jsonscraper

GPT-Rosalind : les tarifs entrent en vigueur, mais l’API n’est pas ouverte à tous

À partir du 5 octobre, OpenAI facture les jetons de son modèle de recherche. Toutefois, un compte API ne suffit pas : l’accès et le cas d’usage doivent être approuvés.

À partir du 5 octobre 2026, OpenAI a prévu le début de la facturation de GPT-Rosalind, un modèle spécialisé dans la recherche en sciences de la vie. Mais la date d’entrée en vigueur des tarifs ne signifie pas que l’API est accessible à tous les développeurs : l’entreprise subordonne son utilisation à l’éligibilité de l’organisation et à l’approbation d’une tâche de recherche interne précise.

Une ingénieure chimiste développe des solutions de stockage d’énergie propre
ThisisEngineering · Licence Unsplash

Le tableau des tarifs de l’API OpenAI indique pour ce modèle 5 $ par million de jetons en entrée, 0,50 $ par million de jetons en entrée mis en cache et 25 $ par million de jetons en sortie. Le tarif d’écriture dans le cache ne s’applique pas à ce modèle. Il s’agit du prix du traitement des jetons, et non d’une estimation complète du coût d’un projet : le montant final dépend du volume de données en entrée, de la longueur des réponses et de la fréquence des requêtes répétées.

Le prix ne vaut pas autorisation d’utilisation

Dans une mise à jour du 11 septembre, OpenAI avait annoncé à l’avance que les tarifs publiés entreraient en vigueur le 5 octobre et que l’accès serait accordé aux organisations admissibles dans le cadre du programme trusted access. La date du jour marque donc le début de la tarification prévue, et non la confirmation d’un nouveau lancement du modèle ou de l’ouverture générale de l’API.

La documentation de l’entreprise décrit un cadre plus restreint pour l’API : les organisations admises peuvent l’utiliser pour des outils, processus et applications de recherche internes approuvés. Elle précise également que l’API n’est pas encore disponible pour les produits destinés aux clients ni pour les applications commerciales externes. Les équipes admissibles peuvent aussi obtenir l’accès par l’intermédiaire de ChatGPT Enterprise et Codex ; la présence du modèle dans la grille tarifaire ne confirme pas, à elle seule, qu’une organisation donnée y a droit.

Ce que l’équipe doit vérifier

Dans ce cas, la démarche pratique est à l’inverse d’un test API classique. L’organisation doit d’abord confirmer son admissibilité et vérifier que le cas d’usage envisagé respecte les conditions d’accès d’OpenAI. Ce n’est qu’ensuite qu’il est pertinent d’estimer le budget de jetons nécessaire au processus de recherche interne. Si le produit envisagé est destiné à des clients externes, la documentation actuelle exclut explicitement ce cas d’usage pour l’API, même si l’équipe est prête à payer le tarif publié.

Photo prise pendant les heures de bureau d’une entreprise au Brésil.
Lucas Vasques · Licence Unsplash

OpenAI présente GPT-Rosalind comme un modèle destiné à des tâches telles que la génomique, la chimie médicinale et l’analyse de données scientifiques. L’entreprise publie également les résultats de ses propres évaluations du modèle ; il s’agit de déclarations et de tests réalisés par son concepteur, et non d’une vérification indépendante de ses effets sur les résultats scientifiques dans des organisations réelles. Les sources disponibles ne fournissent aucune confirmation indépendante que tous les clients admissibles sont effectivement facturés dès aujourd’hui.

Avant toute utilisation ou budgétisation, les équipes doivent vérifier les conditions d’accès en vigueur et la page tarifaire dynamique d’OpenAI. Cet article a été préparé à des fins de vérification éditoriale ; aucune évaluation indépendante des performances du modèle ni confirmation de la facturation effective à ce jour n’a été établie.

People

No people listed for this article yet.

Keep readingGitHub lance ReviewBench : les réviseurs IA seront comparés selon les défauts détectés
Read the next article

Articles similaires

Breaking News · Actualités

GitHub lance ReviewBench : les réviseurs IA seront comparés selon les défauts détectés

Le 5 octobre, GitHub a présenté ReviewBench, un aperçu de recherche d’un benchmark pour les agents de revue de code. Ses métriques distinguent les problèmes détectés, les omissions et le bruit superflu ; les résultats du test A/B interne de l’entreprise décrivent une expérience particulière, et non un classement général des modèles.

Transformez vos lectures en intégration fonctionnelle

Explorez les API de données sociales de jsonscraper, testez des requêtes et créez votre prochain workflow.

Explorer les API