GPT-6.1 Terra cuesta la mitad que GPT-6.1 Sol en cada línea de la tarifa: $1/$5 por millón de tokens frente a $2/$10. OpenAI afirma que Terra termina las tareas más de tres veces más rápido en promedio. Sol sigue siendo el modelo más potente, por 6 puntos en el Coding Agent Index de Artificial Analysis (54 frente a 48), y la propia OpenAI recomienda Sol o GPT-6 Astra para la codificación más compleja y la investigación en profundidad.
Así que la pregunta no es cuál es mejor. Es si tu carga de trabajo necesita esa diferencia. Esta comparación pone las especificaciones, los precios, los benchmarks y las diferencias de API una al lado de la otra y termina con una regla de enrutamiento que puedes usar. Para conocer los antecedentes de cada modelo, consulta qué es GPT-6.1 Terra y qué es GPT-6.1 Sol.
Comparación lado a lado
| GPT-6.1 Terra | GPT-6.1 Sol | |
|---|---|---|
| ID del modelo en la API | gpt-6.1-terra |
gpt-6.1-sol |
| Fecha de lanzamiento | 26 de octubre de 2026 | 29 de septiembre de 2026 (DevDay) |
| Entrada / en caché / salida (por 1M) | $1.00 / $0.05 / $5.00 | $2.00 / $0.10 / $10.00 |
| Escritura de caché, 30 min | $1.25 | $2.50 |
| Ventana de contexto | 1,050,000 | 1,050,000 |
| Entrada / salida máximas | 922,000 / 128,000 | 922,000 / 128,000 |
| Esfuerzo de razonamiento |
none a max
|
low a max (sin none) |
| Endpoints | Responses, Chat Completions, Batch | Responses, Chat Completions, Batch |
| Velocidad (OpenAI) | Más de 3x más rápido en promedio | Línea base |
| Posicionamiento de OpenAI | Rápido y eficiente: redacción, comprensión visual, uso de computadora | Todo terreno sólido para codificación difícil e investigación |
Los precios son tarifas Standard para prompts de hasta 272K tokens de entrada, de la página de precios de OpenAI. Ambos modelos comparten la misma regla para prompts largos: por encima de 272K tokens de entrada, toda la solicitud se factura con tarifas de entrada y caché de 2x y de salida de 1.5x.
Precio: Terra es exactamente la mitad
Cada tarifa de Terra es la mitad de la de Sol. Eso simplifica la comparación de costos: para los mismos recuentos de tokens, Terra cuesta un 50% menos. Tomemos un paso de agente con un prefijo en caché de 100,000 tokens, 8,000 tokens de entrada nuevos y 2,000 tokens de salida:
| GPT-6.1 Terra | GPT-6.1 Sol | |
|---|---|---|
| Entrada en caché (100K) | $0.0050 | $0.0100 |
| Entrada nueva (8K) | $0.0080 | $0.0160 |
| Salida (2K) | $0.0100 | $0.0200 |
| Por llamada | $0.0230 | $0.0460 |
| Por 10,000 llamadas | $230 | $460 |
Los recuentos de tokens no serán idénticos en la práctica: el modelo que razona más tiempo gasta más salida. Pero que Terra sea más rápido sugiere que no compra su velocidad con tokens adicionales. Artificial Analysis midió $0.40 por tarea para Terra con esfuerzo máximo en su suite. Nuestra guía de precios de GPT-6.1 Terra tiene la tarifa completa y sus variantes Batch, Flex y Fast.
Un dato más: Terra en modo Fast cuesta $2/$10, exactamente el precio Standard de Sol. Si estás pagando precios de Sol, puedes elegir entre la capacidad adicional de Sol y Terra a mayor velocidad.
Benchmarks: una diferencia estrecha
| Benchmark | GPT-6.1 Terra | GPT-6.1 Sol | Fuente |
|---|---|---|---|
| Coding Agent Index v2.0 | 48 | 54 | Artificial Analysis |
| Intelligence Index, esfuerzo máximo | 4 puntos por debajo de Sol | Línea base | Artificial Analysis |
| Terminal-Bench 4.0, esfuerzo máximo | 50.3% | Igualado por Terra al máximo | OpenAI; Artificial Analysis |
| Agents’ Last Exam | A la par de GPT-6 Astra según OpenAI | n/a | OpenAI |
| Velocidad de tarea | Más de 3x más rápido en promedio | Línea base | OpenAI |
Las cifras provienen de los materiales de lanzamiento de OpenAI y de Artificial Analysis. Artificial Analysis dice que la puntuación de Terra en Terminal-Bench 4.0 “ahora rivaliza” con GPT-6.1 Sol con esfuerzo máximo. Ninguna fuente que encontramos publica las puntuaciones de ambos modelos en el mismo gráfico para cada benchmark, así que toma la tabla como la dirección y el tamaño de la diferencia, no como un ranking exacto.
El patrón es consistente entre las fuentes: Sol lidera, por un solo dígito, en el trabajo de codificación agéntica más difícil. En tareas de terminal y trabajo de agente general, Terra está cerca. Para tener una idea de la escala, Terra se sitúa 10 puntos por encima de GPT-6 Luna en el mismo Intelligence Index, así que el salto de Sol a Terra es menos de la mitad del salto de Terra a Luna.
Fiabilidad
La mayor mejora individual de Terra está en las alucinaciones. Artificial Analysis midió una tasa de alucinación del 38% en su prueba AA-Omniscience, por debajo del 88% de GPT-5.6 Terra. En la prueba interna de factualidad de OpenAI, la tasa de error de Terra con esfuerzo máximo es del 4.3%, que OpenAI dice que “casi” iguala a GPT-6 Astra y GPT-6.1 Sol. Con esfuerzo bajo es del 16.7%.
La conclusión: con esfuerzo alto, Terra y Sol cometen una proporción similar de errores factuales en la prueba de OpenAI. La ventaja de Sol está en el razonamiento más difícil, no en la precisión básica.
Diferencias de API que afectan tu código
La mayoría del código se ejecuta en cualquiera de los dos modelos cambiando solo el ID del modelo. Tres diferencias importan:
-
Esfuerzo
none. Terra admitereasoning.effort: "none"; Sol no. Un desarrollador en el foro de la comunidad de OpenAI informa quenoneen Terra también te permite establecertemperatureytop_p. Si moviste un trabajo de clasificación fuera de GPT-6 Sol porque 6.1 Sol eliminónone, Terra lo recupera. - Economía de caché. La entrada en caché es de $0.05 en Terra y $0.10 en Sol. Los agentes que reutilizan prefijos largos ahorran proporcionalmente más con Terra.
- Lógica sensible a la velocidad. Si tu interfaz transmite en streaming a un usuario o tu agente ejecuta muchos pasos secuenciales, la velocidad de Terra cambia la experiencia. La cifra de 3x de OpenAI es un promedio entre sus tareas; mide la tuya.
Ambos admiten las mismas herramientas alojadas en la API de Responses, incluidas computer_use, web_search, file_search, code_interpreter y mcp. La guía de la API de GPT-6.1 Terra y la [guía de la API de GPT-6.1 Sol](https://apidog.com/es/blog/gpt-6-1-sol-api?utm_source=dev.to&utm_medium=wanda&utm_content=n En ChatGPT y Codex
Ambos están en ChatGPT Work y Codex para planes de pago, y ninguno está en Free o Go. Para Terra, OpenAI indica Plus, Pro, Enterprise y Edu. La diferencia práctica es el uso: OpenAI dice que tu cuota de Work y Codex rinde “mucho más” con Terra que con GPT-6.1 Sol o GPT-6 Astra. Si alcanzas los límites de Codex con Sol, ejecutar tareas rutinarias en Terra (codex -m gpt-6.1-terra, Codex CLI 0.159.0 o posterior) estira el mismo plan. Nuestra [guía de límites de uso de Codex](https://apidog.com/es/blog/codex-usage velocidad y el costo por paso se acumulan.
- Extracción y clasificación que necesitan más de lo que Luna puede dar, especialmente con esfuerzo
none.
Usa GPT-6.1 Sol para:
- Refactorizaciones grandes de varios archivos y trabajo de arquitectura.
- Cadenas de investigación largas donde un paso equivocado descarrila el resultado.
- Tareas en las que Terra ya ha fallado. La propia OpenAI dirige la codificación más difícil a Sol o Astra.
Una regla de enrutamiento que funciona: usa Terra por defecto y escala a Sol cuando una tarea falle sus comprobaciones o coincida con una categoría conocida como difícil. Con una diferencia de precio del 50/50, incluso enviando un tercio de tu tráfico a Sol,apidog.com/es/blog/gpt-6-1-sol-vs-claude-sonnet-5-5?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation) cubre el nivel de $2/$10.
Deja que tu agente de codificación ejecute la comparación con Apidog CLI
Los benchmarks te hablan de las tareas de otra persona. La forma más rápida de decidir es ejecutar tus propios prompts en ambos modelos y comparar, y tu agente de codificación puede hacerlo con Apidog CLI.
Configúralo una vez:
npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install
Luego dale a Claude Code, Codex o Cursor un solo [REDACTED PROMPT]
In Apidog project , create a test case for POST https://api.openai.com/v1/responses
that sends model {{MODEL}} at reasoning effort medium, iterating over the 20 prompts in
prompts.csv. Assert status 200 and that each output passes our JSON schema. Run it with
MODEL=gpt-6.1-terra and MODEL=gpt-6.1-sol against the environment, then report
pass rate, average output tokens and estimated cost for each model.
El agente valida el payload, crea el caso y ejecuta --project <id> -e <envId> -d prompts.csv --env-var "MODEL=gpt-6.1-sol" -r cli,json
Si la tasa de aprobación de Terra coincide con la de Sol en tus prompts, has reducido la factura a la mitad con evidencia. Si no coincide, las filas fallidas te indican qué tareas enrutar a Sol. Mantén la comparación en CI con -r junit (guía de CI/CD de Apidog CLI) y vuelve a ejecutarla cada vez que cualquiera de los modelos se actualice. Consulta [Apidog CLI en Codex](https://apidog.com/es/blog/apidog-cli-in-codex?utm_source=dev.to&utm_medium=wanda&utm_content=n8n rápido.
¿Cuánto más barato es Terra que Sol? Exactamente un 50% en cada tarifa: $1 frente a $2 de entrada, $0.05 frente a $0.10 en caché, $5 frente a $10 de salida.
¿Tienen Terra y Sol la misma ventana de contexto? Sí: 1,050,000 tokens, 922,000 de entrada y 128,000 de salida para ambos.
¿Cuál es mejor para codificar? Sol para el trabajo más difícil, como recomienda OpenAI. Terra para la codificación cotidiana, donde está cerca en tareas de terminal a la mitad del precio.
¿Puedo alternar entre ellos sin cambios en el código? En su mayor parte. Cambia el ID del modelo; si usas reasoning.effort: "none", eso solo funciona en Terra.
Conclusión
GPT-6.1 Terra te da la mayor parte de GPT-6.1 Sol a la mitad del precio y una fracción de la espera. Usa Terra por defecto, reserva Sol para la cola difícil y deja que tu agente demuestre la división con tus propios prompts con Apidog CLI antes de comprometerte.
Top comments (0)