Una escalera de precios de tres columnas para GPT-6.2 Astra: Standard a $8.00 de entrada y $40.00 de salida por millón de tokens, con streaming y sin ventana con descuento; una ventana de 2 h, un 30 % por debajo de Standard, con $5.60 de entrada, $0.28 en caché y $28.00 de salida, sin streaming; y una ventana de 8 h, un 40 % por debajo de Standard, con $4.80 de entrada, $0.24 en caché y $24.00 de salida, con una nota al pie que indica que es un objetivo y no una garantía. El logotipo de OrcaRouter está en la esquina inferior derecha.
Guides & Insights

Modo en segundo plano de GPT-6.2 Astra: 40 % de descuento, facturado en tiempo de reloj

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

La ruta más barata de OpenAI a GPT-6.2 Astra no cambia el precio del modelo. Cambia cuándo estás dispuesto a recibir la respuesta. Envía la misma solicitud a través de la API Responses con background establecido en true y background_options.completion_window establecido en 8h, y los tokens de GPT-6.2 Astra que se anuncian a $8 por entrada y $40 por salida por millón se facturan a $4.80 y $24. En GPT-6.2 Sol, la tarjeta de $2 y $10 pasa a $1.40 y $7. Mismos pesos, mismo razonamiento, misma ventana de contexto. GPT-6.2 Sol, el más barato de los dos, recibe el mismo trato: $1.40 y $7 en la ventana de ocho horas frente a $2 y $10 en Standard. Lo que cambió es tu lugar en una cola.

Ese intercambio se lanzó el 17 de noviembre de 2026, en la misma ventana del changelog que los dos modelos en sí, y es fácil malinterpretarlo como una rebaja de precio. No lo es. Una rebaja de precio acompaña al modelo allí donde se llame. Una ventana de finalización es una marca en un único endpoint, y cada propiedad que la hace valiosa para el planificador de OpenAI es una propiedad que tienes que aceptar: sin streaming, sin compartición de caché con el tráfico normal y un presupuesto de límite de velocidad que ahora compartes con la API Batch.

La razón por la que merece más que una línea en un registro de cambios es que el descuento es inusualmente profundo para un nivel que mantiene toda la calidad del modelo. Batch lleva años con un 50 % de descuento, pero Batch solo acepta solicitudes que puedes enviar como archivo y olvidarte. Esto es un 40 % de descuento para una conversación de agente en vivo, con turnos de seguimiento y salida de herramientas, siempre que la conversación pueda tolerar una cola. Para muchas cargas de trabajo de producción, esa es la diferencia entre una cuestión de asequibilidad y una cuestión de arquitectura.

Qué es la ventana, en términos de API

El modo en segundo plano no es nuevo en sí: es la forma que tiene la API de Responses de ejecutar una solicitud larga de forma asíncrona. Se establece background en true, se recibe un ID de respuesta de inmediato y el resultado se recoge más tarde mediante un webhook en response.completed o consultando el endpoint de recuperación mientras el estado indica queued o in_progress. El modo en segundo plano siempre consistió en no mantener una conexión abierta durante una ejecución de agente de veinte minutos.

La novedad es que la cola en segundo plano ahora tiene niveles con precios. background_options.completion_window acepta soonest, 2h u 8h. Soonest es el valor predeterminado y no conlleva ningún descuento; es el caso de «generar un informe mientras alguien espera». 2h está un 30 % por debajo de Standard y 8h está un 40 % por debajo, y la documentación especifica que el reloj objetivo comienza a contar cuando la API acepta la solicitud inicial y se aplica a esa respuesta.

«Tiene como objetivo completarse dentro de la ventana seleccionada» es la frase que hay que leer dos veces. Es un objetivo de programación, no una garantía ni un retraso fijo, y el propio consejo de la API es que las horas de inicio dependen de la programación. Una solicitud dentro de la ventana de ocho horas no se retiene durante ocho horas y luego se ejecuta; se ejecuta cuando la capacidad lo permite y, si termina en cuatro minutos, la recibes en cuatro minutos. A lo que has renunciado es al derecho a quejarte cuando no ocurre así.

La escalera en dólares

Ambos modelos que abarca la ventana, con precios por cada nivel, por millón de tokens, usando como base las tarifas Standard publicadas por OpenAI:

• GPT-6.2 Astra, Estándar — $8 de entrada, $0.40 de entrada en caché, $40 de salida

• GPT-6.2 Astra, ventana de 2 h — $5.60 de entrada, $0.28 en caché, $28 de salida

• GPT-6.2 Astra, ventana de 8 h — $4.80 de entrada, $0.24 en caché, $24 de salida

• GPT-6.2 Sol, Estándar — $2 de entrada, $0.10 en caché, $10 de salida

• GPT-6.2 Sol, ventana de 2 h — $1.60 de entrada, $0.08 en caché, $8 de salida

• GPT-6.2 Sol, ventana de 8 h — $1.40 de entrada, $0.06 en caché, $7 de salida

• Para ponerlo en perspectiva, el mismo modelo en el extremo rápido: el modo Fast duplica la tarifa Estándar a $16 y $80; Ultrafast es 3× la Estándar a $24 y $120 hasta el 28 de febrero de 2027 y 6× a $48 y $240 desde el 1 de marzo de 2027

Three stacked bars showing what a 40% window does to a $4.00 Artificial Analysis task on GPT-6.2 Astra: $4.00 at Standard, about $2.80 in the 2h window and about $2.40 in the 8h window, beside a card breaking the $4.00 into $1.19 of cache reads, $1.10 of cache writes, $1.64 of output and $0.07 of uncached input. The OrcaRouter logo sits in the bottom-right corner.

Esas son tarifas de tokens, y las tarifas de tokens no son lo que cuesta una tarea. La factura ponderada de Artificial Analysis para una tarea terminada del Intelligence Index en GPT-6.2 Astra asciende a $4.00 en Standard, en su índice v5.0.1 medido con esfuerzo máximo. Si el descuento por ventana se aplicara de manera uniforme entre las categorías de esa factura, la misma tarea costaría $2.80 en la ventana de dos horas y $2.40 en la de ocho horas. En diez mil tareas, eso son $28,000 y $24,000 en lugar de $40,000.

Ese “if” cumple una función real. La documentación de OpenAI describe el descuento como aplicable a las tarifas por token del modelo en cada solicitud elegible, incluidas las solicitudes de seguimiento, y su página de precios repite la misma formulación. Ninguna de las dos páginas desglosa el descuento por categoría de token, y una factura de tokens de este modelo no se compone mayoritariamente de entrada bruta: en la medición de Artificial Analysis, 1,19 $ de los 4,00 $ correspondían a lecturas de caché, 1,10 $ a escrituras de caché y solo 0,065 $ a entrada no cacheada, con 1,64 $ en salida. Las escrituras de caché tienen su propia tarifa —10 $ por millón para la caché de 30 minutos y 20 $ para la caché de 12 horas—, así que una carga de trabajo dominada por escribir prompts grandes en la caché puede que no se reduzca exactamente un 40 %. Considera el 40 % como la forma del descuento y mide tu propia factura en lugar de asumir el multiplicador.

Cuatro afecciones que heredas

El descuento no está disponible en todas las solicitudes, y es en las exclusiones donde las implementaciones suelen fallar.

• Solo procesamiento estándar. Las ventanas con descuento requieren que service_tier esté configurado en default. Si lo dejas en auto, la solicitud solo califica cuando la API elige Standard por casualidad, lo que significa que tu descuento se convierte en una moneda al aire que no puedes ver de antemano.

• Sin streaming. El streaming solo funciona con soonest. Para 2h y 8h debe omitir stream o establecerlo en false, y no puede transmitir una respuesta más adelante si no se creó con streaming.

• Un límite de velocidad compartido. Las solicitudes en las ventanas de dos horas y ocho horas comparten el límite de velocidad de Batch/Background con los trabajos de la API de Batch, y los tokens de entrada se cuentan al momento del envío. Un experimento que envía un documento de un millón de tokens a background de ocho horas no solo espera; consume el margen que tus trabajos de Batch estaban usando.

• Los seguimientos deben coincidir. Una ejecución de agente es una cadena, y el descuento se mantiene a lo largo de la cadena solo si cada seguimiento repite la ventana, el continuation_id, el modelo, el proyecto y la configuración de segundo plano. Reutiliza el ID de continuación y el seguimiento también pasará a ser elegible para una mayor prioridad en la cola. Cambia cualquiera de esos elementos y el siguiente turno será una solicitud Estándar.

A 2x2 grid of cards headed 'Four things the window takes with it': Standard processing only with the Flex tier gone, no streaming so you receive the finished response rather than tokens, a rate limit shared with Batch jobs where input tokens count at submission, and a split prompt cache whose window-written entries are invisible to Standard requests. The OrcaRouter logo sits in the bottom-right corner.

Hay una quinta condición oculta en las reglas de caché, y es la que tiene la cola más larga. Las solicitudes estándar fuera de las ventanas con descuento no pueden reutilizar entradas de caché de prompts creadas por solicitudes en segundo plano de dos u ocho horas, incluso cuando el prompt es idéntico, y lo contrario también se cumple. Si la mitad de tu tráfico se ejecuta en una ventana y la otra mitad bajo demanda, has dividido silenciosamente tu caché de prompts en dos y estás pagando por escribir el mismo prefijo dos veces. El descuento en un lado de esa división se compensa con una escritura en caché en el otro, y el modelo con una escritura en caché de $10 por millón es exactamente el equivocado para dividir.

El coste que no está en la factura

El descuento compra tokens con tiempo, y el tiempo no está limitado por la ventana. Considera la revisión nocturna de documentos que la propia documentación usa como ejemplo: una solicitud de ocho horas, una llamada a una herramienta y una continuación que devuelve el documento recuperado. Ambas respuestas califican para el 40 %, y el objetivo se reinicia para la segunda. En el mejor de los casos, toda la ejecución termina antes del desayuno. En el peor de los casos, cada una de las dos respuestas tarda cerca de su objetivo completo, lo que hace que el límite de extremo a extremo sea de unas dieciséis horas en lugar de ocho.

Esa aritmética no escala bien para agentes de larga duración. Un flujo de trabajo de doce turnos que envía cada turno a través de la ventana de ocho horas tiene un techo de cuatro días, y la programación real se sitúa en algún punto entre el mejor caso y ese techo, sin una distribución publicada. La forma honesta de desplegarlo es decidir por flujo de trabajo, no por llamada: un pipeline cuyo resultado se consume a la mañana siguiente encaja de forma natural, y una sesión interactiva no, sin importar cuántos tokens ahorraría. La ventana es una puja por capacidad barata, y las pujas se satisfacen cuando hay capacidad que llenar.

El hueco de Flex del que nadie habla

Antes de estas ventanas, la forma de obtener un descuento en esta familia de modelos era service_tier: flex: un 50 % por debajo de Standard, con menor prioridad. Flex sigue existiendo en los modelos más antiguos —GPT-6 Astra aparece a $5 y $25 en la tabla de Flex frente a $10 y $50 en Standard—, pero la guía de referencia de OpenAI indica claramente que, a partir de GPT-6.2 Astra y Sol, los nuevos modelos se lanzan sin procesamiento Flex, y que el trabajo de larga duración debería usar ventanas de finalización con descuento con procesamiento Standard en su lugar.

Lee los dos números uno al lado del otro y la dirección del cambio se hace visible. En la generación anterior, un cliente paciente podía comprar con un 50 % de descuento. En esta, el nivel más profundo es del 40 %, y exige que plantees el trabajo como en segundo plano. El reemplazo no es una mejora directa de la opción anterior; es una opción más limitada con un descuento menor, y llega ligado a una forma de solicitud —asíncrona, sin transmisión continua, con un único ID de respuesta— que no todas las integraciones pueden adoptar.

Batch sigue llegando más a fondo, y es la herramienta equivocada para la mitad de esto.

La API Batch sigue con un 50 % de descuento y un plazo de 24 horas, y solo por precio supera a cualquier ventana en segundo plano. La diferencia es estructural, no de grado. Batch toma un archivo JSONL de solicitudes independientes y devuelve un archivo de resultados; el flujo de trabajo no tiene memoria entre líneas. El modo en segundo plano es para una respuesta a la vez, con el estado de la conversación conservado a través de previous_response_id y una cadena de llamadas a herramientas que la aplicación debe ejecutar en medio.

Así que la decisión no es "qué es más barato", sino "¿mi carga de trabajo tiene un punto medio?". Cinco mil llamadas de clasificación independientes pertenecen a Batch y siempre ha sido así. Una ejecución de agente que lee un documento, llama a una función y luego escribe un informe no puede expresarse como un lote en absoluto: su segunda solicitud no existe hasta que la primera regrese. Ese es el vacío que llenan las ventanas, y es real: el 40 % es el primer descuento que OpenAI ha ofrecido para trabajo con estado y de varios turnos.

La nota al pie sobre el almacenamiento con consecuencias de cumplimiento

El modo en segundo plano almacena temporalmente los datos de respuesta incluso cuando store es falso o el proyecto usa Zero Data Retention, porque la API necesita los datos para ejecutar la solicitud y que el resultado se pueda recuperar. Está cifrado en reposo para cada ventana, incluida soonest, y la recomendación es que guardes tú mismo la entrada original y la salida completa de la respuesta mientras aún puedas recuperarla. No se indica ningún tiempo de vida para ese almacenamiento temporal.

Para un equipo que seleccionó Zero Data Retention para una carga de trabajo regulada, "almacenado temporalmente" es una frase que debe llegar a quien aprobó la revisión de manejo de datos, y debe llegar antes de que se ponga en cola el primer trabajo de ocho horas, no después. El descuento no cambia la postura de cumplimiento del endpoint; sí cambia cuánto tiempo una solicitud y su salida permanecen en un estado que no puedes ver.

Qué aporta y qué no aporta el enrutamiento aquí

Una cosa sobre la que conviene ser precisos, porque es fácil equivocarse cuando se anuncia un descuento: esto es una función de programación, no un precio de lista. OrcaRouter transfiere el precio de lista del proveedor con un 0 % de margen, y por eso un recorte de precios auténtico de OpenAI aparece de nuestro lado el mismo día; pero una ventana de finalización es una marca en el propio endpoint de OpenAI y no viaja con el modelo. Llamar a GPT-6.2 Astra a través de un enrutador no reproduce el 40 %, y ningún enrutador puede hacerlo, porque es el planificador quien concede el descuento.

Eso deja las dos cosas para las que el enrutamiento es realmente útil en esta forma de despliegue. La primera es la elección de modelo: de los cuatro modelos que cubren las ventanas —GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra y GPT-6 Luna—, la opción económica ya está en nuestro catálogo con GPT-6 Luna y GPT-6.1 Sol a precio de lista, así que la decisión de niveles y la decisión de proveedor se mantienen en una sola clave en lugar de dos contratos. La segunda es proteger las llamadas que no pueden esperar. Un sistema que coloca sus trabajos nocturnos en una ventana de ocho horas ha hecho que su ruta sensible a la latencia sea más importante, no menos, y la conmutación por error automática en esa ruta es lo que impide que un único incidente de un proveedor convierta una llamada de cinco segundos en una interrupción. La cola y la conmutación por error son complementarias: empleas la paciencia donde la tienes, así que puedes permitirte ser intolerante en todo lo demás.

OpenAI's developer documentation page for Responses API background mode, showing the background flag set to true, the background_options object with its completion_window values of soonest, 2h and 8h, and the notes on polling or webhook notification of the completed response.

La regla general

Si un humano que está mirando consume una respuesta, aquí no se aplica nada: usa lo antes posible, transmítela y paga Standard. Si una respuesta la consume un trabajo programado, un informe que llega antes de una reunión matutina o un pipeline cuya siguiente etapa se ejecuta esta noche, la ventana de ocho horas es un descuento del 40 % en tokens de calidad completa, y la única pregunta real es si tu integración puede funcionar sin streaming y con una caché de prompts dividida. La ventana de dos horas al 30 % es el término medio incómodo: suficientemente profunda como para merecer un cambio de arquitectura solo si el trabajo está realmente acotado por un plazo de dos horas, lo que no es el caso de la mayoría del trabajo por lotes.

La cifra que hay que vigilar no es el porcentaje de descuento, sino la proporción de tu tráfico que ya espera. Los equipos que ejecutan agentes durante la noche obtienen un 40 % de descuento en una factura que iban a pagar de todos modos. A los equipos que los ejecutan de forma interactiva se les ofrece un descuento que no pueden usar, en un modelo que ya no vende el nivel Flex del 50 % que antes era su opción de respaldo. Ese segundo grupo debería leer la página de precios antes que la página de arquitectura, porque el 17 de noviembre la forma más barata de llamar a GPT-6.2 Astra dejó de ser un nivel que se selecciona y pasó a ser un horario que se acepta.

Comparados en este artículo1

Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario