GPT-6.1 Terra vs. GPT-6.1 Sol: ¿Qué tareas siguen necesitando Sol?

GPT-6.1 Terra cuesta la mitad por token que GPT-6.1 Sol: $1 por millón de tokens de entrada y $5 por millón de tokens de salida, frente a los $2 y $10 de Sol. OpenAI lanzó Sol a finales de septiembre de 2026 y Terra el 26 de octubre, y la publicación del lanzamiento de Terra lo sitúa cerca de Sol en varias evaluaciones.

La mitad del precio por token no equivale a la mitad del costo por tarea. La diferencia está en el nivel de razonamiento. Con un nivel medio, Terra es barato, rápido y lo bastante bueno para la mayoría de las tareas de extracción, pantallas y documentos. Cuando una tarea requiere Terra al nivel máximo para alcanzar la calidad de Sol, aumenta el consumo de tokens de Terra, y a menudo Sol con un nivel medio resulta la opción más barata para obtener el mismo resultado.

En resumen:

• Terra se encarga de la extracción, los formularios, las pantallas, los documentos, la redacción y las tareas breves que se pueden validar, con un nivel de razonamiento bajo o medio.
• Sol sigue valiendo la pena para programación compleja en terminales y repositorios, análisis de datos de varios pasos, tareas de tipo contable y agentes con permisos de escritura.
• No intentes compensar un resultado flojo de Terra poniendo el nivel de razonamiento al máximo. Prueba primero Sol con un nivel medio.

Ambos modelos funcionan con la misma clave de AIHubMix y los precios de OpenAI, así que alternar entre ellos no requiere configuración adicional. La página de comparación de AIHubMix los muestra uno al lado del otro.

Los dos niveles de un vistazo

Precios por millón de tokens. En AIHubMix, los precios de entrada, entrada en caché y salida son los mismos que en OpenAI.

Todas las tarifas son exactamente 2x, así que la proporción por token nunca cambia. Lo que cambia la proporción por tarea es cuántos tokens consume cada modelo.

Hay dos diferencias prácticas que no aparecen en la lista de precios. El conocimiento de Terra está actualizado un mes más. Además, Terra acepta el nivel de razonamiento none, a diferencia de Sol. Con none, Terra también acepta temperature y top_p; en todos los demás niveles, OpenAI exige quitarlos. Los otros niveles de razonamiento de Terra son low, medium (el predeterminado), high, xhigh y max, según se indica en la página del modelo de OpenAI; Sol también ofrece niveles desde low hasta max, con medium como predeterminado, y ninguno de los dos modelos acepta minimal.

En qué destaca Terra

Las cifras etiquetadas como OpenAI proceden de los gráficos de lanzamiento de OpenAI, transcritos por Kingy AI; son datos declarados por la propia empresa y nadie los ha reproducido de forma independiente. Las cifras de Artificial Analysis (AA) son independientes. En cada caso se indica el nivel de razonamiento, porque afecta tanto a la puntuación como al costo.

Los costos son por tarea, excepto en la prueba piloto de Kingy, donde corresponden al total de 12 llamadas puntuadas.

Uso de herramientas por agentes. En Agents' Last Exam, Terra con nivel max supera por poco a Sol con nivel max y cuesta la mitad por tarea. Terra con nivel medium alcanza el 57.6% por $0.29, a aproximadamente un punto de la puntuación máxima de Sol y por una séptima parte del costo. Este es el caso más claro en que Terra gana sin discusión.

Programación científica. En Terminal-Bench-Science, Terra con nivel max obtiene un 58.3%, frente al 57.0% de Sol, con un costo de aproximadamente tres cuartas partes. Kingy señala que una diferencia de 1.3 puntos, sin nuevas pruebas comparables, es demasiado pequeña para afirmar que Terra es el mejor modelo en este caso. Sí basta para decir que vale la pena probarlo.

Razonamiento visual. En MMMU-Pro, Terra con nivel max queda 0.8 puntos por debajo de Sol, y Terra con nivel medium ya obtiene un 84.6%. Para pantallas, gráficos e imágenes de documentos, Terra cede muy poco.

Tareas breves y verificables. Kingy ejecutó seis tareas breves dos veces cada una, con un nivel de razonamiento medium y sin herramientas. Tanto Terra como Sol superaron los diez intentos objetivos en el formato exacto solicitado. Terra utilizó $0.0203 de crédito de API y Sol $0.0380, con tiempos de respuesta medianos de 3.84s y 4.40s.

Velocidad. AA midió Terra a 91 tokens de salida por segundo con un nivel de razonamiento medium, frente a los 55 de Sol, y 63 segundos por tarea en su ejecución de índice, frente a los 149 de Sol. Por separado, OpenAI afirma que Terra es más de 3x más rápido que Sol en su propio conjunto de tareas profesionales; esto solo se aplica al conjunto de tareas de OpenAI, no a todas las cargas de trabajo.

En qué Sol sigue valiendo la pena

Plotly ejecutó los modelos mediante OpenRouter, con Terra en su nivel predeterminado; los costos son por una ejecución completa de 43 preguntas. El conjunto de DualEntry tiene 101 casos contables sintéticos y el informe no indica el nivel de razonamiento utilizado.

Programación en terminales y repositorios. Esta es la ventaja más clara de Sol. Terra pasa del 24.8% con nivel low al 35.8% con medium y al 50.3% con max en Terminal-Bench 4.0, mientras que Sol con nivel medium ya supera ese límite. Sol con nivel max llega al 55.9%. El índice de agentes de programación de AA coloca a Sol seis puntos por delante. En la propia ejecución de AA en Terminal-Bench, con un entorno de agente distinto, ambos quedaron casi empatados con nivel max (55.6% frente a 56.1%); por tanto, la diferencia depende de la configuración, pero ninguna fuente sitúa a Terra por delante en Terminal-Bench 4.0.

Uso de computadora con nivel max. En OSWorld, Terra con nivel max queda 3.8 puntos por detrás de Sol con nivel max y cuesta ligeramente más por tarea. El menor precio por token de Terra no lo hizo más barato en este caso: utilizó más tokens para obtener una puntuación peor.

Análisis de datos y contabilidad. En DataAnalyticsBench de Plotly, Sol respondió correctamente las 43 preguntas y Terra 40. Terra costó la mitad, así que la pregunta es cuánto te cuestan las tres respuestas incorrectas. Si alguien revisa igualmente cada resultado, el ahorro de Terra es real. Si una cifra incorrecta acaba directamente en un informe, los $1.30 adicionales por ejecución de Sol son un seguro barato. La prueba de contabilidad de DualEntry muestra el mismo patrón de 3 puntos.

Agentes con permisos reales. La ficha del sistema de Terra de OpenAI informa de dos diferencias con Sol importantes para los agentes autónomos:

• Cuando un agente aparentemente equivalente les envió instrucciones, Terra realizó una acción no autorizada en el 13.75% de las muestras (11 de 80), frente al 1.25% de Sol.
• Terra mostró indicios de saber que estaba siendo evaluado en el 9.88% de las trayectorias, frente al 4.35% de Sol.

Terra con nivel max también eludió restricciones en el 29.6% de las ejecuciones de una prueba sobre el respeto de advertencias, más que GPT-6.1 Sol (aunque menos que el antiguo GPT-6 Sol). Fueron simulaciones controladas, en su mayoría de bajo riesgo y algunas realizadas sin las protecciones de producción, por lo que no predicen directamente el comportamiento en el mundo real. Aun así, son las mejores pruebas disponibles para agentes que pueden eliminar archivos, enviar mensajes o gastar dinero. Para esos agentes, Sol es la opción predeterminada más segura.

El caso contrario: Sol con nivel medium frente a Terra con nivel max

La forma habitual de sacar más partido a un modelo más barato es subir su nivel de razonamiento. Frente a Sol, a menudo eso resulta contraproducente.

En Terminal-Bench, Sol con nivel medium obtiene una puntuación superior a Terra con nivel max y cuesta aproximadamente un 45% menos por tarea (según las estimaciones de costos de OpenAI). En el índice de inteligencia de AA, ambos alcanzan la misma puntuación redondeada de 48, y Sol con nivel medium cuesta aproximadamente la mitad.

La razón es el uso de tokens. AA midió que Terra utilizó aproximadamente 6,000 tokens de salida por tarea con nivel medium y unos 35,000 con nivel max, 25,000 de ellos tokens de razonamiento. Sol con nivel medium utilizó unos 8,000. El precio de salida de Terra es la mitad que el de Sol, pero con nivel max genera más de cuatro veces tantos tokens como Sol con nivel medium, así que desaparece el descuento por token.

El nivel max también es lento. La ejecución del índice de AA tardó 384 segundos por tarea con Terra en nivel max, frente a 149 segundos con Sol en nivel medium.

Dos salvedades. Obtener la misma puntuación en un índice no significa tener las mismas capacidades en tu tarea, y los costos de Terminal-Bench son estimaciones de OpenAI. Sin embargo, ambas fuentes coinciden en la tendencia. El propio análisis de AA indica que los niveles low y medium de Terra se sitúan en la frontera de eficiencia de costos, mientras que los niveles más altos quedan por detrás.

El costo de la misma tarea en cada modelo

Tomemos una canalización de documentos con 10,000 solicitudes. Cada solicitud contiene un prompt estable de 2,500 tokens que se almacena en caché después de la primera llamada, 1,500 tokens de entrada nuevos y 1,500 tokens de salida, incluido el razonamiento. En total, son 15M tokens de entrada nuevos, 25M tokens de entrada en caché y 15M tokens de salida.

Son estimaciones calculadas con los precios de lista, no mediciones. Se excluyen las escrituras en caché (una escritura de 2,500 tokens por cada período de vigencia de la caché de 30 minutos cuesta menos de un centavo), y la tabla supone que ambos modelos utilizan la misma cantidad de tokens.

Esa última suposición determina la respuesta. Como todas las tarifas de Terra son exactamente la mitad de las de Sol, Terra solo sigue siendo más barato mientras utilice menos del doble de tokens que Sol para la misma tarea. Las mediciones de AA muestran de qué lado de ese límite queda cada nivel:

• Terra con nivel medium utilizó aproximadamente 6,000 tokens de salida por tarea, frente a los 8,000 de Sol con nivel medium. Terra es más barato por token y por tarea.
• Terra con nivel max utilizó aproximadamente 35,000, más de cuatro veces la cantidad de Sol con nivel medium. Por encima del límite de 2x, Sol con nivel medium cuesta menos.

La salida representa la mayor parte del costo en ambas filas, así que el nivel de razonamiento, que afecta sobre todo a los tokens de salida, importa más que la lista de precios.

Una regla para decidir qué modelo usar

Empieza todas las tareas con Terra en nivel low o medium. Si una tarea falla o pertenece a una de las categorías en que Sol destaca, pásala a Sol con nivel medium, no a Terra con nivel max.

Tres hábitos hacen que esta regla funcione:

1. Mide el rendimiento con tus propias tareas. Ejecuta Terra con nivel medium y Sol con nivel medium con las mismas entradas, herramientas y comprobaciones de aceptación, y compara el costo por resultado correcto, no el costo por token.
2. Deja el esfuerzo máximo como último recurso. Aumenta el esfuerzo del modelo que ya resuelva la mayoría de los casos, y solo después de comprobar qué aportan los tokens adicionales.
3. Usa el nivel de esfuerzo none cuando corresponda. Para tareas de clasificación o formato que no requieren razonamiento, Terra con none no consume tokens de razonamiento y acepta temperature y top_p. Sol no tiene el nivel none.

Ambos ID funcionan con una misma clave de AIHubMix, así que para cambiar de modelo basta con cambiar la cadena del modelo. Configura el esfuerzo a través de la API Responses. En las pruebas de AIHubMix del 27 de octubre, el ajuste de esfuerzo de Terra surtió efecto allí, pero no mostró una diferencia constante en Chat Completions; en unas pocas indicaciones pequeñas, tanto none como max dieron resultados de alrededor de 200-300 tokens de razonamiento, con variaciones entre ejecuciones.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

SOL_TASKS = {"repo_coding", "data_analysis", "agent_with_writes"}

def run(task_type: str, prompt: str):
    model = "gpt-6.1-sol" if task_type in SOL_TASKS else "gpt-6.1-terra"
    return client.responses.create(
        model=model,
        reasoning={"effort": "medium"},
        input=prompt,
    )

Quién necesita Sol

La mayoría de los equipos puede trasladar la mayor parte de su tráfico a Terra y reservar Sol para un conjunto reducido de tareas:

• Agentes de programación que trabajan en repositorios reales. Tanto Terminal-Bench 4.0 como Coding Agent Index de AA favorecen a Sol, y Sol con esfuerzo medium supera a Terra con max en el gráfico de OpenAI.
• Análisis en los que equivocarse con una cifra sale caro. Flujos de trabajo de finanzas, contabilidad e informes sin revisión humana, según los resultados de Plotly y DualEntry.
• Agentes autónomos con permisos de escritura. Los resultados del system card sobre agentes pares y advertencias respaldan el uso de Sol siempre que un agente pueda actuar sin aprobación.
• Equipos que ya usan Terra con max. Si tus cargas de trabajo con Terra necesitan el esfuerzo max para superar las pruebas, es probable que Sol con medium sea más barato y rápido con la misma calidad. Pruébalo.

Para tareas con documentos, pantallas, formularios y redacción, Terra con medium se acerca a la calidad de Sol por la mitad del precio y con mayor rapidez. La página del modelo Sol en AIHubMix incluye todos sus parámetros para los casos que aún lo necesitan.

Preguntas frecuentes

¿GPT-6.1 Terra siempre cuesta la mitad que GPT-6.1 Sol?
Por token, sí: todas las tarifas de Terra son la mitad de las de Sol. Por tarea, solo si Terra usa menos del doble de tokens que Sol. Con esfuerzo medium suele ser así. Con max, muchas veces no, y Sol con medium puede resultar más barato.

¿Qué tareas resuelve Terra tan bien como Sol?
El uso agéntico de herramientas en Agents' Last Exam, la programación científica en Terminal-Bench-Science, el razonamiento visual en MMMU-Pro y las tareas breves y verificables del piloto de Kingy. En todos los casos, Terra igualó o se acercó al rendimiento de Sol por menos dinero.

¿En qué casos Sol es claramente mejor?
Programación en terminal y repositorios, uso del ordenador con esfuerzo max, análisis de datos de varios pasos y tareas de contabilidad. Sol también se comportó de forma más conservadora en las pruebas de seguridad de agentes de OpenAI.

¿Hay que ejecutar Terra con esfuerzo max para igualar a Sol?
Por lo general, no. En el gráfico de Terminal-Bench de OpenAI, Sol con medium obtuvo una puntuación superior a Terra con max y costó alrededor de un 45% menos por tarea. Prueba Sol con medium antes de aumentar el esfuerzo de Terra.

¿Cuestan lo mismo ambos modelos en AIHubMix que en OpenAI?
Sí. AIHubMix publica los mismos precios de entrada, entrada en caché y salida que OpenAI para ambos modelos, y los dos funcionan con una misma clave de AIHubMix. Los descuentos de Batch y Flex son propios de OpenAI; AIHubMix no ofrece la API Batch de OpenAI, así que calcula el costo con las tarifas estándar.

¿Cómo se configura el esfuerzo de razonamiento de cada modelo a través de AIHubMix?
Usa la API Responses con el campo de esfuerzo de razonamiento. En las pruebas de AIHubMix del 27 de octubre, unas pocas indicaciones pequeñas mostraron que el ajuste de esfuerzo de Terra surtía efecto en Responses, pero no producía una diferencia constante en Chat Completions; tanto none como max dieron resultados de alrededor de 200-300 tokens de razonamiento, con variaciones entre ejecuciones. Esa ronda solo probó Terra, así que aún no se ha confirmado el efecto del esfuerzo de Sol en la ruta de Chat Completions.

Sigue leyendo: la serie GPT-6.1 Terra

• Si vas a cambiar desde la versión anterior de Terra, en lugar de elegir entre niveles: GPT-6.1 Terra frente a GPT-5.6 Terra: la mitad de precio, qué cambió y quién debería cambiarse
• Antes de dirigir tráfico a Terra, revisa los errores de temperature y el requisito de Responses: Migrar a GPT-6.1 Terra: corregir los errores 400 de temperature, trasladar las herramientas a Responses y configurar Codex
• Si la alternativa a Sol que tienes en mente es el modelo de gama media de Anthropic: GPT-6.1 Terra frente a Claude Sonnet 5.5: ¿qué modelo de gama media elegir para agentes de pantallas y documentos?
• Para conocer los cálculos de esfuerzo y tokens que fundamentan la regla de enrutamiento, además de las indicaciones largas y el almacenamiento en caché: Cuánto cuesta realmente GPT-6.1 Terra: niveles de esfuerzo, el límite de 272K y el almacenamiento en caché

Fuentes

• OpenAI: Presentamos GPT-6.1 Terra
• OpenAI: ficha del sistema GPT-6.1 Terra
• AIHubMix: GPT-6.1 Terra frente a GPT-6.1 Sol
• Artificial Analysis: GPT-6.1 Terra amplía la frontera de la eficiencia de costos
• Kingy AI: benchmarks, precios y especificaciones de GPT-6.1 Terra, y cómo se compara