GPT-6.1 Terra vs Muse Wonder: cuatro puntos de índice, ocho veces la factura

GPT-6.1 Terra y Muse Wonder están separados por cuatro puntos en la tabla de clasificación pública que ha medido a ambos, y por unas ocho veces en lo que cuesta completar una tarea en esa tabla. OpenAI lanzó Terra el 26 de octubre de 2026 a 1 dólar por millón de tokens de entrada y 5 dólares por millón de salida; obtiene 48 en el Artificial Analysis Intelligence Index y cuesta 0,40 dólares por tarea del índice. Meta lanzó Muse Wonder el 12 de octubre a 4 y 20 dólares; obtiene 52 y cuesta 3,27 dólares por tarea. Ambos indican una ventana de contexto de un millón de tokens. Ordenar la clasificación zanjaría la decisión en una línea, y por eso la clasificación es el lugar equivocado para zanjarla: el modelo con la puntuación más alta y la factura más alta también es el más rápido, y la ventaja del modelo barato depende por completo de cuánto te cuesta una respuesta incorrecta.

Las cifras que aparecen a continuación proceden de Artificial Analysis, consultadas el 27 de octubre de 2026, y de la documentación de lanzamiento de los dos proveedores. Las afirmaciones de los proveedores se señalan como tales. El único benchmark a nivel de tarea de este artículo lo ejecutó DualEntry, una empresa que vende automatización contable, por lo que se trata de evidencia de terceros con un interés comercial, no de una auditoría neutral; se trata como tal.

Dos modelos creados para trabajos diferentes

Terra es el modelo de volumen de OpenAI, el reemplazo de GPT-5.6 Terra y la forma más económica de obtener la competencia general de la familia actual de OpenAI. Acepta texto e imágenes, devuelve texto, documenta un contexto de 1.050.000 tokens con un límite de salida de 128.000 tokens, y expone el esfuerzo de razonamiento desde none hasta max. OpenAI también lo lanzó en Amazon Bedrock el día del lanzamiento y en ChatGPT Work y Codex, aunque no en el cuadro de chat de ChatGPT para consumidores. Es solo de API en el sentido que importa para las compras: sin ajuste fino, sin Realtime, sin Assistants.

Muse Wonder es el primer modelo de Meta que entra en la conversación de vanguardia, y llega con una división que la mayoría de las páginas de comparación difuminan. El modelo de la API es Wonder, a $4 por entrada y $20 por salida. El checkpoint de mayor puntuación, Muse Wonder Full, con 56 en el mismo índice, solo se vende dentro de la suscripción Muse Code a $50 o $200 al mes y no se ofrece a través de la API. Las filas destacadas de benchmarks a menudo describen Full. El modelo que un desarrollador realmente puede invocar está cuatro puntos por encima de Terra, no ocho.

• Precio — GPT-6.1 Terra $1.00 de entrada / $5.00 de salida por millón; Muse Wonder $4.00 / $20.00.

• Entrada en caché — Terra $0.05 con un 95 % de descuento; Wonder $0.20 con un 95 % de descuento.

• Ventana de contexto — Terra 1.050.000 documentados; Wonder 1.000.000 documentados.

• Salida máxima — Terra: 128.000 documentados; Meta no ha publicado un límite máximo para Wonder, y rastreadores de terceros reportan cifras cercanas a 943.000.

• Índice de Inteligencia Independiente — Terra 48, 25.º de 221; Wonder 52, 10.º de 221.

• Costo por tarea de indexación — Terra $0.40; Wonder $3.27.

• Velocidad de salida — Terra 90,9 tokens por segundo; Wonder 207,8.

• Tiempo hasta el primer token — Terra 77,96 segundos; Wonder 31,62 segundos.

• Entradas — Terra: texto e imágenes; Wonder: texto, imágenes, video y audio según los trackers, y el propio material de lanzamiento de Meta hace hincapié en texto e imágenes.

• Pesos — cerrados en ambos lados. La opción de pesos abiertos de Meta es Muse Spark, un modelo diferente.

La factura es ocho veces la brecha del índice.

La cifra de coste por tarea es la que debería cambiar cómo se interpreta la diferencia de cuatro puntos. Artificial Analysis no se limita a multiplicar las tarifas de catálogo por un número fijo de tokens; mide cuántos tokens emplea cada modelo en completar el mismo conjunto de tareas del índice y luego pone precio a ese consumo. Terra promedia 0,40 dólares por tarea y Wonder 3,27 dólares, una diferencia de 8,2 veces para una brecha de capacidades inferior al 8 %.

Las tarifas de lista por sí solas no lo explican. Tomemos una carga de trabajo de 100 millones de tokens de entrada y 10 millones de tokens de salida: Terra factura $150 y Wonder $600, una diferencia de 4x. La brecha por tarea es el doble de amplia, lo que significa que los tokens que realmente consumieron las evaluaciones del índice no se repartieron en una proporción de 10 a 1; Artificial Analysis asigna precio al volumen medido de entrada y salida de cada modelo, y esa cifra por tarea refleja las evaluaciones en lugar de un ejemplo uniforme. Un precio por token es un precio del combustible, no el costo de un viaje.

Esa distinción importa sobre todo en el volumen al que apunta Terra. Un pipeline que ejecuta 100.000 tareas al mes gasta 40.000 $ en Terra y 327.000 $ en Wonder a las tarifas medidas por Artificial Analysis. La diferencia de capacidad entre ambos no se multiplica por ocho cuando lo hace la carga de trabajo; la factura sí. Si tu tarea es clasificación, extracción, lectura de formularios o un paso de agente acotado, la carga de la prueba recae en el modelo caro.

Una advertencia sobre la aritmética: el índice se renormaliza periódicamente, y las cifras de coste por tarea se desplazan con él. Compare modelos de una misma lectura —como lo son estas cifras— en lugar de restar una cifra de un artículo más antiguo.

Wonder es más rápido, y la afirmación de velocidad de Terra no resiste la comparación.

El material de lanzamiento de OpenAI describe a Terra como sustancialmente más rápido que GPT-6 Astra y GPT-6.1 Sol. Dentro de la familia OpenAI, eso parece ser cierto, y es la razón por la que el modelo existe: un generalista barato y rápido para trabajo visual y de documentos. Frente al modelo de Meta, no está ni cerca. Wonder produce 207,8 tokens de salida por segundo frente a los 90,9 de Terra, y devuelve su primer token en 31,62 segundos frente a los 77,96 de Terra.

Ambos tienen un arranque lento en términos absolutos, lo cual es una propiedad de los grandes modelos de razonamiento más que un escándalo. Pero el orden es el contrario al de los precios, y eso tiene una consecuencia práctica. Para un trabajo por lotes que se ejecuta durante la noche, la latencia de Terra es irrelevante y su coste es decisivo. Para un producto interactivo en el que un usuario espera el primer token, un arranque de 78 segundos es una decisión de producto, no una línea de benchmark, y los 32 segundos de Wonder son la mejor experiencia incluso con una tarifa de entrada cinco veces mayor.

Las cifras de velocidad también socavan una suposición común sobre los modelos económicos: que son la opción rápida por defecto. Terra es económico por token y económico por tarea. No es rápido por segundo. Son afirmaciones distintas, y solo una de ellas es verdadera.

Una prueba a nivel de tarea en la que el modelo barato perdió.

La verificación de terceros más amplia disponible en el lanzamiento es el benchmark contable de DualEntry: 101 casos sintéticos de clasificación de transacciones, asientos contables, cuentas por pagar, cuentas por cobrar, conciliación, informes, cierre de mes y conocimientos contables, ejecutados tres veces por modelo con respuestas de referencia fijas en lugar de un evaluador de IA. Se probaron veintidós modelos. DualEntry vende automatización contable, por lo que el benchmark no es neutral, pero el método es más concreto que un índice compuesto.

Terra terminó con un 78,2 % general, empatado en el puesto 18 de 22. Su perfil era desigual de una manera que la puntuación compuesta oculta. La clasificación de transacciones fue perfecta, 13 de 13. Cuentas por pagar fue del 53,8 %, empatado en el último puesto. La conciliación bancaria fue del 83,3 %, por detrás de Kimi K3.1 Pro y Muse Wonder, aunque la publicación no da a conocer la puntuación exacta de conciliación de Wonder. Terra fue el modelo de OpenAI más rápido en el benchmark y el tercero más rápido en general, con 16,1 segundos por tarea, a 0,042 USD por tarea — aproximadamente la mitad de GPT-6.1 Sol y una décima parte de GPT-6 Astra.

Una plataforma de evaluación independiente, Vals AI, sitúa a Terra en el 60,17 % y en el 10.º puesto de 28 en su propia batería de pruebas, con el trabajo de programación y de terminal como fortalezas y las áreas legal, fiscal y financiera como debilidades. Batería distinta, escala distinta, así que la cifra no es comparable con el índice de Artificial Analysis; la forma sí. Terra es un generalista rápido y económico con una amplia variación entre familias de tareas, no uno uniformemente bueno.

Esa variación es el argumento en contra de comprar basándose únicamente en el coste por tarea. En un flujo de trabajo donde una subpuntuación del 53,8 % significa que una persona rehace la mitad de la cola de cuentas por pagar, los $2.87 ahorrados por tarea no son un ahorro; son una transferencia de coste del presupuesto de tokens al presupuesto de nóminas. La ventaja de cuatro puntos en el índice de Muse Wonder no demuestra que superaría ese umbral —ningún benchmark compartido en manos del público lo establece—, pero en la única prueba a nivel de tarea en la que aparecen ambos, va por delante donde Terra es más débil.

Modalidades, longitud de la salida y lo que Meta no ha documentado

La fila de entrada de Wonder es la diferencia estructural más clara. Trackers enumera texto, imágenes, vídeo y audio como entrada, y texto como salida; el material de lanzamiento de Meta es más limitado en algunos aspectos, pero la entrada de vídeo y audio es la razón por la que un equipo siquiera lo consideraría frente a Terra. Terra acepta texto e imágenes. Si tu pipeline ingiere llamadas grabadas, grabaciones de pantalla o vídeo de producto, Terra no puede ser el único modelo que contenga.

La longitud de la salida es el segundo punto. Terra documenta 128.000 tokens de salida. Meta no ha publicado el límite de Wonder, y la cifra de ~943.000 que circula proviene de observación de terceros, no de una especificación. Trátala como una pista que hay que verificar, no como una cifra sobre la que diseñar. La misma precaución se aplica a los cortes de conocimiento: Terra documenta el 1 de junio de 2026; Meta no ha publicado uno para Wonder.

Ninguno de los dos modelos está en nuestro catálogo. Esto es lo que

Una limitación honesta antes de cualquier nota de producto: a fecha de 27 de octubre, ni GPT-6.1 Terra ni Muse Wonder están en el catálogo de 214 modelos de OrcaRouter. Terra está disponible a través de la propia API de OpenAI y, desde el día de su lanzamiento, a través de Amazon Bedrock. Wonder se vende en Meta's Model API. Cualquiera que afirme que hoy puede enrutar cualquiera de los dos a través de nosotros está describiendo una hoja de ruta, no un catálogo.

Lo que sí incluye el catálogo es la opción alojada más cercana de cada lado: GPT-6.1 Sol a $2 de entrada y $10 de salida, que puntúa 52 en el índice y cuesta $0.72 por tarea, y Muse Spark 1.2, la línea Spark de Meta. Si la carga de trabajo con forma de Terra es la que necesitas medir —trabajo de texto e imágenes de gran volumen en el que el coste por tarea completada decide la compra—, Sol es el proxy alojado con más capacidad y aproximadamente el doble del coste por tarea, y la comparación te indica si el ahorro de Terra justifica la migración. Ambos se sirven a precio de lista del proveedor sin recargo, con una única clave y conmutación automática por error, de modo que una caída del proveedor no se convierte en una caída del producto.

Cuando cualquiera de los dos modelos llegue al catálogo, el cambio será una cadena de modelo en lugar de un segundo contrato. Esa es la razón práctica para evaluar la carga de trabajo ahora en vez de esperar la publicación de lanzamiento que decida el enfrentamiento.

¿Quién debería elegir cuál?

Elige Terra cuando el trabajo sea de gran volumen, esté bien especificado y esté dominado por texto o imágenes: extracción de documentos, clasificación, lectura de formularios y capturas de pantalla, redacción, pasos de agente acotados. Los $0.40 por tarea son los más bajos de esta comparación por un amplio margen, la salida de 128K está documentada y no es un rumor, y las puntuaciones desiguales en las subtareas son aceptables cuando, de todos modos, una persona revisa la salida.

Elige Muse Wonder cuando la entrada sea más rica que texto e imágenes, cuando un agente tenga que devolver un artefacto largo en una sola llamada, o cuando una respuesta incorrecta cueste mucho más que $2.87. Los 207.8 tokens por segundo y el primer token a los 32 segundos lo convierten en el modelo interactivo superior, y la ventaja de cuatro puntos en el índice es real aunque sea menor que la diferencia entre Muse Wonder Full y Terra. Incluye en el presupuesto la tarifa de salida de $20 y confirma qué checkpoint midió realmente el benchmark que estás leyendo.

Los cuatro puntos son el dato menos interesante de la comparativa. La factura, el tiempo hasta el primer token y la varianza a nivel de tarea son de lo que depende una decisión de producción, y en esos aspectos, el modelo más barato no es simplemente el inferior.