GPT-6.1 Sol vs GPT-6 Sol Pro: uno es un modelo, el otro es un ajuste

La respuesta corta es que GPT-6.1 Sol y GPT-6 Sol Pro no son dos modelos que compiten por el mismo puesto, y comparar sus puntuaciones de benchmark es un error de categoría: GPT-6 Sol Pro no es en absoluto un modelo aparte. Es GPT-6 Sol con reasoning.mode establecido en pro en la Responses API — el mismo identificador, gpt-6-sol, la misma tarifa, la misma ventana de 1.050.000 tokens, haciendo más trabajo de modelo antes de devolver una respuesta final y facturando los tokens adicionales a tarifas estándar. GPT-6.1 Sol es un despliegue genuinamente independiente con su propio identificador, gpt-6.1-sol, y una tarifa de entrada en caché que es la mitad de la de GPT-6 Sol. Así que la verdadera pregunta no es cuál es más inteligente. Es si un modelo completamente nuevo con un descuento de caché del 50 % supera a un modo de ejecución en un modelo más antiguo cuya configuración pro Open​AI aún no ha documentado para el nuevo nivel.

Dos tipos diferentes de cosa

Empieza por a qué se resuelve realmente cada nombre cuando lo pones en una solicitud. "GPT-6 Sol Pro" se resuelve a gpt-6-sol más un parámetro de modo. "GPT-6.1 Sol" se resuelve a gpt-6.1-sol — una instantánea distinta en una página de modelo distinta, sin ningún parámetro de modo mencionado en esa página. Esa asimetría es toda la comparación, y es la razón por la que la lista de especificaciones de abajo casi no contiene nada que sea una comparación justa.

• Qué es — GPT-6.1 Sol es un despliegue de modelo independiente, mientras que GPT-6 Sol Pro es gpt-6-sol con reasoning.mode: "pro"
• Identificador que envías — gpt-6.1-sol frente a gpt-6-sol
• Precio de entrada — 2,00 $ por millón de tokens frente a 2,00 $ por millón de tokens; idéntico, y el modo pro no conlleva ningún recargo en la tarifa de Sol
• Precio de salida — 10,00 $ por millón de tokens en ambos casos; los tokens de razonamiento adicionales del modo pro se facturan a esta tarifa
• Entrada en caché — 0,10 $ por millón en 6.1 Sol frente a 0,20 $ por millón en Sol, en cualquiera de los dos modos — la única línea en la que la elección no supone ninguna concesión
• Escrituras en caché — 2,50 $ por millón en ambos casos
• Contexto — 1.050.000 tokens y 128.000 de salida máxima en ambos casos
• Esfuerzo de razonamiento — low, medium (predeterminado), high, xhigh, max, y none no es compatible con 6.1 Sol, frente a la misma escala más none en Sol, y el modo pro es independiente del esfuerzo
• Llamada a herramientas — API de Responses en ambos; Chat Completions sin herramientas en 6.1 Sol, mientras que Sol admite llamadas a funciones en Chat Completions solo con el esfuerzo establecido en none
• Latencia — no hay cifras publicadas para ninguno de los dos; el modo pro es más lento por construcción, ya que realiza más trabajo antes de la respuesta final
• Costo por tarea — sin publicar para el modo pro, y de todos modos no es comparable de forma significativa, porque depende de cuánto trabajo adicional realice el modo pro en tu tarea

Lee esa lista y observa su forma: cada fila o es idéntica, o es una comparación entre un valor documentado y uno no documentado.

Lo que realmente ofrece el modo pro, y lo que cuesta

La descripción que hace OpenAI del modo pro es breve y merece ser citada en lugar de parafraseada, porque la vaguedad es lo esencial: es "un modo de ejecución de la API Responses que aplica más trabajo del modelo a una solicitud antes de devolver una única respuesta final"; puede mejorar la fiabilidad en tareas difíciles, aumenta la latencia y "agrega los tokens de ese trabajo en el uso reportado", facturado según las tarifas estándar por token del modelo seleccionado. La propia guía del proveedor sobre cuándo usarlo es inusualmente conservadora para un documento de lanzamiento: el modo pro es para casos en los que "una mejora marginal de la calidad afecta materialmente al resultado", y se prefiere el modo estándar "para trabajo rutinario, sensible a la latencia o de gran volumen, y siempre que tus evaluaciones no muestren una ganancia significativa con el modo pro".

Lo que OpenAI no publica es el multiplicador. No hay una cifra por tarea, ni un rango, ni una entrada de modo pro en la tarjeta de tarifas de Sol. El costo llega enteramente como volumen, visible en el objeto de uso bajo tokens de razonamiento que se facturan como salida y nunca se devuelven en el cuerpo de la respuesta. A $10.00 por millón de tokens de salida, 10,000 tokens extra por tarea cuestan un centavo, así que la decisión rara vez se trata de la cifra titular; se trata de si el trabajo extra cambia tu resultado. Eso es una medición, no una consulta, y es lo único acerca de esta combinación que un lector puede resolver sin esperar el benchmark de nadie.

La laguna en la documentación que decide este enfrentamiento

La página del modelo de GPT-6.1 Sol —la que incluye su tamaño de contexto, bloque de precios, escala de esfuerzo, lista de herramientas y lista de instantáneas— no menciona reasoning.mode en ningún lado, ni el modo pro ni el modo estándar. La guía en prosa que cubre el modo pro sigue presentando la función como si funcionara con "cualquier modelo GPT-5.6" y les dice a los desarrolladores que mantengan el modelo seleccionado y establezcan reasoning.mode en pro en lugar de cambiar a un slug Pro aparte. Revisamos ambas páginas y no pudimos confirmar, a partir de la documentación de Open​AI, que exista una configuración de modo pro para el nivel 6.1. Puede que funcione; la guía principal de GPT-6 incluye el modo pro entre las capacidades que la familia conserva. Pero "puede que funcione" no es algo sobre lo que se pueda basar una ruta de producción, y es el estado honesto de la documentación a fecha de 30 de septiembre de 2026.

Esa brecha produce una decisión genuinamente desequilibrada. Si quieres el modo pro hoy, el lugar documentado para él es GPT-6 Sol — y el costo de elegirlo es que pagas $0.20 en lugar de $0.10 por entrada en caché en cada prefijo reutilizado, más lo que añada el trabajo adicional del modo pro, frente a un modelo cuyas puntuaciones reportadas por el proveedor están por detrás de las de 6.1 Sol en cada familia de tareas que Open​AI publicó. Si quieres la tasa de caché del nivel 6.1 y su posición en los benchmarks hoy, estás renunciando a una configuración pro documentada. No hay ninguna fila en la que obtengas ambas, porque nadie nos ha dicho si la segunda existe.

Resuelvelo con tu propio tráfico en una tarde

La medición no tiene nada de glamuroso y requiere un solo experimento, no una suite de benchmarks. Toma un conjunto de tareas que represente tu trabajo difícil, ejecútalo tres veces y lee el objeto de uso cada vez: una vez con gpt-6-sol en esfuerzo medio en modo estándar, una vez con gpt-6-sol en esfuerzo medio con el modo pro activado, y una vez con gpt-6.1-sol en esfuerzo medio. Mantén el esfuerzo constante en las tres: de eso se trata, de aislar una variable a la vez. Compara el éxito de las tareas, la latencia y el total de tokens facturados. El total de tokens de la ejecución en modo pro frente al total del modo estándar es tu multiplicador sobre tu tráfico; no coincidirá con el de nadie más, porque el diseño hace que la cantidad de trabajo adicional escale con la dificultad de la solicitud.

Dos notas prácticas para ejecutarlo. Primero, la ejecución de 6.1 y la ejecución de Sol son el mismo cuerpo de solicitud con una cadena cambiada, así que el experimento es barato de configurar y fácil de mantener como prueba de regresión. Segundo, si la llamada en modo pro sobre el identificador 6.1 devuelve un error en lugar de un resultado, tienes tu respuesta sobre la laguna en la documentación gratis — y lo has aprendido antes de ponerlo en cualquier sitio cerca de producción.

Ambas configuraciones, una clave

Este es el tipo de comparación que cuesta más en sobrecarga operativa que en tokens, que es justo donde el enrutamiento deja de ser una nota al pie. OrcaRouter sirve GPT-6 Sol al precio de lista del propio OpenAI sin ningún margen, así que la tarifa de $2.00 / $0.20 / $10.00 de arriba —incluida la regla de reajuste de precios de 272K— se transfiere exactamente tal como la publica el proveedor. Eso significa que los tres brazos del experimento descrito arriba pueden ejecutarse a través de un único endpoint con una sola clave de API y sin un segundo contrato: las dos configuraciones de Sol se diferencian en un parámetro, y el nivel 6.1 se suma a su lado en el momento en que sea enrutable. Hasta que lo sea, el modelo que puedes invocar es aquel cuyo modo pro está documentado. Para trabajo difícil y de bajo volumen, donde una ganancia marginal de calidad cambia el resultado, el modo pro en Sol es lo que recomienda la propia guía del proveedor; para todo lo que sea de alto volumen o sensible a la latencia, la configuración estándar es más rápida y, en prefijos reutilizados, ahora cuesta el doble por token en caché que el nivel más nuevo. Una regla de enrutamiento que divida el tráfico por esa línea —modo pro para las solicitudes que se lo ganan, una configuración más barata para el grueso— es un cambio de parámetro en un DSL de enrutamiento en lugar de una rearquitectura, y es la versión de esta decisión que sobrevive a la próxima renovación del modelo.

Quién debería elegir qué, en concreto. Si ya has medido una ganancia de fiabilidad del modo pro en tus propias tareas, quédate donde lo mediste y espera a que Open​AI documente el equivalente de 6.1 antes de cambiar: el ahorro de caché es real, pero son centavos sobre un prefijo, y volver a medir una ganancia de calidad cuesta más de lo que vale el descuento en trabajos de bajo volumen. Si nunca has medido el modo pro en absoluto, el nivel 6.1 es el mejor punto de partida: es el modelo más nuevo, sus resultados reportados por el proveedor lideran en cada familia de tareas que Open​AI publicó, su entrada en caché cuesta la mitad, y la cuestión de pro puede retomarse cuando la documentación se ponga al día. Ninguna elección es incorrecta hoy. Lo incorrecto es asumir que son alternativas, cuando una de ellas es una casilla en la otra.