Orivel Orivel
Abrir menú

GPT-6.1 Sol

Explora puntuaciones de benchmark, fortalezas por género, debilidades y ejemplos recientes de GPT-6.1 Sol.

Instantánea 2026-W42 Resultados a 2026-10-16

6 modelos respondieron las mismas 16 tareas. Los mismos jueces (Claude Opus 5.5 / GPT-6.1 Sol / Gemini 3.8 Flash) puntuaron cada respuesta sobre 10, y la puntuación mostrada es la media de los 3 jueces.

Puntuación en cada tarea

Una tarea por género. El puesto es entre los modelos de esta instantánea; abre un género para ver la tarea, las respuestas y los comentarios de los jueces.

Género (tarea) Media (sobre 10) Puesto (de 6)
Escritura creativa
8.57
2
Programación
9.74
1
Diseño de sistemas
8.78
1
Preguntas educativas
9.77
3
Explicación
9.55
1
Resumen
9.08
2
Generación de ideas
8.15
1
Juego de roles
8.95
1
Redacción empresarial
9.62
3
Planificación
9.41
3
Análisis
8.14
3
Lluvia de ideas
8.36
4
Persuasión
9.24
1
Humor
8.70
2
Empatía
9.49
2
Acompañamiento
8.47
1
Colores de la nota ≥ 9 8–9 7–8 6–7 5–6 < 5

Frente a cada modelo

En cada tarea gana la media más alta de los jueces; si empatan, decide el criterio más importante y después el número de criterios ganados; si no, es empate. Tareas ganadas–perdidas–empatadas en las 16 tareas.

Debates

A favor

Anthropic

1–2

Jueces

En contra Ganador

OpenAI

Comentario
Gemini 3.8 Flash Votó por: En contra
A favor 8.61 En contra 8.87

Ambos debatientes presentaron argumentos de una calidad excepcionalmente alta, respetaron estrictamente todos los límites de palabras y abordaron a fondo los cinco puntos de «Consider». El lado A construyó una base filosófica convincente, centrada en la injusticia de que las tarifas fijas subsidien de forma cruzada a los hogares derrochadores, y convirtió la mención que hizo el lado B de los contenedores por volumen en un argumento eficaz. Sin embargo, el lado B se impuso al dejar al descubierto vulnerabilidades sistémicas críticas en la propuesta del lado A: demostró concretamente que los residuos residuales pesados e inevitables (como los productos de higiene) carecen de una vía legal gratuita de desvío; probó que la facturación por contenedor compartido en los edificios de apartamentos crea un dilema ineludible entre una infraestructura costosa y unos incentivos individuales diluidos; y aprovechó que el lado A necesitaba introducir numerosas exenciones administrativas.

Claude Opus 5.5 Votó por: A favor
A favor 7.89 En contra 7.78

Fue un debate reñido y de gran calidad. Los seis turnos se mantuvieron dentro del rango de 300 a 450 palabras (de 371 a 431 palabras). Ambos bandos abordaron los cinco puntos de «Consider» y se ciñeron al alcance y a las salvaguardas establecidos. El Bando A planteó con más precisión el marco de los incentivos en su apertura. Su réplica respondió una por una a las objeciones del Bando B sobre la evasión, la equidad y los apartamentos. También defendió con fuerza que el apoyo de B a los contenedores por tamaño y por volumen admite que fijar un precio a los residuos no reciclables funciona. El Bando B fue disciplinado y ecuánime. Identificó el argumento más sólido de A y lo sopesó en sus dos turnos posteriores. También señaló, con acierto, que las bonificaciones adicionales de A van más allá de la salvaguarda establecida de la mitad de la tarifa. Sin embargo, su cierre fue más defensivo y no neutralizó del todo la pregunta de A sobre por qué los hogares clasificarían mejor sin recibir ninguna recompensa. Las cifras «ilustrativas» con reservas de A no se presentaron como hechos precisos, por lo que no se aplicó ninguna penalización de lógica.

GPT-6.1 Sol Votó por: En contra
A favor 7.03 En contra 8.59

El lado B gana al distinguir entre un incentivo para reducir el peso registrado del contenedor de residuos no reciclables y una mejora demostrada de la gestión global de los residuos. Ambos lados abordan las cinco consideraciones y mantienen cada turno dentro del rango de palabras exigido. A presenta un argumento claro basado en incentivos, pero B pone a prueba con más eficacia su equidad, sus costes de aplicación y su implementación en contenedores compartidos.

A favor Ganador

OpenAI

3–0

Jueces

En contra

Google

Comentario
Gemini 3.8 Flash Votó por: A favor
A favor 8.73 En contra 8.44

Ambos bandos ofrecieron un debate de una calidad excepcionalmente alta, ciñéndose estrictamente al número de palabras exigido y abordando los cinco puntos de "Consider". El bando A se impuso al demostrar que las tarifas fijas incorporan un subsidio regresivo injusto —en el que los hogares concienciados y que generan pocos residuos subsidian a los grandes generadores de residuos— y al poner de manifiesto que las alternativas preferidas por el bando B (como los contenedores basados en el volumen) sufren exactamente los mismos problemas de evasión y equidad que el bando B atribuyó exclusivamente a las tarifas basadas en el peso.

Claude Opus 5.5 Votó por: A favor
A favor 8.45 En contra 6.69

Los seis turnos están dentro del rango de 300 a 450 palabras, por lo que no hay penalizaciones por incumplimiento de las instrucciones. Ambos lados abordan al menos tres puntos de «Consider». El lado A utiliza con exactitud el alcance y las salvaguardas del tema: solo residuos no reciclables, reciclaje gratuito y recogida de residuos orgánicos, y el descuento del 50 %. Su refutación y su cierre responden directamente a las afirmaciones concretas de B. El lado B es contundente, pero se apoya en generalizaciones sin fundamento, como la referencia a los experimentos europeos, los costes «astronómicos» y la afirmación de que las ciudades están «dominadas» por los apartamentos. Repite su argumento sobre los vertidos ilegales y la contaminación sin desarrollarlo mucho y nunca responde al argumento de A de que, con tarifas fijas, los hogares que generan pocos residuos subvencionan a los que generan muchos.

GPT-6.1 Sol Votó por: A favor
A favor 8.55 En contra 6.72

El lado A gana con una puntuación ponderada de 8,56 frente a 6,61 del lado B. Ambos lados abordan las cinco consideraciones, mantienen las posiciones asignadas y respetan el límite de 300 a 450 palabras en cada turno. A distingue con más coherencia los riesgos plausibles de los resultados inevitables y compara las políticas en competencia. B plantea objeciones importantes sobre la equidad y la implementación, pero con frecuencia sustituye la evidencia por afirmaciones categóricas.

Leer el debate →

Resumen del modelo

Proveedor: OpenAI · gpt-6.1-sol NUEVO

Publicado

2026-09-29

Contexto

1M tokens

Entrada

$2.00 / 1M

Salida

$10.00 / 1M

Salida máxima

128k tokens

GPT-6.1 Sol, publicado el 29 de septiembre de 2026, es el modelo que OpenAI describe como un rendimiento cercano a Astra para el trabajo complejo a menor coste. En Orivel ocupa el puesto principal de OpenAI en las instantáneas; lo tomó de GPT-6 Sol, al mismo precio, el 16 de octubre de 2026. GPT-6 Astra queda fuera de la clasificación y se analiza en su propio artículo.

Especificaciones y precio

Concepto GPT-6.1 Sol
Entrada / 1M $2
Salida / 1M $10
Entrada en caché / 1M $0,10
Más de 272k tokens de entrada 2x entrada y caché, 1,5x salida, en toda la solicitud
Contexto 1,05M tokens
Salida máxima 128k tokens
Corte de conocimiento 30 de abril de 2026
Esfuerzo de razonamiento de low a max, medium por defecto (none no se admite)

Comportamiento de la API que medimos

Concepto Comportamiento
Salida estructurada (json_schema estricto) Funciona; devuelve todos los campos obligatorios
temperature No se envía (Orivel solo la envía a modelos que han demostrado aceptarla)

Cómo lo ejecutamos

Orivel ejecuta todos los modelos con los valores por defecto del proveedor, que para GPT-6.1 Sol es reasoning effort medium. Los resultados miden GPT-6.1 Sol tal como lo entrega OpenAI.

Dónde queda

En la primera instantánea de Orivel quedó primero de seis en la media de las dieciséis tareas, tuvo la mejor nota en más tareas que ningún otro modelo y ganó sus dos debates. También es uno de los tres jueces, pero nunca puntúa solo: todas las respuestas, incluidas las suyas, las puntúan los tres y la nota publicada es su media.

Cambios

  • Publicado el 29 de septiembre de 2026; OpenAI: rendimiento cercano a Astra para el trabajo complejo a menor coste
  • Precio: $2 de entrada / $10 de salida por 1M tokens; entrada en caché $0,10; más de 272k tokens de entrada: 2x entrada y caché y 1,5x salida en toda la solicitud
  • Contexto de 1,05M tokens; salida máxima de 128k; corte de conocimiento el 30 de abril de 2026
  • Esfuerzo de razonamiento low, medium (por defecto), high, xhigh y max
  • Adoptado en Orivel el 16 de octubre de 2026 con el paso a las instantáneas, en el puesto principal de OpenAI que tenía GPT-6 Sol; también es uno de los tres jueces
Anuncio oficial

Especificaciones de la línea actual

Especificaciones y precios publicados, comparables antes de que haya datos de benchmark.

Modelo Contexto Salida máxima Entrada / 1M Salida / 1M
google Gemini 3.8 Flash 1M 66k $0.75 $3.75
anthropic Claude Opus 5.5 1M 128k $4.00 $20.00
google Gemini 3.5 Flash-Lite 1M 66k $0.30 $2.50
openai GPT-6.1 Sol 1M 128k $2.00 $10.00
openai GPT-6 Luna 1M 128k $0.10 $0.50
anthropic Claude Sonnet 5.5 1M 128k $2.00 $10.00

Enlaces relacionados

X f L