GPT-6.1 Terra

Artículo original ↗ Discusión en Hacker News ↗

El lanzamiento por parte de OpenAI de GPT-6.1 Terra, un modelo de lenguaje de gran tamaño de gama media situado entre Luna y Sol, se está evaluando sobre todo por sus compensaciones entre precio y rendimiento y por su encaje en cargas de trabajo reales como redacción técnica, tareas de datos y uso del ordenador. Los comentaristas señalan que los benchmarks y las gráficas de coste por tarea sitúan a Terra cerca de modelos frontera más caros en algunas áreas, pero peor en pruebas de programación intensiva, lo que plantea dudas sobre si los desarrolladores deberían seguir prefiriendo Sol, Astra o modelos rivales como Opus de Anthropic y DeepSeek. El lanzamiento también reaviva la frustración por la línea de modelos de OpenAI, que cambia rápidamente, su esquema de nombres y sus restricciones de seguridad, que muchos ven como factores que dificultan elegir y estandarizar de forma fiable un único modelo a lo largo del tiempo.

Posicionamiento general y rendimiento

  • Terra 6.1 se presenta como un modelo de gama media entre Luna y Sol, tanto en precio como en capacidad.
  • Algunos lectores lo ven cercano a Sol/Astra a un costo mucho menor; otros señalan benchmarks (por ejemplo, Terminal Bench 4.0, AA Intelligence Index) donde claramente rinde peor que Sol y Opus 5.5.
  • Varios comentan que las curvas de benchmark están saturadas y pueden estar sesgadas por selección; la confianza en los benchmarks del proveedor es baja.
  • Los agregadores externos de evaluaciones citados en el hilo suelen mostrar a Sol 6.1 x‑high como más barato y más inteligente que Terra max en algunos conjuntos, pero Terra cubre un hueco de costo/rendimiento en otros.
  • PacBench, Runebench y un benchmark de analítica de datos muestran a Terra como un “modelo barato” fuerte y rápido, que queda en o cerca de la frontera de Pareto.

Casos de uso y público objetivo

  • Muchos piensan que Terra no está orientado a flujos de trabajo intensivos en SWE, sino a “trabajo de ordenador”: redacción técnica, automatización de oficina, tareas de visión/uso del ordenador, paneles y análisis de datos.
  • Varios comentaristas dicen que, para programación seria, prefieren Sol, Astra, Claude Opus/Fable o DeepSeek; Terra parece más atractivo para respuestas de help desk, question-to-SQL, revisiones de PR y agentes más baratos.
  • Para algunos entornos de programación, los costos de cambiar de modelo (fallos de caché) hacen que seguir con Sol sea más económico incluso cuando Terra podría ser “suficientemente bueno”.

Coste, planes y “coste por tarea”

  • El precio de la API de Terra (la mitad que Sol, 10× más barato que Astra) es atractivo para agentes en producción, donde el coste marginal importa.
  • Los usuarios de suscripción están divididos: quienes están en planes de tarifa plana sienten que las subidas de precio + los modelos más baratos reducen el valor del plan; otros argumentan que el coste por tarea realmente ha mejorado.
  • Hay escepticismo sobre la métrica de “coste por tarea”, vista por algunos como una maniobra de marketing tras los recortes en suscripciones, y sobre las comparaciones con Anthropic, donde los supuestos sobre el uso de tokens importan.

Nomenclatura, matriz de modelos y confusión

  • Tema recurrente fuerte: hay demasiados ejes para razonar — familia de modelo (Luna/Terra/Sol/Astra), versión (5.6/6/6.1), esfuerzo de razonamiento (none–max), además de modos “pro/instant”.
  • Los lanzamientos escalonados (Sol 6.1 antes que Terra 6.1, todavía sin Astra 6.1) hacen que las comparaciones entre generaciones (por ejemplo, Sol 6.1 vs Astra 6, Terra 6.1 vs Sol 6) sean confusas.
  • Algunos quieren nombres más simples por tamaño (small/medium/large), o modos de selección automática (“Auto medium”) que elijan por ellos un modelo+esfuerzo óptimos en la frontera de Pareto, o una línea estable al estilo LTS.
  • Un empleado de OpenAI explica la intención: Luna < Terra < Sol < Astra se basa principalmente en tamaño/precio; los números de versión siguen la generación; el esfuerzo es un “thinking budget” separado. Pero reconocen las compensaciones multidimensionales y agradecen sugerencias de nomenclatura.

Notas de comportamiento y limitaciones

  • Terra se describe como muy rápido, pero más verboso que Sol en niveles altos de esfuerzo.
  • Algunos usuarios observan que los modelos (incluidos Terra/Luna) se detienen antes de tiempo pese a las instrucciones, y rechazan ciertas tareas de ciberseguridad o de desbloqueo de GPU, lo que refuerza la demanda de modelos locales/sin restricciones.
  • El sentimiento general: técnicamente impresionante y potencialmente muy útil para cargas de trabajo de API/empresa, pero decepcionante para desarrolladores que esperaban una respuesta de OpenAI a Opus 5.5, y que añade más fatiga de modelos/opciones.