Hier après-midi, j'ai envoyé une seule question, inchangée, à huit modèles derrière le même point d'accès Sable. Pas pour les classer par intelligence. Pour répondre à la question que toute équipe qui fait tourner un agent finit par trancher avec de l'argent : que coûte vraiment le choix d'un modèle, en secondes et en dollars, quand on peut vérifier la facture soi-même ?

Voici d'abord le résultat complet. Tout ce qui suit n'est que commentaire.

modèlealler-retourcoût réel, échelle log

gemini-2.5-flash

2,95 s

188 µ$

llama-3.1-8b

2,97 s

4 µ$

claude-haiku-4.5

3,48 s

504 µ$

gemini-2.5-pro

3,57 s

1 847 µ$

claude-sonnet-5

4,47 s

2 036 µ$*

llama-3.3-70b

4,94 s

30 µ$

claude-opus-5

6,53 s

5 088 µ$*

sable-max

7,08 s

7 236 µ$

Mesuré le 10.09.2026 entre 14:19 et 14:20 UTC, un passage par modèle. Coûts recopiés des reçus signés. µ$ = millionième de dollar. * arrêté au plafond de 150 jetons.

Comment c'est mesuré

La page du banc d'essai de ce site envoie une question à deux modèles à la fois et chronomètre l'aller-retour complet dans le navigateur : sortie par un relais d'automatisation, entrée dans la passerelle Sable en eu-west, passage chez le fournisseur en amont, puis retour. C'est la latence que voit une vraie application, pas un chiffre de laboratoire, et elle inclut un coût de transport que chaque modèle paie à parts égales.

Le coût n'est pas calculé à partir d'une grille tarifaire. Chaque réponse de Sable porte un reçu signé en secp256k1, qui contient le nombre de jetons, cost_micro_usd, et le moteur qui a réellement servi l'appel. Les chiffres ci-dessus sont recopiés de ces reçus, conservés et vérifiables à tout moment contre l'adresse du signataire. Les trente reçus enregistrés ce jour-là concordent sur le reste : tier standard, nettoyage actif, journalisation limitée aux métadonnées, région eu-west, un seul signataire.

Ce test ne mesure pas la qualité des réponses. Une question, un passage par modèle, réponses plafonnées à 150 jetons. C'est une mesure du rail, pas un classement.

Le prix n'achète pas la vitesse

L'appel le moins cher a coûté 4 millionièmes de dollar. Le plus cher, 7 236. Un facteur de 1 809 pour la même requête. Ramené au jeton, pour neutraliser le fait que certains modèles écrivent plus long, l'écart reste d'environ 1 200 contre un.

La latence, elle, a varié d'un facteur 2,4.

Cette asymétrie, c'est le résultat. Sur cette gamme, on ne paie pas du temps. On paie ce que les grands modèles font de ce temps, que ce test ne note volontairement pas, et cela ne vaut la dépense que là où ça se voit dans le résultat.

Une réserve qui joue contre le haut de gamme : Claude Sonnet 5 et Claude Opus 5 se sont tous deux arrêtés au plafond de 150 jetons. Leur coût pour cette question est un plancher, pas un plafond.

Le plancher, c'est le transport

Les deux appels les plus rapides, un Llama 8b et Gemini 2.5 Flash, sont revenus à 20 millisecondes d'écart, juste sous les trois secondes. Deux modèles aussi différents qui finissent ensemble, cela veut dire que l'essentiel de ces trois secondes n'est pas le modèle. C'est le trajet. Lisez le tableau comme des écarts au-dessus de ce plancher.

La première note de terrain mesurait volontairement autre chose : le temps au premier jeton sur un appel en direct, sans relais, en moyenne 1,5 seconde sur le 70b. Un premier jeton n'est pas une réponse complète, les deux chiffres ne se comparent donc pas directement. Ensemble, ils montrent quelle part d'un aller-retour peut relever de la tuyauterie plutôt que de l'inférence.

Bon marché ne veut pas dire rapide

Llama 3.3 70b a coûté 30 µ$, deuxième appel le moins cher de la liste, et a pris 4,94 secondes. Plus lent que Claude Sonnet 5, en écrivant environ trois fois moins de jetons. Sur un seul échantillon, c'est le seul modèle ici qui soit bon marché sans être rapide.

Pour Lisa, c'est concret. Les passeports d'appel de ce site résument les appels terminés avec le 70b, là où personne n'attend et où seul le coût compte. C'est donc le bon moteur une fois l'appelant raccroché, et le mauvais pour un tour de parole en direct.

Ce qu'est vraiment sable-max

Sable propose un modèle appelé sable-max. Le nom ne dit rien de ce qui tourne derrière. Le reçu, si. Les deux appels sable-max enregistrés ont été servis par anthropic/claude-fable-5, inscrit dans un champ signé nommé engine.

{
  "v": 1,
  "model": "sable-max",
  "engine": "anthropic/claude-fable-5",
  "scrubbed": true,
  "privacy_tier": "standard",
  "node": "gateway",
  "region": "eu-west",
  "prompt_tokens": 98,
  "completion_tokens": 101,
  "cost_micro_usd": 7236,
  "logging": "metadata-only",
  "issued_at": "2026-09-10T14:20:07.417Z"
}

Le reçu de sable-max, décodé. La signature voyage dans un en-tête séparé.

C'est la propriété la plus sous-estimée de toute l'architecture. Un alias est une décision de routage, et une décision de routage peut changer. Sur la plupart des plateformes, on ne le saurait jamais. Ici, chaque appel porte une déclaration signée du moteur qui a répondu : si une correspondance bouge un jour, vos propres archives montrent le jour où elle a bougé.

La comptabilité va plus loin que le moteur. Sur des requêtes répétées au 70b, les reçus ont détaillé cached_tokens et cache_savings_micro_usd : seize jetons en cache, une économie d'un ou deux millionièmes de dollar. Une somme dérisoire. Mais la facture descend jusqu'au niveau où un passage en cache devient une ligne signée.

Ce que ça coûte en volume

Extrapolé linéairement à partir des reçus, pour la même requête répétée :

pour 1 000 requêtes identiquespour un million

llama-3.1-8b0,004 $4 $

llama-3.3-70b0,03 $30 $

gemini-2.5-flash0,19 $188 $

claude-haiku-4.50,50 $504 $

gemini-2.5-pro1,85 $1 847 $

claude-sonnet-52,04 $2 036 $

claude-opus-55,09 $5 088 $

sable-max7,24 $7 236 $

À mille appels, rien de tout cela ne compte. À un million, la même question coûte quatre dollars sur un moteur et sept mille deux cents sur un autre. La décision change avec le volume, et le reçu permet de la prendre avec de vrais chiffres plutôt qu'avec une page de tarifs.

Ce que ça implique pour un agent vocal

Mettre la conversation en direct sur le moteur le plus rapide qui la tient. D'après ces données, un modèle de la classe Flash ou Haiku, ni un 70b, ni un modèle phare.

Mettre tout ce qui se passe après le raccrochage, résumés, passeports, relances, sur le moteur le moins cher qui le fait correctement. Personne n'attend.

Et fixer les moteurs d'après le reçu, pas d'après le nom. Si le champ engine change un jour, mieux vaut le savoir avant un appelant.

Faites le test vous-même

Le banc d'essai est public. Choisissez deux des huit, posez votre propre question, téléchargez les deux reçus. Si vos chiffres contredisent les miens, publiez-les. C'est comme ça que ça doit fonctionner.