GPT-6.1 Terra vs Claude Opus 5.5: mi prueba con 12 tareas en español

Actualización (9 de noviembre de 2026): ya han salido Claude Fable 5.2 y Mythos 5.2 - precios, acceso y benchmarks en mi guía de Claude Fable 5.2.

👁 113 lecturas

En 12 tareas escritas en español, Claude Opus 5.5 sacó 71 puntos de 72 y GPT-6.1 Terra 68. Ganó Opus, pero gastó 0,417 USD frente a 0,051 de Terra: unas 8 veces más por tres puntos de diferencia. Probé los dos el 26 de octubre de 2026, el mismo día del lanzamiento de Terra.

• Puntuación: Opus 5.5 71/72 (primero, empatado con DeepSeek V4.1 Flash), Terra 68/72 (cuarto, empatado con GPT-6.1 Sol y Gemini 4 Argon).
• Coste de las 12 tareas: Terra 0,051 USD, Opus 0,417 USD.
• Precio de la API: Terra 1 / 5 USD por millón de tokens, Opus 5.5 4 / 20 USD.
• Tiempo total: Terra 57 segundos, Opus 124.

Cómo hice la prueba

Las 12 tareas están escritas desde cero en español de España y atadas a la realidad local: una instancia al Ayuntamiento de València para la bonificación del IBI por familia numerosa, modismos y juegos de palabras, el resumen de la ordenanza de la Zona de Bajas Emisiones de Málaga, traducciones con falsos amigos en los dos sentidos, cálculos con IVA al 21, 10 y 4%, formatos de fecha y número, una función en Python que valida DNI y NIE, un acertijo lógico, una extracción a JSON, datos de España, la búsqueda de detalles en unos 30.000 tokens de actas de una comunidad de vecinos y una corrección de textos. Cada tarea vale de 0 a 6 puntos.

Llamé a los modelos por OpenRouter con razonamiento medium y un solo intento. Cálculos, JSON, datos y código (ejecutado con pruebas ocultas) se corrigieron de forma automática. Las tareas de lengua las puntuaron a ciegas GPT-6.1 Sol y Gemini 4 Argon: para Terra solo cuenta la nota de Gemini, para Opus la media de los dos. Con un intento por tarea, una diferencia de uno o dos puntos es casi un empate.

Dónde ganó Opus 5.5

En nueve de las doce tareas los dos sacaron 6/6: la instancia al ayuntamiento, los modismos, el resumen, el IVA, los formatos, el acertijo, el JSON, los datos de España y el contexto largo. Los tres puntos se decidieron en tres tareas:

• Traducción con trampas: Opus 6/6, Terra 5/6. Terra tradujo «eventualmente me renovaría el contrato» como «he’d renew my contract at some point». En español «eventualmente» es «posiblemente», no «al final». En sentido contrario, eso sí, acertó:

Me muero de vergüenza: al final me di cuenta de que la biblioteca estaba cerrada.

• DNI y NIE: Opus 6/6, Terra 5/6. El código de Terra funciona (5 documentos válidos aceptados y 6 erróneos rechazados sin lanzar excepciones), pero apenas lo comenta y no explica el resto entre 23.
• Corrección: Opus 5/6, Terra 4/6. Opus corrigió los 8 errores y añadió una coma innecesaria tras «Desgraciadamente»; Terra se dejó «conducí» sin pasar a «conduje».

Dónde compensa Terra

En todo lo que se puede comprobar con una regla, Terra no falló: calculó bien el IVA, sacó el JSON limpio, encontró los datos correctos en los 30.000 tokens de actas y redactó la instancia con formato y tono administrativo correctos (6/6). Es justo el tipo de trabajo que OpenAI pone como ejemplo, como leer facturas y pasar los datos al programa de contabilidad.

También pesa cuánto escribe cada uno. Opus generó 12.152 tokens de salida y Terra 3.813. Con la salida de Opus a 20 USD por millón, la diferencia se nota rápido en la factura.

Lo que dice OpenAI y lo que medí yo

Según OpenAI, en Agents’ Last Exam con esfuerzo max Terra gasta más de 3 veces menos tokens que Claude Opus 5.5, cuesta una cuarta parte por token y unas 9 veces menos por tarea. En mi prueba, con esfuerzo medium y tareas muy distintas, la relación de coste fue de unas 8 a 1 (0,417 frente a 0,051 USD): misma dirección y un orden de magnitud parecido. Eso sí, en el Intelligence Index de Artificial Analysis (26 de octubre de 2026) Opus 5.5 sigue claramente por encima: 57,6 frente a 48,1 de Terra con esfuerzo max.

Un cálculo práctico: 2.000 peticiones al día con 1.500 tokens de entrada y 300 de salida son 3 millones de entrada y 0,6 millones de salida. Con Terra, 3 + 3 = 6 USD al día. Con Opus 5.5, 12 + 12 = 24 USD al día.

Cuál elegir

• Textos para publicar, traducciones finas, escritos con matices: Opus 5.5. En mi prueba fue más fino con los falsos amigos.
• Extracción de datos, formularios, documentos largos, automatizaciones: Terra. Misma nota que Opus en esas tareas por una fracción del coste.
• Código: Opus comentó mejor. Para el código más complejo la propia OpenAI recomienda GPT-6.1 Sol o GPT-6 Astra, no Terra.
• Suscripción a ChatGPT: Terra solo se usa en Work y Codex (Plus, Pro, Enterprise, Edu), no en el chat.

Para el duelo entre los modelos de gama alta tienes mi comparativa GPT-6 Astra vs Claude Opus 5.5. Precios, disponibilidad y la clasificación completa están en la página de GPT-6.1 Terra.

Fuentes

• OpenAI: Introducing GPT-6.1 Terra - consultado el 26 de octubre de 2026
• OpenAI API: ficha de gpt-6.1-terra - consultado el 26 de octubre de 2026
• OpenRouter: Claude Opus 5.5 - consultado el 26 de octubre de 2026
• Artificial Analysis: GPT-6.1 Terra - consultado el 26 de octubre de 2026

// sigue leyendoGPT-6.1 Terra, Sol y Luna: diferencias y mi prueba en españolHerramientas de IA¿Claude Opus 5.5 inventa números? Prueba con trampa ejecutivaRevistaClaude Desktop: descarga, instalación y límitesHerramientas de IA

Kinetyra