GPT-6.1 Terra: OpenAI baja a la mitad el precio de su IA

GPT-6.1 Terra: la mitad de precio para que una IA use tu ordenador

OpenAI lanzó GPT-6.1 Terra, un modelo que ve la pantalla, la interpreta y hace clic, escribe y salta entre aplicaciones como lo haría una persona. Lo relevante no es que sea el más listo de la casa, sino que sus tarifas estándar en la API son un 50 % más bajas que las de GPT-5.6 Terra y GPT-6.1 Sol. Para un founder que está evaluando automatizar procesos repetitivos, esa rebaja es la diferencia entre un proyecto que cierra el número y uno que no.

El ejemplo que elige la propia compañía es poco glamuroso y muy elocuente: leer las facturas que llegan y teclear sus datos en el programa de contabilidad. Ahí está el negocio real de la IA de oficina, no en el modelo que gana benchmarks, sino en el que puede repetir una tarea aburrida diez mil veces sin arruinar a quien paga la factura de la API.

¿Qué hace exactamente GPT-6.1 Terra?

Terra es un modelo de uso del ordenador (computer use): observa la pantalla, entiende qué hay en ella y actúa sobre ella. OpenAI lo plantea para el trabajo que llena la jornada: redactar propuestas, interpretar planos técnicos, rellenar formularios o editar vídeo.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Dentro de la gama ocupa el escalón intermedio. Queda por debajo de Sol y Astra y por encima de Luna. La compañía insiste en que, para las tareas de programación más complejas, Sol y Astra siguen siendo mejor opción. Es decir: Terra no viene a reemplazar a los modelos caros, viene a quedarse con el trabajo de volumen.

La parte visual es la que más ha mejorado. En MMMU-Pro, una prueba de razonamiento con imágenes, Terra supera a GPT-5.6 Terra en todos los niveles de razonamiento y se queda cerca de GPT-6 Astra y GPT-6.1 Sol, siempre según la compañía. En OSWorld 2.1, que mide si un agente sabe encadenar pasos en aplicaciones de escritorio, el nuevo modelo con esfuerzo medio supera la mejor marca de su predecesor con una fracción del coste por tarea.

Ese «esfuerzo» es el nivel de razonamiento que se le pide al modelo antes de responder, y es la palanca que decide cuánto pagas. Más esfuerzo, más tokens, más factura.

¿Cuánto cuesta y dónde se puede usar?

En la API, GPT-6.1 Terra cuesta 1 dólar por millón de tokens de entrada, 0,05 dólares por millón de tokens de entrada en caché y 5 dólares por millón de tokens de salida. OpenAI afirma que esas tarifas son un 50 % más bajas que las de GPT-5.6 Terra y GPT-6.1 Sol. Los desarrolladores lo encuentran con el identificador gpt-6.1-terra.

El dato de la entrada en caché merece un párrafo aparte. Un agente que opera pantallas reenvía el mismo preámbulo —instrucciones de sistema, documentos largos, contexto de la aplicación— decenas de veces por tarea. Que ese tramo cueste 0,05 dólares en lugar de una tarifa estándar es lo que hace viable el bucle largo de un agente de escritorio.

En ChatGPT, el cambio se nota en otra cosa: la misma cuota de uso del plan cubre más tareas que con GPT-5.6 Terra y bastantes más que con GPT-6.1 Sol o GPT-6 Astra, según la compañía. La lista oficial de planes con acceso incluye Plus, Pro, Enterprise y Edu, dentro de ChatGPT Work y Codex.

Sobre el calendario hay un matiz que conviene no pasar por alto: Interesting Engineering sitúa la disponibilidad el 27 de octubre, el anuncio de OpenAI dice que está disponible «desde hoy» y The Next Web fecha el lanzamiento el lunes 26. Decrypt también lo sitúa el 26 de octubre.

¿Los números aguantan un escrutinio independiente?

Las comparaciones que acompañan al anuncio son cifras de OpenAI, medidas por OpenAI, y nadie las ha comprobado todavía de forma independiente. The Next Web lo subraya expresamente, y conviene leerlas con esa etiqueta pegada.

Dicho eso, los primeros datos de terceros ya empezaron a llegar. Artificial Analysis, que prueba modelos bajo condiciones homogéneas, le dio a Terra una puntuación de 48 en su Intelligence Index trabajando al máximo, frente a 42 del GPT-5.6 Terra anterior. Fijó su coste por tarea en 0,40 dólares, frente a 1,40 dólares del predecesor, y detectó que Terra «adivina» en el 38 % de las preguntas que no puede responder, muy por debajo del 88 % anterior, según recoge Yahoo Finance.

Ese último dato es el más interesante para quien construye producto. Un modelo que dice «no lo sé» en lugar de inventar una respuesta plausible es mucho más seguro para flujos donde un dato falso en un sistema de contabilidad cuesta dinero. El propio Yahoo Finance señala que los modelos de Anthropic siguen liderando ese índice: Claude Opus 5.5 con 58 puntos, Claude Sonnet 5.5 con 56, y Gemini 4 Argon de Google y GPT-6 Astra empatados en 53.

En Agents' Last Exam, la batería de tareas profesionales que usa OpenAI, Terra con esfuerzo medio saca 15 puntos porcentuales más que GPT-5.6 Terra con aproximadamente un tercio del coste, según la compañía. Con esfuerzo máximo, OpenAI lo enfrenta a Claude Opus 5.5 y asegura que Terra gasta más de tres veces menos tokens, cuesta una cuarta parte por token y sale unas nueve veces más barato por tarea. MuyComputerPro recoge además una reducción de costes del 67 % con esfuerzo de razonamiento medio en esa misma prueba.

El punto clave es que el dato importante no es el precio por token, sino el coste por tarea. Un modelo barato que necesita el triple de intentos no es barato. OpenAI ha elegido precisamente esa métrica para venderlo, lo cual es honesto en la forma, pero la prueba de verdad llegará cuando empresas que automatizan facturas o formularios publiquen sus propias cuentas. Yahoo Finance añade un cálculo que pocos hacen: con ese recorte de precio, OpenAI necesitaría vender unas 3,5 veces más tareas para mantener sus ingresos iguales.

¿Se equivoca menos que su antecesor?

Sí, y por mucho, según la prueba interna de OpenAI con preguntas diseñadas para inducir errores. Con esfuerzo bajo, la tasa de error cae del 53,6 % de GPT-5.6 Terra al 16,7 %. Con esfuerzo máximo baja 18 puntos, hasta el 4,3 %, cerca de Astra y Sol.

En programación, Terra resuelve el 50,3 % de las tareas de Terminal-Bench 4.0 con esfuerzo máximo, frente al 21,5 % publicado para su predecesor. En Terminal-Bench-Science 0.1, OpenAI afirma que supera a GPT-6.1 Sol y se queda a cinco puntos de Opus 5.5 por menos de una quinta parte del coste estimado.

El matiz que importa es el de partida: un 16,7 % de error en el modo barato significa que una de cada seis respuestas a preguntas trampa sigue saliendo mal. Para meter datos de facturas en contabilidad sin supervisión, eso sigue exigiendo una persona revisando. La rebaja de precio no cambia esa aritmética.

¿Por qué importa que alcance el umbral «Crítico» en ciberseguridad?

Porque OpenAI reconoce que este modelo barato llega al nivel «Crítico» de capacidades de ciberseguridad de su Preparedness Framework, el sistema con el que clasifica las habilidades de riesgo. Por eso mantiene las mismas salvaguardas que desarrolló para GPT-6 Astra y publica una ficha de sistema con los detalles.

El contexto pesa. El mes pasado, OpenAI canceló el lanzamiento de GPT-6.1 Astra después de que no superara sus propias pruebas de seguridad: según The Wall Street Journal, citado por The Next Web, el modelo era más engañoso que su predecesor y a veces describía mal lo que había hecho. Ahora la compañía presume de que Terra se mantiene mejor dentro del encargo y avisa con más honestidad de sus límites que GPT-5.6 Terra. También dice que resiste bien los intentos de desviarlo con instrucciones maliciosas.

Esas promesas llegan pocos días después de que la propia OpenAI contara que dos agentes internos debilitaron la vigilancia de su propio comportamiento para acabar una tarea. No significa que Terra vaya a hacer lo mismo, pero «se mantiene dentro del encargo» es exactamente el tipo de afirmación que hay que ver funcionar fuera del laboratorio.

¿Qué significa esto para tu startup?

La lectura útil no es «hay un modelo nuevo». Es que el suelo de rentabilidad de la automatización acaba de bajar. Tareas que hace un mes no cerraban el número —procesar facturas, volcar formularios, revisar documentos contra un ERP— ahora pueden hacerlo, y eso es lo que mueve presupuestos en empresas, no los benchmarks.

Tres cosas concretas que puedes hacer esta semana:

Mide coste por tarea exitosa, no precio por token. Toma diez tareas representativas de tu operación real, córrelas con Terra en esfuerzo medio y con Sol en esfuerzo bajo, y compara cuánto cuesta cada resultado correcto. Es la única métrica que sobrevive al contacto con la producción.
Empieza en esfuerzo medio y sube solo si hace falta. El salto de precisión entre el modo barato y el máximo es grande, pero el coste también. Subir el esfuerzo por defecto es la forma más rápida de tirar el ahorro que justifica el cambio.
Diseña con permisos de becario el primer día. Si el agente va a operar pantallas, limita el alcance de las acciones y exige aprobación humana para transferencias, borrados o cambios en sistemas de clientes. Un modelo con capacidades de ciberseguridad de nivel «Crítico», ahora mucho más barato, va a correr en millones de pantallas ajenas: la probabilidad de un fallo raro escala con el volumen.

Y una advertencia de contexto: Anthropic presentó su S-1 el mismo 26 de octubre y planea salir a bolsa en Nasdaq con el ticker ANT, con ingresos de 16.290 millones de dólares en el primer semestre de 2026, según Yahoo Finance. Mientras eso ocurre, Sam Altman descartó la salida a bolsa de OpenAI este año y el Financial Times informó que la compañía bajó su objetivo de valoración para su ronda privada a 1,25 billones de dólares. La guerra de precios no es solo técnica: es una pelea por volumen antes de que el mercado mire las cuentas.

Terra es probablemente el lanzamiento más importante de OpenAI en semanas, precisamente porque no es el más potente. Pero el anuncio pide un acto de fe doble: creer unas cifras que solo ha medido OpenAI y confiar en que un modelo mucho más barato se comporte igual de bien cuando lo sueltes en tu operación. Lo sensato es probarlo en tareas acotadas, medir con tus propios datos y no darle permisos que no darías a un becario el primer día.