OpenAI lanza GPT-6.1 Terra: tokens dos veces más baratos, alucinaciones del 88% al 38%

OpenAI lanzó GPT-6.1 Terra, la primera modelo de la clase Terra desde GPT-5.6. El laboratorio independiente Artificial Analysis la describe como un nuevo hito en eficiencia de costos. El precio por token bajó al menos a la mitad: $1 por millón de tokens de entrada y $5 por millón de salida, en vez de $2 y $12. Además, con el máximo nivel de esfuerzo el modelo es 6 puntos más inteligente que su predecesora en el Artificial Analysis Intelligence Index, y el costo promedio por tarea cayó de $1,40 a $0,40.

Precio: qué se abarató y cuánto

La reducción afectó a toda la tabla de tarifas, incluida la caché. Para los sistemas de agentes que reutilizan contexto largo una y otra vez, es precisamente la caché la que determina la factura final.

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

Los tokens de salida se abarataron 2,4 veces, mientras que el costo por tarea cayó casi 3,5 veces. La diferencia se explica porque 6.1 Terra resuelve las tareas de forma más eficiente, no solo cobra menos por token.

Dónde el modelo se ubica en la frontera de Pareto

Artificial Analysis compara los modelos según la relación «inteligencia frente a costo». En los niveles de esfuerzo bajo y medio, GPT-6.1 Terra se sitúa en la frontera de Pareto: no se puede conseguir el mismo nivel de calidad más barato. Los demás modos quedan fuera de esa frontera. En el nivel máximo, la mejora frente a GPT-5.6 Terra es de 6 puntos; en los niveles más bajos es mayor, entre 7 y 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 supera por 10 puntos a GPT-6 Luna.

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

Alucinaciones y agentes de terminal

El dato más llamativo del lanzamiento tiene que ver con la fiabilidad. En el benchmark cerrado de conocimiento y alucinaciones AA-Omniscience, GPT-6.1 Terra adivina la respuesta en el 38% de los casos cuando no la sabe. En GPT-5.6 Terra esa cifra era del 88%. La caída de 50 puntos viene acompañada de un aumento de precisión de 2 puntos, es decir, el modelo responde correctamente con más frecuencia y se inventa menos respuestas.

El segundo salto notable aparece en Terminal-Bench 4.0, un benchmark de agentes para trabajo en terminal. El aumento fue de unos 20 puntos, y con el máximo esfuerzo Terra igualó a GPT-6.1 Sol. En la mayoría de las otras pruebas, las mejoras son más modestas: por ejemplo, 5 puntos en GDP.pdf. Las puntuaciones corresponden al Intelligence Index v4.3.2.

Qué más publicó Artificial Analysis

En los mismos días, el laboratorio publicó varios materiales:

• Code2Video-AA: una implementación del HeyGen Code2Video Bench, en la que los modelos crean videos cortos de producto y marca a partir de 114 briefs de diseño en HyperFrames HTML (26 de octubre).
• Kimi K3.1 Pro: debutó en el 4.º lugar del Intelligence Index y se convertirá en el 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 costo por tarea cae más de tres veces y la calidad mejora. Elegir el nivel de esfuerzo ahora importa más que elegir el modelo. Los modos low y medium ofrecen la mejor relación calidad-precio en el índice general, mientras que para los agentes de codificación 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 el error sale caro: soporte, búsqueda en bases de conocimiento, automatización de informes. Para cadenas de agentes complejas, Terra, con sus 48 puntos en el Coding Agent Index, cubre buena parte de lo que antes había que pagar por Sol, y los 54 puntos de este último solo se justifican donde cada punto cuenta. El almacenamiento en caché a $0,05 por millón de tokens hace económicamente razonables las sesiones largas con contexto repetido.