Elegir el modelo de IA correcto ya no depende solo de la potencia bruta, sino del precio por tarea. El 26 de octubre de 2026, OpenAI lanzó GPT-6.1 Terra, un modelo de gama media dos veces más barato que su predecesor y casi tan eficaz como el modelo más avanzado de OpenAI en varias tareas. Para una pyme que paga por uso sus herramientas de IA, este lanzamiento ilustra una decisión muy concreta: el modelo más caro no es siempre el que hay que usar.
En resumen
- OpenAI lanzó GPT-6.1 Terra el 26 de octubre de 2026, disponible en ChatGPT (Plus, Pro, Enterprise, Edu, dentro de ChatGPT Work y Codex) y mediante la API como
gpt-6.1-terra. - Su precio en la API es de 1 $ por millón de tokens de entrada y 5 $ de salida (0,05 $ en caché), un 50 % más barato que GPT-5.6 Terra, el modelo que sustituye.
- En la prueba Agents' Last Exam (tareas profesionales), Terra logra un 60,0 % de éxito por 1,01 $ por tarea, frente al 59,3 % de GPT-6 Astra, el modelo más avanzado de OpenAI, que cuesta 7,24 $ por tarea.
- Analistas citados por InfoWorld (Pareekh Jain, Sanchit Vir Gogia) advierten que unos tokens más baratos no garantizan un ahorro neto: el tiempo de revisión humana puede anular la ganancia.
- Para una pyme, el criterio correcto no es elegir "el mejor modelo", sino el modelo más barato que alcance el nivel de calidad suficiente para cada tarea.
GPT-6.1 Terra: un modelo pensado para la gama media
GPT-6.1 Terra se sitúa entre dos extremos en la gama de OpenAI: GPT-6 Luna, el modelo más económico y sencillo, y GPT-6.1 Sol seguido de GPT-6 Astra, los modelos más potentes y caros. OpenAI describe Terra como "un modelo rápido y eficiente que combina razonamiento visual detallado y un uso preciso del ordenador" (fuente: anuncio de OpenAI, citado por InfoWorld, 27 de octubre de 2026).
En la práctica, Terra está pensado para tareas de alto volumen: procesamiento de documentos, atención al cliente, código rutinario, extracción de información. Son casos de uso en los que pagar el precio de un modelo de vanguardia no se justifica económicamente, pero donde un modelo básico a veces carece de matices.
Antes (GPT-5.6 Terra)
Con GPT-6.1 Terra
La tabla de precios: cuatro niveles, una misma API
OpenAI estructura ahora su gama en niveles claros. Entender esta tabla es el primer paso para gestionar los costes de IA.
| Modelo | Precio entrada (por M tokens) | Precio salida (por M tokens) | Posicionamiento |
|---|---|---|---|
| GPT-6 Luna | 0,10 $ | 0,50 $ | Tareas simples, volumen muy alto |
| GPT-6.1 Terra | 1 $ | 5 $ | Tareas habituales con razonamiento moderado |
| GPT-6.1 Sol | 2 $ | 10 $ | Razonamiento complejo, código avanzado |
| GPT-6 Astra | 10 $ | 50 $ | Tareas más exigentes, investigación |
Fuente: anuncio de OpenAI del 26 de octubre de 2026, cifras recogidas por InfoWorld. A modo de comparación, Claude Sonnet 5.5 de Anthropic cobra 2 $ de entrada y 10 $ de salida por millón de tokens.
La diferencia de precio entre Astra y Terra llega a ser de 10 veces. Esa es exactamente la brecha que OpenAI intenta cerrar: en la prueba interna Agents' Last Exam, Terra alcanza un 60,0 % de éxito frente al 59,3 % de Astra, por aproximadamente una séptima parte del coste por tarea.
En razonamiento visual (prueba MMMU-Pro), Terra también mejora, del 81,7 % al 85,5 % de éxito, con un coste por tarea diez veces menor que su predecesor. Estas cifras siguen siendo benchmarks comunicados por la propia OpenAI; ningún organismo independiente los ha reverificado públicamente todavía, un matiz que conviene recordar antes de tomarlos como un hecho absoluto.
Por qué un precio más bajo no significa una factura más baja
Este es el punto más útil para una pyme, y el menos intuitivo. Dos analistas entrevistados por InfoWorld aportan un matiz importante sobre este lanzamiento.
La advertencia de los analistas
Pareekh Jain (EIIRTrend & Pareekh Consulting) recomienda probar cada modelo con las propias cargas de trabajo, midiendo la tasa de finalización, la precisión, el coste por tarea completada y el tiempo de intervención humana, en lugar de confiar solo en los benchmarks publicados por el proveedor. Sanchit Vir Gogia (Greyhound Research) va más allá: en una tarea de código de ejemplo, 5,4 segundos adicionales de revisión humana bastaron para anular el ahorro logrado en el precio de los tokens.
El precio de un token es solo una parte del coste real de un flujo de trabajo con IA. También hay que contar el tiempo dedicado a verificar, corregir o repetir una tarea mal ejecutada. Por eso el margen de calidad importa a veces más que el precio anunciado.
Cómo elige una pyme el modelo adecuado, tarea por tarea
Con cuatro o cinco niveles de precio en cada proveedor (OpenAI, Anthropic, Google), la tentación es quedarse con el modelo más caro "por seguridad", o pasar todo al más barato para recortar gastos. Ambos enfoques son atajos costosos a largo plazo.
Mapear las tareas de IA utilizadas
Probar primero el modelo de gama media
Medir el coste completo, no solo el precio del token
Reservar el modelo superior para tareas críticas
Este enfoque coincide con lo que LUWAI recomienda desde el lanzamiento de los primeros modelos con varios niveles de precio en 2026: el reto ya no es elegir un único proveedor, sino asignar el modelo adecuado a cada tarea, y revisar esa asignación con cada nuevo lanzamiento.
Preguntas frecuentes
¿GPT-6.1 Terra sustituye a ChatGPT Plus para una pyme?
No, Terra es un modelo disponible dentro de ChatGPT (Plus, Pro, Enterprise, Edu) y a través de la API, no un plan de suscripción aparte. Una pyme que ya use ChatGPT puede acceder a él sin cambiar de plan, según la configuración de su cuenta.
¿Terra es tan bueno como GPT-6 Astra?
En algunas pruebas como Agents' Last Exam, Terra se acerca a los resultados de Astra (60,0 % frente a 59,3 %) a un coste mucho menor. En uso de ordenador (OSWorld 2.1), sin embargo, Claude Sonnet 5.5 sigue por delante de ambos, con un 83,9 % de éxito. La elección correcta depende de la tarea concreta.
¿Cómo sé si un modelo más barato es suficiente para mi negocio?
Probándolo con una muestra real de las propias tareas, no solo con los benchmarks publicados. Mida la tasa de éxito, el tiempo de revisión necesario y el coste total, no solo el precio por token.
¿Hay que cambiar de proveedor de IA con cada modelo nuevo?
No. Cambiar de proveedor tiene un coste de integración y formación de los equipos. Suele ser más rentable reevaluar periódicamente la asignación de modelos con el proveedor actual, como permiten ahora las gamas de varios niveles de OpenAI, Anthropic o Google.
¿Dudas entre varios modelos de IA para tu negocio? Consulta nuestros recursos sobre la elección de un modelo de IA o descubre cómo otras pymes han estructurado sus costes de IA en nuestros casos de éxito.
