour situer ses performances et son coût.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | OpenAI |
| Date de sortie | 13 novembre 2025 |
| Multimodal | oui |
| Fenêtre de contexte | 128 000 tokens |
| Modalités (entrée → sortie) | file,image,text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 100,0 % | 1ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 100,0 % | 1ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 98,0 % | 90ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 94,0 % | 38ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 93,9 % | 75ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 93,0 % | 67ᵉ / 217 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 83,0 % | 40ᵉ / 252 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Hallucinations (Baseline)
Benchable : General Knowledge (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Azure | 1,25 $ | 10 $ | 0,13 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 36 % en dessous de la moyenne des LLM similaires, et 3,9 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,11 $ |
| Latence moyenne par benchmark — Benchable | 3 min 48 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. OpenAI: GPT-5.1 Chat se place dans le top 10 Benchable sur Hallucinations (Baseline), General Knowledge (Baseline) et Ethics (Baseline), avec des scores maximaux sur ces trois axes. Ce profil signale un modèle particulièrement solide pour les tâches de réponse factuelle, de culture générale et de traitement de situations sensibles. Le benchmark Coding (Baseline) le situe aussi dans le haut du classement, sans atteindre la même domination que ses meilleurs domaines. Sa fenêtre de contexte de 128 000 tokens renforce son intérêt pour les échanges longs, les dossiers volumineux et les tâches nécessitant de conserver beaucoup d’informations dans une même session. Côté prix, le positionnement économique est net, avec un tarif environ 3,9 fois inférieur à celui des modèles frontière.
Limites et points d'attention. Les résultats sont moins différenciants en Email Classification (Baseline) et Reasoning (Baseline), où le modèle reste performant en score brut mais apparaît plus en retrait dans les classements relatifs. Cette hiérarchie suggère un profil plus convaincant pour les usages généralistes, la réduction des hallucinations et le codage que pour les tâches où le raisonnement comparatif ou la classification d’e-mails doivent être systématiquement au tout premier rang. La couverture repose sur 2 sources concordantes, un niveau utile mais limité pour juger toutes les situations d’usage. Profil adapté aux assistants généralistes, à l’analyse de documents longs, à la génération de réponses fiables et aux tâches de code avec contrainte budgétaire.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).