GPT-6.1 Terra, el uso del ordenador a precio de oficina

El 26 de octubre, OpenAI lanzó GPT-6.1 Terra, un modelo que lee lo que hay en una pantalla y maneja el software que aparece en ella haciendo clic y escribiendo, como lo haría una persona. El uso del ordenador ya era la función estrella de GPT-6 Astra en septiembre. Lo nuevo es el precio: Terra cuesta 1 dólar por millón de tokens de entrada y 5 dólares por millón de tokens de salida, una décima parte del precio por token de Astra. A ese nivel, la pregunta ya no es si una empresa puede permitirse un agente frente a la pantalla, sino dónde debería dejarlo trabajar.

Qué es

Terra sustituye a GPT-5.6 Terra en la franja media de la gama de OpenAI, por debajo de Sol y Astra y por encima de Luna. OpenAI dice que destaca en «las tareas de comunicación y con ordenador que llenan la jornada laboral», desde redactar propuestas e interpretar planos técnicos hasta rellenar formularios y editar vídeos. Está disponible para los usuarios de Plus, Pro, Enterprise y Edu en ChatGPT Work, el modo agente que realiza trabajo en otras apps y navegadores, y en Codex. Los desarrolladores lo usan a través de la API como gpt-6.1-terra.

OpenAI dice que el precio estándar de la API es un 50 por ciento más bajo que el de GPT-5.6 Terra y GPT-6.1 Sol, con la entrada en caché a 0,05 dólares por millón de tokens. Su propio ejemplo de lo que eso hace viable es el trabajo de gran volumen, como leer las facturas entrantes e introducir sus datos en el software de contabilidad. En ChatGPT Work y Codex, afirma, la misma cuota del plan cubre ahora más tareas que con los modelos anteriores.

Qué muestran las cifras

OpenAI midió el uso del ordenador con Agents’ Last Exam, un conjunto de tareas profesionales como convertir planos arquitectónicos en un modelo 3D. Con esfuerzo medio, Terra obtiene un 57,6 por ciento, 15 puntos más que GPT-5.6 Terra, a 0,29 dólares por tarea frente a 0,84. Eso iguala a Astra con el mismo esfuerzo. Con esfuerzo máximo, Terra llega al 60 por ciento por 1,01 dólares por tarea, mientras que Claude Opus 5.5, de Anthropic, obtiene un 63,2 por ciento por 8,82 dólares en el mismo gráfico. OpenAI también dice que Terra termina las tareas más de tres veces más rápido que Astra y GPT-6.1 Sol.

La prueba de escritorio es menos halagadora. En OSWorld 2.1, donde los agentes completan tareas de varios pasos en apps de escritorio, Terra llega al 74,2 por ciento con esfuerzo máximo, frente al 57,1 de su predecesor. El propio gráfico de OpenAI sitúa a Claude Sonnet 5.5 en el 83,9 por ciento, y a GPT-6.1 Sol en el 78 por ciento por 1,15 dólares por tarea, algo menos que los 1,19 de Terra. Un precio por token más bajo no siempre significa un precio más bajo por tarea terminada.

Todas estas cifras son de OpenAI y aún no se han verificado de forma independiente. La propia OpenAI dice que Sol y Astra siguen siendo la mejor opción para el trabajo de programación más complejo.

Dónde encaja y dónde no

El uso del ordenador se gana su sitio donde no hay otra forma de entrar en un sistema: un viejo programa de escritorio sin interfaz para otro software, el portal de un proveedor o de la administración, un formulario que hay que rellenar a mano, un paso de back office en el que alguien copia de una ventana a otra. Pareekh Jain, de EIIRTrend, dijo a InfoWorld que Terra es «ideal para tareas de gran volumen como el procesamiento de facturas, el análisis de documentos, la automatización de aplicaciones y la programación rutinaria».

Donde existe una API o una integración como es debido, sigue siendo la mejor vía, en nuestra opinión. Una llamada a un sistema de contabilidad o funciona o devuelve un error, mientras que un clic cae donde la pantalla resulte estar tras la última actualización. Una integración es más rápida, no necesita un flujo de capturas de pantalla y puede limitarse exactamente a las acciones que necesita. Sanchit Vir Gogia, de Greyhound Research, planteó el argumento económico: «Una inferencia más barata mejora un componente de la economía de los agentes». La revisión y la integración siguen costando dinero y, en sus palabras, «lo que de verdad se compra es trabajo terminado que sigue siendo correcto y autorizado».

Qué puede salir mal

OpenAI sitúa a Terra en el nivel crítico de ciberseguridad de su Preparedness Framework y le aplica las mismas salvaguardas que a Astra. Dice que Terra mostró «una fuerte resistencia a instrucciones maliciosas diseñadas para desviarlo de la tarea del usuario» en sus pruebas de inyección de prompts, y que se mantiene dentro de su ámbito más a menudo que su predecesor. En una simulación del uso interno de Codex, generó alrededor de un 42 por ciento menos de alertas graves que GPT-6 Sol.

La ficha de sistema también contiene cifras menos cómodas. Cuando Terra se topó con una barrera, como un error de acceso denegado, terminó la tarea por otra vía que «vulneraba el espíritu de la restricción» en el 29,6 por ciento de las ejecuciones con esfuerzo máximo, más a menudo que Astra, Luna o GPT-6.1 Sol, aunque menos que GPT-6 Sol. OpenAI señala que esta prueba se hizo sin controles a nivel de sistema, «muchos de los cuales probablemente habrían frenado esas elusiones». Ante mensajes que parecían venir de otros agentes, Terra llevó a cabo la acción no autorizada en 11 de 80 muestras, frente a 1 de GPT-6.1 Sol.

Para una empresa, los riesgos son concretos. Un texto en una página o en un documento puede intentar dar órdenes al agente, un clic equivocado puede modificar datos reales, y un agente que inicia sesión necesita credenciales que alguien tiene que custodiar. Las aprobaciones y un registro completo importan más que cualquier benchmark.

Cómo empezar

Elige una tarea concreta y reversible, como introducir facturas de proveedores en una empresa de prueba o descargar extractos de un portal a una carpeta. Da al agente su propia cuenta con el mínimo acceso que necesite la tarea, nunca la cuenta de una persona, y mantén las contraseñas fuera de lo que puede ver. Hazlo funcionar bajo supervisión, con una persona que apruebe cada paso que envíe, pague, borre o presente algo, y guarda un registro de cada acción.

Después, compáralo con la forma manual, en la línea que propone Jain: tareas completadas, precisión, tiempo, coste por tarea y con qué frecuencia tuvo que intervenir una persona. Solo cuando esas cifras se sostienen se gana una segunda tarea.

Dónde estamos

Nosotros lo usaríamos en ese orden: primero las integraciones, la pantalla donde no hay otra forma de entrar. Twin, el cerebro de IA que construimos para empresas, funciona en Claude, ChatGPT y Codex y se conecta a los sistemas de una empresa mediante integraciones y servidores MCP que construimos nosotros, con aprobaciones y permisos por rol y cada paso registrado. Helm, todavía en desarrollo, es nuestra visión de una empresa dirigida por agentes, con el fundador aprobando en los puntos clave. Un modelo más barato frente a la pantalla lo hace más asequible. No cambia quién responde del clic.