GPT-6.1 Sol Pro vs GPT-5.6 Sol Pro: una generación de diferencia, la mitad de la tarifa

Deja los nombres a un lado por un momento y observa a qué se resuelve cada uno en una solicitud, porque ahí es donde se decide este enfrentamiento. GPT-6.1 Sol Pro es GPT-6.1 Sol —lanzado el 29 de septiembre de 2026— ejecutándose con reasoning.mode establecido en pro en la Responses API, y cobra el trabajo adicional a los propios $2.00 de entrada y $10.00 de salida por millón de tokens del modelo. GPT-5.6 Sol Pro es la misma construcción una generación anterior: GPT-5.6 Sol, lanzado el 9 de julio de 2026, ejecutándose con reasoning.mode: pro, cobrando sus tokens adicionales a $4.00 de entrada y $20.00 de salida. Ninguno de los dos proveedores publica un identificador -pro para ninguno de los niveles, así que no hay tarifa pro que comparar ni recargo pro que sopesar. Lo que realmente estás comparando son dos tarifas base, con tres meses de diferencia, cuyos precios destacados difieren en un factor de dos —y cuyas tarifas de caché difieren en un factor de cuatro. El modo es idéntico. El medidor que hay debajo no lo es.

Por qué el medidor Pro antiguo sigue apareciendo siquiera en esta comparación

La razón por la que GPT-5.6 Sol Pro sigue apareciendo como un par y no como un predecesor es que OpenAI vendió Pro genuinamente como un producto en la era de GPT-5, y esos identificadores todavía figuran en la lista de precios con sus propias tarifas premium: gpt-5.4-pro y gpt-5.5-pro a $30,00 de entrada y $180,00 de salida por millón de tokens en contexto corto, aumentando a $60,00 y $270,00 superados los 272.000 tokens de entrada. Esos son productos reales, con precios separados, y son la razón por la que "Pro" se lee como una palabra cara. La generación GPT-5.6 cambió el mecanismo sin cambiar el vocabulario: pro se convirtió en un modo del modelo insignia en lugar de un modelo premium al lado de este, con las mismas tarifas del modelo insignia. Así que el efecto práctico de pasar de una configuración pro de la era 5.6 a una de la era 6.1 no es "un modelo pro más barato". Es la misma configuración, sobre una base más barata.

• Qué es, en ambos lados — un modelo más reasoning.mode: "pro", no un despliegue entrenado por separado ni con un precio propio

• Identificador que envías — gpt-6.1-sol versus gpt-5.6-sol, con el modo incluido en el objeto de razonamiento

• Precio estándar de entrada — 2,00 $ por millón de tokens frente a 4,00 $, así que los tokens adicionales del modo pro cuestan la mitad en el nivel más reciente

• Precio de salida estándar — $10.00 por millón de tokens frente a $20.00, la misma reducción a la mitad aplicada al lado de la factura que infla el modo pro

• Entrada en caché — $0.10 por millón en 6.1 Sol frente a $0.40 en 5.6 Sol, una diferencia de cuatro veces que importa sobre todo precisamente en los bucles de agentes para los que está diseñado el modo pro

• Escrituras de caché — $2.50 frente a $5.00 por millón de tokens, de nuevo reducido a la mitad

• Repreciación de prompts largos — ambos recalculan el precio de toda la solicitud a partir de 272.000 tokens de entrada, con 2× las tarifas de entrada y de caché y 1,5× la salida

• Límite de contexto y de salida — 1.050.000 tokens y 128.000 tokens de salida máximos en ambos, con una entrada máxima de 922.000 documentada en cada uno

• Fecha de corte de conocimiento — 30 de abril de 2026 en 6.1 Sol frente al 16 de febrero de 2026 en 5.6 Sol

• Esfuerzo de razonamiento — low, medium, high, xhigh, max, con none y minimal no compatibles en 6.1 Sol, frente a la misma escala más none en 5.6 Sol

• Documentación del modo Pro — demostrada por su nombre en gpt-6.1-sol en la guía de razonamiento de OpenAI, frente a una declaración a nivel de familia que abarca GPT-5.6 y GPT-6 sin una lista de elegibilidad por modelo

Dos filas de esa lista valen más que todas las demás juntas, y ninguna de las dos es el precio destacado.

La línea de caché es donde las dos generaciones dejan de ser comparables.

El costo del modo Pro llega en forma de volumen, no como un recargo: la documentación de OpenAI dice que «agrega el trabajo del modelo realizado para producir la respuesta final y factura esos tokens a las tarifas estándar de tokens del modelo seleccionado», y el proveedor no publica el multiplicador. Eso hace que el costo de una configuración pro sea función de dos cosas que no puedes consultar —cuánto trabajo adicional hace el modo en tus tareas y cuánto cuestan tus tokens—, y solo la segunda se publica. En ese eje, el nivel 6.1 gana todas las filas por un factor limpio de dos, y la fila de entrada en caché por un factor de cuatro.

Haz las cuentas con un agente de atención al cliente que reproduce un prefijo fijo de instrucción y esquema de herramientas en cada turno. Envía 200 millones de tokens de entrada al mes, el 95% de ellos son aciertos de prefijo, y la porción en caché se factura a $0,10 por millón en 6.1 Sol frente a $0,40 en 5.6 Sol — $19 frente a $76 por el mismo prefijo, antes de contar un solo token de modo pro. Ahora añade el modo pro por encima y la brecha se amplía en lugar de cerrarse, porque el razonamiento adicional de ese modo recae en el lado de salida a $10,00 frente a $20,00 por millón. La única fila que no se reduce a la mitad es la regla de reajuste de precios para prompts largos, que es idéntica en ambos niveles y aplica los mismos multiplicadores de 2× y 1,5×, así que una carga de trabajo que cruza regularmente los 272.000 tokens de entrada paga una prima en ambos lados de la comparación, solo que una prima menor en el nivel más nuevo.

También hay una trampa que pertenece al modo y no a ninguno de los dos modelos, y morderá a un estimador de costos ingenuo. Establecer reasoning.effort en none mientras el modo pro está activado devuelve un error en lugar de recurrir silenciosamente a un valor predeterminado, y los tokens de razonamiento que consume el modo pro se notifican en el objeto usage bajo output_tokens_details.reasoning_tokens, aunque nunca aparecen en el cuerpo de la respuesta. Cualquier cliente que estime el gasto a partir del texto devuelto subestimará una configuración pro todas las veces.

Donde la generación mayor todavía tiene argumentos

Que sea más barato no es lo mismo que que sea mejor, y la generación 5.6 tiene tres ventajas que una tabla de precios no muestra. La primera es la madurez: gpt-5.6-sol está disponible de forma general desde el 9 de julio de 2026, su comportamiento está asentado, y es el modelo al que apunta la propia página de obsolescencias de OpenAI cuando retira los medidores Pro anteriores, lo que significa que la ruta de migración desde esos $180 por millón aterriza en el nivel 5.6, no en el 6.1. La segunda es la promoción: OpenAI afirma que el precio promocional de GPT-5.6 Sol está disponible al menos hasta el 21 de noviembre de 2026, por lo que el par de $4.00 / $20.00 es un piso con una fecha, más que un precio de lista. La tercera es evidencia independiente, y es la que más importa si no puedes ejecutar tu propia evaluación: Artificial Analysis tiene una evaluación completa de GPT-5.6 Sol y ninguna página para el nivel 6.1.

Esa lectura independiente es una historia de costes más que de inteligencia, que es la parte útil. En el Intelligence Index del panel neutral, GPT-5.6 Sol obtiene 47 con el máximo esfuerzo de razonamiento, en el puesto 13 de una muestra de 145 modelos, con un Coding Index de 77,4 en el puesto 3 y un GPQA Diamond de 94,1 %. Su coste por tarea del índice ronda los $2,00 frente a $1,06 de GPT-6 Sol con la misma configuración —aproximadamente el doble—, y esa proporción es todo el argumento a favor del nivel más reciente en un solo número. La generación 6.1 no tiene ninguna cifra comparable publicada a fecha de 30 de septiembre de 2026: la página de modelo del panel para el slug 6.1 Sol devuelve un 404 y la cadena no aparece en la tabla de clasificación en vivo. Así que la comparación honesta hoy es una generación 5.6 medida frente a una 6.1 descrita por el proveedor, y por más tablas que se construyan, esa brecha no se cierra.

Ejecutar ambas configuraciones desde una tecla

Esta es la rara comparación en la que montar el experimento no cuesta casi nada, porque los dos brazos se diferencian solo en una cadena de modelo y un parámetro. OrcaRouter enruta openai/gpt-5.6-sol al precio de lista de OpenAI, sin ningún recargo: $4.00 de entrada, $0.40 en caché y $20.00 de salida, con el tramo de prompts largos publicado a $8.00 y $30.00; y enruta openai/gpt-6-sol a $2.00 / $0.20 / $10.00 con su propio tramo de 272K a $4.00 y $15.00. Como el margen es cero y la lista de precios del proveedor se traslada tal cual, un cambio promocional o una rebaja de tarifas en cualquiera de los tramos aparece en la ruta el mismo día en que OpenAI lo publica, sin un segundo contrato y sin volver a dar de alta cada modelo. Un único endpoint compatible con OpenAI y una única clave de API cubren ambos brazos de la prueba, así que el único trabajo es elegir un conjunto de tareas y leer el objeto de uso.

Ejecútalo de tres maneras sobre el mismo conjunto de tus propias solicitudes difíciles, manteniendo reasoning.effort constante para que solo cambie una variable: gpt-5.6-sol en modo estándar, gpt-5.6-sol con el modo pro activado y gpt-6.1-sol con el mismo esfuerzo. Compara el éxito de la tarea, la latencia de reloj de pared y los tokens facturados totales, leyendo el campo de tokens de razonamiento en lugar del cuerpo de la respuesta. El total de tokens de la ejecución pro frente a su contraparte estándar es tu multiplicador sobre tu tráfico; no coincidirá con el de nadie más, porque la intención de diseño es que el trabajo adicional escale con la dificultad de la solicitud. La ejecución de 6.1 es el mismo cuerpo de solicitud con una cadena cambiada, así que mantenerla como prueba de regresión después de la decisión no cuesta nada.

Dos cosas que tener en cuenta antes de sacar la conclusión. Si el identificador 6.1 rechaza el parámetro pro en lugar de devolver un resultado, eso ya es de por sí un hallazgo, y lo has aprendido antes de que tocara nada de cara al usuario. Y si el brazo con el que estás comparando es el gpt-6-sol actualmente enrutable en lugar de una configuración 5.6, recuerda que las tarjetas de tarifas base son idénticas entre 6.0 y 6.1: la diferencia entre esas dos es la línea de entrada en caché y los resultados de tareas reportados por el proveedor, mientras que la diferencia entre 5.6 y 6.1 es toda la tarjeta de tarifas.

Preguntas frecuentes

¿Es GPT-5.6 Sol Pro un modelo separado con su propio precio premium? No — y esta es la trampa que tiende el nombre. La lista de precios de OpenAI incluye medidores Pro premium genuinos, pero pertenecen a generaciones anteriores, a $30.00 de entrada y $180.00 de salida por millón de tokens y más. Para la familia GPT-5.6, el proveedor vende el modelo insignia y expone pro como un valor de reasoning.mode en la API de Responses, facturado a las tarifas ordinarias de ese modelo insignia. Una ficha pro fechada en la generación 5.6 y que cotiza $4.00 y $20.00 está citando la tarjeta del modelo insignia, que es como se puede saber que no hay un segundo medidor.

¿A cuál de los dos debería asignarle una carga de trabajo exigente y de bajo volumen?Ninguna de las dos respuestas sale gratis, así que la decisión depende de lo que puedas medir y no de lo que puedas leer. El nivel más nuevo cuesta la mitad en cada tarifa publicada y es cuatro veces más barato en la entrada en caché, pero su modo pro no tiene ninguna evaluación independiente que lo respalde y su página del modelo no menciona el modo en absoluto. El nivel más antiguo tiene un historial de GA consolidado y una evaluación completa de terceros, y cuesta el doble por token. Si tu conjunto de tareas es barato de ejecutar, la respuesta es la opción que gane con tus propias solicitudes con igual esfuerzo; si no lo es, el nivel más antiguo es aquel cuyo comportamiento al menos puedes contrastar con los números de otra persona.

¿El modo pro cambia aquello en lo que el modelo es bueno? No. Realiza más trabajo del modelo antes de devolver una única respuesta final, lo que puede mejorar la fiabilidad en tareas difíciles y aumenta tanto la latencia como el uso de tokens; los pesos son los mismos en ambos casos. Si la métrica que intentas mover es una cifra de precisión o de alucinaciones en lugar de una tasa de éxito en tareas con problemas genuinamente difíciles, la evidencia independiente sobre esta familia apunta a la generación del modelo y a la configuración del esfuerzo como las palancas más fiables, no al modo.

La versión breve, y la que vale la pena extraer de esta comparación: el modo pro es la constante y la tabla de tarifas es la variable. Entre estas dos configuraciones no ha cambiado nada sobre cómo funciona el modo: la misma agregación del trabajo del modelo, la misma facturación a tarifa estándar, el mismo multiplicador no publicado, el mismo error si intentas combinarlo con effort: none. Lo que cambió en tres meses es que cada línea publicada del medidor subyacente se redujo a la mitad, y la línea de entrada en caché se redujo a la cuarta parte. Eso hace que el nivel más reciente sea la opción predeterminada en precio para cualquiera que ya ejecute una configuración pro, y hace que el nivel anterior sea la opción predeterminada en evidencia para cualquiera que necesite una cifra de terceros antes de cambiar. Ninguna de esas dos cosas es razón para tratar los nombres como dos productos.

Ambos brazos de la prueba se ejecutan desde un endpoint compatible con OpenAI con la lista de precios del proveedor tal como está escrita, sin margen añadido y con conmutación por error automática entre proveedores.