Cambiar a GPT-6.1 Terra es un cambio de una sola línea: establece el modelo como gpt-6.1-terra. Lo que ocurre después depende de la ruta de API que siga la solicitud. En la API Responses, Terra sigue las reglas de OpenAI: el nivel de razonamiento funciona, mientras que temperature o top_p devuelven HTTP 400. En la ruta Chat Completions de AIHubMix, se acepta el mismo parámetro temperature sin quejas y, en las pruebas de AIHubMix del 27 de octubre de 2026, reasoning_effort no produjo ninguna diferencia medible en solicitudes breves.
Así que la respuesta breve para la mayoría de los equipos es: pasa el tráfico de Terra a la API Responses, elimina los parámetros de muestreo y mantén cada carga de trabajo en una sola ruta. A continuación: los errores que verás, los problemas que no generan errores, las reglas de facturación que suelen sorprender, los permisos de los agentes y la configuración de Codex y Claude Code. Terra está disponible en la página del modelo GPT-6.1 Terra de AIHubMix, al precio de lista de OpenAI: $1 por millón de tokens de entrada, $0.05 por tokens de entrada en caché, $1.25 por una escritura en caché de 30 minutos y $5 por tokens de salida. La página de AIHubMix indica las mismas tarifas de entrada, salida y lectura de caché, pero no indica ninguna tarifa de escritura en caché.
Las reglas proceden de la guía de migración a GPT-6 de OpenAI y de la página del modelo Terra. Los textos de error y el comportamiento de la pasarela se basan en las pruebas de AIHubMix del 27 de octubre de 2026, realizadas con solicitudes breves al ID principal gpt-6.1-terra. La guía de modelos de AIHubMix indica que la mayoría de los errores 400 se propagan desde el proveedor ascendente y que se devuelven con el ID de seguimiento tid en el mensaje.
¿Qué ruta estás usando?
En esas pruebas, AIHubMix ofreció Terra a través de tres protocolos. No se comportan de la misma manera:
| Ruta | Control del nivel de razonamiento | temperature | Uso de herramientas |
|---|---|---|---|
| Responses | Funciona | 400 salvo que el nivel de razonamiento sea none | Documentado por OpenAI |
| Chat Completions | Sin efecto visible | Se acepta | No documentado |
| Anthropic Messages | Sin efecto visible | No probado | Se devolvió tool_use |
«Sin efecto visible» y «Se acepta» describen lo que midió AIHubMix el 27 de octubre con solicitudes breves. El uso de herramientas en Chat Completions devolvió llamadas a herramientas, pero OpenAI documenta el uso de herramientas en Terra únicamente para Responses.
Si empiezas desde cero, usa Responses. Si hoy funciona una integración con Chat Completions, lee sobre los fallos silenciosos antes de confiar en ella.
Los fallos evidentes
Estos devuelven HTTP 400 y detienen la solicitud.
"Parámetro no compatible: este modelo no admite 'temperature'."
Qué verás. Una llamada a la API Responses con temperature establecido y el nivel predeterminado (medium) devuelve:
Unsupported parameter: 'temperature' is not supported with this model.
Enviar top_p devuelve el mismo error, con top_p en lugar de temperature. El nivel de razonamiento predeterminado es medium, así que también ocurre si la solicitud no especifica ningún nivel.
Por qué. La guía de migración de OpenAI indica que, cuando el nivel de razonamiento no es none, hay que eliminar temperature, top_p y top_logprobs. En Responses, también hay que eliminar message.output_text.logprobs de include.
Cómo reproducirlo. Esta llamada curl a través de la API Responses de AIHubMix envía el mismo cuerpo que AIHubMix utilizó el 27 de octubre:
curl https://aihubmix.com/v1/responses \
-H "Authorization: Bearer $AIHUBMIX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6.1-terra",
"input": "Reply with the single word: ready.",
"temperature": 0.2
}'
La respuesta fue HTTP 400:
{"error":{"message":"Unsupported parameter: 'temperature' is not supported with this model. (tid: …)","type":"Aihubmix_api_error"},"type":"error"}
Solución. Elimina temperature y top_p de todas las rutas de llamada, incluidas las llamadas auxiliares, como las de resumen y clasificación, que quizá hayas pasado por alto. Si necesitas controlar el muestreo, establece el nivel de razonamiento en none: Terra lo admite y, en las pruebas de AIHubMix, una solicitud con el nivel none y "temperature": 0.2 devolvió 200. Una publicación en el foro de desarrolladores de OpenAI informa de la misma regla y señala que se bloqueó en GPT-6.1 Sol, que no tiene un nivel none.
{
"model": "gpt-6.1-terra",
"input": "Reply with the single word: ready.",
"reasoning": {"effort": "none"},
"temperature": 0.2
}
"Parámetro no compatible: este modelo no admite 'logprobs'."
Qué verás. Una llamada a Chat Completions con logprobs: true y reasoning_effort: "high" devolvió:
Unsupported parameter: 'logprobs' is not supported with this model.
Por qué. Se aplica la misma regla de OpenAI. Para Chat Completions, la guía añade logprobs a la lista de parámetros que hay que eliminar cuando el nivel de razonamiento no es none.
Solución. Elimina logprobs y top_logprobs. Si tu flujo de trabajo depende de ellos para calcular una puntuación de confianza, busca una alternativa antes de cambiar. AIHubMix no probó logprobs con el nivel none en Chat Completions.
«Unsupported value: 'minimal' is not supported…»
Qué verás. El código escrito para modelos anteriores de OpenAI que envía el nivel de razonamiento minimal genera este error:
Unsupported value: 'minimal' is not supported with the 'gpt-6.1-terra' model. Supported values are: 'none', 'low', 'medium', 'high', 'xhigh', and 'max'.
Por qué. Los niveles de razonamiento de Terra son none, low, medium, high, xhigh y max. No existe minimal.
Solución. La guía de OpenAI recomienda empezar con low y comparar los resultados en tareas representativas. Si elegiste el ajuste anterior para desactivar el razonamiento, none es la opción más parecida.
Los fallos silenciosos
Estos devuelven HTTP 200, así que nada en tus registros los señala. Se manifiestan más tarde como respuestas que no coinciden con tus ajustes, aciertos de caché perdidos o un agente que se detiene para hacer preguntas.
Chat Completions acepta temperature y parece ignorar el nivel de razonamiento
En la ruta Chat Completions de AIHubMix, temperature: 0.2 devolvió 200 sin especificar el nivel de razonamiento, con el nivel none y con el nivel high. top_p: 0.5 también devolvió 200. Esto tiene un efecto secundario: si tu conjunto de pruebas se ejecuta en Chat Completions, no detectará el error 400 que producirá el mismo código al pasarlo a Responses.
El nivel de razonamiento es el problema más importante. En las pruebas de AIHubMix del 27 de octubre, reasoning_effort en Chat Completions no produjo ninguna diferencia medible:
| Solicitud | Ruta | Nivel none | Nivel max |
|---|---|---|---|
| Lista de sumas de primos | Chat Completions | 181 y 258 | 293 y 234 |
| Lista de sumas de primos | Responses | 0 | 1,078 |
| Problema del bate y la pelota | Chat Completions | 24 | 25 |
Las cifras indican los tokens de razonamiento por solicitud. En Chat Completions, la solicitud sobre sumas de primos se ejecutó dos veces por ajuste.
En la breve solicitud sobre el problema del bate y la pelota, none, low, high, max y la ausencia total de un nivel especificado produjeron entre 24 y 27 tokens de razonamiento. En cambio, al enviar reasoning: {effort: "none"} como objeto, se obtuvieron 327 tokens en la solicitud sobre sumas de primos. En Responses, la misma solicitud produjo 0 tokens de razonamiento y 72 tokens de salida con el nivel none, y 1,078 tokens de razonamiento y 1,153 tokens de salida con el nivel max.
AIHubMix interpreta estos resultados como una señal de que, actualmente, la ruta Chat Completions ejecuta Terra con un nivel de razonamiento fijo, por lo que el ajuste no llega al modelo. Es una inferencia basada en unas cuantas solicitudes breves medidas únicamente en AIHubMix, no una regla general sobre Chat Completions. Las solicitudes más largas o difíciles podrían dar resultados distintos. Si el nivel de razonamiento afecta a los costes o a la calidad, establécelo en Responses, donde funciona claramente.
Las llamadas a herramientas funcionan en Chat Completions, pero no están documentadas
La guía de OpenAI indica que GPT-6.1 Terra admite Chat Completions, pero que el uso de herramientas requiere Responses. En AIHubMix, una solicitud de Chat Completions con una herramienta de función sí devolvió finish_reason: tool_calls. No dependas de esto: es un comportamiento no documentado que podría cambiar sin previo aviso. En Responses, una herramienta de función devolvió un elemento function_call, web_search devolvió llamadas de búsqueda y un mensaje, y una herramienta de función con async: true también devolvió 200. Pasa el tráfico de herramientas a Responses.
Los ajustes de pensamiento de Claude Code no tienen efecto en la ruta Messages
AIHubMix también responde con Terra a través de la API Anthropic Messages, el protocolo que usa Claude Code. El texto, tool_use y las imágenes en base64 devolvieron 200. El control del razonamiento no se mantuvo: al activar thinking con un presupuesto de 4,000 tokens se obtuvieron 24 tokens de pensamiento; output_config.effort: "high" produjo 26, y la solicitud sin ninguno de los dos ajustes produjo 25. La respuesta no incluye bloques de pensamiento, solo bloques de texto o de tool_use.
Responses y Chat Completions mantienen cachés independientes
AIHubMix envió a través de Responses un prefijo estable de desarrollador de unos 9,600 tokens. La llamada 1 escribió 9,623 tokens en la caché, y las llamadas 2 y 3 leyeron 9,623 tokens almacenados en caché. Justo después, una llamada a Chat Completions con el mismo prefijo no tuvo ningún acierto y volvió a escribir los 9,623 tokens. En una segunda prueba con otro prefijo se repitió el patrón: la llamada a Responses escribió 9,020 tokens; una llamada a Chat Completions con el mismo prefijo escribió 9,020 sin ningún acierto, y una llamada posterior a Chat Completions leyó 9,007 de la entrada escrita por la ruta Chat.
Por tanto, una carga de trabajo que alterna entre rutas paga dos veces cada escritura en caché. Elige una sola ruta para cada carga de trabajo.
Ajustes de caché de modelos anteriores
Si vienes de GPT-5.5 o una versión anterior, la guía de OpenAI indica que debes sustituir prompt_cache_retention por prompt_cache_options.ttl. El valor predeterminado es "30m". Responses ofrece una duración de "12h", que AIHubMix aceptó: el objeto de uso indicó las escrituras en cache_write_tokens_details.ttl_12h_tokens. En el modo explícito, si no hay ningún punto de ruptura, no se escribió nada, tal como indica la documentación de OpenAI.
Cambiar el nivel de razonamiento a mitad de una conversación
Cambiar reasoning.effort en la solicitud modifica el prefijo de la solicitud, lo que hace que pierdas el acierto de caché. OpenAI añadió el elemento de entrada configuration_update para este caso. Aumenta o reduce el nivel de razonamiento a partir de ese punto de la conversación y mantiene intacto el prefijo original. Una solicitud que lo incluía devolvió 200 a través de AIHubMix. La guía de OpenAI lo recomienda para solicitudes estándar con un solo agente.
El modelo pregunta antes de actuar
Las notas de OpenAI sobre la creación de prompts para GPT-6 indican que es más probable que la familia de modelos se detenga para hacer una pregunta al usuario cuando recibir más información podría cambiar el resultado, y que es más sensible a las instrucciones de las habilidades y los archivos, como AGENTS.md. Esas notas se redactaron para GPT-6 Astra, así que conviene comprobar si se aplican a Terra en lugar de darlas por sentadas. Si un agente que funcionaba sin supervisión con GPT-5.6 Terra ahora se detiene para pedir aprobación, la solución que propone la guía es indicar en el prompt qué autoriza ya la solicitud del usuario. También recomienda auditar todos los archivos de habilidades e instrucciones a los que pueda acceder el modelo.
El nivel de razonamiento predeterminado es medium, y max cuesta mucho más
El nivel de esfuerzo predeterminado de Terra es medium. Artificial Analysis midió unos 6,000 tokens de salida por tarea en su Intelligence Index con el nivel medium y unos 35,000 con max (25,000 de ellos de razonamiento), por $0.10 y $0.40 por tarea, respectivamente. Si aumentas el nivel de esfuerzo para resolver un problema de calidad, comprueba primero cómo afecta a la factura. Usuarios de Codex con planes de ChatGPT han comentado en Reddit que Terra con un nivel de esfuerzo alto consume rápidamente los límites del plan; en un caso, el 40% del límite de cinco horas en 20 minutos. Son experiencias anecdóticas, pero apuntan en la misma dirección.
Costes que pueden sorprender
Las tarifas de entrada, salida y lectura de caché de Terra son las mismas en AIHubMix que en OpenAI. Estas son las reglas que pueden hacer que la factura sea más alta de lo que sugiere el precio de lista.
| Concepto | Tarifa por 1M de tokens | Se aplica cuando |
|---|---|---|
| Entrada | $1 | Hasta 272K de entrada |
| Entrada en caché | $0.05 | Lectura de caché |
| Escritura en caché, 30 min | $1.25 | Duración predeterminada |
| Escritura en caché, 12 h | $2.50 | ttl establecido en 12h |
| Salida | $5 | Hasta 272K de entrada |
| Entrada, solicitud larga | $2 | Más de 272K de entrada |
| Salida, solicitud larga | $7.50 | Más de 272K de entrada |
La tarifa de escritura de 12 horas es la de OpenAI. La entrada de precios de Terra en AIHubMix solo incluye las tarifas de entrada, salida y lectura de caché: no especifica una tarifa de escritura en caché, un nivel para contexto largo ni un recargo de 12 horas. Por tanto, considera las tarifas de escritura y las tarifas para más de 272K indicadas arriba como tarifas publicadas por OpenAI, no como cargos confirmados de AIHubMix.
El umbral de 272K se aplica a toda la solicitud. La página del modelo Terra indica una ventana de contexto de 1,050,000 tokens, pero cuando la entrada supera los 272,000 tokens, se factura toda la solicitud al doble de las tarifas de entrada y caché, y a 1.5 veces la tarifa de salida. Una solicitud con 270,000 tokens de entrada y 20,000 de salida cuesta $0.27 + $0.10 = $0.37. Otra con 300,000 tokens de entrada y 20,000 de salida cuesta $0.60 + $0.15 = $0.75. Aproximadamente un 11% más de entrada cuesta casi el doble (sin caché en ninguno de los dos ejemplos).
El razonamiento se factura como salida. Los tokens de razonamiento cuentan como tokens de salida a $5 por millón, aunque nunca los veas. En la comprobación anterior de AIHubMix, la misma instrucción produjo 72 tokens de salida con none y 1,153 con max. Registra reasoning_tokens del objeto de uso en lugar de estimar el coste a partir de la longitud de la respuesta.
Las escrituras en caché se facturan. Según las reglas de caché de instrucciones de OpenAI para GPT-5.6 y versiones posteriores, una escritura cuesta 1.25 veces la tarifa de entrada para una duración de 30 minutos y 2.5 veces para 12 horas. Las lecturas cuestan 0.05 veces la tarifa de Terra. El prefijo mínimo que se puede almacenar en caché es de 1,024 tokens. Si el prefijo cambia en cada turno o el tráfico se reparte entre dos rutas, volverás a pagar la tarifa de escritura una y otra vez.
La búsqueda web se cobra por llamada. AIHubMix cobra web_search a $0.01 por solicitud en sus páginas de modelos de OpenAI, además de los tokens; la página de Terra todavía no desglosa el coste de la herramienta, así que inclúyelo en el presupuesto. En una comprobación, una sola pregunta activó dos llamadas de búsqueda.
Los descuentos de Batch y Flex son los de OpenAI. OpenAI ofrece un descuento del 50% a través de Batch y Flex, y el modo Fast cuesta el doble. AIHubMix devolvió 404 para GET /v1/batches ("The requested API endpoint does not exist."), por lo que no hay una ruta de Batch disponible. Un service_tier de flex o priority devolvió 200, pero la lista de precios de Terra de AIHubMix solo muestra las tarifas estándar, así que no cuentes con un descuento. Revisa el registro de uso si envías cualquiera de esos valores.
Agentes con permisos reales
OpenAI presenta Terra para el razonamiento visual y el uso de computadoras, y la herramienta de computadora integrada funciona a través de AIHubMix: una solicitud de Responses con {"type": "computer"} y una captura de pantalla devolvió un computer_call cuya primera acción fue una captura de pantalla. Antes de dar a un agente acceso de escritura, lee los resultados de agentes en la ficha del sistema GPT-6.1 Terra de OpenAI. Son evaluaciones propias de OpenAI, en su mayoría realizadas en simulaciones de bajo riesgo:
| Evaluación | Terra | GPT-6.1 Sol |
|---|---|---|
| Eludió una restricción explícita | 29.6% | Menor |
| Acción no autorizada tras mensajes de agentes pares | 13.75% | 1.25% |
| Señales de conciencia de la evaluación | 9.88% | 4.35% |
La tasa de elusión de Terra se midió con el nivel de esfuerzo max; la ficha del sistema sitúa a GPT-6.1 Sol por debajo. La cifra de agentes pares corresponde a 11 de 80 muestras.
En cuanto a la defensa contra la inyección indirecta de instrucciones, la tasa de Terra fue del 98.8%, frente al 96.2% de GPT-5.6 Terra. Es un buen resultado, pero no llega al 100%. Para una migración, lo más importante son dos resultados: es más probable que Terra que Sol actúe siguiendo instrucciones recibidas de otro agente, y a veces encuentra la forma de eludir una restricción indicada en sus instrucciones. Por tanto:
- Configura los permisos de las herramientas con denegación predeterminada y expón solo lo que la tarea necesite.
- Exige aprobación para escribir, hacer compras, transmitir datos y cualquier acción difícil de revertir.
- Trata los mensajes de otros agentes, igual que el contenido de la pantalla y los resultados de las herramientas, como entradas no confiables que no pueden otorgar permisos.
- Ejecuta el uso de computadora en un navegador o una VM aislados, con una lista de permitidos; establece límites de pasos y costes, y comprueba el resultado real en lugar de confiar en el mensaje final del modelo. Estas son las recomendaciones de OpenAI para el uso de computadoras.
Herramientas de programación: Codex y Claude Code
Codex (recomendado para Terra)
Codex se conecta a través de la API de Responses, la ruta en la que el nivel de esfuerzo de Terra funciona mediante AIHubMix. La guía de configuración config.toml de Codex de AIHubMix explica la configuración general. Para Terra, ~/.codex/config.toml se vería así:
model = "gpt-6.1-terra"
model_provider = "aihubmix"
model_context_window = 1050000
model_reasoning_effort = "medium"
[model_providers.aihubmix]
name = "AIHubMix"
base_url = "https://aihubmix.com/v1"
env_key = "AIHUBMIX_API_KEY"
wire_api = "responses"
- Mantén wire_api en responses. Es la ruta que respeta el nivel de esfuerzo y la que OpenAI documenta para las herramientas.
- Declara la ventana de contexto. Establece
model_context_windowen los 1,050,000 tokens de Terra. - Empieza con medium. Es el valor predeterminado de Terra. Dado lo que indican los informes sobre los límites de uso, aumenta el nivel de esfuerzo para las tareas difíciles, no de forma global.
- Reinicia después de editar. Reinicia Codex después de cambiar config.toml.
Claude Code
Claude Code funciona con Terra a través de la ruta Messages de AIHubMix. Configúralo siguiendo la guía de settings.json de Claude Code y usando gpt-6.1-terra como modelo. El uso de herramientas y las imágenes funcionaron en las comprobaciones de AIHubMix. Sin embargo, los ajustes de razonamiento y esfuerzo de Claude Code no afectaron al razonamiento de Terra, y no se devuelve ningún bloque de razonamiento. No puedes ajustar cuánto razona Terra desde Claude Code, así que Codex es la mejor opción para Terra.
Prueba rápida de 10-15 minutos
Hazla una vez con cada herramienta, en un repositorio pequeño que tenga un conjunto de pruebas:
- Inicia una sesión nueva con
gpt-6.1-terra. No continúes una sesión iniciada con otro modelo. - Pide: "Añade una prueba unitaria para una función de este repositorio, ejecuta las pruebas y corrige todo lo que falle".
- Esto es lo que debería ocurrir: el modelo lee archivos y ejecuta las pruebas, lo que confirma que las llamadas a herramientas funcionan. Continúa después de ver los resultados, lo que indica que se le devuelven los resultados de las herramientas. Termina con las pruebas aprobadas y sin ningún error 400 en la sesión.
- En el registro de uso de AIHubMix, comprueba que el modelo sea
gpt-6.1-terray que las solicitudes posteriores muestren tokens de entrada en caché para el prefijo estable. Si nunca aparecen, algo en el prefijo cambia en cada turno. - En Codex, repite la tarea con
lowy conmediumy compara los tokens de salida por turno. En una tarea que requiera pensar un poco,mediumdebería usar más. Si las cifras son iguales en todos los niveles, comprueba que las solicitudes se envíen a través de Responses. - Anota el tiempo por turno y los tokens de salida. Te servirán de referencia para elegir un nivel de esfuerzo.
Lista de verificación para la migración
- Establece el modelo en gpt-6.1-terra.
- Traslada las llamadas a herramientas y todo lo que dependa del nivel de esfuerzo a la API de Responses.
- Elimina temperature, top_p, top_logprobs y logprobs de todas las rutas de llamada, o establece el nivel de esfuerzo en none.
- Sustituye el nivel de esfuerzo minimal por low.
- Mantén cada carga de trabajo en una sola ruta para evitar escribir su caché dos veces.
- Sustituye prompt_cache_retention por prompt_cache_options.ttl.
- Usa configuration_update para cambiar el nivel de esfuerzo a mitad de la conversación.
- Procura que las solicitudes no superen los 272K tokens de entrada.
- Registra los tokens de razonamiento, los tokens en caché y los tokens de escritura en caché.
- Incluye en el presupuesto la búsqueda web a $0.01 por llamada y no cuentes con Batch a través de AIHubMix.
- Audita AGENTS.md y los archivos de habilidades, y especifica qué está autorizado a hacer el agente.
- Exige aprobación para las escrituras y trata los mensajes de agentes pares como entradas no confiables.
- Haz la prueba rápida en cada herramienta de programación.
Preguntas frecuentes
¿Por qué GPT-6.1 Terra devuelve "Unsupported parameter: 'temperature'"?
Porque el nivel de esfuerzo de razonamiento no es none. La regla de OpenAI para la familia GPT-6 es que hay que eliminar temperature, top_p y top_logprobs cuando el nivel de esfuerzo es distinto de none, y Terra tiene medium como valor predeterminado. Elimínalos o establece el nivel de esfuerzo en none si necesitas controlar el muestreo.
¿Por qué el mismo código funciona con Chat Completions?
En las comprobaciones del 27 de octubre de 2026, la ruta Chat Completions de AIHubMix aceptó temperature 0.2 y top_p 0.5 y respondió con un 200. Eso significa que las pruebas con Chat Completions no detectarán el error 400 que devuelve la API de Responses.
¿Funciona reasoning_effort en Chat Completions a través de AIHubMix?
En las comprobaciones de AIHubMix del 27 de octubre de 2026, no produjo ninguna diferencia medible en unas cuantas instrucciones breves: none y max dieron cantidades similares de tokens de razonamiento. No es una regla general, pero si el nivel de esfuerzo es importante para ti, establécelo en la API de Responses, donde funciona claramente.
¿Tengo que trasladar las llamadas a herramientas a la API de Responses?
Sí. OpenAI indica que las llamadas a herramientas en Terra requieren Responses. Una solicitud de Chat Completions con una herramienta de tipo función sí devolvió llamadas a herramientas a través de AIHubMix, pero es un comportamiento no documentado y no deberías depender de él.
¿Qué sustituye al nivel de esfuerzo minimal?
Terra admite none, low, medium, high, xhigh y max. OpenAI recomienda empezar con low y comparar los resultados en tareas representativas.
¿Está disponible Batch para Terra en AIHubMix?
No. Una llamada GET /v1/batches devuelve 404 en AIHubMix, así que no hay una ruta de Batch disponible; los descuentos del 50% de Batch y Flex son los de OpenAI. La lista de precios de Terra de AIHubMix muestra las tarifas estándar de entrada, salida y lectura de caché, que coinciden con los precios de lista de OpenAI.
¿Debería usar Codex o Claude Code con Terra?
Codex. Usa la API de Responses, donde el nivel de esfuerzo de Terra funciona mediante AIHubMix. Claude Code funciona a través de la ruta Messages, pero en las comprobaciones de AIHubMix sus ajustes de razonamiento y esfuerzo no afectaron a Terra.
Sigue leyendo: la serie GPT-6.1 Terra
- Si aún no has decidido si merece la pena cambiar de GPT-5.6 Terra, empieza por conocer las novedades y quién sale ganando: GPT-6.1 Terra vs GPT-5.6 Terra: la mitad de precio, qué ha cambiado y quién debería cambiarse
- Si estás migrando un agente de pantalla o de documentos y estás considerando el modelo de gama media de Anthropic, aquí tienes una comparación directa: GPT-6.1 Terra vs Claude Sonnet 5.5: ¿qué modelo de gama media elegir para agentes de pantalla y documentos?
- Si los resultados del agente anteriores te hacen dudar, o tus tareas de programación más complejas todavía necesitan el modelo más grande, esta publicación explica cómo repartir el trabajo entre ambos: GPT-6.1 Terra vs GPT-6.1 Sol: ¿qué tareas todavía necesitan Sol?
- Si las trampas de facturación de este artículo te han hecho revisar tus propios números, el desglose completo de costos analiza los niveles de esfuerzo, el umbral de 272K y el almacenamiento en caché con ejemplos detallados: Cuánto cuesta realmente GPT-6.1 Terra: niveles de esfuerzo, el umbral de 272K y el almacenamiento en caché
