GPT-6.1 Sol ahora es el motor de seguridad de CodeRabbit — Qué obtienes realmente con la oferta de escaneo gratuito de $1M

CodeRabbit está cubriendo hasta $5,000 de revisión de seguridad con IA por organización, y la ventana se cierra a las 23:59:59 PST del 8 de noviembre de 2026. El modelo mediante el cual lleva a cabo ese trabajo es GPT-6.1 Sol, que OpenAI lanzó el 29 de septiembre; esta no es una noticia de lanzamiento, y la edad del modelo es lo menos interesante que tiene. Lo que cambió entre el 23 y el 26 de octubre es más acotado y de mayores consecuencias: una empresa de revisión de código con verdadero alcance empresarial puso ese modelo en el centro de un producto de seguridad, publicó el flujo de trabajo en torno a él y fijó un plazo para permitir que desconocidos lo prueben.

Tres documentos llegaron en el lapso de cuatro días. La propia entrada del blog de CodeRabbit el 24 de octubre, una historia de cliente de OpenAI el 26 de octubre y un comunicado de Business Wire el mismo día que anunciaba tanto el compromiso de escaneo gratuito como la entrada de CodeRabbit en la Daybreak Defense Network de OpenAI. Leídos en conjunto, describen un patrón de implementación que vale la pena entender incluso si nunca compras ninguno de los dos productos. Leídos por separado, son marketing. El trabajo útil es separar ambos.

Lo que CodeRabbit realmente construyó en torno a GPT-6.1 Sol

El caso de estudio de OpenAI es específico sobre la ubicación, que es la parte que importa: GPT-6.1 Sol se describe como el modelo principal en el agente de seguridad de CodeRabbit, trabajando junto a otros modelos de frontera y los escáneres que los clientes ya ejecutan. No se presenta como un reemplazo del análisis estático. La propia publicación de CodeRabbit va un poco más lejos, diciendo que CodeRabbit Secure usa "GPT 6.1 Sol y modelos GPT Cyber" — una pila, no una sola llamada.

El producto tiene tres capas, y son trabajos genuinamente diferentes:

• Revisión de PR — lee cada cambio a medida que se incorpora, dentro del flujo de revisión habitual.

• Escaneo profundo — mapea todo el repositorio en lugar de un solo diff, rastreando cómo interactúan los componentes y las dependencias.

• CodeRabbit Secure — lo extiende a los repositorios vinculados, de modo que una falla en una biblioteca de autenticación compartida muestra su radio de impacto en cada servicio que la importa.

La ingeniería interesante está al final de la cadena. Para los hallazgos que un usuario selecciona, CodeRabbit intenta verificar la explotabilidad ejecutando contra el problema en un sandbox aislado —explícitamente no en producción— y devuelve uno de tres estados: Reproducido, No reproducido o Inconcluso. Solo los hallazgos compatibles se convierten en una corrección propuesta, entregada como una pull request que una persona revisa, prueba y fusiona. La puerta de fusión nunca pasa al modelo.

Ese orden —primero la alcanzabilidad, después la ejecución y por último el parche— es la razón por la que merece la pena leer sobre este despliegue. La mayoría de los productos de «IA que encuentra errores» se detienen en el primer paso y te entregan una lista ordenada según la confianza de un modelo de lenguaje. Añadir un entorno aislado convierte una afirmación en una prueba. Añadir un PR de corrección convierte una prueba en un diff que tu CI sí puede evaluar.

La oferta de escaneo gratuito, en los términos que determinan si puedes usarla.

La landing page de CodeRabbit es inusualmente explícita sobre la mecánica, lo que hace que la oferta sea fácil de evaluar en lugar de tener que entrecerrar los ojos para descifrarla:

• Ventana — del 23 de octubre al 8 de noviembre de 2026, finalizando a las 23:59:59 PST.

• Límite máximo — hasta $5,000 por organización en uso y correcciones de Deep Scan.

• Fondo total — $1 millón, proveniente de un límite compartido de 1,000,000 de créditos, por orden de llegada.

• Elegibilidad — organizaciones con dos o más miembros. Los proyectos de código abierto, clientes actuales, clientes anteriores y equipos que nunca han utilizado CodeRabbit también califican.

• Qué se convierte: solo los hallazgos admitidos se transforman en correcciones, por lo que el crédito financia la investigación y la remediación, no la promesa de que todo lo encontrado se parcheará.

• Crédito sin usar: los créditos reclamados pero no utilizados no se acumulan una vez pasada la fecha límite ni tras agotarse el fondo compartido.

Esa línea de elegibilidad es la que hay que leer dos veces. «Cualquier organización» en el comunicado de prensa significa cualquier organización con al menos dos miembros, lo que excluye a los mantenedores en solitario —un colectivo que mantiene una gran proporción del código abierto del que dependen la mayoría de las empresas. Si eres una sola persona con un repositorio, la oferta no se aplica a ti, y por mucho que te inscribas eso no cambia.

La segunda cuestión que hay que planificar es el medidor. Deep Scan se factura por uso, y el contexto entre repositorios forma parte de lo que cobra; los repositorios vinculados son de solo lectura, lo que limita hasta dónde puede llegar una investigación, pero no limita lo que cuesta intentarlo. Un límite de $5,000 es generoso para un monorepo de tamaño medio y poco llamativo para uno grande, así que lo práctico es dirigir el primer escaneo al repositorio que más te preocupa, en lugar del que sea más fácil de entregar.

¿Por qué un modelo de un millón de tokens es la forma adecuada para trabajar con repositorios?

La especificación de GPT-6.1 Sol explica la idoneidad mejor que cualquier texto de marketing. Cuenta con una ventana de contexto de 1.050.000 tokens, con hasta 128.000 tokens de salida, acepta entrada de texto e imágenes y admite procesamiento por lotes, pero no ajuste fino. La fecha de corte de conocimiento es el 30 de abril de 2026. Incluye cinco ajustes de razonamiento —bajo, medio, alto, xhigh y máximo—, con medio como predeterminado y sin opción "none" ni "minimal" para desactivar por completo el razonamiento.

La estructura de precios es donde la forma se convierte en estrategia. La tarifa de lista de Standard es de $2 por millón de tokens de entrada y $10 por millón de salida, con entrada en caché a $0.10 y escrituras de caché a $2.50. Las solicitudes de más de 272.000 tokens pagan el doble en entrada y caché, y una vez y media en salida, para toda la solicitud. Batch y Flex funcionan al 50% de Standard; el modo rápido lo duplica; los endpoints regionales añaden aproximadamente un 10%.

Si se leen esos dos hechos en conjunto, el diseño de CodeRabbit deja de parecer arbitrario. El perfil de costes de un agente de seguridad no es el de un chat. Lee enormes cantidades de código fuente que en su mayor parte no ha cambiado, genera una cantidad de salida comparativamente pequeña y se beneficia más que casi cualquier otra carga de trabajo del almacenamiento en caché de prompts: un repositorio que se escanea semanalmente es un repositorio cuyo contexto apenas cambia entre ejecuciones. A 0,10 $ por millón de tokens de entrada en caché, volver a leer un gran código base resulta barato de un modo en que volver a leerlo a 2 $ no lo es. El umbral de recargo de 272K es la cifra a vigilar: es aproximadamente una cuarta parte de la ventana, lo que significa que los escaneos muy grandes pagan el multiplicador por cada token de la solicitud, no solo por el exceso.

Si quieres calcular ese precio con respecto a tu propio repositorio, GPT-6.1 Sol estáen OrcaRouter a precio de lista — traspaso directo, 0 % de margen, así que los $2/$10 y la tarifa de $0.10 por caché son las mismas cifras que publica OpenAI y cambian el día que OpenAI las cambia. Eso importa más para esta carga de trabajo que para el chat: la entrada en caché hace la mayor parte del trabajo, y un porcentaje que se le suma por encima se acumula en cada escaneo de una serie.

Las cifras de capacidad publicadas por OpenAI para el modelo, que son reportadas por el proveedor y no han sido reproducidas de forma independiente:

• DeepSWE v1.1 — 75,22 % con esfuerzo alto, a unos 0,65 $ por tarea.

• Terminal-Bench Science 0.1 — 57,02 % con el máximo esfuerzo, a aproximadamente $5,47 por tarea.

• OSWorld 2.0 — 71,42 % con el máximo esfuerzo, a unos 1,27 $ por tarea.

• AutomationBench — 36,10 % con esfuerzo máximo; GDP.pdf — 32,0 % con esfuerzo alto.

• Tasa de errores factuales — 7,7 % con esfuerzo bajo, frente a 11,4 % de GPT-6 Sol, una reducción que OpenAI describe como de aproximadamente un 32 % relativo.

Un detalle en esa tabla merece más atención de la que recibe: en DeepSWE, el esfuerzo alto obtiene un 75,22 % y el esfuerzo máximo, un 71,90 %. Más razonamiento produjo un peor resultado. Cualquiera que opte por la configuración máxima dando por hecho que es uniformemente mejor debería fijarse en ese par antes de conectar un pipeline de seguridad al máximo.

La cifra independiente que debería moderar el discurso

Nueve días antes del anuncio de CodeRabbit, Endor Labs publicó una evaluación que incide directamente en la cuestión que el estudio de caso deja abierta. Su Agent Security League ejecutó 200 tareas con Codex CLI 0.144.6 en toda la familia GPT-6 y puntuó dos cosas: si el agente completó la tarea o no, y si la completó de forma segura.

{{1}}GPT-6.1 Sol{{/1}} obtuvo {{2}}77,7%{{/2}} en {{3}}FuncPass{{/3}} y {{4}}34,1%{{/4}} en {{5}}SecPass{{/5}} en {{6}}179 tareas evaluadas{{/6}}. {{7}}GPT-6 Astra{{/7}} obtuvo {{8}}82,1%{{/8}} y {{9}}34,6%{{/9}}. {{10}}GPT-6 Sol{{/10}} obtuvo {{11}}72,1%{{/11}} y {{12}}25,1%{{/12}}. {{13}}La relación SecPass-FuncPass de Sol{{/13}}, {{14}}43,9%{{/14}}, fue la mejor de los {{15}}cuatro modelos Codex probados{{/15}} — lo que significa que cedió la menor corrección cuando se aplicaron restricciones de seguridad, aunque su tasa absoluta de aprobación de seguridad se sitúa justo por debajo de la de {{16}}Astra{{/16}} por una sola tarea.

Dos tercios de las tareas que fallan en seguridad es el titular, y es un hallazgo real. Tampoco es una medición de detección de vulnerabilidades. SecPass pregunta si un agente de programación escribió código funcional que además fuera seguro, una cuestión distinta de si un agente de seguridad encuentra fallos en código escrito por otra persona. Interpretar 34,1% como «GPT-6.1 Sol pasa por alto dos tercios de las vulnerabilidades» sería un error de categoría, y la publicación de Endor no hace esa afirmación. Lo que sí respalda es un punto más limitado y más difícil: en tareas donde la seguridad y la funcionalidad compiten, los modelos de frontera actuales sacrifican una por la otra con más frecuencia de lo que los proveedores insinúan. Un producto de seguridad construido sobre estos modelos se entiende mejor como un revisor adicional con un presupuesto de lectura inusual, no como un oráculo.

Los números operativos de Endor son la parte útil para cualquiera que calcule el costo de esto. Mediana de 7,9 minutos por tarea, media de 13,5, nueve tiempos de espera agotados y una ejecución completa de cuatro trabajadores que termina en unas 13 horas. El uso de tokens fue de aproximadamente 235 millones de tokens de entrada, con alrededor del 94 % en caché, y 1,5 millones de salida — un estimado de $70 a $85 a tarifas de lista, frente a $104 para GPT-6 Sol y $468 para GPT-6 Astra. Endor también señaló 13 instancias de sospecha de trampa en cinco señales y las descartó todas, informando cero casos confirmados.

Lo que el estudio de caso no te dice

La historia de cliente de OpenAI no incluye ninguna tasa de falsos positivos, ninguna variación en la detección respecto a la configuración previa a Sol de CodeRabbit, ninguna cifra de latencia y ningún coste por hallazgo. La publicación de CodeRabbit tampoco los aporta. Ninguna de las dos está obligada a ello —una historia de cliente no es una evaluación—, pero esa carencia define cuánto peso puede tener el anuncio.

La estadística más citada del comunicado es la que más cuidado requiere. CodeRabbit informa de más de 8.000 vulnerabilidades de gravedad alta o crítica encontradas en 600 organizaciones en 30 días, y el control de acceso defectuoso, la inyección SQL y los fallos de autenticación representan más del 70 % de ellas. Se trata de un dato agregado de CodeRabbit Secure, no de un resultado de GPT-6.1 Sol, y nada de lo publicado atribuye parte alguna de ello al modelo en lugar de a los escáneres y a las personas que lo rodean.

También hay una cifra muy difundida que se malinterpreta. Un análisis secundario de esta implementación cita una tasa de rechazo de sugerencias del 56,3 % procedente de una encuesta a desarrolladores de 2026, sin indicar el proveedor de la encuesta, el tamaño de la muestra ni el método. Rechazo no es lo mismo que falso positivo: un desarrollador puede descartar un hallazgo correcto porque esté fuera de alcance, mal redactado o simplemente resulte inconveniente. Conviene tratar el 56,3 % como evidencia de que el ruido en la revisión sale caro, no como una tasa de falsos positivos medida, porque nadie ha publicado una.

La tercera advertencia es específica del diseño. Dado que el sandbox devuelve «No concluyente» como un resultado distinto junto a «Reproducido» y «No reproducido», un equipo que clasifique con rapidez aprenderá a omitir ese grupo. Una vez que omitirlo se vuelve un hábito, las alertas se silencian de forma masiva: el mismo modo de fallo que hacía fácil ignorar las herramientas SAST heredadas. Reserve atención para los resultados no concluyentes, o la herramienta se degradará hasta convertirse en una casilla de cumplimiento.

Nada de esto va en contra de ejecutar el escaneo gratuito. Aboga por ejecutarlo como una evaluación con un antes y un después, no como un reemplazo. El propio planteamiento de CodeRabbit presenta Secure como un complemento a las herramientas existentes, y esa es la opción predeterminada correcta: mantener Snyk, Semgrep o CodeQL en el flujo de trabajo y medir qué aporta la nueva capa por encima, en lugar de lo que dice de sí misma.

La puerta que nadie incluye en el comunicado de prensa

OpenAI clasifica GPT-6.1 Sol como "ciberseguridad crítica y riesgo biológico/químico alto" y encamina el acceso a través del mismo conjunto de salvaguardas que GPT-6 Astra, incluidas Trusted Access y Daybreak. En la práctica, eso significa que el uso con capacidad cibernética está restringido, y las restricciones generan sus propios falsos positivos.

Hay un caso documentado. El 3 de octubre, un desarrollador informó en el foro comunitario de OpenAI que una revisión defensiva de pull request de AppSec, de solo lectura, en su propio repositorio fue bloqueada de plano como contenido restringido de ciberseguridad; la respuesta de soporte la clasificó bajo Daybreak Blue y Trusted Access for Cyber. Ese es un informe de un usuario frente a un volumen desconocido de solicitudes exitosas, no una medición, pero es el modo de fallo para el que hay que planificar. Si la revisión de seguridad es una dependencia de producción, suponga que se rechazará una fracción del trabajo defensivo legítimo y mantenga una ruta que no pase por un endpoint restringido.

Daybreak Defense Network es la otra mitad de esa estructura. Es el programa de socios de OpenAI para incorporar modelos cibernéticos de vanguardia en los productos y servicios de proveedores de seguridad aprobados, en lugar de entregarlos directamente en manos de los clientes, con verificación de identidad, pruebas de alcance limitado, registro de actividad y supervisión humana incorporados. Que CodeRabbit se una a él y tenga previsto incorporar los modelos cibernéticos GPT dedicados de OpenAI en CodeRabbit Secure es una señal más significativa que la propia sustitución del modelo: sugiere que la pila de revisión de seguridad se está dividiendo, con un modelo de razonamiento general encargado de la amplitud y modelos cibernéticos creados específicamente para encargarse de la parte más crítica.

El patrón que vale la pena copiar incluso si te saltas ambos productos

Si se quita el branding, lo que CodeRabbit publicó es un ciclo de tres etapas que cualquier equipo puede montar: dar al modelo contexto de todo el repositorio, incluidas las dependencias vinculadas; someter los hallazgos sospechosos a una verificación basada en ejecución en un entorno aislado; y emitir un diff revisable para que una persona lo fusione. El modelo es la parte menos propietaria. El sandbox y la puerta de fusión son lo que hace que la salida sea confiable, y ambos son cosas que tú controlas.

Esa también es la forma más económica de decidir si la oferta gratuita merece tu tiempo. Toma un repositorio con una vulnerabilidad conocida que corregiste hace meses, ejecuta el escaneo y comprueba si saca a la luz ese problema, cuánto tarda y cuánto del informe realmente usarías. Si encuentra el caso plantado y por lo demás se mantiene callado, vale la pena gastar los $5,000 antes del 8 de noviembre. Si devuelve un muro de hallazgos no concluyentes, lo habrás averiguado por el precio de una tarde.

Para los equipos que construyen el bucle por sí mismos en lugar de comprarlo, la capa de enrutamiento es donde radica el riesgo operativo. Ejecutar un modelo no probado en una ruta de revisión en producción es una apuesta, y la conmutación por error automáticaes la forma de asumirla sin perder el pipeline cuando un proveedor se degrada: la solicitud pasa a un modelo de respaldo en lugar de hacer fallar la tarea. El mismo endpoint sirve a GPT-6.1 Sol y a los modelos a los que recurrirías, así que compararlos cuesta cambiar un parámetro en lugar de un segundo contrato y un segundo SDK.

Qué hacer con los próximos doce días

La oferta no es el lanzamiento de un modelo y no debería evaluarse como tal. GPT-6.1 Sol se puede invocar desde el 29 de septiembre y sus benchmarks son públicos desde entonces; nada de sus capacidades cambió esta semana. Lo que cambió es que un proveedor de seguridad con distribución empresarial se comprometió públicamente con él, publicó el flujo de trabajo de verificación asociado y fijó una fecha límite improrrogable para el acceso gratuito.

Si diriges un equipo de dos o más miembros y tienes un código base que te preocupa, las cuentas son sencillas: un límite de $5,000, un fondo por orden de llegada y once días restantes después de hoy. Reserva ahora el escaneo de tu peor repositorio, introduce un error conocido si quieres un control y anota con el mismo cuidado lo que el informe se equivoca como lo que acierta. Si trabajas en solitario, o si tu código ya está cubierto por escáneres en los que confías, la respuesta honesta es que este anuncio cambia poco para ti: el modelo ya estaba disponible antes del comunicado de prensa y seguirá disponible después de que se agoten los créditos.