OpenAI lanza GPT-6.1 Terra con una reducción de precio del 50 % en medio de una creciente guerra de costos de IA

OpenAI ha presentado su modelo de inteligencia artificial más reciente, GPT-6.1 Terra, reduciendo los precios en un 50 % en comparación con su versión anterior. El lanzamiento marca la cuarta vez consecutiva que la empresa de IA generativa recorta los precios de sus modelos, lo que refleja una intensificación en la guerra de precios impulsada por la competencia de su laboratorio rival Anthropic y de proveedores de modelos de pesos abiertos.

El lanzamiento se produce casi un mes después de que OpenAI debutara con GPT-6.1 Sol. Diseñado para ofrecer velocidad y eficiencia, GPT-6.1 Terra combina razonamiento visual con una interacción precisa con la computadora, orientándose a tareas de escritorio como la redacción de propuestas, el llenado de formularios digitales y la edición de video.

Importantes descuentos en tokens

La reducción de costos es el principal argumento de venta del nuevo lanzamiento. GPT-6.1 Terra tiene un precio de $1 por millón de tokens de entrada y $5 por millón de tokens de salida.

En comparación, el recientemente lanzado GPT-6.1 Sol cuesta $2 por millón de tokens de entrada y $10 por millón de tokens de salida. Los nuevos precios también representan una caída significativa frente al anterior GPT-5.6 Terra, que tenía un costo de $2 por millón de tokens de entrada y $12 por millón de tokens de salida.

Más allá de los menores costos, OpenAI señaló que GPT-6.1 Terra ofrece una ventaja en latencia frente a sus modelos Astra y Sol en tareas seleccionadas, lo que lo hace más rápido al ejecutar cargas de trabajo de alto volumen.

Creciente rivalidad en toda la industria

Las medidas de precios de OpenAI reflejan una presión de mercado más amplia, proveniente tanto de rivales con modelos propietarios como de opciones de pesos abiertos desarrolladas por empresas chinas como Alibaba, Baidu y Z.ai.

Anthropic, que recientemente presentó su prospecto de oferta pública inicial (IPO) ante la Comisión de Bolsa y Valores de Estados Unidos (SEC), también ha recortado los precios de su API. En octubre, Anthropic redujo el costo de su modelo Haiku 5.5 en un 90 % por cada 100 000 tokens y fijó el precio de salida en $0.50 por millón de tokens.

David Nicholson, analista de Futurum Group, señaló que los desarrolladores de IA están intentando ayudar a los clientes a maximizar el valor para evitar que migren a alternativas más baratas: "Si todo tiene el precio más alto, la gente buscará alternativas; por lo tanto, lo que están intentando hacer es que sus herramientas sean lo más eficientes posible".

Nicholson también destacó que la agresiva carrera de descuentos podría generar reacciones mixtas en Wall Street a medida que tanto OpenAI como Anthropic buscan salir a bolsa. Los precios más bajos podrían suscitar la preocupación de que la tecnología de IA se esté depreciando en valor comercial o bien tranquilizar a los inversores al impulsar mayores volúmenes de transacciones y una rentabilidad general más alta.

El dilema empresarial: menores costos frente a la complejidad

Si bien la caída en las tarifas de las API reduce las barreras financieras para la adopción empresarial, los observadores de la industria señalan que la enorme variedad de opciones de bajo costo está generando fricciones operativas.

Nicholson explicó que muchos equipos en las empresas aún tienen dificultades para determinar qué modelo específico se adapta a cada carga de trabajo particular. Equilibrar la economía de los tokens exige que las organizaciones comprendan los matices técnicos y las limitaciones de cada modelo, información que no siempre resulta evidente a simple vista.

Además, los modelos más rápidos y económicos están impulsando a las empresas hacia despliegues agénticos más autónomos. Arun Chandrasekaran, analista de Gartner, señaló que las mejoras de latencia de GPT-6.1 Terra pueden acelerar los flujos de trabajo empresariales de gran volumen, pero instó a las organizaciones a implementar las salvaguardas adecuadas.

Según Chandrasekaran, una mayor autonomía del sistema introduce mayores riesgos operativos y de seguridad. A medida que las organizaciones amplían la adopción, medidas como el enrutamiento automatizado de modelos, evaluaciones de ROI a nivel de tarea, controles estrictos de acceso y una supervisión humana activa seguirán siendo fundamentales para implementar estos modelos de menor costo de forma segura.