GPT-6.1 Terra vs Gemini 4 Argon: uno es más barato, el otro acierta más a menudo

En el benchmark de contabilidad DualEntry publicado el 26 de octubre de 2026, Gemini 4 Argon obtuvo un 91,1 % y GPT-6.1 Terra un 78,2 %, y Terra lo logró en 16,1 segundos por 4,2 centavos, la ejecución más rápida y económica de cualquier modelo de OpenAI en ese conjunto de 22 modelos. Esa única fila es el enfrentamiento en miniatura. El buque insignia de Google es el mejor motor de criterio; el nuevo modelo de gama media de OpenAI es el mejor motor de procesamiento; y la brecha entre esas dos tareas es donde realmente se va el dinero. Elegir entre ambos solo por el precio de etiqueta lleva a equivocarse en ambas direcciones.

Las especificaciones, lado a lado, porque los detalles deciden más que las cifras principales:

• Precio: GPT-6.1 Terra $1.00 por 1M de entrada y $5.00 por 1M de salida, que aumentan a $2.00/$7.50 cuando una solicitud supera los 272K tokens de entrada; Gemini 4 Argon $2.00/$10.00 como precio introductorio hasta el 30 de noviembre de 2026 y, después, $4.00/$20.00.

• Contexto — Terra 1,05 M de tokens con un límite de salida de 128 K; Argon aproximadamente 1 M de entrada (Google no ha publicado una cifra; los rastreadores indican 1 M) y hasta 1 M de tokens en una sola salida mediante su función Long Decode Continuation.

• Entradas — Terra acepta texto e imágenes; Artificial Analysis enumera esas mismas dos modalidades para Argon, mientras que el anuncio de Google y sus benchmarks de video de larga duración indican que también admite entrada de video.

• Control de razonamiento — Terra expone seis niveles de esfuerzo; Argon expone tres.

• Fecha de corte de conocimiento — Terra: junio de 2026; Argon: marzo de 2026.

• Índice de Inteligencia Independiente — Terra 48, Argon 53, en la escala actual de Artificial Analysis.

La diferencia de precios que todos citan es la equivocada.

La cobertura del lanzamiento lo presenta como una diferencia de precio de dos veces: $1/$5 frente a $2/$10. Eso solo es cierto durante la ventana introductoria de Argon, y solo por token. Después del 30 de noviembre, el precio de salida se cuadruplica con respecto a Terra, no se duplica. Y por token no es como nadie paga por el trabajo de agentes.

Artificial Analysis sitúa a Terra en aproximadamente 0,40 $ por tarea del Intelligence Index y a Argon en 1,62 $ —una diferencia de cuatro veces, no de dos—. La causa es principalmente la tarifa y no una verbosidad desbocada: en esa misma evaluación, Argon generó 110 M de tokens de salida frente a los 130 M de Terra, así que Terra era en realidad el más charlatán de los dos y aun así terminó costando una cuarta parte. Lo que Terra compra es un token más barato y una respuesta más rápida, no una más corta.

Hay un segundo precipicio que la cobertura del lanzamiento pasa por alto en su mayoría. El precio de entrada de $1.00 de Terra se aplica a los primeros 272K tokens de una solicitud. Más allá de eso, la entrada salta a $2.00 y la salida a $7.50. Para el chat y la revisión de código, esto nunca importa. Para la revisión de un contrato de 600K tokens o un barrido de repositorio de horizonte largo, el precio efectivo de Terra se duplica a mitad de la solicitud y la diferencia frente a Argon se reduce drásticamente. Presupuesta para el tamaño de solicitud que realmente envías, no para el de la primera fila de la tabla de precios.

Donde la ventaja de Argon es real, no marketing.

La ventaja de Argon se concentra en el trabajo donde una respuesta incorrecta cuesta más que los tokens necesarios para evitarla. El resultado de DualEntry es el ejemplo público más claro: 91,1 % global frente al 78,2 % de Terra, con la mayor diferencia individual en cuentas por pagar, donde Argon obtuvo un 84,6 % y Terra un 53,8 %. Terra terminó empatada en el puesto 18 de 22 modelos en ese benchmark. También fue el más rápido, lo que dice qué tipo de modelo es: optimizado para despejar una cola, no para ser la última línea de defensa.

El mismo patrón aparece en otros lugares. En el Vals Index, Argon encabeza el grupo con un 68,9 %, el primero de unos 41 modelos. En el Intelligence Index de Artificial Analysis obtiene 53 frente a los 48 de Terra. En AA-Omniscience, su tasa de alucinación es de alrededor del 15 % —la más baja medida entre los modelos de frontera—, mientras que GPT-6 Astra, el modelo con el que más se le compara, se sitúa cerca del 51 %. La propia tasa de conjeturas de Terra cayó del 88 % al 38 % frente a su predecesor, lo que supone una mejora genuina, pero esas dos cifras no son la misma métrica y no deberían restarse entre sí. La lectura honesta es que Argon es el modelo más prudente y Terra es el modelo muy mejorado, pero aún más especulativo.

La superficie de entrada de Argon es más amplia en un eje: el vídeo. El panel técnico de Artificial Analysis solo enumera texto e imagen, pero el anuncio de Google enmarca una capacidad multimodal ampliada y evalúa la comprensión de vídeos largos en LVBench, lo que solo tiene sentido si se incluye el vídeo. Si tu canalización ingiere llamadas grabadas o capturas de pantalla, verifica los formatos exactos con la documentación de Google antes de construir una integración en torno a ellos; cuando eso se cumpla, es una diferencia de capacidad que ninguna ventaja de precio de Terra cierra.

Donde Terra es la opción predeterminada racional

El caso de Terra no es que sea más inteligente. Es que la mayor parte del tráfico de producción no necesita el modelo más inteligente, y Terra es excepcionalmente buena para ser suficientemente buena a bajo costo.

Es rápido en el sentido que cambia el diseño de sistemas: 90,9 tokens de salida por segundo en la medición de Artificial Analysis frente a los 80,9 de Argon, y OpenAI afirma que completa tareas aproximadamente tres veces más rápido que su propio modelo insignia. Una cola de triaje de soporte, un resumidor de registros, un revisor de código de primera pasada o un clasificador de documentos que se ejecuta un millón de veces al mes no se beneficia del margen de juicio de Argon. Se beneficia de un modelo que responde en segundos a 0,40 dólares por tarea en lugar de dólares por tarea.

Terra también es el más controlable de los dos. Seis niveles de razonamiento frente a los tres de Argon implican una granularidad más fina en el único dial que más afecta tanto el costo como la latencia. Los equipos que dirigen las solicitudes fáciles a un esfuerzo bajo y las difíciles a un esfuerzo máximo a menudo pueden quedar a unos pocos puntos de la precisión de un modelo más grande con una fracción de su factura. Argon te da menos margen para hacer esa compensación.

El corte de conocimiento más reciente de Terra —junio de 2026 frente a marzo de 2026— importa para cualquier cosa que razone sobre eventos recientes, versiones de bibliotecas o precios que cambiaron este verano. Es una pequeña ventaja, pero es gratis.

La regla de decisión

No elija uno solo. La evidencia respalda una división, y la división es inusualmente limpia:

• Usa GPT-6.1 Terra para trabajos supervisados, de gran volumen y resultados breves, en los que un error se detecta en etapas posteriores: clasificación, extracción, enrutamiento, generación de borradores iniciales, triaje de registros y alertas, y revisión masiva de código.

• Utilice Gemini 4 Argon para trabajos de bajo volumen, horizonte prolongado y alto costo de error: conciliación financiera y contable, revisión legal y de cumplimiento, agentes de varios pasos que operan herramientas sin supervisión y cualquier tarea que requiera entrada de video, audio o PDF.

Usa Terra como primera pasada y Argon como escalado para la cola. La diferencia de 78,2 frente a 91,1 en el trabajo de contabilidad es exactamente el tipo de margen en el que una primera pasada barata más una comprobación cara supera a cualquiera de los modelos por separado.

• Vuelve a ejecutar el cálculo después del 30 de noviembre. El cambio de Argon de $2/$10 a $4/$20 modifica sustancialmente el punto de cruce, y cualquier comparación redactada durante la ventana promocional quedará obsoleta.

Cómo ejecutar cualquiera de los dos

La disponibilidad difiere más de lo que sugieren los benchmarks. Terra se lanzó el 26 de octubre a través de la API de OpenAI, ChatGPT y Codex, sin pesos abiertos. Argon se ha estado implementando por fases desde su anuncio del 30 de septiembre —primero para defensores cibernéticos verificados mediante el programa Fairwind de Google, luego para suscriptores de AI Ultra y clientes de pago de la API— y Google no se ha comprometido a un lanzamiento gratuito generalizado.

Al 27 de octubre, ninguno de los dos modelos está en el catálogo de OrcaRouter, así que no es un caso en el que podamos darte un único endpoint para ambos. Lo que sí podemos decirte es cómo se suele construir el stack que los rodea: los equipos mantienen un ejecutor barato y un verificador caro detrás de una sola API, y los modelos que ya están enrutados —Claude Opus 5.5, GPT-6.1 Sol, Grok 4.7 y más de 200 adicionales — están detrás de una sola clave, con los precios de lista del proveedor trasladados sin margen (0 %) y conmutación automática por error cuando un proveedor se degrada. Si Terra o Argon llega al catálogo, se integra en la misma clave en lugar de convertirse en una segunda integración. Hasta entonces, prueba cada uno a través de su proveedor y mantén la decisión de enrutamiento a nivel de tarea, que es donde corresponde.

Lo que hay que vigilar no es otro gráfico de benchmarks. Son {{1}}el precio posterior a la promoción de Argon{{/1}} y {{2}}la primera ejecución independiente de Terra en Terminal-Bench{{/2}}, que actualmente se basa en la propia afirmación de OpenAI del 50,3% frente al más del 57% de Argon. Si Terra se mantiene cerca de esa cifra con un cuarto del coste por tarea de Argon, la división anterior se convierte en la arquitectura predeterminada para muchos equipos. Si se desvía, la estrategia de primera pasada barata se vuelve más cara de lo que parece.