GPT-6.1 Terra: OpenAI acaba de abaratar 3x correr agentes de IA, y eso cambia lo que puedes vender

Los números detrás del lanzamiento

Vale la pena separar lo que es ruido de marketing de lo que sí cambia la conversación con un cliente:

• Precio: $1/M tokens de entrada, $0.05/M en tokens cacheados, $5/M de salida — 50% menos que GPT-5.6 Terra y GPT-6.1 Sol.
• Velocidad: completa tareas más de 3x más rápido que GPT-6 Astra y GPT-6.1 Sol, según OpenAI.
• Agents' Last Exam (el benchmark que mide qué tan bien un agente ejecuta tareas multi-paso): con esfuerzo de razonamiento medio, Terra saca 15 puntos porcentuales más que GPT-5.6 Terra costando aproximadamente un tercio. En esfuerzo máximo, iguala a GPT-6 Astra a un décimo del precio por token.
• Terminal-Bench 4.0 (benchmark de tareas de terminal/coding): 50.3% resuelto en esfuerzo máximo, contra 21.5% de GPT-5.6 Terra.
• Tasa de error en el benchmark interno de OpenAI para prompts que inducen errores: cayó de 53.6% (GPT-5.6 Terra) a 16.7% en esfuerzo bajo, y a 4.3% en esfuerzo máximo — ya cerca de GPT-6 Astra y GPT-6.1 Sol.

Todos estos números son reportados por OpenAI mismo (vía su system card y anuncio), cruzados por BleepingComputer y TestingCatalog de forma independiente — no hay todavía benchmarks externos que los confirmen, así que conviene leerlos como "lo que OpenAI dice que logró", no como verdad absoluta todavía.

Por qué el precio es la noticia real, no el modelo

En los últimos dos años el discurso de "agentes de IA" se ha movido más rápido que la capacidad real de pagar por ellos a escala. Un agente que puede operar una computadora — abrir un CRM, llenar un formulario de onboarding, revisar 40 capturas de pantalla de un reporte de ads — es técnicamente posible desde hace rato. Lo que no era viable era correrlo todo el día, para cientos de tareas, sin que la factura de tokens se comiera el margen.

Eso es exactamente lo que mueve GPT-6.1 Terra: no es "un modelo más inteligente", es un modelo que hace lo mismo que hacía un modelo de computer use hace un año, pero a una fracción del costo y en una fracción del tiempo. OpenAI lo dice sin rodeos en su propio comparativo: a esfuerzo máximo, Terra es más de 3 veces más eficiente en tokens que Claude Opus 5.5, a un cuarto de su precio por token — lo que se traduce, según su propio cálculo, en ~9 veces menos costo por tarea. Esa es la cifra que debería importarle a cualquiera que esté armando un pricing de automatización, no el nombre del modelo.

Los límites que no hay que ignorar

Dos cosas que OpenAI mismo reconoce, y que conviene no pasar por alto antes de meter Terra en producción:

• No es el modelo para coding complejo. OpenAI sigue recomendando GPT-6.1 Sol o GPT-6 Astra para las tareas de desarrollo más exigentes — Terra está optimizado para tareas de computer use, visuales y de oficina, no para refactors grandes o arquitectura.
• Entra en el umbral "Crítico" de ciberseguridad del Preparedness Framework de OpenAI, lo que significa que trae las mismas protecciones de seguridad que GPT-6 Astra. Si tu agencia va a dejar que un agente opere cuentas reales de clientes (ads, CRM, banca), ese dato — y no solo el precio — debería estar en la conversación de riesgo con el cliente antes de prender el switch.

Lo que esto significa para agencias y developers

Si tu agencia ofrece (o está pensando en ofrecer) automatización con agentes — llenar formularios de compliance, monitorear dashboards de ads, generar reportes a partir de capturas de pantalla, operar herramientas sin API decente — este lanzamiento cambia el punto de entrada. Tareas que hace tres meses no cerraban el caso de negocio (porque el costo por ejecución era más alto que el valor de automatizarlas) hoy probablemente sí cierran, al menos en el papel de OpenAI.

La recomendación práctica: no migres nada a Terra solo porque es más barato. Corre tu propio benchmark con 10-20 tareas reales de un cliente, mide costo y tasa de error contra el modelo que ya estás usando, y decide con datos propios — los números de OpenAI son un punto de partida, no un SLA. Y si el caso de uso toca cuentas o datos sensibles de un cliente, trata el umbral "Crítico" de seguridad como una línea en el contrato, no como letra chica.

Hay otra lectura, más incómoda, que también vale la pena poner sobre la mesa: si el costo de automatizar una tarea sigue cayendo a este ritmo, el valor que una agencia cobra ya no puede estar solo en "ejecutamos la tarea" — eso cada vez lo hace mejor y más barato un modelo. El valor se mueve hacia decidir qué automatizar, con qué controles, y cómo medir si realmente está funcionando para el negocio del cliente. Esa es la parte que ningún modelo, por rápido o barato que sea, resuelve solo.

En Geek Vibes ya estamos corriendo esa comparación con un par de flujos de automatización de clientes para ver si el ahorro real sostiene el caso de negocio o se queda en el benchmark. Si estás evaluando meter agentes de computer use a tu stack — o si ya los tienes y quieres saber si vale la pena migrar — escríbenos a hello@geekvibes.agency y lo platicamos.