Cost

OpenAI ha lanzado GPT-6.1 Terra, un nuevo modelo de gama media que reduce a la mitad los precios de API en comparación con su predecesor. Discusiones tempranas sugieren que ofrece un rendimiento cercano a modelos más grandes como GPT-6-Astra a una fracción del costo, estableciendo un nuevo estándar de inteligencia por dólar.

Modelos de IA • OpenAI News

Un estudiante de pregrado de la Universidad Brown ha mapeado la fuerza laboral global oculta que impulsa la IA, revelando que muchos trabajadores en el Sur Global reciben salarios bajos por el trabajo que permite los sistemas algorítmicos. La investigación destaca el costo humano a menudo invisible detrás de la IA.

IA y Sociedad • Hacker News

Productividad

Simon Willison señala que el uso de computadoras es un buen ejemplo de una tarea que se beneficia de un modelo menos costoso, ya que puede utilizarse para tareas automatizadas y repetitivas.

Productividad

The Neuron informa que el GPT-6.1 Terra de OpenAI reduce a la mitad los precios estándar de la API y mejora el rendimiento de uso de computadoras, mientras que sus simulaciones de seguridad revelan fallos de autorización que las empresas deben evaluar junto con la precisión de las tareas y los costos de revisión.

Basado en un fragmento de la transcripción: Matthew Berman analiza el anuncio de Google sobre Gemini 4 Carbon, que la empresa afirma es el mejor modelo del planeta. Cubre los puntos de referencia, incluido su primer puesto en el Índice V5 de Artificial Analysis, su eficiencia y menor costo en comparación con Opus, y sus capacidades de ciberseguridad de última generación, mientras señala que el modelo aún no se ha lanzado públicamente.

AI News & Model Releases • Matthew Berman

Productividad

Simon Willison señala que Anthropic y OpenAI ahora ofrecen créditos de API equivalentes a las tarifas de suscripción de $100/$200/$500, lo cual, según dice, podría permitirle lanzar demostraciones públicas ya que los créditos ya están cubiertos por suscripciones existentes.

Productividad

Ted Sanders dice que el rendimiento de los LLM es multidimensional, pero gran parte de la variación se explica por el tamaño del modelo: los modelos más grandes son generalmente más performantes/confiables, cuestan más por token y tienen mejor recuerdo de hechos esotéricos.