GPT-6.1 Terra vs GPT-6 Astra: precios, límites y pruebas

GPT-6.1 Terra tiene tarifas estándar por token más bajas que GPT-6 Astra para solicitudes con hasta 272.000 tokens de entrada. En tres pruebas sintéticas diseñadas por el autor de The New Stack, Astra obtuvo una puntuación total más alta, mientras que Terra acumuló menos tiempo y un coste estimado menor. Son resultados de tareas concretas, no una clasificación general para cualquier uso.

Tarifas de la API y límites de los modelos

Para solicitudes estándar con hasta 272.000 tokens de entrada, OpenAI publica tarifas por millón de tokens de 1 USD de entrada y 5 USD de salida para Terra, frente a 10 USD y 50 USD para Astra. La entrada en caché tiene otra tarifa, y las solicitudes con más de 272.000 tokens de entrada pasan a un tramo distinto. OpenAI detalla sus tarifas de API.

Todas las tarifas de la tabla son estándar y corresponden a un millón de tokens, en el orden indicado. OpenAI también publica Batch y Flex a la mitad de la tarifa estándar, Fast al doble y un recargo del 10 % para los endpoints que admiten procesamiento regional. El coste final depende del consumo de tokens y de los cargos por herramientas, si los hay.

En las especificaciones publicadas, ambos modelos admiten entrada de texto e imágenes, generan texto, tienen una ventana de contexto de 1.050.000 tokens, un máximo de entrada de 922.000 y un máximo de salida de 128.000. La diferencia en los ajustes de razonamiento es que Terra incluye none, además de low, medium, high, xhigh y max; Astra empieza en low. En Terra, OpenAI indica que las llamadas a herramientas requieren la Responses API. La ficha de GPT-6.1 Terra y la de GPT-6 Astra describen los modelos para usos distintos: Terra para tareas como razonamiento visual, uso preciso del ordenador y escritura; Astra para trabajos exigentes de razonamiento, programación, investigación y uso del ordenador. El contexto previo sobre Astra como agente está en nuestro artículo sobre GPT-6 Astra.

Qué puntuación obtuvo cada modelo

En las tres tareas sintéticas que el autor de The New Stack diseñó y ejecutó una vez por modelo, a esfuerzo de razonamiento alto, Astra sumó 148 de 150 puntos y Terra, 121 de 150. Las puntuaciones por tarea fueron:

En la tarea de validación, Terra señaló 35 de los 40 registros inválidos y no marcó ninguno de los válidos; Astra encontró los 40 inválidos. En el ejercicio SQL, que incluía tiempos de 151 compilaciones, Astra respondió 31.022 segundos frente a los 31.428 que el autor daba como total correcto. En el triaje, ambos modelos identificaron un cambio de configuración en el servicio de contabilidad y tres servidores con relojes incorrectos en un escenario con unas 7.000 líneas de registro y más de 20 servicios.

Tiempo y coste estimados en esas pruebas

Al sumar las tres ejecuciones, el autor comunicó 258,8 segundos para Terra y 709,2 para Astra. Estimó el coste de tokens en 0,61 USD para Terra y 7,88 USD para Astra, usando tarifas estándar sin caché y excluyendo herramientas y ajustes de facturación. Son estimaciones para esas ejecuciones, no importes de factura. En estas tareas, Terra tardó menos y tuvo un coste estimado inferior, pero obtuvo menos puntos en el total.

El autor utilizó datos sintéticos y explica que las tareas no representan una muestra del trabajo cotidiano. También eligió las versiones finales, más difíciles, después de que versiones anteriores arrojaran puntuaciones iguales. Aunque ambos modelos se ejecutaron con esfuerzo alto, esa configuración no garantizaba el mismo presupuesto de tokens de razonamiento.

Benchmarks adicionales recogidos en un vídeo

Lifey Guy presenta en inglés otra comparación y atribuye a Artificial Analysis tres resultados distintos: 48 para Terra y 53 para Astra en Intelligence Index v4.3; 56 % y 59 %, respectivamente, en Terminal-Bench 4.0; y 55 % y 56 % en SciCode. Son cifras de benchmarks separadas de las tres tareas sintéticas descritas arriba.

Las tres tareas sintéticas no fueron pruebas de ingeniería de software. Por eso, su puntuación no determina cuál de los dos modelos es mejor para programar o para el trabajo cotidiano. Para comparar tarifas estándar en solicitudes de hasta 272.000 tokens de entrada, Terra tiene el precio por token más bajo; para esas tres tareas, Astra logró la puntuación total más alta y ambos empataron en triaje de incidentes.