GPT-5.6 Terra: para qué sirve de verdad (benchmark en español)
Donde mejor rinde es Coding (#64 de 97 entre los que rinden el examen completo), y donde menos rinde es Agentes (7.50 contra 8.94). Cuesta $9.30 por cada 1.000 llamadas.
Dónde está parado, pilar por pilar
La nota de la derecha es sobre 10. La barra compara contra los demás modelos del ranking, no contra el cero: entre el mejor y el peor de esta lista hay poco más de un punto, así que en escala 0-10 se verían todas iguales. La marca vertical es la mediana — quedar por debajo acá no es una mala nota, es estar en el promedio de un grupo muy parejo.
Medido con 150 runs que puntúan, juez Phi-4 local · actualizado 2026-08-23 · datos abiertos
Qué hace bien y qué no
Su media entre las 32 tareas medidas es 7.57. Un promedio esconde justo lo que te importa, así que acá están los extremos.
Donde rinde por encima de sí mismo
- JSON estructurado (extracción, schemas) — 9.01 (+1.44 contra su media).
- Contenido con datos verificables (no inventar) — 8.75 (+1.18 contra su media).
- Gestión de tareas (action items, planes) — 8.53 (+0.96 contra su media).
- Resistencia a prompt injection — 8.52 (+0.95 contra su media).
Donde se cae
- Tool calling (llamada de funciones) — 5.51 (-2.06 contra su media).
- Anti-alucinación (citas, contexto) — 5.89 (-1.68 contra su media).
- Razonamiento profundo (matemática, Fermi) — 6.13 (-1.44 contra su media).
- No inventar herramientas (abstenerse cuando no hay) — 6.30 (-1.27 contra su media).
Si GPT-5.6 Terra no te cierra
| Modelo | Calidad | $/1k | Latencia | Por qué |
|---|---|---|---|---|
| Poolside Laguna XS 2.1 | 8.26 | $0.198 | 9.7 s | misma nota o mejor, menos plata por llamada |
| GPT-5.6 Luna | 8.52 | $0.930 | 10.6 s | hasta 30% más caro, pero rinde más |
| Gemini 3.1 Flash Lite | 8.09 | $2.33 | 4.1 s | al menos 40% menos de espera, sin caer de nota |
La ficha: GPT-5.6 Terra en números
| Calidad medida | |
|---|---|
| Runs que puntúan | 150 |
| Tool calling | 6.62 |
| Resistencia a prompt injection | 10.00 |
| Precio | |
| Precio por millón · entrada | $1.00 |
| Precio por millón · salida | $6.00 |
| Rendimiento y límites | |
| Latencia total media | 15.5 s |
| Ventana de contexto | 1.050.000 |
| Contexto útil medido | 256.000 |
Contra los mejores del ranking, en plata
| Modelo | Calidad | $/1.000 llamadas |
|---|---|---|
| GPT-5.6 Terra | 8.31 | $9.30 |
| GPT-5.6 Luna | 8.52 | $0.930 |
| Claude Opus 4.8 | 8.48 | $39.00 |
- GPT-5.6 Luna (el techo medido) rinde 3% más y además es más barato: $0.930 contra $9.30. Acá no hay que elegir.
- Claude Opus 4.8 (el caro que todos conocen) rinde 2% más (8.48 contra 8.31) y cuesta 4 veces más por llamada.
Cuánto max_tokens darle, por tarea
| Tarea | Mediana | Peor caso medido | max_tokens sugerido |
|---|---|---|---|
| Tareas largas (sostener el hilo 8-12 turnos) | 4.204 | 13.117 | 16.396 |
| Decisiones de negocio (prioridades. plan) | 2.134 | 8.192 | 10.240 |
| Contenido startup (newsletter. actualidad) | 4.022 | 5.973 | 7.466 |
| Razonamiento general (lógica. decisiones) | 4.495 | 5.485 | 6.856 |
| Estrategia (pricing. planificación) | 4.643 | 4.906 | 6.132 |
| Generación de código (Python. SQL. debug) | 983 | 4.740 | 5.925 |
| Gestión de tareas (action items. planes) | 1.524 | 4.048 | 5.060 |
| Auditar números (detectar el error plantado) | 1.263 | 3.932 | 4.915 |
| Razonamiento profundo (matemática. Fermi) | 2.026 | 2.973 | 3.716 |
| Noticias + SEO (artículos completos) | 1.485 | 2.909 | 3.636 |
| Creatividad (hooks. analogías. narrativa) | 641 | 2.837 | 3.546 |
| Ventas en frío (cold email. campañas) | 424 | 2.734 | 3.417 |
| Presentaciones (slides. reportes) | 2.623 | 2.623 | 3.278 |
| OCR / extracción desde imágenes | 511 | 2.229 | 2.786 |
| Multi-turno (debugging. requisitos) | 1.732 | 1.852 | 2.315 |
| Integridad de idioma (no mezclar idiomas) | 819 | 1.453 | 1.816 |
| JSON estructurado (extracción. schemas) | 75 | 1.340 | 1.675 |
| Anti-alucinación (citas. contexto) | 256 | 1.288 | 1.610 |
| Traducción (es↔en) | 110 | 840 | 1.050 |
| Contenido genérico (blog. email. social) | 693 | 801 | 1.001 |
| Contenido con datos verificables (no inventar) | 357 | 753 | 941 |
| Orquestación (flujos de varios pasos) | 340 | 664 | 830 |
| Capacidades de agente (delegación. skills) | 192 | 456 | 570 |
| Resúmenes y extracción de datos | 344 | 344 | 430 |
| Seguir instrucciones al pie de la letra | 212 | 252 | 315 |
| Precisión literal (hex. JWT. configs) | 65 | 235 | 293 |
| No inventar herramientas (abstenerse cuando no hay) | 57 | 196 | 245 |
| Soporte al cliente (clasificar y responder) | 110 | 167 | 208 |
| Tool calling (llamada de funciones) | 86 | 140 | 175 |
| Resistencia a prompt injection | 43 | 97 | 121 |
| Aguja en el pajar (contexto largo en español) | 26 | 70 | 87 |
| Verificar un dato contra su fuente | 45 | 52 | 65 |
Los números oficiales de GPT-5.6 Terra
Acá no los repetimos, y es a propósito. MMLU, GPQA, SWE-bench y la tabla del lanzamiento las publica quien hizo el modelo, con más recursos y antes que nadie: ese enlace es mejor que cualquier copia nuestra, y no envejece.
Lo que sí medimos acá es lo otro: qué pasa cuando este modelo tiene que decidir algo de un negocio chico, en español y a un precio que se pueda pagar. Verificar un dato antes de publicarlo, emitir el JSON que espera un workflow, llamar la herramienta correcta. Eso no está en la tarjeta del fabricante.
¿Es el mejor para TU caso?
Filtra por presupuesto, calidad mínima y tipo de tarea. En 30 segundos sabes si GPT-5.6 Terra es tu opción o hay algo mejor para lo que haces.
Ir a la calculadora →