OpenAI ha movido ficha en su catálogo de modelos con GPT-6.1 Terra, una propuesta que no busca tanto romper récords como hacer más rentable el trabajo diario con IA. La compañía lo sitúa como relevo de GPT-5.6 Terra y lo coloca en una zona intermedia entre las versiones más caras y las más económicas de su familia, con la mirada puesta en empresas y equipos que necesitan automatizar procesos repetitivos sin disparar la factura.

La novedad se apoya en tres patas: velocidad, precisión y coste. Según la documentación publicada, el modelo puede analizar imágenes, moverse por interfaces de aplicaciones y ejecutar pasos dentro de un ordenador, además de redactar con un tono más natural. Esos mimbres lo orientan a tareas de oficina, soporte y producción de contenido, más que a los desarrollos de software más exigentes.

Precio de API de GPT-6.1 Terra: la mitad que Sol y GPT-5.6 Terra

El dato más llamativo está en la tarifa estándar de la API. OpenAI ha fijado un dólar por cada millón de tokens de entrada y cinco dólares por cada millón de salida; la entrada guardada en caché se queda en 0,05 dólares por millón. Esa tabla supone aproximadamente la mitad de lo que cuestan GPT-5.6 Terra y GPT-6.1 Sol en el mismo modo de uso, una rebaja pensada para volúmenes altos.

La compañía también ha subrayado que, en ChatGPT Work y Codex, la misma cuota de uso debería cundir más que con las versiones anteriores. Aun así, el ahorro real no depende solo del precio por token: influyen la longitud de las peticiones, el número de pasos que dé un agente y la configuración de razonamiento elegida. Por eso conviene medir el coste por tarea terminada, no quedarse con la cifra del escaparate. En procesamiento por lotes, los modos Batch y Flex rebajan la factura estándar a la mitad, un detalle relevante para clasificar documentos o extraer datos.

Qué puede hacer y para qué se ha diseñado

GPT-6.1 Terra está pensado para pasar de la respuesta escrita a la acción dentro de programas. OpenAI menciona usos como completar formularios, interpretar planos técnicos, extraer datos de facturas, introducirlos en software de contabilidad, editar vídeos o preparar propuestas. También se ha hablado de crear modelos 3D a partir de planos y de revisar contenido audiovisual.

La clave está en combinar razonamiento visual y uso del ordenador. El modelo no se limita a describir una pantalla: puede reconocer elementos, seguir una secuencia de pasos y operar con aplicaciones. Esa capacidad encaja con tareas administrativas repetitivas y con flujos en los que una persona tendría que copiar y pegar información de una herramienta a otra.

• Documentos y facturas: lectura de datos y traslado a programas de gestión.
• Planos y contenido visual: interpretación de dibujos técnicos y apoyo en edición.
• Automatización de escritorio: formularios, aplicaciones y procesos de varios pasos.
• Redacción profesional: propuestas y textos con un estilo más claro.

Resultados en pruebas: mejoras con letra pequeña

En Agents’ Last Exam, una evaluación de tareas profesionales, OpenAI afirma que GPT-6.1 Terra supera en 15 puntos porcentuales a GPT-5.6 Terra cuando se usa un esfuerzo de razonamiento medio, con un coste cercano a un tercio. La compañía también dice que, en esa misma prueba, se acerca al rendimiento de GPT-6 Astra a una décima parte de su precio por token.

En Terminal-Bench 4.0, centrado en resolver problemas desde la línea de comandos, el nuevo modelo alcanza un 50,3 % con el máximo esfuerzo, frente al 21,5 % publicado para su antecesor. Son cifras que apuntan a una mejora clara en programación, pero la propia OpenAI recomienda GPT-6.1 Sol y GPT-6 Astra para los trabajos de código más complejos. En Terminal-Bench-Science 0.1, orientado al uso de código en tareas científicas, la compañía sitúa a Terra por delante de GPT-6.1 Sol y a menos de cinco puntos de Claude Opus 5.5, con un coste estimado muy inferior.

La precisión factual también ocupa un lugar central en el anuncio. En una prueba interna diseñada para provocar errores, la tasa de fallos con razonamiento bajo baja del 53,6 % al 16,7 %; con el esfuerzo máximo, el dato comunicado es del 4,3 %. Son resultados de evaluaciones de la compañía, así que marcan una dirección, pero no equivalen a una garantía en cualquier uso real. En pruebas de comprensión visual como MMMU-Pro y de manejo de aplicaciones de escritorio como OSWorld 2.1, OpenAI también reporta avances frente a su predecesor.

En velocidad, OpenAI sostiene que Terra completa determinadas tareas más de tres veces más rápido que GPT-6 Astra y GPT-6.1 Sol. Esa ventaja puede notarse en asistentes interactivos y en agentes que encadenan muchas acciones, aunque el rendimiento final dependerá de la carga de trabajo y de la latencia del servicio en cada entorno.

Disponibilidad, seguridad y límites de GPT-6.1 Terra

El modelo está disponible desde el 26 de octubre para usuarios de ChatGPT Plus, Pro, Enterprise y Edu dentro de ChatGPT Work y Codex. Los desarrolladores pueden integrarlo mediante la API con el identificador gpt-6.1-terra, lo que facilita llevarlo a herramientas propias y productos de terceros. El anuncio se refiere a planes de pago y acceso por API; no se ha detallado una capa gratuita.

En el apartado de seguridad, OpenAI indica que GPT-6.1 Terra alcanza el nivel crítico en ciberseguridad dentro de su Preparedness Framework y que aplica protecciones heredadas de GPT-6 Astra. También asegura que resiste mejor las instrucciones maliciosas insertadas en páginas, documentos o contenidos externos, un riesgo habitual en agentes que leen información de internet.

Conviene no perder de vista que no es el modelo más capaz de la casa. Para tareas de razonamiento complejo, desarrollo difícil o documentos muy densos, la compañía sigue señalando a Sol y Astra como referencias. Terra encaja mejor donde priman el volumen, la velocidad y el control de costes.

La letra pequeña del ahorro

La comparación con GPT-6.1 Sol no se resuelve solo mirando la tabla de precios. El nivel de esfuerzo, el volumen de trabajo y la complejidad de cada proceso cambian el coste final, así que la decisión sensata pasa por fijar primero el umbral de calidad necesario y después buscar la combinación más económica que lo cumpla.

Ese matiz aparece también al hablar de coste por tarea completada. El precio por millón de tokens es una referencia, pero no siempre refleja lo que cuesta terminar un proceso con éxito. En flujos de alto volumen, como clasificar documentos o rellenar formularios, pequeñas diferencias de consumo por tarea pueden pesar más que la tarifa nominal; en trabajos puntuales y delicados, en cambio, pagar por más capacidad puede estar justificado.

El lanzamiento de GPT-6.1 Terra deja una idea clara: OpenAI quiere que la inteligencia artificial no solo responda, sino que ejecute trabajo cotidiano a un precio más llevadero. La rebaja de la API, la mejora en fiabilidad y la capacidad de operar con aplicaciones son los argumentos principales; la letra pequeña está en elegir bien el esfuerzo de razonamiento, medir el coste por tarea y reservar los modelos superiores para los encargos donde de verdad marcan diferencia.

Artículo original