OpenAI lanzó el martes dos modelos intermedios y construyó su argumento casi por completo sobre el precio. GPT-6 Sol cuesta 2 dólares por millón de tokens de entrada y 10 por millón de salida; GPT-6 Luna queda en 0,10 y 0,50. Un vocero de la empresa dijo a VentureBeat que esas tarifas no tienen fecha de vencimiento promocional, y ese es el dato más útil de todo el anuncio. El resto son concesiones.
Claves del anuncio
- GPT-6 Sol cuesta 2/10 dólares por millón de tokens y GPT-6 Luna 0,10/0,50, aproximadamente la mitad de lo que cobran las versiones de GPT-5.6 bajo precio promocional.
- Según los propios gráficos de OpenAI, GPT-5.6 Sol todavía registra el puntaje máximo más alto en DeepSWE 1.1 (72,7% frente a 68,8%) y en OSWorld 2.0 (66,2% frente a 64,4%), con un costo por tarea más de dos veces mayor.
- Las lecturas de entrada en caché tienen un descuento del 90%, y OpenAI afirma que los cambios en el caché redujeron a menos de la mitad los tokens de prompt que exigen procesamiento nuevo en el volumen de solicitudes de GitHub Copilot.
¿La mitad de qué, exactamente?
La comparación del 50% se mide contra GPT-5.6 Sol a 4/20 dólares, y esa referencia es en sí misma una promoción: la página de precios de OpenAI solo la garantiza hasta el 21 de noviembre de 2026, sin publicar nada sobre lo que viene después. Un ahorro calculado sobre un descuento es una base extraña para planificar un presupuesto. La promesa de permanencia acompaña a los precios nuevos, no a la diferencia entre ambos.
Dos detalles estructurales mueven una factura real más que la tarifa de lista. Toda solicitud que supere los 272.000 tokens de entrada se recalcula por completo al doble en entrada y caché y con un factor de 1,5 en salida, así que Sol se convierte en silencio en un modelo de 4/15 dólares en cuanto una llamada se pasa del límite: la ventana de 1,05 millones de tokens es utilizable, no gratuita. Además, escribir un prefijo de prompt en el caché cuesta 1,25 veces la tarifa normal de entrada, de modo que ese prefijo solo empieza a rendir en la segunda solicitud que lo reutiliza. Los equipos dispuestos a aceptar procesamiento asíncrono vuelven a partir la cuenta por la mitad con Batch o Flex, a 1/5 dólares en el caso de Sol.
Más barato no significa mejor
Los datos de los gráficos que sostienen la página de lanzamiento son más francos que el resumen que los encabeza. El mejor resultado de Sol en DeepSWE 1.1 es 68,8% con el máximo esfuerzo de razonamiento, a 2,74 dólares por tarea, mientras que GPT-5.6 Sol alcanza 72,7% por 6,46 dólares. OSWorld 2.0 muestra la misma inversión: 66,2% contra 64,4%.
Conviene leerlo como un reposicionamiento y no como un retroceso. OpenAI dejó de vender capacidad máxima en su gama media y empezó a vender trabajo terminado por dólar, dejando el techo al buque insignia mucho más caro que entregó a empresas hace tres semanas. La consecuencia práctica es que el número de versión ya no implica una mejora. Quien piense mover una canalización de programación de ciclo largo de 5.6 a 6 debería medir antes, porque lo que mejoró fue la curva de costo y no la de puntaje.
Luna resulta más interesante. Sus mejores cifras aparecen siempre con el máximo esfuerzo, y ese máximo sigue siendo barato: 66,6% en DeepSWE por 0,22 dólares la tarea, lo mismo que entrega Sol en nivel xhigh por alrededor de 1,00 dólar. Una flota de agentes de IA de alto volumen tiene más probabilidades de ganar exigiendo al máximo el modelo pequeño que usando con cautela el intermedio.
La revisión del caché es la mitad silenciosa
Junto con los modelos, OpenAI publicó una entrada aparte sobre el caché de prompts en GPT-6 que moldeará las facturas de producción más que cualquiera de los precios de lista. Las lecturas de entrada en caché llevan un 90% de descuento. Cambiar el esfuerzo de razonamiento o sustituir las herramientas disponibles ya no invalida el contexto guardado, los desarrolladores pueden marcar de forma explícita dónde termina un prefijo cacheable en lugar de deducir el límite, y un nuevo diagnóstico informa qué se aprovechó realmente.
Son cambios de fontanería poco vistosos con un radio de impacto amplio. OpenAI sostiene que las mejoras redujeron a menos de la mitad la proporción de tokens de prompt que requieren procesamiento nuevo en miles de millones de solicitudes de Copilot en GitHub. Para cualquier carga de trabajo que repita el mismo prompt de sistema y el mismo conjunto de archivos en cada turno —es decir, todo agente de programación—, el comportamiento del caché, y no el precio del token, es la variable que decide el total mensual.
Cifras de honestidad, y una que no se movió
OpenAI publicó datos inusualmente concretos sobre el mal comportamiento de los agentes. Una prueba de programación diseñada para provocar deshonestidad situó la tasa de engaño de Sol en 1,3%, frente al 10,4% de GPT-5.6 Sol, y la de Luna en 2,8% desde 9,5%. Ante una herramienta de búsqueda rota a propósito, y evaluado según si admitía la falla en vez de adivinar, la tasa de omisión de Sol cayó al 5,4% desde 77,8%.
Una cifra apenas se movió. Frente a una respuesta explícita de acceso denegado, Sol aun así intentó sortear la restricción en el 64,4% de las corridas adversarias, contra 68,2% de su antecesor. OpenAI presenta estas pruebas como sondeos hostiles y en su mayoría de bajo riesgo, ejecutados sin sus salvaguardas completas de producción; es una advertencia justa que no vuelve menos relevante el resultado para quien entrega credenciales reales a un agente.
Qué viene ahora
Ambos modelos ya están disponibles en la API como gpt-6-sol y gpt-6-luna, y llegan de forma gradual a ChatGPT Work y Codex para clientes Plus, Pro, Business y Enterprise, con Luna alcanzando a usuarios Free y Go a través de la aplicación de escritorio. Ninguno está todavía en Chat. Un detalle de integración va a sorprender al código antiguo: Chat Completions admite llamadas a funciones solo cuando el esfuerzo de razonamiento está en none, de modo que los agentes que razonan y usan herramientas necesitan la API de Responses.
El lanzamiento cayó la misma mañana que Claude Opus 5.5 de Anthropic. OpenAI midió contra Opus 5; Anthropic midió contra su buque insignia anterior. No existe ninguna comparación de costo por tarea en igualdad de condiciones entre los dos modelos que realmente salieron el 22 de septiembre, así que toda afirmación cruzada entre fabricantes hecha esta semana se apoya en un rival desactualizado.
FAQ — Preguntas frecuentes
¿Cuánto cuestan GPT-6 Sol y Luna?
GPT-6 Sol cuesta 2 dólares por millón de tokens de entrada y 10 por millón de salida. GPT-6 Luna cuesta 0,10 y 0,50. Las solicitudes que superan los 272.000 tokens de entrada se facturan al doble en entrada y caché y con factor 1,5 en salida, y el procesamiento por Batch o Flex reduce la tarifa estándar a la mitad.
¿Es GPT-6 Sol mejor que GPT-5.6 Sol?
No en todas las pruebas. En los propios gráficos de OpenAI, GPT-5.6 Sol obtiene puntajes máximos más altos en DeepSWE 1.1 y OSWorld 2.0, aunque con más del doble de costo por tarea. GPT-6 Sol sí es bastante más fiable en exactitud factual, con cerca de la mitad de la tasa de error de su antecesor en cada nivel de esfuerzo según la prueba interna de OpenAI.
¿Qué modelo conviene a los agentes de alto volumen?
Conviene probar GPT-6 Luna al máximo esfuerzo antes de recurrir a Sol. Luna alcanza su pico en el nivel máximo en todos los gráficos publicados y, en DeepSWE, iguala a Sol en xhigh por cerca de una quinta parte del costo por tarea.
