No todas las tareas necesitan el modelo más caro.

OpenAI lanzó GPT-6.1 Terra, pensado para trabajos que combinan lectura visual, redacción y acciones en el ordenador. Un ejemplo habitual es abrir un documento, entender lo que dice y rellenar un sistema con esa información.

OpenAI organiza sus modelos por niveles. Luna es el más barato y rápido, pensado para tareas sencillas y en gran volumen. Sol y Astra están en lo más alto, y la propia empresa los sigue recomendando para la programación más compleja. Terra queda en medio. Entiende lo que aparece en pantalla, hace clic, escribe, lee imágenes y redacta textos, y cuesta bastante menos que los modelos grandes.

La empresa presenta Terra como la opción rápida para trabajar con mucho volumen. Según OpenAI, completa tareas de agente más de tres veces más rápido que Sol y Astra.

En la API, la conexión que usan otros sistemas y automatizaciones, el precio estándar es de 1 dólar por millón de tokens de entrada y 5 dólares por millón de salida. Es la mitad de lo que cuestan GPT-6.1 Sol y el modelo anterior, GPT-5.6 Terra. Hay dos descuentos que conviene conocer. Los fragmentos repetidos que se guardan en caché cuestan 0,05 dólares por millón de tokens. El procesamiento por lotes reduce el precio a la mitad, si puedes esperar la respuesta.

Para hacerte una idea: procesar mil facturas, cada una con unos 20.000 tokens de entrada y 2.000 de salida, saldría por unos 30 dólares con Terra. Con Sol, la misma tarea costaría unos 60.

Las cifras de rendimiento publicadas proceden de la propia OpenAI. En Terminal-Bench 4.0, una prueba de programación en la terminal, Terra resolvió el 50,3 % de las tareas con el esfuerzo máximo, frente al 21,5 % de GPT-5.6 Terra. En una prueba interna con preguntas diseñadas para provocar errores, la tasa de respuestas incorrectas con esfuerzo bajo bajó del 53,6 % al 16,7 %.

Una evaluación independiente ayuda a ajustar las expectativas. En el índice de Artificial Analysis, Terra obtuvo 51 puntos con el esfuerzo máximo, frente a los 55 de Sol. Con el esfuerzo medio, que es el predeterminado, la nota baja a 38. El modelo mejora cuando le pides más razonamiento, pero ese razonamiento extra también encarece y retrasa cada respuesta.

Ninguna de estas pruebas garantiza el mismo resultado en tu rutina. Un benchmark mide tareas estandarizadas, y tu proceso tiene hojas de cálculo propias, excepciones y sistemas que ninguna prueba conoce.

Las tareas repetitivas, como ordenar datos de pedidos, revisar facturas o preparar altas de clientes, pueden dejar de pasar por un modelo caro por defecto. Mucha gente usa el modelo más potente para todo por costumbre y acaba pagando por una capacidad que la tarea no necesita.

La pregunta que pasa a guiar la elección es: ¿qué nivel de calidad y de revisión exige de verdad esta tarea? Marcar un pedido como «urgente» o «normal» no requiere el mismo cuidado que revisar un contrato. Si un error sale barato y se detecta con facilidad, un modelo intermedio suele bastar. Si sale caro o pasa desapercibido con facilidad, compensa pagar más o que una persona revise cada resultado.

Antes de cambiar cualquier automatización, haz una prueba controlada.

El resultado esperado es una vista previa que puedas comparar con la clasificación hecha por una persona. Comprueba cuántas celdas coinciden y si el modelo puso REVISAR cuando faltaba información. Fíjate también en si se ha inventado algún dato que no estaba en la hoja. Esto último pesa más que los aciertos.

La instrucción prohíbe acciones externas porque Terra está hecho precisamente para actuar en el ordenador. En la prueba quieres ver qué haría antes de dejarle tocar algo real. Con cualquier agente, que una persona apruebe las acciones irreversibles es una buena norma.

GPT-6.1 Terra está disponible para los planes Plus, Pro, Enterprise y Edu en ChatGPT Work y en Codex. En la API aparece como gpt-6.1-terra. El acceso puede variar según la cuenta y el administrador: en los planes de empresa, quien gestiona el espacio de trabajo puede activar o bloquear el modelo.

En las automatizaciones, el coste por token no sustituye al coste por tarea. Un modelo barato que se equivoca más puede salir caro si alguien tiene que corregir cada resultado. Con el esfuerzo máximo, por ejemplo, Terra genera bastante más texto que Sol para llegar a la respuesta. Por eso solo resulta alrededor de un 24 % más barato por tarea, y no un 50 %, como sugiere el precio por token.

Así que mídelo todo en un lote pequeño antes de llevar el modelo al proceso completo. Apunta cuántas correcciones hicieron falta, cuánto tiempo dedicó el equipo a revisar y cuántos errores se colaron sin que nadie los viera. Si esas cifras se mantienen bajas, entonces sí merece la pena aumentar el volumen.

Fuentes

Las noticias de IA que necesitas. Las que no, te las ahorramos.

Es gratis, pero cuidado, que engancha