GPT-6.1 Terra: rendimiento práctico y económico para trabajo real
GPT-6.1 Terra es un modelo económico orientado a tareas prácticas como programación y manejo de archivos. Probé cinco casos reales —hojas de cálculo, Python, presentaciones, calendarios y audio— para evaluar si sus entregables son editables y listos para usarse.
Qué es GPT-6.1 Terra
GPT-6.1 Terra es un modelo de OpenAI pensado para trabajo práctico y orientado a costos. Opera con texto e imágenes y, en entornos que lo permiten, puede usar herramientas para crear y editar archivos, ejecutar código y completar tareas en varios pasos. En entornos como ChatGPT Work y Codex, esto se traduce en acciones concretas: construir una hoja de cálculo, reparar un script en Python o preparar una presentación.
Sus características clave, según la fuente original, son:
- Asistencia de programación: escribe, depura y explica código.
- Entrada de texto e imágenes: acepta instrucciones escritas y material visual.
- Uso de herramientas: puede ejecutar código y valerse de utilidades disponibles.
- Manejo de archivos: crea y edita documentos, hojas y presentaciones dentro del entorno soportado.
- Trabajo multipartes: inspecciona archivos, aplica cambios y verifica resultados.
- Enfoque económico: diseñado para tareas prácticas donde el costo importa.
Un punto importante: la capacidad de procesar archivos depende del entorno y las herramientas habilitadas. Por ejemplo, el modelo puede preparar código para manipular un audio, pero eso no implica que “escuche” el audio nativamente.
Metodología de las pruebas
El artículo original documenta cinco pruebas prácticas pensadas para ir más allá de respuestas convincentes y enfocarse en entregables utilizables después de la conversación. Los casos fueron:
- Auditar un libro de ingresos en Excel y entregar fórmulas funcionales.
- Reparar una función en Python y ejecutar pruebas de casos borde.
- Crear una lección breve sobre self-attention a partir del paper “Attention Is All You Need”.
- Programar eventos de calendario entre varias zonas horarias.
- Preparar un archivo WAV estéreo para un pipeline mono.
Analicé la información disponible en la fuente y resumo a continuación los resultados concretos documentados y las limitaciones señaladas.
1) Auditoría de ingresos en Excel: entregable editable y fórmulas
La prueba usó un libro con diez filas que incluían pedidos con estados como “refunded”, “pending”, un duplicado exacto (AV105) y un pedido pagado (AV107) sin precio. El encargo fue generar un archivo Excel editable con tres hojas: Raw (sin tocar), Cleaned (sin duplicados y sólo pedidos pagados) y Summary. Además, requería calcular net_revenue con fórmulas Excel, marcar precios faltantes sin inventarlos y dejar el total como fórmula.
Qué entregó Terra:
- El libro contiene las tres hojas solicitadas: Raw, Cleaned y Summary.
- Raw conserva las diez filas originales.
- Cleaned dejó seis pedidos pagados, incluyendo AV107 sin precio (se mantiene en blanco y está marcado).
- Las celdas de ingreso usan fórmulas IF y el Summary hace uso de fórmulas para total conocido, conteo retenido y advertencia de precios faltantes.
- El total reportado en la ejecución fue 4,545.20 y AV105 aparece contabilizado una sola vez; AV102 y AV109 fueron excluidos por “refunded” y AV104 por “pending”.
Limitaciones detectadas:
- La hoja Cleaned es una instantánea copiada de las columnas origen, no un filtro en vivo del Raw. Eso significa que si se editan filas en Cleaned sus cálculos se actualizan, pero agregar nuevas filas en Raw no se refleja automáticamente en Cleaned sin volver a ejecutar la limpieza.
Conclusión práctica: el archivo es útil y editable, con auditoría clara de IDs excluidos y duplicados, pero los equipos deben conocer la frontera de mantenimiento (cuando hay que refrescar la limpieza manualmente).
2) Reparar una función Python y verificar casos borde
La función objetivo, overdue_ids, debía devolver IDs ordenados de tickets abiertos cuyo due time ya pasó. El código original comparaba con <= (incluyendo instantes exactos) y no manejaba valores de fecha faltantes o malformados.
Qué hizo Terra:
- Cambió la comparación a due < now para alinearse con la especificación del docstring.
- Normalizó timestamps con Z y agregó manejo para valores missing o inválidos.
- Ejecutó los chequeos solicitados (Z timestamps, offsets UTC distintos, igualdad a ahora, valores faltantes y malformados, tickets cerrados, orden de IDs y no mutación de entrada) y reportó que los casos pasaron.
Verificación independiente descrita en la fuente:
- El autor descargó el archivo corregido y corrió pruebas adicionales: offsets, igualdad de instantes, entradas inválidas, ausencia de datos, closed tickets, ordenamiento y preservación de datos originales. La función parcheada pasó esas pruebas.
Decisiones de implementación:
- Terra documentó explícitamente que trata timestamps sin zona (timezone-naive) como UTC y agregó esa política al docstring. Es una elección válida y comprobable, pero en entornos corporativos conviene validar si prefieren usar la zona local del servidor o del negocio.
- La intervención fue un parche focalizado: no reemplazó una revisión completa del sistema de tickets ni cambió supuestos sobre campos esperados.
3) Lección sobre self-attention desde un paper
El autor suministró el paper de 15 páginas “Attention Is All You Need” y pidió una presentación de tres diapositivas editable con notas para un aprendiz en Python. La nota original queda truncada en su descripción y no incluye el resultado completo de esta prueba. Por tanto, no hay detalle verificado aquí sobre la calidad final del PPT o las notas.
4) Programación de sesiones entre zonas horarias y 5) Preparación de audio
El artículo indica que también se probaron la creación de eventos en calendarios a través de cuatro zonas horarias y la preparación de un WAV estéreo para un pipeline mono. Sin embargo, la fuente no entrega en el fragmento disponible los resultados específicos de estas dos pruebas. Cabe recordar la limitación previa: procesar audio con código no implica que el modelo “escuche” el archivo por sí mismo; depende de las herramientas del entorno.
Conclusiones y recomendaciones para equipos en América Latina
- Terreno ideal: tareas prácticas y repetibles —parches de código, hojas con fórmulas, generación y edición de archivos— donde el output debe ser inmediatamente utilizable.
- Revisen las políticas de zona horaria: Terra puede documentar un tratamiento (por ejemplo, interpretar naive timestamps como UTC). Confirmen que esa política encaje con sus operaciones en LATAM, donde hay múltiples husos y cambios de horario.
- Verifiquen el entorno de ejecución: la capacidad real de manipular archivos o “ejecutar” transformaciones depende de las herramientas disponibles en la plataforma que usen.
- Mantengan revisiones humanas para decisiones críticas: aunque Terra produjo correcciones y archivos funcionales, las elecciones de diseño (p. ej. tratamiento de timestamps) deben revisarse por el equipo de producto o soporte.
- Buena opción costo-beneficio para equipos que necesitan automatizar tareas de ingeniería de datos y código sin incurrir en modelos más caros.
En resumen, GPT-6.1 Terra demuestra ser efectivo para producir entregables prácticos y editables en contextos controlados, con límites claros relacionados al entorno y a políticas de implementación que conviene validar localmente.
Fuente original: Analytics Vidhya