Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Coût de l'inférence : offre ChatGPT à 500 dollars, moteurs ouverts deux fois plus rapides, 6 cents par milliard de tokens

OpenAI a ouvert le 29 septembre une offre ChatGPT Pro à 500 dollars par mois, sa formule la plus chère à ce jour et 300 dollars de plus que le palier supérieur précédent, selon Business Insider, alors que des piles d'inférence ouvertes moins coûteuses cherchent à la concurrencer.

IA & modèlesActualitéCamille RousseauPublié le: 30 septembre 20265 min de lectureSources 9
Coût de l'inférence : offre ChatGPT à 500 dollars, moteurs ouverts deux fois plus rapides, 6 cents par milliard de tokens

Le nouveau forfait, annoncé lors du DevDay de l'entreprise mardi, inclut l'accès au calcul « Ultrafast » pour GPT-6 Astra dans ChatGPT Work et Codex. Business Insider rapporte qu'une multiplication par 8 de la vitesse dans Codex est promise pour ce mode. Le même article indique qu'OpenAI rouvre son offre Pro à 200 dollars par mois, suspendue le 10 septembre, mais en divisant par deux l'allocation de calcul, ramenée à 10 fois le palier Plus à 20 dollars au lieu de 20 fois, et en réduisant de 200 à 100 par semaine le nombre de messages de chat GPT-6 Pro.

Thibault Sottiaux, responsable de l'ingénierie pour Codex, a écrit lundi dans un message sur X que ces changements reviennent à la moitié des dépenses en dollars d'API par rapport à l'offre précédente, selon Business Insider.

« Je tenais à partager ce changement à l'avance pour que vous puissiez tous le comprendre avant que nous vous abreuvions de bonnes nouvelles », écrit-il.

Voilà pour le haut du marché. Le bas bouge plus vite.

Moteurs ouverts et noyaux auto-ajustés

Le 30 septembre, Magnitude, soutenue par YC, a publié un moteur d'inférence open source qui compile et ajuste les noyaux sur le matériel de l'utilisateur avant l'exécution du modèle, et affirme que les modèles ouverts tournent jusqu'à 2 fois plus vite que llama.cpp. Le README GitHub annonce un décodage 92 % plus rapide sur le backend Metal des puces Apple Silicon et 19 % sur CUDA, plus 27 % de mémoire en moins par agent et des caches de préfixe partagés pour les sessions simultanées.

Il est distribué comme application de bureau sous Apache 2.0, prend en charge Apple Silicon, NVIDIA, AMD ou un fonctionnement sur CPU seul, et se connecte à Pi, OpenCode, Hermes, Codex et d'autres agents. Deux heures plus tôt, Modal et le Full Stack Data Lab ont publié un moteur conjoint SQL et inférence nommé Quail. La note de Modal affirme que Quail traite plus d'un milliard de tokens par minute sur un seul GPU H100 pour une requête à jointures multiples, plus de 10 fois sa référence vLLM sur le même matériel, à moins de 6 cents par milliard de tokens sur Modal. Sur le nouveau benchmark AI-SQL de l'équipe, le gain de vitesse moyen géométrique par rapport à vLLM est de 1,84, et l'article cite deux requêtes destinées à montrer où l'approche reste en retrait.

Les auteurs disent clairement que les moteurs génériques ne sont pas adaptés à cette charge. Dans l'article du Full Stack Data Lab, Shreya Shankar, Charles Frye, Fergus Finn, Arnav Dhariya, Joseph Barrow et Meryem Arik écrivent qu'envoyer des millions d'appels de modèle liés à un moteur comme vLLM sous forme de requêtes séparées coûte cher. Leur requête d'exemple, BIO-4 dans le benchmark QUAIL-B, filtre 5 000 longs rapports médicaux contre 4 144 termes de réaction utilisés deux fois, si bien qu'une exécution naïve transforme une seule instruction SQL en un très grand nombre d'appels de modèle.

Le plancher des prix est publié, et il n'est pas plat

L'indice tarifaire de septembre d'AICostBudget, figé à la date limite du 2026-09-30 UTC, couvre 81 enregistrements publics chez 11 fournisseurs. Il situe le prix médian des entrées à 1,32 dollar par million de tokens et celui des sorties à 6 dollars, la sortie étant facturée 5,0 fois l'entrée à la médiane sur les 69 enregistrements qui portent les deux chiffres. Les plages observées vont de 0,10 à 30 dollars par million de tokens d'entrée et de 0,10 à 180 dollars par million de tokens de sortie.

Le même jeu de données donne les médianes par fournisseur : OpenAI à 2 dollars en entrée et 11 dollars en sortie sur 18 enregistrements, Google Gemini à 0,75 et 4,125 sur 14, Anthropic à 5 et 25 sur 13, xAI à 1,25 et 2,5 sur neuf, Mistral AI à 0,20 et 0,60 sur sept, DeepSeek à 0,30 et 1,2 sur trois, et Moonshot AI à 0,95 et 4 sur trois. Sur 58 enregistrements comparables avec entrée mise en cache, la remise médiane est de 90 %, et sur 44 enregistrements tarifés par lots, la remise médiane par lot est de 50 %. Une comparaison qui ignore l'un ou l'autre de ces modes compare des prix catalogue, pas des factures.

Le matériel est le terrain où l'argument devient plus difficile à trancher. EnerTune, un article de Prasoon Sinha, Dimitrios Liakopoulos, Nathan Lemma et Neeraja J. Yadwadkar présenté à SOSP '26 le 28 septembre, soutient que le multiplexage de GPU dans le seul but d'augmenter l'utilisation peut accroître la consommation d'énergie. Les auteurs rapportent que leur système de bin-packing sensible à l'énergie respecte les SLO de performance tout en réduisant la consommation d'énergie de 1,4 à 2,3 fois et la puissance appelée de 1,3 à 2,6 fois par rapport aux références de l'état de l'art.

Toute l'actualité des coûts de la semaine ne concerne pas les centres de données. Des données de Transport & Environment analysées le 29 septembre placent le coût de roulage des véhicules électriques à moins de la moitié de celui du diesel au kilomètre, sur la base de 6,9 litres aux 100 km pour le diesel et de 20,2 kWh aux 100 km pour le véhicule électrique à batterie, avec un prix de l'électricité de 0,343 EUR par kWh. Les automobilistes diesel paient 32 EUR de plus par plein de 50 litres qu'au début de l'année, dont environ 16 EUR de marge de raffinage supplémentaire, selon des estimations de la BCE citées par CleanTechnica.

Deux leçons de la semaine n'ont rien à voir avec l'IA. Pinecone a retiré le calculateur de tarifs de sa page de prix après un test A/B montrant que les visiteurs qui ne le voyaient pas étaient 16 % plus nombreux à s'inscrire et 90 % plus nombreux à contacter l'entreprise, sans hausse des tickets de support sur les tarifs, selon le fondateur Greg Kogan. Et dans les télécoms, Light Reading rapporte le 30 septembre que les singapouriens StarHub et M1 sont en discussions de fusion, tandis que les néo-zélandais 2degrees et OneNZ ont proposé de combiner leurs réseaux d'accès radio.

Le fil conducteur : quand une unité de travail devient assez bon marché, les acheteurs cessent de lire le calculateur et se mettent à mesurer la facture.

Commentaires 0

Sources

9
  1. 01ChatGPT's new plan costs $500 a monthEN
  2. 02Launch HN: Magnitude (YC S25) – Self-optimizing inference engine for agentsEN
  3. 03Hitting 1B tokens/minute on 1 GPU combining a query planner and inference engineEN
  4. 04Jointly optimizing SQL queries and LLM inference for up to 14x speedupsEN
  5. 05AI API pricing index - September 2026EN
  6. 06Beyond Utilization: Energy-Conscious GPU Sharing for Inference ServingEN
  7. 07Driving An EV Now Costs Half As Much As Diesel, New Analysis ShowsEN
  8. 08The pricing calculator made people more confused about pricingEN
  9. 09Singapore, New Zealand operators seek partnerships to cut costsEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Camille Rousseau

Camille Rousseau

IA, modèles et technologies

Camille Rousseau suit les technologies, l’IA et les modèles ainsi que les médias et l’internet pour FLASH24, en partant des dépôts de modèles, des publications techniques et des données publiques, sans reprendre les annonces sans vérification. Elle contrôle les chiffres d’entraînement et de coût en remontant aux jeux de données, aux versions de modèles et aux méthodes de mesure. Elle interroge des chercheurs et des équipes produit, compare les résultats entre modèles et attend les mises à jour de calendrier des principaux fournisseurs. Son intérêt pour l’impression 3D, les vieux ordinateurs et la façon dont les modèles apprennent rejoint directement son travail sur l’IA et les technologies. Elle ne publie pas de chiffres sans source ni de comparaison sans protocole reproductible.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.