OpenAI ha presentado GPT-6.1 Terra, un modelo que no solo responde: también mira tu pantalla y hace el trabajo por ti.
Qué hace GPT-6.1 Terra y por qué va de agentes
El anuncio está en la web oficial de OpenAI y las cifras que suelta la compañía son de las que hacen levantar una ceja. En Agents' Last Exam, una evaluación que mide si un agente resuelve tareas profesionales de verdad, Terra saca con razonamiento medio un 15% más que GPT-5.6 Terra gastando aproximadamente un tercio del coste.
Y luego está la velocidad: determinadas tareas las completa más de tres veces más rápido que GPT-6 Astra y que GPT-6.1 Sol, los dos modelos grandes de la casa. El resumen de la propuesta es velocidad, criterio y factura pequeña. Todo, eso sí, con pruebas internas de OpenAI como única fuente.
El ordenador como campo de juego (y algo de vértigo)
La novedad que de verdad cambia el perfil del modelo no es el benchmark: es que está diseñado para interpretar información visual y ejecutar tareas directamente en un ordenador. Rellenar formularios, volcar datos en un programa de contabilidad, sacar información de una factura escaneada, interpretar planos técnicos, y editar contenidos audiovisuales.
O sea, deja de ser una ventana que charla y pasa a ser alguien que te mueve el ratón. Los agentes de IA ya no son una promesa de folleto: son una función del producto. Volcar facturas en el programa de contabilidad deja de ser trabajo humano y eso, según cómo se mire, es liberador o es el primer acto de una película que todos conocemos.
Donde más se nota el salto es en los errores. En una evaluación interna pensada para provocar alucinaciones —esa forma elegante de decir que la IA se inventa cosas y las suelta con aplomo de notario—, GPT-5.6 Terra fallaba el 53,6% de las veces con razonamiento bajo. Del 53,6% al 16,7% en la misma prueba. Con el máximo esfuerzo de razonamiento, la tasa se queda en el 4,3%. Son pruebas de OpenAI sobre OpenAI, sin auditoría externa de por medio. Dejémoslo en un 'ya veremos'.
Un modelo que acierta más y cuesta menos no es una mejora: es una redefinición de quién puede permitirse delegar.
Lo que no sale en la tabla de benchmarks
Este capítulo ya lo hemos visto. El AI Pin de Humane y el Rabbit R1 prometieron un asistente que hiciera cosas por ti en lugar de limitarse a hablar, y acabaron donde acabaron. La diferencia es que ahora no hay que comprar hardware nuevo: el agente llega como función de un producto que la gente ya tiene abierto en la pestaña de al lado.
Mi lectura: el hype está justificado, y no por el brillo del anuncio. Está justificado porque la batalla ya no va del modelo más listo, sino de quién lo pone más barato y con menos alucinaciones sobre la mesa. Un modelo que acierta más, tarda menos y cuesta un tercio es el tipo de noticia que mueve presupuestos en una empresa y decisiones en un equipo de tres personas.
Queda lo de siempre: permisos, accesos y quién responde cuando el agente toca donde no debía. Eso no sale en la tabla.
Hype-O-Meter
Nivel de hype: 7,5/10. Un 15% más de acierto en tareas profesionales con un tercio del coste y tareas tres veces más rápidas es un argumento serio, no marketing. Le falta la auditoría externa que confirme los números y una demo pública del agente suelto en un escritorio real — hasta entonces, entusiasmo con la ceja levantada.
El resumen para vagos (TL;DR)
- 🎯 ¿Qué ha pasado? OpenAI lanza GPT-6.1 Terra: más rápido, más barato y con menos alucinaciones que su predecesor.
- 🔥 ¿Por qué importa? Ya no solo contesta: lee la pantalla y ejecuta tareas dentro del ordenador.
- 🤔 ¿Nos afecta o es solo un meme? Afecta, aunque los números los firma la propia OpenAI y eso siempre huele a autobombo.
