OpenAI lanza GPT-6.1 Terra: el precio de la API se reduce a la mitad, hasta $1 por millón de tokens

OpenAI ha lanzado GPT-6.1 Terra, un modelo de gama media para escenarios agénticos, uso del ordenador y programación cotidiana. En la API cuesta $1 por millón de tokens de entrada y $6 por millón de salida. Las tarifas de GPT-5.6 Terra eran de $2 y $12, es decir, el precio ha caído exactamente a la mitad. Según las propias estimaciones de OpenAI, el modelo es además notablemente más potente: en Terminal-Bench 4.0 resuelve el 50,3% de las tareas frente al 21,5% de su predecesor.

Más barato por token y por tarea

Normalmente, abaratar un modelo de gama media implica pagar el ahorro con menos calidad. Aquí OpenAI afirma lo contrario. En el benchmark Agents’ Last Exam, GPT-6.1 Terra supera a GPT-5.6 Terra en 15 puntos porcentuales con nivel medio de razonamiento. El coste de ejecutar una tarea, además, es aproximadamente tres veces menor.

Una aritmética sencilla explica de dónde sale el efecto. La tarifa ha bajado a la mitad y el coste por tarea, a un tercio. Por tanto, el nuevo modelo gasta aproximadamente 1,5 veces menos tokens en el mismo trabajo: menos pasos innecesarios y menos razonamiento vacío. Para los agentes, esto pesa más que el precio por token, porque encadenan largas secuencias de llamadas y la factura crece precisamente con el número de pasos.

Qué muestran las pruebas internas de OpenAI

Todas las cifras siguientes proceden de la propia OpenAI; el anuncio no incluye mediciones independientes.

• Precio de los tokens de entrada: $1 por millón, frente a $2 en GPT-5.6 Terra.
• Precio de los tokens de salida: $6 por millón, frente a $12.
• Agents’ Last Exam: 15 p. p. por encima de su predecesor con nivel medio de razonamiento; el coste por tarea es aproximadamente tres veces menor.
• Terminal-Bench 4.0: 50,3% de tareas resueltas frente al 21,5% de GPT-5.6 Terra con nivel máximo de razonamiento. La diferencia es de 28,8 p. p. y el resultado es 2,3 veces superior.
• Errores factuales: en una prueba interna con consultas complejas y provocadoras, con nivel máximo de razonamiento, su proporción ha bajado hasta el 4,3%.
• Uso previsto: escenarios agénticos, uso del ordenador y programación cotidiana.

Terminal-Bench evalúa si un modelo sabe trabajar en la línea de comandos: instalar dependencias, arreglar compilaciones, orientarse en un entorno. Pasar del 21,5% al 50,3% en una prueba así significa que el agente se atasca menos en tareas rutinarias, que son justo las que ocupan la mayor parte del desarrollo real. La bajada de la tasa de errores hasta el 4,3% también importa para los agentes. Una persona corregirá un dato inventado en un chat, pero un agente ejecutará una ruta de archivo o un flag de comando inventados.

Dónde está disponible el modelo

GPT-6.1 Terra ya funciona en ChatGPT Work, Codex y a través de la API con el identificador gpt-6.1-terra. En ChatGPT se está desplegando en los planes Plus, Pro, Enterprise y Edu. Los usuarios gratuitos no figuran en la lista.

Cómo recalcular el presupuesto para agentes

Los equipos que mantienen agentes en producción deberían volver a ejecutar sus propias tareas con gpt-6.1-terra y compararlas con GPT-5.6 Terra. Conviene fijarse no en el precio por token, sino en el coste final de una tarea completada y en la proporción de ejecuciones exitosas. Para una consulta típica de un millón de tokens de entrada y cien mil de salida, la factura baja de $3,2 a $1,6 solo por la tarifa. Si además se confirma la reducción del número de tokens por tarea, el ahorro será notablemente mayor.

Aparte, conviene revisar los modos de razonamiento. OpenAI midió la mejora en Agents’ Last Exam con nivel medio, mientras que el récord en Terminal-Bench y el 4,3% de errores se obtuvieron con el nivel máximo. La elección del nivel determinará el equilibrio entre velocidad, precio y calidad. Para los desarrolladores que usan Codex, el modelo se convierte en la opción económica por defecto para la programación rutinaria, y los modelos más pesados pueden reservarse para tareas de arquitectura complejas.