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

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.

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.

¿Cuánto cuesta ese resultado?

6 pruebas · 143 configuraciones oficiales · OpenAI, 26 octubre

Agents’ Last Exam v1

Tareas profesionales con ordenador

Puntuación (%) · mayor es mejor

USD por caso evaluado

Toca un símbolo para consultar ese punto.

GPT-6.1 TerraClaude Opus 5.5GPT-5.6 TerraGPT-6 AstraGPT-6 LunaGPT-6.1 Sol

GPT-6.1 Terra

60,0 %60,0 %US$1,01US$1,01

Claude Opus 5.5

63,2 %63,2 %US$8,82US$8,82

GPT-5.6 Terra

50,7 %50,7 %US$3,58US$3,58

GPT-6 Astra

59,3 %59,3 %US$7,24US$7,24

GPT-6 Luna

50,9 %50,9 %US$0,14US$0,14

GPT-6.1 Sol

58,6 %58,6 %US$2,00US$2,00

OpenAI publica Opus 5.5 solo en Max en esta prueba. Los costos son los publicados en el benchmark, no una tarifa fija de producto.

Los 143 puntos, con esfuerzo y costo

Agents’ Last Exam v1

Puntuación: mayor es mejor.

Tareas profesionales con ordenador

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)

Puntuación: mayor es mejor.

Razonamiento visual

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

Puntuación: mayor es mejor.

Aplicaciones de escritorio

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

Error: menor es mejor.

Respuestas con algún error factual

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

Puntuación: mayor es mejor.

Tareas de programación en terminal

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

Puntuación: mayor es mejor.

Investigación científica con código

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

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. 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.

La selección del anuncio

2 / 6gráficos incluyen Opus 5.5

• Agents’ Last Exam v1Opus incluido
• MMMU-ProSin Claude
• OSWorld 2.1 · offlineSonnet, sin Opus
• Errores factualesSin Claude
• Terminal-Bench 4.0Sonnet, sin Opus
• Terminal-Bench-Science 0.1Opus incluido

Aquí están los resultados de Opus que encontramos fuera del anuncio. Elige una prueba y revisa quién la ejecutó.

MMMU-Pro · Artificial Analysis

87,7%

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.

Ver evaluación independiente ↗

OSWorld · Anthropic

Partial

81,8%

Strict

48,7%

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.

Lanzamiento · System card ↗

Terminal-Bench 4.0 · Opus 5.5

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.

Artificial Analysis ↗59,6%Max · Default Fallback · mini-swe-agent

Terminal-Bench ↗64,8% ±3,1 ppMax · Claude Code

Vals AI ↗65,15%Mini-SWE-agent · avg@3 · 24 Oct

Anthropic ↗66,4% ±2,6 ppXhigh · production safeguards / fallbacks

Misma fuente: Opus, Astra y Sol en Vals

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.

Terminal-Bench 4.0 · Vals · 24 Oct 2026

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. Ficha anterior ↗

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 identifica el modelo como gpt-6.1-terra. Las tarifas estándar son por un millón de tokens, en USD:

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. 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 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.