Auditar GPT-6.1 Terra: una hoja de lanzamiento completa y una afirmación de 9× en costo por tarea

Conclusiones clave

• GPT-6.1 Terra se lanzó el 26 de octubre con toda su divulgación impresa de una vez: precios de API estándar de $1 por millón de tokens de entrada, $0.05 en caché, $5 de salida, resultados de benchmarks y una evaluación de seguridad en la misma página de lanzamiento (la publicación de lanzamiento de OpenAI).
• La banda de precios $1/$0.05/$5 está 50% por debajo de los precios de API estándar de GPT-6.1 Sol y GPT-5.6 Terra, y la tarifa de entrada en caché es un 95% de descuento publicado — Kimi K3.1 Pro y MiniMax M3.1 Flash imprimen descuentos de caché del 90% en sus tamaños (publicación de lanzamiento; precios de Kimi; precios de M3.1 Flash).
• A máximo esfuerzo de razonamiento, OpenAI mide a Terra con más de 3× la eficiencia en tokens de Claude Opus 5.5 a una cuarta parte de su precio por token — una afirmación de ~9× menos costo por tarea en el harness propio del proveedor (publicación de lanzamiento).
• Terminal-Bench 4.0 lee 50.3% a máximo esfuerzo, más del doble del 21.5% publicado de GPT-5.6 Terra, mientras que la propia hoja recurre la programación más difícil a GPT-6.1 Sol y GPT-6 Astra (publicación de lanzamiento).
• La fila de factualidad es el movimiento más grande de una sola columna: una tasa de error del 53.6% en prompts inductores de error a esfuerzo bajo cayó al 16.7%, y al 4.3% a máximo esfuerzo (publicación de lanzamiento).

Dos lanzamientos esta semana corrieron la misma prueba del comprador en direcciones opuestas. El 23 de octubre, Moonshot publicó la hoja de lanzamiento de Kimi K3.1 Pro — puntajes de benchmarks y una página de precios verificable línea por línea — pero recurrió los artefactos que asientan el auto-hospedaje a una fecha de pesos confirmada por el proveedor para el 4 de noviembre, con la licencia todavía sin nombre en el lanzamiento (la auditoría hoja-primero). Un día después, el GPT-6.1 Terra de OpenAI puso todo en la página de lanzamiento antes de que se facturara un solo token: precios de API estándar de $1/$0.05 en caché/$5 por MTok, resultados en cinco benchmarks agénticos y una evaluación de seguridad en la misma página. La expectativa del género se invirtió: el modelo cerrado es el que envía la hoja completa, y son los lanzamientos de pesos abiertos los que ahora hacen esperar a los compradores.

Este artículo lee la hoja de Terra como lo haría una revisión de compras. Itemiza las filas de precios y caché que un modelo de costos puede usar hoy, separa las filas de benchmarks que OpenAI se mide a sí mismo de lo que asentaría una columna independiente, lee la divulgación de seguridad que ahora se envía como parte de la hoja y nombra las dos cosas que incluso una hoja completa no puede imprimir — una columna de calibración de terceros, y pesos que nunca llegarán. Se basa en la auditoría de hoja de lanzamiento de Kimi K3.1 Pro, que cubrió el método de cinco comprobaciones del día de pesos para un lanzamiento que llega hoja-primero; esta es la esquina opuesta del mismo problema — qué comprar cuando no hay día de pesos en absoluto.

La hoja, línea por línea

La página de precios es corta y completa. Los precios de API estándar son $1 por millón de tokens de entrada, $0.05 por millón de tokens de entrada en caché y $5 por millón de tokens de salida, con la publicación de lanzamiento afirmando que estos precios estándar son 50% más bajos que los de GPT-5.6 Terra y los de GPT-6.1 Sol (publicación de lanzamiento). Tres filas, sin asteriscos de niveles: un modelo de costos se puede construir sobre la página el mismo día en que aparece. Eso es más que una conveniencia. Cuando una tarjeta pre-lanzamiento de Terra de un agregador — actualizada el 24 de octubre, antes de que el modelo existiera — llevaba el modelo a un punto de precio diferente con un estado de «predeterminado de ChatGPT» que la página de lanzamiento contradice, la copia desordenada circuló menos de un día y murió en contacto con la página. La hoja primaria es el artefacto de auditoría, y la de Terra fue lo suficientemente completa como para corregir las copias de inmediato.

La fila de caché es el descuento publicado más profundo de este conjunto. La entrada en caché de Terra es el 5% de su tarifa de lista de entrada — $0.05 contra $1. La clase de descuento del 90% es lo que los lanzamientos del flash-tier y del flagship imprimieron este mes: la tarifa en caché de $0.20 de Kimi K3.1 Pro contra un precio de entrada de $2.00 (la auditoría hoja-primero) y el $0.015 de MiniMax M3.1 Flash contra $0.15 (la lectura del día de lanzamiento). Un descuento del 95% no significa trabajo más barato por sí solo — la instantánea 1017 de DeepSeek mostró que la participación de aciertos de caché, no la lista, fija el costo efectivo — pero para un modelo de enrutamiento cuyas entradas se repiten (el mismo prompt de sistema, los mismos esquemas de herramientas, el mismo contexto de pantalla en los campos de un formulario), la tarifa a la que se factura el reuso es la fila que decide dónde aterriza la carga de trabajo.

La disponibilidad se declara, no se promete. Terra está disponible para todos los usuarios Plus, Pro, Enterprise y Edu en ChatGPT Work y Codex a partir del 26 de octubre, y para desarrolladores a través de la API de OpenAI como gpt-6.1-terra — con la publicación de lanzamiento señalando que el mismo permiso de uso cubre más trabajo del que cubría bajo GPT-5.6 Terra, y sustancialmente más que bajo Sol o GPT-6 Astra (publicación de lanzamiento). El estado del despliegue también cierra una pregunta del género: no hay línea de «pesos que llegarán» para este modelo, nunca. La completez de un proveedor cerrado no cuesta nada a la hora de los pesos porque no hay hora de pesos.

Las filas de benchmarks, y en qué se mide cada una

La fila principal de uso de computadora se mide en Agents' Last Exam v1 — tareas que la hoja describe como convertir dibujos arquitectónicos en modelos 3D y revisar filmaciones toma por toma en registros con códigos de tiempo. A esfuerzo de razonamiento medio, Terra puntúa 15 puntos porcentuales por encima de GPT-5.6 Terra a aproximadamente un tercio del costo; se desempeña a la par con GPT-6 Astra a aproximadamente una décima parte del precio por token de Astra; y a máximo esfuerzo OpenAI mide más de 3× la eficiencia en tokens de Claude Opus 5.5 a una cuarta parte del precio por token, lo que la hoja redondea a ~9× menos costo por tarea (publicación de lanzamiento). Cada número de esa oración es una medición del proveedor sobre el harness propio de OpenAI y sus propios ajustes de esfuerzo. La afirmación es verificable en estructura — el precio está publicado, así que la cifra por tarea se reduce a una declaratoria de conteo de tokens — pero los conteos de tokens todavía no están reproducidos de forma independiente.

La fila de programación lleva su propia frontera. En Terminal-Bench 4.0, Terra resuelve el 50.3% de las tareas a máximo esfuerzo de razonamiento, más del doble del 21.5% publicado de GPT-5.6 Terra — y el mismo párrafo establece que para las tareas de programación más complejas, GPT-6.1 Sol y GPT-6 Astra siguen siendo la mejor elección (publicación de lanzamiento). La hoja imprime la carga de trabajo donde su modelo pierde. Esa es la misma forma de divulgación que el género registró en la hoja de Kimi, donde el lanzamiento encabezó con el bench que perdió por 0.7 puntos, y es la etiqueta honesta que una tabla de enrutamiento necesita: Terra es el nivel de uso de computadora de la jornada laboral, no un nivel de programación de frontera. En Terminal-Bench-Science 0.1, Terra supera a Sol a menor costo y queda a cinco puntos de Opus 5.5 a menos de una quinta parte del costo estimado (publicación de lanzamiento).

La fila de factualidad es el movimiento más grande de una sola columna en la hoja. En el benchmark interno de OpenAI de prompts inductores de error, la tasa de error cayó del 53.6% de GPT-5.6 Terra al 16.7% a esfuerzo bajo, y al 4.3% a máximo esfuerzo — una caída que la hoja describe como casi igualando las tasas de GPT-6 Astra y Sol (publicación de lanzamiento). Para una flota siempre activa la lectura operativa es específica: un modelo que se puede ejecutar a esfuerzo bajo con una tasa de error del 16.7% en prompts adversarios está preciado y perfilado para el trabajo volumétrico, mientras que la columna del 4.3% a máximo es la que se cita en un flujo de trabajo cargado de verificación.

Lo que ninguna hoja imprime sobre sí misma es la columna de terceros. La instantánea de Artificial Analysis usada en la verificación cruzada de la auditoría de Kimi es anterior a Terra (actualizada el 24 de octubre), y todavía no existe una fila de índice independiente para gpt-6.1-terra en las superficies que usa esta auditoría — ni un compuesto de Intelligence Index ni una columna de calibración clase-AA. Hasta que alguna aterrice, la cifra de ~9× de costo por tarea y el puntaje ALE se apoyan solo en las mediciones de OpenAI. Eso no es un defecto de esta hoja; es el estado normal de un lanzamiento, y es precisamente el hueco que el marco de economía siempre activa dice a los compradores llenar con sus propios registros de tokens después de la primera factura.

La divulgación de seguridad ahora se envía como parte de la hoja

La fila de Preparedness está en la página de lanzamiento, no en una nota al pie. La hoja establece que GPT-6.1 Terra cumple el umbral Crítico en ciberseguridad bajo el Preparedness Framework de OpenAI, mantiene las protecciones desarrolladas para GPT-6 Astra y lleva las mejoras de alineación de la serie GPT-6 — con la publicación de lanzamiento reportando que Terra es más propenso que GPT-5.6 Terra a mantenerse dentro del alcance y divulgar honestamente sus limitaciones, con fuerte resistencia a la inyección de prompts en las evaluaciones de OpenAI, y con el detalle completo en el anexo del system card (publicación de lanzamiento).

Dos lecturas siguen. Primero, «Crítico en ciberseguridad» es una divulgación de capacidad, no un bloqueador de despliegue — le dice a un comprador que el modelo es lo suficientemente capaz en tareas ciber para merecer el nivel de etiquetado más alto del marco, que es exactamente la información que una revisión de riesgo necesita antes de cablear el modelo en flujos de trabajo con herramientas adjuntas. Segundo, que la divulgación sea parte de la hoja del día de lanzamiento significa que la revisión de gobernanza de un comprador tiene algo fechado que adjuntar a su expediente: el anexo del system card, publicado junto con el modelo. El género de auditoría de hojas de lanzamiento existe porque los lanzamientos de octubre variaron en qué artefactos llegaron primero; la variación de Terra es que nada se aplazó — y simultáneamente, como el modelo es cerrado, nada puede verificarse más allá de los artefactos del proveedor.

El caso de contraste: lo que los lanzamientos de pesos abiertos siguen recurriendo a una fecha posterior

Las tres auditorías de octubre ahora se leen como tres patrones de divulgación. MiniMax M3.1 Flash envió los pesos cuatro días después de su lanzamiento de API y dejó que el archivo de licencia llevara las condiciones de compra — una línea de $20 millones de ingresos anuales con atribución (la auditoría del día de pesos). Kimi K3.1 Pro lanzó hoja-primero y completa en capacidad y precio, con los pesos y la licencia sin nombre hasta el 4 de noviembre. GPT-6.1 Terra publicó todo de una vez — y no ofrece pesos, nunca. La consecuencia interesante es asimétrica: los lanzamientos de pesos abiertos exponen a los compradores a un evento de lectura de licencia que puede reescribir la economía del auto-hospedaje después de la compra (la línea de $20 millones), mientras que el lanzamiento cerrado expone a los compradores a una dependencia de un solo proveedor que puede repreciar en la renovación. Ninguna es evitable; ambas son auditables, y una hoja que llega completa el primer día — con precios, puntajes y filas de seguridad verificables contra la página — es la divulgación que hace honesta la comparación. Este es el hermano de costo del argumento de el precedente de lanzamiento escalonado: lo que varía entre lanzamientos no es la afirmación de capacidad sino qué artefactos llegan primero, y la diligencia del comprador tiene que seguir los artefactos.

Una textura más de mercado que vale la pena archivar: los catálogos de agregadores alrededor de un lanzamiento no son hojas. Una tarjeta pre-lanzamiento de Terra que llevaba el precio equivocado y el estado equivocado sobrevivió menos de 48 horas contra la primaria, pero lo suficiente para terminar en una nota de enrutamiento. Un comprador que cita los números de un modelo desde un rastreador obtiene las barras de error del rastreador; la página de lanzamiento es la única superficie que carga los compromisos propios del lanzamiento.

Mapa de un minuto de la hoja y sus huecos:

Los dos paneles son la división que dibuja la diligencia del comprador: el lado turquesa es lo que el lanzamiento hizo verificable el 26 de octubre, el lado violeta es lo que solo el tiempo o terceros pueden asentar, y la franja coral es el registro completo de los patrones de divulgación de octubre. La tarjeta inferior es la regla en la que ha aterrizado este género: comprar por la hoja, auditar por los artefactos.

Lo que cambia en el enrutamiento esta semana

El ledger del nivel barato gana su fila nativa de OpenAI. El arco de colapso de costos de subagentes y uso de computadora ahora recorre: Haiku 5.5 → GPT-6.1 Sol/Luna → GLM-5.3 Flash → la instantánea 1017 de DeepSeek → MiniMax M3.1 Flash → Terra (el artículo ledger del nivel). Lo que distingue a Terra en ese ledger no es un número más bajo — los niveles flash de Kimi y de MiniMax enumeran precios absolutos más bajos — sino la clase de trabajo que reclama: uso preciso de computadora contra aplicaciones de escritorio, la carga de trabajo de OSWorld 2.1, a una banda de $1/$5 con un 95% de descuento de caché publicado. Que un proveedor cerrado se una al nivel del colapso de costos derrumba la última excusa para tratar los niveles baratos como exclusivos de modelos abiertos: el nivel ahora está preciado desde ambas direcciones.

El costo por tarea completada, no por token, sigue siendo el marco de decisión (el marco por tarea). La banda de precios de Terra no dice nada hasta multiplicarla por el tiempo de ejecución de la tarea y la participación de aciertos. La hoja da los insumos para calcularlo — precio por token, tarifa en caché y dos puntajes de benchmark que actúan como proxys de tokens por tarea en dos ajustes de esfuerzo. El esfuerzo es el otro eje de la factura: la fila de factualidad del 16.7% es la columna de volumen a esfuerzo bajo, mientras que la tasa del 4.3% vive tras el máximo esfuerzo, y el trabajo volumétrico rara vez la necesita.

La frontera de carga de trabajo que la hoja imprime es la frontera de enrutamiento. Terra es el nivel de la jornada laboral — propuestas, dibujos técnicos, formularios, registros de edición de video (publicación de lanzamiento) — con la programación más difícil explícitamente recurrida a Sol y Astra por el propio texto de OpenAI. El error más barato que un comprador puede cometer con una hoja completa es leer sus filas ganadoras como globales: el 50.3% en Terminal-Bench 4.0 no compite con el nivel de programación de frontera más difícil, y la hoja lo dice.

Lecturas relacionadas

• Kimi K3.1 Pro y la brecha de 0.7 puntos: leer la hoja de lanzamiento antes de los pesos del 4 de noviembre — la auditoría matriz de este género: el lanzamiento hoja-primero al que este artículo se contrapone, y el método de cinco comprobaciones para ejecutar sobre sus pesos del 4 de noviembre
• La línea de $20 millones en la licencia: el día de los pesos audita MiniMax M3.1 Flash — la auditoría de día de pesos que abrió el género: el evento de licencia que puede reescribir la economía del auto-hospedaje después de la compra
• Economía de la inferencia: por qué los agentes de producción always-on ahora son asequibles — el marco de costo por tarea que convierte las bandas de precios publicadas y las filas de caché en una decisión de enrutamiento

Un despliegue representativo

La mesa de operaciones de un distribuidor de equipos industriales de 300 personas ejecuta alrededor de 2,500 tareas semanales de agentes de uso de computadora — captura de detalle de facturas en NetSuite, consultas de precios en cuatro portales de proveedores e interpretación de dibujos técnicos para cotizaciones de equipos. La hoja de Terra mueve dos enrutamientos esta semana: la clase de formularios visuales de alto volumen (el trabajo de entrada de facturas y llenado de portales que el OSWorld 2.1 actúa como proxy) pasa a Terra a esfuerzo medio de razonamiento, donde la fila de Agents' Last Exam de +15 puntos se empareja con la banda de $1/$5 y la tarifa de entrada en caché de $0.05 que rinde contra su tráfico de prefijos repetidos; los trabajos de mantenimiento de terminal y de código se quedan en Sol y Astra, según la propia frontera de la hoja. La flota de auditoría de documentos se queda en Kimi K3.1 Pro a la espera de las comprobaciones del 4 de noviembre, y la tabla de enrutamiento lleva una columna que la hoja no puede responder — costo por tarea medido de forma independiente — que el equipo llena con sus propios registros de tokens después del primer ciclo de facturación, con la economía a esfuerzo max de Terra repreciada frente a las columnas de factualidad del 16.7%/4.3% antes de que algún flujo de trabajo cargado de verificación aterrice ahí.

Solicita un despliegue acotado. Una semana de descubrimiento. Obtienes un inventario de sistemas, un mapa de flujos de trabajo y un alcance fijo — construyas con nosotros o no.