Puis-je exécuter o1 localement ?

Non. o1 est un modèle à poids fermés, uniquement accessible via API d’OpenAI — rien à télécharger, et il ne peut pas fonctionner hors ligne.

Quel est le coût de o1 et quelle est sa fenêtre de contexte ?

OpenAI facture 15,00 $ par million de tokens d’entrée et 60,00 $ par million de tokens de sortie, avec une fenêtre de contexte de 200 000 tokens.

En quoi o1 diffère-t-il des autres modèles OpenAI ?

Contrairement aux modèles GPT classiques, o1 est entraîné par apprentissage par renforcement pour raisonner via une chaîne de pensée avant de produire une réponse, ce qui le rend plus fort sur les tâches STEM difficiles mais plus lent et plus cher que ses pairs.

O1

2485°

#llm #openai #vision #raisonnement #programmation #mathématiques

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

OpenAI | contexte de 200 000 tokens | 15,00 $/M en entrée, 60,00 $/M en sortie. La dernière et la plus puissante famille de modèles d'OpenAI, o1 est conçue pour passer plus de temps à réfléchir avant de répondre. La série de modèles o1 est entraînée avec un apprentissage par renforcement à grande échelle pour raisonner via la chaîne de pensée. Les modèles o1 sont optimisés pour les mathématiques, les sciences, la programmation et d'autres tâches STEM. Ils affichent systématiquement une précision de niveau doctorat sur les benchmarks en physique, chimie et biologie. En savoir plus dans l'annonce de lancementOpens in new tab.

Guides pour ce modèle

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

o1 est le modèle axé sur le raisonnement d’OpenAI, entraîné par apprentissage par renforcement à grande échelle pour réfléchir aux problèmes en chaîne de pensée avant de répondre. Il cible les travaux STEM — mathématiques, physique, chimie, biologie, programmation — et est conçu pour les problèmes où une réponse plus lente et délibérée vaut mieux qu’une rapide. Si votre travail sort de ces domaines, des modèles OpenAI moins chers vous conviendront probablement tout aussi bien.

Connu pour

Précision niveau doctorat sur les benchmarks de physique, chimie et biologie
Raisonnement en chaîne de pensée intégré à l’entraînement, pas ajouté via prompt
Fenêtre de contexte de 200 000 tokens pour documents techniques longs
Support vision en plus de l’entrée texte
Optimisé pour les tâches mathématiques et de programmation qui déconcertent les modèles standards

Attention à

Le prix de sortie à 60 $ par million de tokens est élevé ; les longues traces de raisonnement font vite grimper la facture.
Poids fermés, uniquement API — pas de déploiement local, pas de fine-tuning, pas d’usage hors ligne.
Surdimensionné et trop cher pour l’écriture, le chat ou la synthèse quotidienne.

Idéal pour

Prompts à essayer

Prouver un résultat de combinatoire

Prouvez que le nombre de façons de couvrir un tableau 2×n avec des dominos 1×2 satisfait la récurrence de Fibonacci. Montrez chaque étape de votre raisonnement, énoncez explicitement les cas de base, et confirmez que la récurrence tient pour n=4.

Déboguer un algorithme subtil

Voici une implémentation Python de l’algorithme de Dijkstra qui produit des distances de plus court chemin erronées sur des graphes avec des arêtes de poids zéro. Lisez le code attentivement, identifiez le bug exact, expliquez pourquoi il cause l’échec, et fournissez une version corrigée. [collez votre code ici]

Analyser un mécanisme chimique

Expliquez le mécanisme de la réaction de Diels-Alder entre le butadiène et l’anhydride maléique. Expliquez l’argument de symétrie orbitale pour montrer pourquoi elle est thermiquement autorisée, prédisez la stéréochimie du produit, et notez les conditions favorisant l’adduit endo.

Comparer avec

GPT-5.6 Sol
Modèle uniquement API
Contexte de 1,050,000 tokens · entrée $4.00/M, sortie $20.00/M
GPT-6.1 Sol
Modèle uniquement API
Contexte de 1,050,000 tokens · entrée $2.00/M, sortie $10.00/M
GPT-6 Sol
Modèle uniquement API
Contexte de 1,050,000 tokens · entrée $2.00/M, sortie $10.00/M
gpt-oss-120b
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $0.15/M, sortie $0.60/M

Plus de modèles de texte de openai

Questions fréquentes

Puis-je exécuter o1 localement ?: Non. o1 est un modèle à poids fermés, uniquement accessible via API d’OpenAI — rien à télécharger, et il ne peut pas fonctionner hors ligne.
Quel est le coût de o1 et quelle est sa fenêtre de contexte ?: OpenAI facture 15,00 $ par million de tokens d’entrée et 60,00 $ par million de tokens de sortie, avec une fenêtre de contexte de 200 000 tokens.
En quoi o1 diffère-t-il des autres modèles OpenAI ?: Contrairement aux modèles GPT classiques, o1 est entraîné par apprentissage par renforcement pour raisonner via une chaîne de pensée avant de produire une réponse, ce qui le rend plus fort sur les tâches STEM difficiles mais plus lent et plus cher que ses pairs.

Verdict du capitaine
L’outil adapté aux problèmes STEM complexes où la précision prime sur la vitesse ou le coût — surdimensionné pour tout le reste.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Modèles d'IA pour générer image, vidéo et texte

O1 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm openai vision raisonnement programmation mathématiques recherche

Parcourir par famille de modèles