Los agentes con GPT-6.1 Terra cuestan la mitad por token que los agentes con GPT-6.1 Sol, y según OpenAI funcionan más de tres veces más rápido. OpenAI lanzó el modelo el 26 de octubre con el id de API gpt-6.1-terra a 1 $ por millón de tokens de entrada, 0,05 $ en caché y 5 $ de salida. Sustituye a GPT-5.6 Terra en el escalón intermedio de la familia, situándose entre GPT-6.1 Sol por arriba y GPT-6 Luna por abajo. No existe GPT-6 Terra; este es el primer Terra desde la versión 5.6.
Para un equipo que ejecuta varios agentes de programación, el precio es lo más sencillo. Lo complicado es decidir qué agentes migrar, cuáles mantener en Sol y cómo comprobar el impacto en el panel una semana después. Esta guía explica la configuración en Sharkly, el nivel de esfuerzo inicial recomendado, el tipo de tareas más adecuadas para Terra y el margen operativo que aporta a un Crew esta reducción de costes a la mitad. Sigue la misma estructura que nuestra guía de GPT-6.1 Sol, por lo que solo se detalla lo que ha cambiado.
En resumen
Actualiza Codex a la versión 0.159.0 o posterior en el Computer y comprueba que codex -m gpt-6.1-terra arranca en la terminal. En Sharkly, crea una variante de un Agent existente, define su modelo como gpt-6.1-terra en Custom arguments o en la fila Default model y asígnale un nombre acorde a su cometido. Empieza con un esfuerzo en medium, bájalo a low o none para bucles mecánicos breves, y reserva las tareas de programación más complejas y el liderazgo del Crew para Sol o Astra. Los agentes investigan, ejecutan, prueban y reportan. Las personas marcan el rumbo, otorgan permisos y validan el resultado.
GPT-6.1 Terra de un vistazo
| GPT-6.1 Terra | GPT-6.1 Sol | |
|---|---|---|
| API id | gpt-6.1-terra |
gpt-6.1-sol |
| Input / cached / output per 1M | $1 / $0.05 / $5 | $2 / $0.10 / $10 |
| Effort levels | none to max, medium default |
low to max, medium default |
| Knowledge cutoff | June 1, 2026 | April 30, 2026 |
La ventana de contexto de Terra es de 1.050.000 tokens, con hasta 922K de entrada y 128K de salida. GPT-6 Luna, el nivel inferior, se tarifa a 0,10 $ de entrada y 0,50 $ de salida.
Hay tres particularidades de precio clave para ejecuciones prolongadas de agentes. Batch y Flex cuestan la mitad de la tarifa estándar, mientras que el modo Fast cuesta el doble (2 $ / 10 $). Cualquier solicitud que supere los 272K tokens de entrada se factura al doble en tarifas de entrada y caché, y a 1,5x en salida para toda la petición. Las escrituras en caché cuestan 1,25 $ por millón para una retención de 30 minutos. La tabla de tarifas completa está disponible en la página de precios de OpenAI.
Dónde se configura el modelo ahora
La configuración de agentes en Sharkly ha cambiado respecto a nuestras guías anteriores, y el cambio resulta especialmente práctico aquí. La documentación de Agents indica ahora que un Agent «adopta el modelo del Runtime por defecto, y la fila Model permite elegir otro del catálogo disponible en dicho Runtime». La fila es de solo lectura si el Runtime fija un modelo en sus parámetros de inicio. También puedes especificar el modelo en Custom arguments dentro del Agent o del Runtime, que es de donde toma el valor esa fila cuando dicho argumento está definido.
Muy cerca se encuentran dos controles adicionales. La misma fila muestra un selector de profundidad de razonamiento (thinking depth) cuando el modelo lo admite. Por otro lado, al asignar una Task, la documentación de ejecución de tareas describe un icono de modelo en cada fila de Agent dentro del selector de asignación, lo que permite elegir un modelo exclusivamente para esa ejecución sin modificar la configuración predeterminada del Agent.
Paso 1: ejecutar Terra en el Computer
Sharkly no comercializa tokens. Cada ejecución se factura contra el plan de Codex o la clave de API vinculada al Runtime de ese Computer. Por tanto, la primera comprobación debe hacerse en una terminal del Computer, no dentro de Sharkly:
codex --version # needs 0.159.0 or later
codex -m gpt-6.1-terra # should open a session on Terra
Si inicias sesión con un plan de ChatGPT, el anuncio de lanzamiento de OpenAI indica que Terra está «disponible para todos los usuarios de Plus, Pro, Enterprise y Edu en ChatGPT Work y Codex». Los planes Free y Go no tienen acceso, y no existe un nivel gratuito de API. En un Computer configurado con clave de API, se aplican las tarifas por token detalladas arriba.
De vuelta en Sharkly, entra en el detalle del Computer, ejecuta un nuevo análisis o la prueba de conexión y comprueba que el Runtime de Codex figure como Available. Que un Computer aparezca como conectado solo significa que su servicio local envía señales de actividad (heartbeats). La guía sobre Computers en Sharkly explica cómo se detectan los Runtimes.
Paso 2: crea una variante con Terra en lugar de modificar tu Agent en Sol
La tentación habitual es abrir el Agent configurado en Sol y cambiar un solo parámetro. Es mejor no hacerlo. De lo contrario, todas las Tasks que ese Agent ejecutó con Sol convivirán en el panel junto a las procesadas con Terra, sin forma de distinguirlas a simple vista.
Utiliza una variante de Agent. La propia documentación contempla el «uso de un modelo predeterminado distinto» como motivo para crear variantes: la variante conserva las instrucciones, Skills y repositorios del original, permitiendo cambiar únicamente el modelo. En la sección Computer & Runtime de la variante, añade una fila en Custom arguments:
Runtime: Codex on <your Computer>
Custom arguments: --model gpt-6.1-terra
A partir de ahí, la fila Default model leerá dicho argumento, tal como se muestra en la captura superior. Asigna a la variante un nombre descriptivo según su cometido, como «Codex, rutina», e indica el modelo y el nivel de esfuerzo en su descripción. Quien revise un diff no debería necesitar acceso por consola al Computer de nadie para saber qué modelo lo generó.
Dos alternativas según el caso: recurre a una variante si varias personas asignan trabajo a ese Agent o si quieres evaluar los resultados de Terra frente a Sol durante una semana bajo las mismas instrucciones. Utiliza la selección puntual en el desplegable de asignación si solo deseas probar Terra en una Task concreta sin crear configuraciones adicionales.
Paso 3: elige el nivel de esfuerzo inicial
GPT-6.1 Terra admite none, low, medium, high, xhigh y max, con medium como valor predeterminado. El nivel none vuelve a estar disponible: GPT-6.1 Sol lo había eliminado, por lo que una configuración de Sol que pasó de none a low puede restablecerse al valor original.
Empieza en medium para tareas habituales de programación y ajusta según las exigencias de cada Task:
noneolowpara flujos breves de validación directa: renombrado de variables, corrección de linter, actualización de dependencias o notas en changelogs.mediumpara cambios acotados, corrección de errores con pasos de reproducción claros y redacción de textos técnicos, como documentación o notas de lanzamiento.highomaxpara interacciones con el sistema operativo (computer-use) y procesos largos de múltiples pasos, donde un error inicial invalida todo el trabajo posterior.
Puedes definir el nivel desde el selector de profundidad de razonamiento de la fila Model cuando esté disponible, o mediante model_reasoning_effort en el archivo ~/.codex/config.toml del Computer. La documentación de Sharkly especifica que, si un Runtime no admite la profundidad elegida, la tarea fallará con un error descriptivo en vez de ejecutarse silenciosamente con el valor por defecto, lo que permite detectar cualquier errata en el registro desde la primera ejecución.
Qué aporta a un equipo reducir a la mitad el coste de Sol
La tarifa es exactamente la mitad que la de Sol en cada concepto, por lo que el cálculo es directo. Veamos una ejecución típica de agente que envía 2M de tokens de entrada (con un 80 % en caché) y genera 100K tokens de salida:
| GPT-6.1 Terra | GPT-6.1 Sol | |
|---|---|---|
| 400K uncached input | $0.40 | $0.80 |
| 1.6M cached input | $0.08 | $0.16 |
| 100K output | $0.50 | $1.00 |
| Per run | $0.98 | $1.96 |
| 40 runs a day | $39.20 | $78.40 |
Este desglose no incluye los costes de escritura en caché y asume facturación mediante clave de API. En un plan de ChatGPT, el ahorro no se traduce directamente en dólares, sino en una mayor cantidad de ejecuciones disponibles antes de alcanzar los límites de uso.
El precio es solo una parte de la ecuación; la velocidad es la otra: según OpenAI, Terra es «más de 3 veces más rápido de media que Astra y GPT-6.1 Sol». Para un Crew, esto significa que más ejecuciones concluyen antes de agotar el tiempo límite por Task y que las tareas en cola comienzan mucho antes. Artificial Analysis, una firma independiente, situó el coste por tarea de Terra en esfuerzo máximo en 0,40 $, frente a los 1,40 $ de GPT-5.6 Terra.
Qué agentes conviene migrar a Terra
OpenAI diseñó Terra con especial foco en computer-use, redacción y comprensión visual, y sigue recomendando Sol o Astra para desarrollos de máxima complejidad técnica. Las mediciones independientes coinciden: en el Coding Agent Index de Artificial Analysis, Terra obtiene 48 puntos, frente a 54 de GPT-6.1 Sol y 31 de GPT-6 Luna. Su tasa de alucinación en AA-Omniscience se redujo al 38 %, comparada con el 88 % registrado por GPT-5.6 Terra.
Una pauta inicial para contrastar en tus propias Tasks:
| Crew role | Start on | Move it when |
|---|---|---|
| Leader interpreting an ambiguous goal | GPT-6.1 Sol or GPT-6 Astra | Plans stay routine for a whole Sprint |
| Members on routine coding and refactors | GPT-6.1 Terra, medium |
A class of Task fails twice; a person escalates it |
| Computer-use and browser tasks | GPT-6.1 Terra, high |
Results need rework more often than Sol’s did |
| Docs, release notes, PR descriptions | GPT-6.1 Terra, low or medium |
Reviewers start rewriting the output |
| Triage and labels | GPT-6 Luna | Verdicts get overturned |
El rol de líder conviene mantenerlo en la gama más alta por el motivo expuesto en nuestra guía sobre líderes de Crew: una interpretación errónea del líder desvía el trabajo de todos los integrantes. Si necesitas formalizar estas reglas de asignación con un protocolo de escalado manual, la guía sobre enrutamiento de modelos para Crews detalla el procedimiento, y la guía de GPT-6 Luna aborda el escalón de entrada.
Lo que un Runtime más económico no soluciona
Terra reduce el coste de generar cambios en el código, pero no reduce el coste de revisarlos y aprobarlos. Multiplicar las ejecuciones por el mismo presupuesto equivale a duplicar los diffs pendientes de revisión humana; asegúrate de evaluar la capacidad de tu cola de revisión antes de ampliar el Crew. En la revisión humana como cuello de botella analizamos este aspecto en detalle.
Sharkly mantiene visibles el contexto, el progreso, los bloqueos, las entregas y la revisión humana desde la petición inicial hasta el despliegue, con independencia del modelo utilizado en la Task. Actualmente es gratuito para equipos de hasta 5 personas, según consta en la página de precios. El siguiente paso: actualiza Codex en un Computer, crea una variante con Terra y asígnale tres Tasks rutinarias que antes habrías delegado en Sol.
Preguntas frecuentes
¿Es gratuito GPT-6.1 Terra?
No. No cuenta con un nivel de API gratuito y los planes Free y Go de ChatGPT no lo incorporan. Los suscriptores de Plus, Pro, Enterprise y Edu disponen de acceso a través de ChatGPT Work y Codex. Nuestro artículo sobre cómo usar GPT-6.1 Sol sin clave de API detalla las diferencias entre el consumo por suscripción y la tarificación por tokens.
¿Existe un modelo GPT-6 Terra?
No. GPT-6.1 Terra es el relevo directo de GPT-5.6 Terra.
¿Puedo cambiar un Agent existente de Sol a Terra?
Sí, aunque crear una variante permite conservar el historial de forma clara. Modifica el original únicamente si no necesitas contrastar ejecuciones anteriores con las nuevas.
¿Muestra Sharkly qué modelo ejecutó una Task?
La fila Default model refleja la configuración asignada al Agent. Dado que Sharkly no siempre puede determinar qué modelo exacto está empleando el Runtime, es aconsejable indicar también el modelo en la descripción del propio Agent.
