A 16 de noviembre de 2026, las opciones generales de OpenAI no se resumen en un único «GPT más reciente». Chat, ChatGPT Work, Codex y la API difieren en modelos y permisos. Las novedades de Wallet, voz e imagen tampoco significan otro modelo general de razonamiento. Primero comprobamos las entradas actuales y después usamos GPT-6.1 Terra para entender por qué discrepan los gráficos del proveedor, las pruebas independientes y las experiencias personales.
Notas de modelos OpenAI · Guía de modelos ChatGPT Work y Codex · Notas de producto ChatGPT · Ayuda de modelos y pensamiento en ChatGPT Chat
Abrimos documentación oficial, resultados originales de Artificial Analysis, pruebas propias de Bito y debates públicos de Reddit. Acreditan límites del producto, mediciones bajo ciertas condiciones y experiencias personales, respectivamente; no son intercambiables. Las facturas sintéticas, los prompts y el validador son ejemplos metodológicos nuestros. Solo ejecutamos sus autopruebas sin conexión: sin llamar a modelos, entrar en cuentas, comprar o medir cuotas de suscripción.
Identifica la superficie actual de ChatGPT y la familia de modelos
En Chat, GPT-6 Sol cubre de Instant a Extra High; el razonamiento Pro utiliza GPT-6 Astra. Los niveles disponibles dependen de plan, espacio y despliegue. Que Plus incluya Astra en Work/Codex no acredita Pro en Chat. Las recomendaciones para GPT-6.1 Sol y Terra proceden de Work/Codex y no deben copiarse a una lista del selector de Chat.
Notas de modelos OpenAI · Guía de modelos ChatGPT Work y Codex · Notas de producto ChatGPT · Ayuda de modelos y pensamiento en ChatGPT Chat
Las páginas oficiales no están totalmente sincronizadas. El anuncio del 7 de octubre dice que Free/Go usarán GPT-6 Luna, pero la ayuda detallada consultada aún describe GPT-5.6 Luna como predeterminado y en Think y conserva selecciones antiguas explícitas. No inventamos una fecha universal de transición. Registra selector real, plan, cliente y fecha. La tabla lo llama migración de la familia Luna, sin prometer que una cuenta haya migrado.
Terra salió el 26 de octubre para Work, Codex y API, no Chat. La falta de residencia de inferencia en EAU se refiere a dónde se calcula, no a una prohibición general por ubicación física. API y suscripción se facturan por separado; tampoco una suscripción garantiza toda herramienta, región, permiso administrativo o acceso preliminar.
| Superficie | Modelos documentados | Límite |
|---|---|---|
| Chat: GPT-6 | Sol; Astra para Pro elegible | Plan, administración y despliegue; Terra 6.1 no está en Chat |
| Chat: Free/Go y selecciones antiguas | Migración Luna; ayuda aún enumera 5.6 | Anuncio y ayuda difieren; registra el selector real |
| Work / Codex | Astra, 6.1 Sol, 6.1 Terra, Luna | Depende de herramientas, cliente y espacio; no es acceso de Chat |
| API | model ID específico y facturación API | Cuenta separada; sin conversión fija de suscripción a peticiones |
Notas de modelos OpenAI · Guía de modelos ChatGPT Work y Codex · Notas de producto ChatGPT · Ayuda de modelos y pensamiento en ChatGPT Chat
Separa proveedor, pruebas independientes y testimonios
Los anuncios y las fichas del sistema establecen propósito, configuración y condiciones del proveedor. Los evaluadores independientes vuelven a medir en sus propios datos y entornos. Un post acredita que alguien relató una experiencia. Los tres niveles son útiles, pero varias publicaciones del mismo gráfico no son varios experimentos independientes.
Anuncio GPT-6.1 Terra · Anexo a la ficha del sistema Terra · Resultados originales de Terra en Artificial Analysis · Pruebas independientes de código de Bito · Reddit: trabajo terminado prematuramente
Escribe la comparación como versión × effort × superficie × herramientas/entorno × tarea × puntuación. Cambiar un elemento puede romper la comparabilidad. Más rápido puede significar mejor servicio, menos trabajo o parada prematura; más puntuación puede requerir más razonamiento. Un informe seguro de finalización no prueba un resultado guardado.
| Material | Respalda | No establece directamente |
|---|---|---|
| Anuncio/ficha | Fechas, propósito y condiciones del proveedor | Igual éxito para toda persona |
| Prueba independiente original | Resultado de su conjunto, entorno y presupuesto | Superioridad incondicional entre productos y tareas |
| Testimonio directo | Comportamiento relatado e hipótesis de diagnóstico | Representatividad, ruta verificada o tasa de fallo |
Anuncio GPT-6.1 Terra · Anexo a la ficha del sistema Terra · Resultados originales de Terra en Artificial Analysis · Pruebas independientes de código de Bito · Reddit: trabajo terminado prematuramente
Qué demuestran las fortalezas oficiales y cuáles son sus límites
OpenAI orienta Terra a comprensión visual, uso del ordenador y escritura clara. El anuncio comunica 50.3% en Terminal-Bench 4.0 a max frente a 21.5% del Terra anterior. En un conjunto interno de prompts que inducen errores, low baja del 53.6% al 16.7% de errores. Son resultados específicos del proveedor, no una reducción garantizada en toda pregunta real.
La ficha advierte que investigación o API pueden diferir de ChatGPT en producción por instrucciones, herramientas y effort. No convertimos «más barato» o «más rápido» en garantía universal. Escoge primero tareas con respuestas conocidas o archivos inspeccionables y comprueba si la fortaleza acaba en una entrega correcta.
| Prueba | Valores | Condiciones y límites |
|---|---|---|
| Terminal-Bench 4.0 | Terra 50.3%; anterior 21.5% | max; prueba del proveedor |
| Prompts internos difíciles | Errores en low 53.6%→16.7% | Conjunto interno, no toda internet |
| Visión/ordenador | Mejoras relativas del proveedor | Igualar tarea, effort, herramientas y referencia |
AA cambió de versión: no unas cifras antiguas y nuevas
La página actual de Terra en Artificial Analysis indica Max, 51 en Intelligence Index v5.0.1, una media de $0.96 y 13.9 minutos por tarea. El índice incluye nueve evaluaciones. 51 no es un 51% de aciertos y 13.9 minutos no es latencia de chat habitual. Describen esa mezcla de pruebas y configuración.
Resultados originales de Terra en Artificial Analysis · Metodología Artificial Analysis
Las primeras noticias suelen citar 48 y $0.40 de otra versión. Cambios de metodología, componentes o pesos modifican la comparación. No restes la cifra antigua de la actual para afirmar tres puntos de mejora o un encarecimiento repentino. Conserva fecha, versión, ajustes y fuente; marca como no comparable lo que no tenga condiciones equivalentes.
| Métrica | Página actual | Interpretación |
|---|---|---|
| Intelligence Index | v5.0.1; 9 evaluaciones; 51 | Índice compuesto, no 51% de exactitud |
| Coste medio/tarea | $0.96 | Estimación de sus tareas, no precio de suscripción |
| Tiempo medio/tarea | 13.9 minutos | Incluye razonamiento de evaluación, no latencia de chat |
Resultados originales de Terra en Artificial Analysis · Metodología Artificial Analysis
La prueba de Bito: rapidez y ruido de tres puntos
Bito actualizó su comparación propia de código el 11 de noviembre. Usa medium predeterminado y el agente de cada proveedor; dos tareas difíciles de cinco turnos pesan 75% y preguntas únicas 25%. Terra no había participado en veinte turnos. Comunica 69.0, $0.40 y 4.4 minutos por sesión difícil: no son las tareas, los costes ni una tasa de éxito general de AA.
Haiku logra 67.4: 1.6 puntos de diferencia con ruido declarado de aproximadamente tres. Es un resultado próximo dentro del experimento. La distancia a Opus es mayor, pero entorno, muestra y juez limitan la extrapolación. Bito vende herramientas de código; ser independiente de OpenAI no elimina intereses comerciales ni demuestra un veredicto universal.
| Modelo | Puntuación ponderada | Coste/sesión difícil | Minutos/sesión difícil |
|---|---|---|---|
| GPT-6.1 Terra | 69.0 | $0.40 | 4.4 |
| GPT-6.1 Sol | 74.8 | $2.06 | 22.7 |
| Claude Haiku 5.5 | 67.4 | $0.69 | 8.1 |
| Claude Sonnet 5.5 | 65.7 | $1.28 | 8.6 |
| Claude Opus 5.5 | 85.0 | $5.40 | 19.0 |
Por qué las reacciones de la comunidad divergen
Un testimonio directo describe dos trabajos autorizados que Terra dejó sin terminar en macOS mediante T3 Code. También revela instrucciones antiguas contradictorias, salida truncada y effort por turno no verificado independientemente. Sugiere probar paradas prematuras y bloqueos locales extendidos al flujo entero. No mide una tasa general de fallos ni descarta el entorno.
Reddit: trabajo terminado prematuramente · Reddit: comentarios originales del lanzamiento · Reddit: organizador del test de guiones
En otro debate de lanzamiento, un usuario aprecia medium para trabajo sensible al coste y otros se quejan de cumplimiento mínimo. Leímos comentarios originales, sin tratar el resumen fijado de GPT como estadística. Los testimonios no autentican cuentas, enrutamiento o registros. No afirmamos consenso ni convertimos fechas relativas en fechas de publicación no verificadas.
El organizador de otra prueba de escritura informa de diez tareas de guion, cinco borradores por tarea y cuatro jueces LLM. Más razonamiento no mejoró su puntuación y los jueces discreparon. Se evalúa la voz de un canal y sus requisitos, no un deterioro universal. Fluidez, imitación del autor y exactitud requieren criterios separados.
Ajusta effort a la tarea en vez de maximizarlo siempre
La documentación API de Terra enumera none, low, medium por defecto, high, xhigh y max. La interfaz y disponibilidad de Work/Codex necesitan su propia comprobación. No traduzcas parámetros API a un mapa exacto del deslizador de Chat ni confundas Ultra multiagente con max de un solo modelo.
Guía de modelos ChatGPT Work y Codex · Guía OpenAI de selección · Documentación API de GPT-6.1 Terra · Reddit: organizador del test de guiones
Empieza por el valor predeterminado del producto y aceptación explícita sobre una tarea fija. Si falla por restricciones, geometría o planificación, compara más effort. Una herramienta desconectada, un archivo inaccesible o un permiso denegado no se arreglan pensando más. Para escritura, evalúa a ciegas tono y densidad de información, sin premiar longitud.
| Síntoma | Primera acción | Después compara |
|---|---|---|
| Restricciones omitidas | Entradas y aceptación explícitas; conserva fallos | Si mayor esfuerzo corrige el mismo modelo |
| Archivo/herramienta inaccesible | Permisos, conexión y entorno | No atribuyas entorno sin resolver a inteligencia |
| Extensión o voz incorrecta | Revisión ciega de audiencia, información y estilo | Predeterminado frente a menor esfuerzo |
| Parada temprana/falso final | Archivos, pendientes y motivo de parada | Coste de terminar y reparar con igual entorno |
Guía de modelos ChatGPT Work y Codex · Guía OpenAI de selección · Reddit: trabajo terminado prematuramente · Reddit: organizador del test de guiones
Práctica uno: datos verificables en Chat
Pega este CSV sintético y el siguiente prompt en un modelo de Chat realmente disponible. No requiere web ni datos de cuenta. Duplicados, pending y una cantidad ausente son deliberados. La meta es conservar incertidumbre y producir JSON comprobable, no sumar todas las filas. Para probar visión, convierte tú mismo la misma tabla en imagen y conserva el CSV como referencia.
Tras deduplicar, el pago conocido debe sumar USD 12.50 y lo pendiente USD 7.25. A-003 queda desconocido, no cero. Compara niveles disponibles en conversaciones nuevas con entradas y reglas idénticas. No ejecutamos estas pruebas con modelos; las exigencias de salida definen el contrato de aceptación.
invoice_id,amount,currency,status
A-001,12.50,USD,paid
A-002,7.25,USD,pending
A-001,12.50,USD,paid
A-003,,USD,paidProcesa solo este CSV sintético. No navegues ni hagas pagos.
Deduplica por invoice_id; informa de duplicados sin contarlos dos veces.
Separa paid de pending. Un amount ausente es desconocido, nunca 0.
Devuelve solo JSON con estas claves exactas: currency,paid_total,pending_total,
duplicate_ids,missing_amount_ids,needs_review.
Importes: cadenas de dos decimales; ID ordenados; needs_review booleano.
Comprueba filas y estados antes de calcular. No añadas texto fuera del JSON.Práctica dos: entregables comprobados en Work o Codex
Para guardar archivos y ejecutar varios pasos, usa Work o Codex con permisos apropiados y el siguiente prompt. Lecturas, escrituras y tres entregables quedan en un único directorio temporal específico. Si no hay herramienta, declara no ejecución; no inventes rutas ni llames archivo guardado a un JSON en la respuesta.
Guía de modelos ChatGPT Work y Codex · Guía OpenAI de selección
Así separamos finalización y lenguaje seguro: el JSON pasa el validador, la auditoría explica duplicados y desconocidos y el estado distingue terminado, bloqueado y no probado. Explica el bloqueo concreto y continúa solo pasos independientes seguros y autorizados. Esto no permite eludir aprobaciones, identidad o restricciones de seguridad.
Procesa fixture.csv en el directorio de prueba ./model-eval-lab.
Lee y escribe solo en ./model-eval-lab. Sin red, cuentas ni otros directorios.
Aplica las reglas anteriores de duplicados, estados y datos ausentes.
Guarda:
./model-eval-lab/result.json
./model-eval-lab/audit.md
./model-eval-lab/status.json
Explica fuente, deduplicación y desconocidos en la auditoría.
Distingue completed/blocked/not_tested en el estado.
Usa el validador local guardado si está disponible; si no, declara que no se ejecutó.
Ante bloqueo, continúa solo pasos seguros, independientes y autorizados, sin eludir aprobaciones.
Enumera rutas realmente guardadas, comprobaciones y requisitos sin terminar.Un validador local contra respuestas convincentes pero incorrectas
El programa Python verifica campos, tipos y valores solo para estas cuatro filas sintéticas. No es un validador financiero general. Sin argumentos comprueba una respuesta correcta y tres errores: duplicar la suma, ocultar el dato ausente y limitarse a declarar terminado. Ejecutamos realmente los cuatro casos sin conexión.
Si luego guardas result.json de un modelo real, pasa su ruta como único argumento. Devuelve 0 al aceptar y 2 por incumplimiento; JSON roto produce error de análisis. Que el proceso no falle no implica corrección del trabajo. El validador tampoco detecta requisitos no escritos, por lo que debes revisar entradas, auditoría y límites de ejecución.
import copy
import json
import sys
from pathlib import Path
# Synthetic fixture only. This is not an accounting or general invoice validator.
EXPECTED = {
"currency": "USD",
"paid_total": "12.50",
"pending_total": "7.25",
"duplicate_ids": ["A-001"],
"missing_amount_ids": ["A-003"],
"needs_review": True,
}
def accepted(value):
if not isinstance(value, dict) or set(value) != set(EXPECTED):
return False
return all(type(value[k]) is type(v) and value[k] == v
for k, v in EXPECTED.items())
if len(sys.argv) == 2:
value = json.loads(Path(sys.argv[1]).read_text(encoding="utf-8"))
ok = accepted(value)
print(json.dumps({"accepted": ok}))
raise SystemExit(0 if ok else 2)
cases = [("expected", copy.deepcopy(EXPECTED), True)]
bad_total = copy.deepcopy(EXPECTED)
bad_total["paid_total"] = "25.00"
cases.append(("duplicate_counted_twice", bad_total, False))
bad_missing = copy.deepcopy(EXPECTED)
bad_missing["missing_amount_ids"] = []
cases.append(("missing_amount_hidden", bad_missing, False))
cases.append(("unfinished_summary", {"status": "done"}, False))
for name, value, wanted in cases:
assert accepted(value) is wanted, name
print(json.dumps({"offline_self_tests": len(cases), "passed": True}))Diseña comparaciones emparejadas, no una captura favorable
Empareja primero el esfuerzo predeterminado y superior del mismo modelo, después Terra y Sol. No cambies modelo, prompt, herramientas y presupuesto a la vez. Prepara tareas independientes de cada tipo, fija aceptación por adelantado, alterna orden y guarda todos los resultados. Registra finalización, errores, tiempos agotados, aclaraciones y recuperación, no solo la mejor captura.
El coste incluye consumo real, reintentos, revisión y reparación. El coste por entrega aceptada es el total de intentos dividido entre aceptadas; con cero aprobadas no informes un coste finito. Los porcentajes de suscripción no se convierten directamente desde precios de tokens API. Una muestra pequeña guía el próximo experimento, no un ranking preciso del mercado.
| Capa | Fijar o registrar | Criterio |
|---|---|---|
| Superficie/configuración | Fecha, modelo real, effort, herramientas, versiones | Condiciones reconstruibles; sin adivinar |
| Tarea/archivos | Hash de entrada, rutas permitidas, contrato JSON | Misma entrada y validador |
| Resultado | Aceptado, error, tiempo agotado, bloqueo, reintento | Conservar resultados adversos |
| Coste/trabajo humano | Consumo, espera, revisión, reparación | Coste total por entrega aceptada |
Las novedades del producto tienen permisos y límites propios
Registra aparte las novedades del producto. Wallet empezó a llegar gradualmente a dots el 13 de noviembre para adultos Pro elegibles en Estados Unidos, con tarjeta estadounidense y dirección admitidas y autorización de cada compra. Es una interfaz de pago controlada, no un nuevo resultado de Terra. Autorizar tampoco confirma el pedido del comercio. Solo analizamos documentación; no compramos.
El anuncio del 10 de noviembre programa retirar Advanced y Standard Voice el 11 de diciembre; GPT-Live ya es una línea de voz existente. Mantiene vídeo en directo y pantalla en Advanced voice hasta que GPT-Live los admita. Images 2.6, del 4 de noviembre, es generación de imágenes. No unas fechas, modalidades y condiciones como si todo ChatGPT cambiara de modelo hoy.
De la noticia al entregable aceptado
- Registrar Chat/Work/Codex y modelo real
- Separar proveedor, pruebas y señales de comunidad
- Fijar entradas, permisos, presupuesto y aceptación
- Emparejar esfuerzo y modelos candidatos
- Revisar archivos, fallos y coste total de comprobación
- Conservar incertidumbre y elegir por tarea
Aplica las evidencias a la elección diaria
Para conversación, reescritura y análisis ligero, verifica hechos, formato y expresión en un Chat accesible antes de pedir más razonamiento. Para archivos, programas y entregas sucesivas, compara Terra predeterminado con Sol en Work/Codex manteniendo las herramientas.
Guía de modelos ChatGPT Work y Codex · Guía OpenAI de selección · Resultados originales de Terra en Artificial Analysis · Pruebas independientes de código de Bito
El valor de Terra no es ganar todas las tablas, sino terminar cierta clase de trabajo antes con revisión aceptable. Conserva revisión humana o de un modelo más fuerte para resultados complejos, abiertos o importantes. Reutiliza entradas, validadores y registros para distinguir progreso del modelo, entorno y mejora de prompts en la próxima versión.
Este análisis del 16 de noviembre de 2026 combina evidencia pública y autopruebas sintéticas. No medimos cuentas, cuotas, API real ni ejecuciones internas de usuarios. Lee conjuntamente capacidad, superficie y aceptación para convertir novedades en decisiones comprobables.