El 26 de octubre de 2026 Microsoft anunció la disponibilidad general de GPT-6.1 Terra en Microsoft Foundry.
Es un modelo de gama intermedia de OpenAI orientado a dos cosas concretas: razonamiento visual y uso de ordenador. Es decir, agentes que miran una pantalla y actúan sobre ella.
Lo relevante para una empresa no es el modelo. Es el precio: entra a la mitad del coste por token de las dos opciones que hasta ahora se usaban para esto.
Qué trae
Según el anuncio de Microsoft:
- Mejoras en razonamiento visual y en velocidad de uso de ordenador.
- Uso de ordenador más rápido y preciso en navegadores, software de escritorio y aplicaciones.
- Resumen y redacción de correos y propuestas.
- Hasta 1 millón de tokens de contexto de entrada.
- Entrada de texto e imagen.
- Esfuerzo de razonamiento ajustable, incluido un nivel
none, y verbosidad configurable. - Mensajes intermedios opcionales en tareas largas, si la capa de orquestación los soporta.
Se consume a través de la Responses API, sin cambios de SDK ni de esquema. En la API de OpenAI el identificador es gpt-6.1-terra.
Disponibilidad en Foundry: despliegues Global Standard en todas las regiones soportadas, y Data Zone Standard en Estados Unidos, Unión Europea y APAC.
Los números, y de quién son
Aquí hay que ser preciso, porque las cifras que circulan son métricas publicadas por OpenAI, no evaluaciones independientes.
Lo que afirma OpenAI:
- Completa tareas más de tres veces más rápido que GPT-6 Astra y que GPT-6.1 Sol.
- En Agents’ Last Exam, con esfuerzo de razonamiento medio, puntúa 15 puntos porcentuales por encima de GPT-5.6 Terra a aproximadamente un tercio del coste.
- Rinde a la par que GPT-6 Astra a una décima parte del precio por token.
- En un benchmark interno que no detalla, la tasa de error con esfuerzo bajo cae del 53,6 % al 16,7 %. Con esfuerzo máximo baja 18 puntos, hasta el 4,3 %.
- En Terminal-Bench 4.0, con esfuerzo máximo, obtiene 50,3 % frente al 21,5 % de GPT-5.6 Terra.
Dos matices que conviene no perder:
El anuncio de Microsoft en Foundry no incluye ninguna cifra de benchmark ni evaluación de terceros. Todo lo anterior viene de OpenAI y de la cobertura de su lanzamiento.
Y OpenAI sigue recomendando GPT-6.1 Sol o GPT-6 Astra para las tareas de programación más complejas. Terra no se presenta como sustituto de todo.
El precio, y el detalle que importa en Europa
Precios en Microsoft Foundry, en dólares por millón de tokens:
| Despliegue | Contexto | Entrada | Entrada en caché | Escritura en caché | Salida |
|---|---|---|---|---|---|
| Global Standard | Corto | 1,00 | 0,05 | 1,25 | 5,00 |
| Global Standard | Largo | 2,00 | 0,10 | 2,50 | 7,50 |
| Data Zone EE. UU. | Corto | 1,10 | 0,055 | 1,375 | 5,50 |
| Data Zone EE. UU. | Largo | 2,20 | 0,11 | 2,75 | 8,25 |
| Data Zone UE | Corto | 1,20 | 0,06 | 1,50 | 6,00 |
| Data Zone UE | Largo | 2,40 | 0,12 | 3,00 | 9,00 |
| Data Zone APAC | Corto | 1,20 | 0,06 | 1,50 | 6,00 |
| Data Zone APAC | Largo | 2,40 | 0,12 | 3,00 | 9,00 |
Tres lecturas prácticas.
El 50 % de rebaja es real respecto a su gama. 1 $ de entrada y 5 $ de salida es la mitad que GPT-5.6 Terra y que GPT-6.1 Sol.
Mantener el dato en la Unión Europea cuesta un 20 % más. 1,20 $ frente a 1,00 $ de entrada, y 6,00 $ frente a 5,00 $ de salida. Para muchas organizaciones españolas el despliegue Data Zone UE no es opcional, así que ese recargo es el precio de partida, no el de la tabla de titulares.
El contexto largo duplica la tarifa. Con un contexto de hasta un millón de tokens es fácil diseñar un agente que meta documentación de más por comodidad. Eso se paga.
La caché es el margen de maniobra: 0,06 $ por millón de tokens de entrada en caché frente a 1,20 $ sin caché, en Data Zone UE. Si el agente repite el mismo contexto en cada ejecución, cómo se diseñe la caché pesa más en la factura que la elección de modelo.
Qué no dice el anuncio
Una parte de la cobertura ha presentado Terra como un modelo para procesar documentos escaneados y leer gráficos densos.
El anuncio de Microsoft menciona gráficos densos y documentos escaneados en su introducción, pero no los lista entre las funcionalidades. Lo que sí enumera es fotografías de producto, dibujos técnicos, planos y pantallas de aplicación.
La diferencia no es de matiz: fundamentar un proyecto de digitalización documental en una frase de introducción es una forma rápida de incumplir una expectativa. Si el caso de uso es extracción sobre documento escaneado, lo honesto es probarlo con vuestros documentos antes de comprometer alcance.
Dónde encaja de verdad
Por lo que describe el fabricante, el terreno natural de Terra es el trabajo repetitivo de escritorio que hoy no se automatiza porque nadie tiene API:
- Rellenar formularios en aplicaciones que no exponen integración.
- Interpretar dibujos técnicos y planos.
- Leer pantallas de aplicaciones heredadas para extraer o introducir datos.
- Tareas de navegador encadenadas.
Es el hueco clásico del RPA, con una diferencia: un agente que interpreta lo que ve no se rompe con cada cambio de maquetación, aunque tampoco es determinista.
Cómo evaluarlo sin romper nada
Una propuesta de piloto, por si sirve de guion:
- Un solo proceso, con volumen medible y un resultado comprobable. No una prueba de concepto genérica.
- Medir coste por caso, no coste por millón de tokens. Es la única cifra que luego se puede defender en un comité.
- Fijar el despliegue desde el principio: si el dato tiene que quedarse en la UE, el piloto se hace en Data Zone UE y con sus precios.
- Probar los tres niveles de esfuerzo de razonamiento. La diferencia entre el 16,7 % y el 4,3 % de error de OpenAI se paga en tiempo y en tokens; cuál compensa depende del coste de un error en vuestro proceso.
- Mantener revisión humana en los pasos con efecto externo: enviar, firmar, pagar, borrar.
- Registrar lo que ve y lo que hace el agente. Sin traza no hay auditoría posible, y un agente que opera sobre la interfaz deja menos rastro que una integración.
No esperéis que el ahorro del 50 % en el token se traduzca en un 50 % de ahorro en el proceso. El coste del modelo suele ser la parte pequeña frente al rediseño, la integración y la supervisión.
Siguiente paso
Si tenéis un proceso de escritorio con volumen y sin API, ahora hay una opción más barata para medirlo. Lo que no ha cambiado es el trabajo de acotar el proceso antes de automatizarlo.
Llevar un caso de uso a producción —con traza, coste medido y revisión humana donde toca— es el terreno de IA Generativa. Y cuando el proceso se puede automatizar de forma determinista, sin depender de que un agente interprete una pantalla, la vía es BPA con Power Platform.
Si tenéis un proceso candidato, el primer paso es medirlo. Contadnos cuál es y valoramos juntos si merece un piloto: contacto.
