OpenAI lanza GPT-6.1 Terra: tokens a menos de la mitad de precio y alucinaciones del 88% al 38%

OpenAI ha lanzado GPT-6.1 Terra, el primer modelo de la clase Terra desde GPT-5.6. El laboratorio independiente Artificial Analysis lo describe como una nueva frontera de eficiencia de precio. El coste por token se ha reducido al menos a la mitad: $1 por millón de tokens de entrada y $5 por millón de salida, en lugar de $2 y $12. Además, con el nivel máximo de esfuerzo, el modelo supera a su predecesor en 6 puntos en el Artificial Analysis Intelligence Index, y el coste medio de una tarea ha caído de $1,40 a $0,40.

Precio: qué se ha abaratado y cuánto

La rebaja afecta a toda la tarifa, caché incluida. En los sistemas agénticos que reutilizan una y otra vez un contexto largo, la caché es lo que determina la factura final.

• Tokens de entrada: $1 por millón (GPT-5.6 Terra costaba $2).
• Tokens de salida: $5 por millón (antes, $12).
• Escritura en caché: $1,25 por millón de tokens, la mitad que antes.
• Entrada en caché: $0,05 por millón de tokens frente a $0,20, es decir, cuatro veces más barata.

Los tokens de salida son 2,4 veces más baratos, pero el coste por tarea ha caído casi 3,5 veces. La diferencia se explica porque 6.1 Terra resuelve las tareas de forma más eficiente, y no solo cobra menos por token.

Dónde se sitúa el modelo en la frontera de Pareto

Artificial Analysis compara los modelos según la relación entre inteligencia y coste. En los niveles de esfuerzo bajo y medio, GPT-6.1 Terra se encuentra en la frontera de Pareto: no se puede obtener la misma calidad a menor precio. El resto de los modos queda fuera de la frontera. En el nivel máximo, la mejora respecto a GPT-5.6 Terra es de 6 puntos; en los niveles inferiores es mayor, de 7 a 13.

Dentro de la propia gama de OpenAI, el modelo ocupa una posición intermedia. En modo max queda 4 puntos por debajo de GPT-6.1 Sol y 10 puntos por encima de GPT-6 Luna.

En el nuevo Artificial Analysis Coding Agent Index v2.0, Terra obtiene 48 puntos. GPT-6.1 Sol logra 54 y GPT-6 Luna, 31. Aquí, los modos xhigh y low son los que se sitúan en la frontera de eficiencia.

Alucinaciones y agentes de terminal

La cifra más llamativa del lanzamiento tiene que ver con la fiabilidad. En AA-Omniscience, un benchmark cerrado de conocimiento y alucinaciones, GPT-6.1 Terra adivina la respuesta en el 38% de los casos en que no la sabe. En GPT-5.6 Terra ese dato era del 88%. La caída de 50 puntos va acompañada de una mejora de 2 puntos en precisión: el modelo acierta más a menudo e inventa menos.

El segundo salto notable se da en Terminal-Bench 4.0, un benchmark agéntico para trabajar en la terminal. La mejora fue de unos 20 puntos, y con el máximo esfuerzo Terra iguala a GPT-6.1 Sol. En la mayoría del resto de pruebas, las mejoras son más modestas: por ejemplo, 5 puntos en GDP.pdf. Las puntuaciones corresponden al Intelligence Index v4.3.2.

Qué más ha publicado Artificial Analysis

En esos mismos días, el laboratorio publicó varios materiales:

• Code2Video-AA: implementación de HeyGen Code2Video Bench, en la que los modelos crean vídeos cortos de producto y de marca a partir de 114 briefs de diseño con HyperFrames HTML (26 de octubre).
• Kimi K3.1 Pro: debutó en el 4.º puesto del Intelligence Index y se convertirá en la líder entre los modelos de pesos abiertos (23 de octubre).
• AA-PersonalityBench: un panel de jueces LLM compara por pares las respuestas según 30 rasgos de personalidad, que se agrupan en 8 índices, y mide por separado 21 características del estilo de comunicación (19 de octubre).

Qué cambiar en producción

Para los equipos que construyen agentes sobre GPT-5.6 Terra, la actualización parece evidente: el precio por tarea baja a menos de un tercio y la calidad sube. Elegir el nivel de esfuerzo ahora importa más que elegir el modelo. Low y medium ofrecen la mejor relación entre precio y calidad en el índice general, mientras que para los agentes de programación la frontera la ocupan low y xhigh. Los demás modos cuestan más sin ofrecer ninguna ventaja.

La reducción de respuestas inventadas del 88% al 38% resulta útil en escenarios donde un error sale caro: soporte, búsqueda en bases de conocimiento, automatización de informes. En cadenas agénticas complejas, Terra, con sus 48 puntos en el Coding Agent Index, cubre buena parte de lo que antes obligaba a pagar por Sol, y los 54 puntos de este solo compensan allí donde cada punto cuenta. El almacenamiento en caché a $0,05 por millón de tokens hace económicamente razonables las sesiones largas con contexto repetitivo.