# GPT-6.1 Terra: cerca de Opus por casi nueve veces menos en una prueba

> Los benchmarks oficiales comparan Terra con Sol, Astra y Claude. Explora esfuerzo y costo, precios de API y acceso en ChatGPT Work y Codex.


Publicado: 2026-10-26. Fuente original: [OpenAI · Introducing GPT-6.1 Terra](https://openai.com/index/introducing-gpt-6-1-terra/).

![GPT-6.1 Terra · OpenAI](/news/gpt61-terra/official-cover.webp)

Imagen oficial del lanzamiento de [OpenAI](https://openai.com/index/introducing-gpt-6-1-terra/). Globo interactivo de HeyMark con texturas oficiales optimizadas para web.

**En una prueba de trabajo con ordenador, GPT-6.1 Terra alcanza el 60% por US$1,01 por caso. Claude Opus 5.5 llega al 63,2% por US$8,82.** Son resultados de OpenAI en **Agents’ Last Exam v1, ambos en Max**: Terra queda 3,2 puntos por detrás y su costo publicado es unas 8,7 veces menor. Esa combinación explica el interés del [lanzamiento de GPT-6.1 Terra](https://openai.com/index/introducing-gpt-6-1-terra/).

Si estás eligiendo modelo para trabajar, la pregunta es concreta: ¿cuánto rendimiento necesitas y cuánto pagas por conseguirlo? Terra da resultados distintos según la tarea. Puedes recorrer las seis pruebas y decidir dónde te convence el intercambio.

OpenAI presenta Terra como un modelo para **interpretar lo que aparece en pantalla y actuar en aplicaciones**, además de escribir. En las tareas que evalúa el anuncio entran convertir planos en un modelo 3D o revisar una película plano a plano. Son ejemplos del proveedor; no una demostración ejecutada aquí. Su precio API estándar baja un **50% frente a GPT-5.6 Terra y GPT-6.1 Sol**.

## Los benchmarks de GPT-6.1 Terra, con sus costos

El gráfico reúne **los 143 puntos originales** de las gráficas del lanzamiento. Cada símbolo es una configuración publicada. Cambia de prueba, compara por costo o razonamiento y selecciona un nivel para leer las cifras. Los datos completos están debajo, incluidos los modelos para los que solo existe un resultado en Max.

## Benchmarks de GPT-6.1 Terra: todos los datos
143 configuraciones originales de los gráficos de OpenAI, 26 octubre 2026. USD por caso evaluado según el proveedor; no confundir con precio por millón de tokens. Líneas entre configuraciones publicadas; esfuerzos propios de cada modelo, sin interpolación de datos ausentes.

### Agents’ Last Exam v1

Tareas profesionales con ordenador

Puntuación: mayor es mejor.

| Modelo | Esfuerzo | % | USD |
| --- | --- | ---: | ---: |
| Claude Opus 5.5 | Max | **63,2 %** | US$8,82 |
| GPT-5.6 Terra | Low | 40,2 % | US$0,59 |
| GPT-5.6 Terra | Medium | 42,6 % | US$0,84 |
| GPT-5.6 Terra | High | 46,6 % | US$1,72 |
| GPT-5.6 Terra | Xhigh | 48,5 % | US$2,50 |
| GPT-5.6 Terra | Max | 50,7 % | US$3,58 |
| GPT-6 Astra | Low | 53,4 % | US$3,55 |
| GPT-6 Astra | Medium | 57,6 % | US$4,82 |
| GPT-6 Astra | High | 57,8 % | US$5,15 |
| GPT-6 Astra | Xhigh | 58,3 % | US$5,91 |
| GPT-6 Astra | Max | 59,3 % | US$7,24 |
| GPT-6 Luna | Low | 36,3 % | US$0,022 |
| GPT-6 Luna | Medium | 46,8 % | US$0,093 |
| GPT-6 Luna | High | 43,6 % | US$0,087 |
| GPT-6 Luna | Xhigh | 47,9 % | US$0,093 |
| GPT-6 Luna | Max | 50,9 % | US$0,14 |
| GPT-6.1 Sol | Low | 52,4 % | US$0,70 |
| GPT-6.1 Sol | Medium | 53,8 % | US$1,31 |
| GPT-6.1 Sol | High | 55,3 % | US$1,45 |
| GPT-6.1 Sol | Xhigh | 56,5 % | US$1,45 |
| GPT-6.1 Sol | Max | 58,6 % | US$2,00 |
| GPT-6.1 Terra | Low | 55,9 % | US$0,16 |
| GPT-6.1 Terra | Medium | 57,6 % | US$0,29 |
| GPT-6.1 Terra | High | 57,2 % | US$0,39 |
| GPT-6.1 Terra | Xhigh | 58,5 % | US$0,66 |
| GPT-6.1 Terra | Max | 60,0 % | US$1,01 |

### MMMU-Pro (Vision)

Razonamiento visual

Puntuación: mayor es mejor.

| Modelo | Esfuerzo | % | USD |
| --- | --- | ---: | ---: |
| GPT-5.6 Terra | Low | 74,9 % | US$0,011 |
| GPT-5.6 Terra | Medium | 76,4 % | US$0,012 |
| GPT-5.6 Terra | High | 77,5 % | US$0,014 |
| GPT-5.6 Terra | Xhigh | 78,7 % | US$0,02 |
| GPT-5.6 Terra | Max | 81,7 % | US$0,079 |
| GPT-6 Astra | Low | 85,3 % | US$0,038 |
| GPT-6 Astra | Medium | 85,3 % | US$0,039 |
| GPT-6 Astra | High | 86,4 % | US$0,044 |
| GPT-6 Astra | Xhigh | 86,5 % | US$0,051 |
| GPT-6 Astra | Max | **86,7 %** | US$0,065 |
| GPT-6 Luna | Low | 73,5 % | US$0,0005 |
| GPT-6 Luna | Medium | 75,1 % | US$0,0006 |
| GPT-6 Luna | High | 76,5 % | US$0,0007 |
| GPT-6 Luna | Xhigh | 77,9 % | US$0,001 |
| GPT-6 Luna | Max | 79,9 % | US$0,0021 |
| GPT-6.1 Sol | Low | 84,0 % | US$0,0076 |
| GPT-6.1 Sol | Medium | 84,7 % | US$0,0079 |
| GPT-6.1 Sol | High | 85,8 % | US$0,0088 |
| GPT-6.1 Sol | Xhigh | 85,8 % | US$0,01 |
| GPT-6.1 Sol | Max | 86,3 % | US$0,013 |
| GPT-6.1 Terra | Low | 83,7 % | US$0,0038 |
| GPT-6.1 Terra | Medium | 84,6 % | US$0,0041 |
| GPT-6.1 Terra | High | 85,0 % | US$0,0045 |
| GPT-6.1 Terra | Xhigh | 85,4 % | US$0,0055 |
| GPT-6.1 Terra | Max | 85,5 % | US$0,012 |

### OSWorld 2.1 · offline

Aplicaciones de escritorio

Puntuación: mayor es mejor.

| Modelo | Esfuerzo | % | USD |
| --- | --- | ---: | ---: |
| Claude Sonnet 5.5 | Low | 57,8 % | US$0,68 |
| Claude Sonnet 5.5 | Medium | 65,9 % | US$0,93 |
| Claude Sonnet 5.5 | High | 73,3 % | US$1,39 |
| Claude Sonnet 5.5 | Xhigh | 81,0 % | US$2,22 |
| Claude Sonnet 5.5 | Max | **83,9 %** | US$5,74 |
| GPT-5.6 Terra | Low | 24,1 % | US$0,44 |
| GPT-5.6 Terra | Medium | 27,4 % | US$0,59 |
| GPT-5.6 Terra | High | 37,7 % | US$1,19 |
| GPT-5.6 Terra | Xhigh | 48,4 % | US$2,25 |
| GPT-5.6 Terra | Max | 57,1 % | US$4,76 |
| GPT-6 Astra | Low | 63,3 % | US$2,32 |
| GPT-6 Astra | Medium | 75,4 % | US$4,37 |
| GPT-6 Astra | High | 78,3 % | US$5,76 |
| GPT-6 Astra | Xhigh | 79,0 % | US$6,60 |
| GPT-6 Astra | Max | 80,9 % | US$8,17 |
| GPT-6 Luna | Low | 7,5 % | US$0,02 |
| GPT-6 Luna | Medium | 26,3 % | US$0,079 |
| GPT-6 Luna | High | 39,7 % | US$0,14 |
| GPT-6 Luna | Xhigh | 44,6 % | US$0,19 |
| GPT-6 Luna | Max | 55,5 % | US$0,30 |
| GPT-6.1 Sol | Low | 60,9 % | US$0,38 |
| GPT-6.1 Sol | Medium | 73,5 % | US$0,65 |
| GPT-6.1 Sol | High | 75,5 % | US$0,90 |
| GPT-6.1 Sol | Xhigh | 75,9 % | US$0,95 |
| GPT-6.1 Sol | Max | 78,0 % | US$1,15 |
| GPT-6.1 Terra | Low | 53,8 % | US$0,36 |
| GPT-6.1 Terra | Medium | 66,7 % | US$0,50 |
| GPT-6.1 Terra | High | 68,7 % | US$0,51 |
| GPT-6.1 Terra | Xhigh | 71,3 % | US$0,62 |
| GPT-6.1 Terra | Max | 74,2 % | US$1,19 |

### Factuality · difficult prompts

Respuestas con algún error factual

Error factual: menor es mejor.

| Modelo | Esfuerzo | % | USD |
| --- | --- | ---: | ---: |
| GPT-5.6 Terra | Low | 53,6 % | US$0,055 |
| GPT-5.6 Terra | Medium | 51,5 % | US$0,061 |
| GPT-5.6 Terra | High | 41,1 % | US$0,078 |
| GPT-5.6 Terra | Xhigh | 33,9 % | US$0,11 |
| GPT-5.6 Terra | Max | 22,3 % | US$0,25 |
| GPT-6 Astra | Low | 13,3 % | US$0,26 |
| GPT-6 Astra | Medium | 9,7 % | US$0,29 |
| GPT-6 Astra | High | 5,9 % | US$0,43 |
| GPT-6 Astra | Xhigh | 4,6 % | US$0,55 |
| GPT-6 Astra | Max | **4,2 %** | US$0,66 |
| GPT-6 Luna | Low | 44,3 % | US$0,0025 |
| GPT-6 Luna | Medium | 31,2 % | US$0,0035 |
| GPT-6 Luna | High | 27,6 % | US$0,0047 |
| GPT-6 Luna | Xhigh | 24,5 % | US$0,0061 |
| GPT-6 Luna | Max | 18,4 % | US$0,013 |
| GPT-6.1 Sol | Low | 14,7 % | US$0,048 |
| GPT-6.1 Sol | Medium | 12,0 % | US$0,056 |
| GPT-6.1 Sol | High | 6,6 % | US$0,079 |
| GPT-6.1 Sol | Xhigh | 5,5 % | US$0,099 |
| GPT-6.1 Sol | Max | 4,4 % | US$0,12 |
| GPT-6.1 Terra | Low | 16,7 % | US$0,024 |
| GPT-6.1 Terra | Medium | 10,1 % | US$0,029 |
| GPT-6.1 Terra | High | 7,7 % | US$0,036 |
| GPT-6.1 Terra | Xhigh | 5,0 % | US$0,05 |
| GPT-6.1 Terra | Max | 4,3 % | US$0,12 |

### Terminal-Bench 4.0

Tareas de programación en terminal

Puntuación: mayor es mejor.

| Modelo | Esfuerzo | % | USD |
| --- | --- | ---: | ---: |
| Claude Sonnet 5.5 | Low | 20,0 % | US$0,62 |
| Claude Sonnet 5.5 | Medium | 28,8 % | US$0,68 |
| Claude Sonnet 5.5 | High | 43,0 % | US$1,46 |
| Claude Sonnet 5.5 | Xhigh | 61,5 % | US$4,34 |
| Claude Sonnet 5.5 | Max | **70,6 %** | US$10,44 |
| GPT-5.6 Terra | Max | 21,5 % | US$5,25 |
| GPT-6 Astra | Low | 50,6 % | US$4,93 |
| GPT-6 Astra | Medium | 54,4 % | US$6,06 |
| GPT-6 Astra | High | 58,1 % | US$7,18 |
| GPT-6 Astra | Xhigh | 57,9 % | US$7,45 |
| GPT-6 Astra | Max | 58,2 % | US$10,34 |
| GPT-6.1 Sol | Low | 47,1 % | US$0,76 |
| GPT-6.1 Sol | Medium | 52,7 % | US$1,02 |
| GPT-6.1 Sol | High | 53,0 % | US$1,28 |
| GPT-6.1 Sol | Xhigh | 53,4 % | US$1,28 |
| GPT-6.1 Sol | Max | 55,9 % | US$1,98 |
| GPT-6.1 Terra | Low | 24,8 % | US$0,24 |
| GPT-6.1 Terra | Medium | 35,8 % | US$0,46 |
| GPT-6.1 Terra | High | 41,8 % | US$0,65 |
| GPT-6.1 Terra | Xhigh | 46,4 % | US$0,99 |
| GPT-6.1 Terra | Max | 50,3 % | US$1,84 |

### Terminal-Bench-Science 0.1

Investigación científica con código

Puntuación: mayor es mejor.

| Modelo | Esfuerzo | % | USD |
| --- | --- | ---: | ---: |
| Claude Opus 5.5 w/ fallbacks | Max | 63,3 % | US$23,21 |
| GPT-6 Astra | Low | 55,4 % | US$11,41 |
| GPT-6 Astra | Medium | 57,4 % | US$12,34 |
| GPT-6 Astra | High | 62,0 % | US$14,95 |
| GPT-6 Astra | Xhigh | 60,9 % | US$15,76 |
| GPT-6 Astra | Max | **68,1 %** | US$23,80 |
| GPT-6.1 Sol | Low | 43,7 % | US$1,79 |
| GPT-6.1 Sol | Medium | 47,6 % | US$2,34 |
| GPT-6.1 Sol | High | 51,1 % | US$2,76 |
| GPT-6.1 Sol | Xhigh | 53,7 % | US$2,89 |
| GPT-6.1 Sol | Max | 57,0 % | US$5,47 |
| GPT-6.1 Terra | Low | 24,3 % | US$0,47 |
| GPT-6.1 Terra | Medium | 34,3 % | US$0,95 |
| GPT-6.1 Terra | High | 39,7 % | US$1,24 |
| GPT-6.1 Terra | Xhigh | 43,4 % | US$1,72 |
| GPT-6.1 Terra | Max | 58,3 % | US$4,15 |

OSWorld corresponde al conjunto offline 2.1. Opus en Science usa fallbacks. Las cuotas de Work/Codex y la latencia no se deducen de estos costos. No es una comparación independiente de HeyMark ni una media entre benchmarks.
[OpenAI](https://openai.com/index/introducing-gpt-6-1-terra/)

En Agents’ Last Exam a **Medium**, Terra y Astra obtienen el mismo **57,6%**. Los costos publicados son **US$0,29 y US$4,82**, respectivamente. Compartir ese resultado en esta prueba no convierte a ambos modelos en equivalentes para cualquier encargo.

Tampoco conviene suponer que subir el esfuerzo siempre mejora el resultado: Terra pasa de **57,6% en Medium a 57,2% en High** en ese benchmark. El gráfico conserva esa caída. El costo de cada punto tampoco es una tarifa fija que puedas aplicar a cualquier tarea tuya.

## Dónde siguen ganando otros modelos

Al cambiar de pestaña cambia la historia. Todos estos valores corresponden a **Max**, dentro de la prueba indicada:

- **Visión, MMMU-Pro:** Terra marca **85,5%**; Sol, **86,3%**; Astra, **86,7%**. Terra se acerca, pero no lidera esa comparación.
- **Escritorio, OSWorld 2.1 offline:** Terra llega al **74,2%**, frente al **78%** de Sol y el **83,9%** de Sonnet 5.5. El nombre del conjunto importa al compararlo con otros rankings de OSWorld.
- **Código, Terminal-Bench 4.0:** Terra obtiene **50,3%**, frente al **21,5%** de Terra 5.6. Sol logra **55,9%** y Sonnet 5.5, **70,6%**. Si tu prioridad es resolver programación difícil, mira esta pestaña antes de elegir por el primer gráfico.
- **Ciencia con código:** Terra alcanza **58,3% por US$4,15**, por encima del **57% de Sol por US$5,47**. Opus aparece con **fallbacks**: **63,3% por US$23,21**. Son cinco puntos de diferencia; esa configuración adicional forma parte de la comparación.

**No hemos ejecutado estas pruebas en HeyMark.** Son mediciones publicadas por OpenAI; puedes revisar todos los puntos y sus nombres completos en la tabla. El anuncio también reporta tareas completadas más de tres veces más rápido que Astra y Sol, pero los valores de USD del gráfico no permiten deducir tiempos individuales.

## ¿Y Opus 5.5? Lo que no aparece en esas curvas

**Opus aparece en dos de los seis gráficos del [anuncio de OpenAI](https://openai.com/index/introducing-gpt-6-1-terra/).** En OSWorld y Terminal-Bench 4.0, el rival Claude elegido es Sonnet 5.5; en visión y errores factuales no hay ningún Claude. En las especificaciones del gráfico, OpenAI asigna a Claude el color gris en el original, frente al verde de Terra y el azul de otros GPT. Aquí le damos un color propio y una etiqueta visible en ambos temas.

¿La selección favorece el relato de un Terra barato y competitivo? **Esa es una hipótesis editorial, no una intención demostrada.** También pueden influir la disponibilidad de corridas o las diferencias de configuración. No encontramos una explicación pública del anuncio para cada ausencia.

Sí hay resultados externos de Opus en visión, escritorio y código. Puedes consultarlos aquí. Para la prueba interna de errores factuales no encontramos una corrida pública de Opus equivalente.

### Opus: qué está en las curvas y qué falta
Opus aparece en 2 de los 6 gráficos originales. Los otros cuatro no contienen un resultado suyo; dos incluyen Sonnet. Corte: 26 octubre 2026.
| Benchmark | Opus 5.5 | Otro Claude |
| --- | --- | --- |
| Agents’ Last Exam v1 | Incluido | — |
| MMMU-Pro | Ausente | — |
| OSWorld 2.1 · offline | Ausente | Sonnet 5.5 |
| Factual errors | Ausente | — |
| Terminal-Bench 4.0 | Ausente | Sonnet 5.5 |
| Terminal-Bench-Science 0.1 | Incluido | — |

### MMMU-Pro

Artificial Analysis publica 87,69% (87,7% redondeado) en MMMU-Pro para Opus 5.5 Max, Default Fallback. No encontramos Terra 6.1 en su listado al corte. No es una medición emparejada con el 85,5% de la curva de OpenAI.
[Artificial Analysis](https://artificialanalysis.ai/evaluations/mmmu-pro)

### OSWorld

Anthropic publica 81,8% partial para Opus 5.5 Max; su system card añade 48,7% strict. Son métricas diferentes. La card describe 108 tareas y cinco corridas, y rotula la sección OSWorld 2.0, mientras el anuncio dice 2.1. Su configuración no equivale al conjunto offline de OpenAI.
[Anthropic](https://www.anthropic.com/claude-opus-5-5) · [System card](https://cdn.sanity.io/files/4zrzovbb/website/0bacdc8440ea96e62a8766d99ebe1d4eea6d5f3a.pdf)

### Terminal-Bench 4.0

Cuatro resultados publicados para Opus, cuatro configuraciones. No los promediamos: cambiar el agente, el esfuerzo, las repeticiones o los fallbacks puede cambiar el resultado. No encontramos Terra 6.1 evaluado junto a Opus bajo el mismo protocolo en estas fuentes.

| Fuente | Opus 5.5 | Configuración |
| --- | --- | --- |
| [Artificial Analysis](https://artificialanalysis.ai/evaluations/terminalbench-4-0) | 59.6% | Max · Default Fallback · mini-swe-agent |
| [Terminal-Bench](https://www.tbench.ai/?efforts=all&version=4.0) | 64.8% ±3.1 pp | Max · Claude Code |
| [Vals AI](https://www.vals.ai/benchmarks/terminal-bench-4) | 65.15% | Mini-SWE-agent · avg@3 · 24 Oct |
| [Anthropic](https://www.anthropic.com/claude-opus-5-5) | 66.4% ±2.6 pp | Xhigh · production safeguards / fallbacks |

Comparación dentro del leaderboard de Vals, actualizado el 24 de octubre: Mini-SWE-agent, 66 tareas, tres corridas. Terra 6.1 aún no figura allí. El esfuerzo y la política de fallbacks del resultado actual de Opus no están detallados en esa tabla.

| Modelo | % | USD / prueba |
| --- | ---: | ---: |
| Claude Opus 5.5 | **65,15%** | $13.20 |
| GPT-6 Astra | 59,60% | $9.58 |
| GPT-6.1 Sol | 55,05% | $1.72 |

La ficha anterior de Vals conserva otro resultado: 61,62%, o 53,54% contando los fallbacks como fallos (30/198 casos asistidos). No trasladamos ese ajuste al 65,15% actual: la fuente no explica la diferencia.
[Vals: current leaderboard](https://www.vals.ai/benchmarks/terminal-bench-4) · [Vals: earlier model page](https://www.vals.ai/models/anthropic_claude-opus-5-5)

La ausencia en un gráfico no significa que el modelo no tenga un resultado. Pero traer uno de otra web tampoco lo convierte en un enfrentamiento justo. **No encontramos una corrida independiente que enfrente al nuevo Terra y a Opus con el mismo conjunto de tareas y configuración.** Por eso mantenemos separadas las fuentes: el 87,7% de visión de Opus no se pega a la curva de Terra como si salieran del mismo examen.

## Qué significa la caída de errores factuales

La prueba interna de prompts difíciles mide **respuestas con algún error factual**. En Low, Terra 5.6 registra **53,6%** y Terra 6.1, **16,7%**. En Max, el modelo nuevo baja a **4,3%**, frente al **4,2%** de Astra y el **4,4%** de Sol.

Son porcentajes de error: **menor es mejor**. No significa que Terra se equivoque en el 4,3% de todo lo que cualquiera le pregunte. Si lo usas para preparar contenido, sigue teniendo sentido contrastar nombres, fechas y afirmaciones con sus fuentes.

## Precio de la API: US$1 de entrada y US$5 de salida

La [ficha oficial de la API](https://developers.openai.com/api/docs/models/gpt-6.1-terra) identifica el modelo como **`gpt-6.1-terra`**. Las tarifas estándar son por **un millón de tokens**, en USD:

| Tipo de tokens | Precio |
| --- | --- |
| Entrada | **US$1,00** |
| Entrada leída de caché | **US$0,05** |
| Escritura de caché, 30 minutos | US$1,25 |
| Escritura de caché, 12 horas | US$2,50 |
| Salida | **US$5,00** |

Como cálculo ilustrativo, **10.000 tokens de entrada y 2.000 de salida cuestan US$0,02** con las tarifas estándar de entrada y salida: `(10.000 × 1 + 2.000 × 5) / 1.000.000`. No es una predicción del consumo de una tarea ni incluye herramientas, modalidades rápidas o cargos adicionales de caché.

Hay una condición importante para contexto largo: **si la entrada supera 272.000 tokens, toda la solicitud usa 2× la tarifa de entrada y caché, y 1,5× la de salida**. La documentación indica una ventana API de **1.050.000 tokens** y hasta **128.000 de salida**; esas cifras no establecen los límites de cada experiencia de Work o Codex.

## Dónde puedes usarlo desde el lanzamiento

OpenAI anuncia Terra en **ChatGPT Work y Codex para Plus, Pro, Enterprise y Edu**, además de la API. Esa disponibilidad no debe interpretarse como una confirmación del selector de modelos del chat normal. El anuncio dice que la misma asignación de uso permite hacer más tareas con Terra, pero no publica una cuota numérica que podamos convertir en mensajes o encargos.

**Anuncio original de ChatGPT:** [abrir publicación de lanzamiento en X](https://x.com/ChatGPT/status/2114781101822714241). Los datos y condiciones de esta noticia proceden del anuncio completo de OpenAI y de su documentación API.

Para valorar un uso concreto, mira la prueba más próxima a tu trabajo: el uso de aplicaciones, la interpretación de imágenes y la programación no miden lo mismo. El [addendum de la system card](https://deploymentsafety.openai.com/gpt-6-1-terra) también explica que las evaluaciones de investigación/API pueden diferir de producción por herramientas, instrucciones y esfuerzo. La ventaja de costo es una razón para mirar Terra; las diferencias por tarea te ayudan a decidir cuándo elegirlo.

## Planifica el próximo post en HeyMark.

Guarda la idea, revisa el texto con tu equipo y mira cómo le fue después en las cuentas que conectaste.

[Empezar gratis](https://app.heymark.ai) · [Ver cómo funciona](https://heymark.ai/es/#product)

## Recursos para desarrolladores y agentes

- [Documentación MCP de HeyMark](https://heymark.ai/es/mcp/)
- [llms.txt](https://heymark.ai/llms.txt)
- [Contenido completo del sitio para modelos de lenguaje](https://heymark.ai/llms-full.txt)
- Endpoint del protocolo MCP: `POST https://mcp.heymark.ai`
- Metadatos OAuth del recurso protegido: [/.well-known/oauth-protected-resource](https://mcp.heymark.ai/.well-known/oauth-protected-resource)
- MCP server card: [/server-card](https://mcp.heymark.ai/server-card)