GPT-5.6 Terra vs Claude Sonnet 5: benchmarks, precios y cuándo usar cada uno

Si buscas un modelo de gama media para respaldar a un agente que funciona todo el día, ahora mismo hay dos candidatos claros: GPT-5.6 Terra y Claude Sonnet 5. Ambos son el modelo por defecto que sus proveedores ofrecen a los usuarios gratis, ambos traen una ventana de contexto de alrededor de 1M de tokens y ambos cuestan prácticamente lo mismo por token de entrada.

En este artículo comparo GPT-5.6 Terra y Claude Sonnet 5 en agentes de código y terminal, trabajo de conocimiento, postura de ciberseguridad, comportamiento en contexto largo, superficie de control de API y precios, para que elijas el que mejor encaje con tu carga de trabajo. Si quieres un análisis más profundo de cada modelo por separado, echa un vistazo a nuestras guías de la familia GPT-5.6 y Claude Sonnet 5.

Resumen rápido

• Terra es la apuesta más sólida para agentes de programación orientados a terminal y flujos con muchas herramientas, donde sus funciones de eficiencia de tokens marcan la diferencia.
• Sonnet 5 es la opción más estable para trabajos con mucho contexto y documentos, porque sus tarifas se mantienen planas en toda la ventana.
• Elige GPT-5.6 Terra si tus agentes viven en un shell, llaman a muchas herramientas por turno o quieres tokens de salida más baratos a partir de agosto.
• Elige Claude Sonnet 5 si envías prompts muy grandes, quieres una facturación por token predecible o buscas deliberadamente un modelo que rechace trabajos de explotación.

¿Qué es GPT-5.6 Terra?

GPT-5.6 Terra es el nivel intermedio de la familia GPT-5.6 de OpenAI, disponible de forma general desde el 9 de julio de 2026, junto al buque insignia Sol y el nivel más económico, Luna. OpenAI describe Terra como la opción equilibrada para el trabajo diario y señala que corresponde aproximadamente al nivel mini de las familias GPT-5 anteriores. Ofrece una ventana de contexto de 1.050.000 tokens, un techo de salida de 128.000 tokens y un corte de conocimiento del 16 de febrero de 2026.

Dos aspectos hacen que Terra sea interesante y no solo barato. Hereda Programmatic Tool Calling de la Responses API, lo que permite al modelo escribir y ejecutar pequeños programas en memoria que coordinan herramientas, en lugar de pasar cada respuesta de herramienta por el modelo. Y el 30 de julio de 2026, OpenAI redujo el precio de Terra un 20%, de $2.50/$15 en el lanzamiento a $2.00/$12 por 1M de tokens.

Cubrimos la familia al completo en nuestra guía de GPT-5.6 Sol, Terra y Luna, y si quieres ver para qué se está usando el nivel flagship, nuestro artículo sobre cómo GPT-5.6 Sol ayudó a refutar la conjetura de Maxwell es una buena lectura. También tienes una comparativa de nivel flagship en Claude Opus 5 vs GPT-5.6 Sol.

¿Qué es Claude Sonnet 5?

Claude Sonnet 5 es el modelo de gama media de Anthropic, lanzado el 30 de junio de 2026, presentado como el Sonnet más “agéntico” que la compañía ha publicado. Anthropic afirma que planifica, maneja navegadores y terminales y opera de forma autónoma a un nivel que antes requería modelos de clase Opus, acercándose a Opus 4.8 en razonamiento, uso de herramientas, programación y trabajo de conocimiento a un precio inferior.

Es el modelo por defecto en los planes Free y Pro, y llega con una serie de restricciones deliberadas: temperature, top_p y top_k desaparecen, el pensamiento extendido manual devuelve un error 400 y el pensamiento adaptativo está activado por defecto. También usa un nuevo tokenizador que produce aproximadamente un 30% más de tokens para el mismo texto que Sonnet 4.6, algo que Anthropic compensó con precios de lanzamiento hasta el 31 de agosto de 2026.

Repasamos las cifras del lanzamiento en nuestra guía de Claude Sonnet 5 y lo comparamos hacia arriba con el buque insignia de Anthropic en Claude Opus 5 vs Claude Sonnet 5.

GPT-5.6 Terra vs Claude Sonnet 5: comparación directa

Así se sitúan los dos modelos uno al lado del otro antes de entrar en áreas de capacidad concretas.

Agentes de programación y terminal

Normalmente, la división favorece a Anthropic para programar en repositorios y a OpenAI para trabajo en terminal.

Esa división se mantiene: en Terminal-Bench 2.1, Terra alcanza un 87,4%, frente al 80,4% de Sonnet 5 en los materiales de lanzamiento de Anthropic, una diferencia de 7 puntos en flujos de línea de comandos. Cabe destacar que Terra también supera a Claude Opus 4.8 (78,9%) y a Claude Fable 5 (83,1%) en la ejecución del mismo eval por parte de OpenAI.

Pero ahora mismo, ambos modelos de gama media compiten de tú a tú en programación para repos. En SWE-Bench Pro, que ejecuta correcciones de varios pasos sobre repos reales, OpenAI informa de un 63,4% para Terra y Anthropic de un 63,2% para Sonnet 5.

El propio enfoque de Anthropic apoya esta división. La historia de Sonnet 5 en código va de completar tareas más que de picos de puntuación: los primeros testers describieron que terminaba encargos donde Sonnet 4.6 se quedaba corto y comprobaba su propia salida sin que se lo pidieran.

Si tu agente vive en un shell, Terra tiene ventaja. Si vive dentro de una base de código razonando sobre un fallo, los benchmarks dicen que eliges entre dos modelos de la misma clase.

Trabajo de conocimiento y tareas profesionales

Ambos proveedores reportan GDPval-AA v2, una medida tipo Elo de la calidad de salida profesional, y las cifras están lo bastante cerca como para considerarlo tablas. OpenAI sitúa a Terra en 1.593 Elo; Anthropic pone a Sonnet 5 en 1.618. OpenAI puntúa a Claude Opus 4.8 con 1.600 Elo en este eval mientras Anthropic puntúa el mismo modelo con 1.615, así que una diferencia de 25 puntos entre Terra y Sonnet 5 entra en el margen de la metodología.

Donde Terra tiene una reclamación sin respuesta es en Agents' Last Exam, una evaluación de flujos profesionales de larga duración en 55 campos. Terra obtiene un 50,4%, por delante de GPT-5.5 (46,9%), Claude Opus 4.8 (45,2%) y Claude Fable 5 (40,5%). Anthropic no reportó Sonnet 5 en ese eval, así que tómalo como terreno elegido por OpenAI y no como veredicto.

El uso de ordenador es el único sitio donde te desaconsejo una comparación directa. OpenAI reporta a Terra con un 50,2% en OSWorld 2.0, mientras Anthropic reporta a Sonnet 5 con un 81,2% en OSWorld-Verified. Son conjuntos de evaluación y sistemas de puntuación distintos, y Anthropic revisó explícitamente cómo ejecuta OSWorld-Verified para este lanzamiento, así que poner ambas cifras en paralelo no te dice nada.

La ventaja práctica de Terra aquí es la contabilidad de tokens. Notion informó de que muchos agentes que corrían en GPT-5.5 rinden igual de bien en Terra a mitad de coste y con un 16% menos de tokens, y Clio reportó que Programmatic Tool Calling redujo los tokens de prompt un 38% en análisis documental de varios pasos sin pérdida de calidad. Son afirmaciones de socios de proveedor, no mediciones independientes, pero son concretas sobre qué cambió.

Ciberseguridad: dos apuestas opuestas

Esta es la mayor brecha de la comparativa, y es una decisión de diseño, no un accidente de capacidad.

OpenAI entrenó la familia GPT-5.6 para trabajo en ciber: Terra obtiene un 91,8% en retos Capture-the-Flag, 57,7% en SEC-Bench Pro, 52,9% en ExploitBench y 23,2% en ExploitGym. Dos de esas cifras superan a GPT-5.5, el anterior flagship, que logró 45,8% en SEC-Bench Pro y 47,9% en ExploitBench.

Anthropic tomó el camino contrario. Sonnet 5 no fue entrenado deliberadamente en tareas de ciberseguridad y, en una evaluación de desarrollo de exploits construida con Mozilla sobre vulnerabilidades de Firefox 147, no produjo ningún exploit funcional, con una puntuación del 0,0%. Anthropic distribuye Sonnet 5 con salvaguardas de ciber en tiempo real activadas por defecto y recomienda Opus 4.8 para trabajo en ciber que requiera menos barreras.

Para la mayoría, esto es una ventaja de Sonnet 5, no una debilidad. Si construyes un producto donde que el modelo intente generar exploits es un riesgo, un modelo que se niega de forma fiable es una dependencia más segura. Si haces seguridad defensiva, Terra está dentro del programa Daybreak Trusted Access for Cyber de OpenAI, y los miembros individuales necesitarán llaves de seguridad con respaldo de hardware activadas antes del 1 de septiembre para mantener el acceso a los modelos con mayor capacidad en ciber.

Conviene señalar también el coste de fricción en el lado de OpenAI. OpenAI afirma que las salvaguardas de ciber de GPT-5.6 Sol bloquean aproximadamente 10 veces más actividad potencialmente dañina que modelos anteriores, y añadió una opción de reintentar con un modelo de menor capacidad en ChatGPT y Codex precisamente porque se bloquean solicitudes benignas. En Reddit hay hilos del lado de Anthropic con la misma queja: Sonnet 5 bloquea contenido didáctico de seguridad benigno, así que ninguno de los dos proveedores ha resuelto el sobrebloqueo.

Ventana de contexto y trabajo en contexto largo

En teoría, son iguales: Terra publica una ventana de contexto de 1.050.000 tokens con un techo de salida de 128.000 tokens, y Sonnet 5 trae una ventana de 1M con un techo de salida de 128K. Lo que cambia es qué pasa cuando realmente la llenas.

Terra ha publicado puntuaciones de recuperación a lo largo de la ventana. En OpenAI MRCR v2 8-needle, obtiene un 89,6% en la banda 256K-512K y un 72,5% en la banda 512K-1M, cerca del 91,5% y 73,8% de Sol y muy por encima del 41,3% de Luna. Esto significa que, en un documento de 512k, puedes esperar que el modelo encuentre detalles ocultos en 9 de cada 10 casos, lo que lo convierte en un compañero muy fiable para extracción de conocimiento. Anthropic no publicó cifras comparables de “needle retrieval” para Sonnet 5 en el lanzamiento.

El comportamiento de facturación es la diferencia con más impacto. Los prompts con más de 272K tokens de entrada en Terra se cobran al doble en entrada y 1,5x en salida para toda la solicitud, no solo el exceso. Sonnet 5 no tiene recargo publicado por contexto largo, así que sus tarifas se mantienen planas en toda la ventana. Pongo números en la sección de precios, porque eso invierte cuál modelo es más barato.

Superficie de control: esfuerzo, pensamiento y límites de API

Ambos modelos exponen un dial de esfuerzo de razonamiento, y a partir de ahí divergen mucho en lo que puedes tocar.

Sonnet 5 eliminó por completo temperature, top_p y top_k, y llamarlas devuelve un error 400. El pensamiento extendido manual también devuelve 400; tienes pensamiento adaptativo activado por defecto o lo desactivas por completo.

Sonnet 5 tampoco admite Priority Tier en la plataforma de Anthropic, algo relevante si tu equipo depende hoy de esa garantía de latencia en Opus o Sonnet 4.6. Anthropic elevó los límites de tasa en Chat, Cowork, Claude Code y la Claude Platform para absorber el mayor uso de tokens que producen los niveles de esfuerzo altos.

La superficie de Terra es más amplia en otra dirección. Funciones a tener en cuenta:

• Programmatic Tool Calling en la Responses API, que ejecuta programas de coordinación en memoria y es compatible con Zero Data Retention.

• Beta multiagente en la Responses API, que permite al modelo ejecutar subagentes concurrentes y sintetizar su trabajo en una sola solicitud.

• Ajuste de esfuerzo max, activable por cualquier usuario con acceso a GPT-5.6 en ChatGPT Work y Codex.

• Puntos de ruptura de caché explícitos con una vida mínima de 30 minutos, lecturas de caché con un 90% de descuento y escrituras de caché a 1,25x la tarifa de entrada sin caché.

• Llamadas a funciones, salidas estructuradas, shell alojado, intérprete de código y uso de ordenador en la Responses API; sin soporte para afinado fino.

Una asimetría a tener en cuenta: la configuración ultra de OpenAI coordina cuatro agentes en paralelo, pero todos los benchmarks publicados de ultra pertenecen a Sol, no a Terra. No des por hecho que el nivel intermedio consigue las mismas ganancias multiagente hasta que alguien publique cifras de Terra Ultra.

Precios: lo que pagarás realmente

Terra y Sonnet 5 ahora mismo están a menos de un dólar de diferencia en entrada, así que la forma de tu carga de trabajo, no la tarifa titular, es lo que decidirá tu factura.

Tarifas por token, lado a lado

Las tarifas de $2.00/$12.00 de Terra reflejan el recorte del 20% aplicado por OpenAI el 30 de julio de 2026, desde $2.50/$15.00 en el lanzamiento. Las lecturas de entrada en caché en Terra cuestan $0.20 por 1M, y Anthropic admite caché de prompts para Sonnet 5 sin desglosar una tarifa específica para Sonnet en sus materiales de lanzamiento.

Como Anthropic factura los tokens de pensamiento a la tarifa de salida, ejecutar Sonnet 5 con esfuerzo extra alto multiplica directamente la partida más cara. Es la forma más fácil de reventar un presupuesto dimensionado por volumen de entrada.

Lo que cuesta una carga de trabajo real

La fórmula es sencilla: (volumen ÷ 1M) × tarifa, sumado entre entrada y salida. He trabajado tres formas de carga a tarifas estándar, elegidas porque cada una aísla un mecanismo donde estos dos modelos realmente difieren.

La tercera fila es la clave. No cambia nada del volumen total entre la segunda y la tercera, solo el tamaño de cada petición individual, y el recargo de 272K de Terra convierte una ventaja de coste del 41% en una penalización del 29%. Si sueles meter 300K tokens de contratos o contexto de repositorio en una sola llamada, el precio a priori de Terra puede llevar a engaño.

La fila de generación intensiva también se invierte si compras antes de septiembre. Con las tarifas de lanzamiento de Sonnet 5 de $2.00/$10.00, esa carga cuesta $42 frente a los $50 de Terra, así que Sonnet 5 es $8 más barato hasta que las tarifas estándar entren en vigor el 1 de septiembre de 2026. Anthropic fijó esa ventana para que la migración desde Sonnet 4.6 fuera aproximadamente neutra en coste; tenlo en cuenta antes de presupuestar con ella.

Por qué la misma tarea cuesta distinto

Estas tarifas solo se traducen en factura si ambos modelos consumen el mismo número de tokens para el mismo trabajo, y no suele ser así. Terra y Sonnet 5 usan tokenizadores distintos de proveedores distintos, así que el mismo texto produce diferentes recuentos de tokens de entrada para cada modelo antes de que respondan.

Ninguno ha publicado un recuento entre sujetos, así que no puedo darte una cifra ajustada. Lo que existe son afirmaciones de predecesores que no dicen nada sobre Terra frente a Sonnet 5:

• Anthropic documenta que el nuevo tokenizador de Sonnet 5 produce aproximadamente un 30% más de tokens que Sonnet 4.6, y
• Notion informó de que Terra usa un 16% menos de tokens que GPT-5.5.

Mi consejo es que trates la tabla anterior como una comparación de tarifas, no como una previsión, y que midas tus propios recuentos de tokens en una muestra representativa antes de comprometerte. El cambio de tokenizador de Sonnet 5 pilló a equipos por sorpresa en el lanzamiento, con la reseña de Simon Willison y consultoras cloud señalándolo como la principal sorpresa de migración.

Cuándo elegir GPT-5.6 Terra vs Claude Sonnet 5

Así tomaría yo la decisión según los escenarios más comunes.

Elige GPT-5.6 Terra si…

• Tus agentes viven en un shell. La brecha de 7 puntos en Terminal-Bench 2.1 es la mayor diferencia publicada entre estos dos modelos en código.
• Llamas a muchas herramientas por turno. Programmatic Tool Calling mantiene los datos intermedios fuera del contexto del modelo, y PlayCo reportó un 63,5% menos de tokens totales y un 50,1% menos de turnos del modelo en trabajo de construcción de escenas estructuradas.
• Haces ciber defensivo. El 57,7% en SEC-Bench Pro y 52,9% en ExploitBench de Terra están en otra liga respecto a la negativa deliberada de Sonnet 5.
• Necesitas tokens de salida más baratos. Tras agosto de 2026, la tarifa de Sonnet 5 sube a $15 por 1M frente a los $12 de Terra.
• Quieres cifras documentadas de recuperación en contexto largo, como el 72,5% en MRCR v2 en la banda 512K-1M.

Elige Claude Sonnet 5 si…

• Tus prompts o archivos de contexto son grandes. La tarifa plana hasta 1M tokens vence al acantilado de 272K de Terra, con una diferencia del 29% en un mes de 10M tokens de entrada.
• Quieres un modelo que rechace trabajo de ciber por diseño. Según Anthropic, Sonnet 5 tiene capacidades de ciber sustancialmente peores que Opus 4.8 y Mythos 5, que para la mayoría de equipos de producto es lo deseable.
• Ya estás en el ecosistema Claude. Sonnet 5 es el por defecto en Free y Pro y funciona en Claude Code.
• Prefieres un único dial a un panel de ajustes. Pensamiento adaptativo más niveles de esfuerzo es una superficie más pequeña que esfuerzo + max + ultra + modos de llamadas a herramientas.

Si el coste es la restricción principal, las tres cargas de trabajo calculadas son la forma más rápida de ver en qué lado estás: $50 frente a $63 en un mes de generación intensiva, $32 frente a $45 en recuperación bajo umbral y $58 frente a $45 cuando cada petición supera los 272K tokens de entrada.

Cómo empezar con GPT-5.6 Terra y Claude Sonnet 5

Ambos modelos están disponibles de forma general hoy y ambos son los que sus proveedores regalan en los planes gratuitos, así que probarlos no cuesta más que tiempo.

Tu primera llamada a la API

Son SDKs distintos, así que cambiar entre ellos es más que modificar el nombre del modelo. Ambas llamadas son lo bastante cortas como para ver la diferencia de un vistazo.

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-5.6-terra",  # swap for gpt-5.6-sol or gpt-5.6-luna
    input="Refactor this pytest fixture to avoid module-level state.",
)
print(response.output_text)

from anthropic import Anthropic

client = Anthropic()
message = client.messages.create(
    model="claude-sonnet-5",  # no temperature/top_p/top_k on this model
    max_tokens=1024,
    messages=[{"role": "user", "content": "Refactor this pytest fixture to avoid module-level state."}],
)
print(message.content.text)

Si portas código existente de Anthropic, recuerda eliminar temperature, top_p, top_k y cualquier configuración manual de pensamiento extendido primero, ya que Sonnet 5 devuelve un 400 en lugar de ignorarlos.

Para el proceso completo de configuración en el lado de Anthropic, nuestra guía completa de la Claude API llega más lejos de lo que tiene sentido aquí. Para empezar en el lado de GPT, nuestro curso Working with the OpenAI API es el mejor punto de partida.

Reflexión final

En una frase: Terra es el mejor modelo de gama media para agentes de terminal y flujos densos en herramientas, y Sonnet 5 es el mejor para prompts grandes y equipos que quieren una superficie de control más pequeña.

Lo más interesante es que ambos proveedores han elegido el nivel intermedio como el por defecto gratuito y luego han apostado por lo contrario en cuanto a lo que un modelo de gama media debe rechazar. OpenAI entrenó Terra para trabajo en ciber y colocó la capacidad más afilada tras verificación de identidad y llaves físicas. Anthropic entrenó Sonnet 5 para no hacerlo en absoluto y, además, añadió salvaguardas. Ningún enfoque es claramente “el correcto”, y ambos crean fricción real para trabajo legítimo.

Si prefieres desarrollar el criterio para tomar estas decisiones tú mismo en lugar de leer la tabla de benchmarks de otra persona, te recomiendo empezar por nuestro itinerario de habilidades de AI Fundamentals.