
GPT-6.2 Astra reduce un 20 % el precio de los tokens. La factura por tarea baja un 36 %.
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 133 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 131 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 186 tok/s
OpenAI lanzó GPT-6.2 Astra el 17 de noviembre de 2026 con un titular que puedes verificar en diez segundos: 8 dólares por millón de tokens de entrada y 40 dólares por millón de tokens de salida, frente a 10 y 50 dólares de GPT-6 Astra. Eso supone un recorte limpio del 20 % en ambos sentidos del medidor. El número que decide de verdad si tu factura se mueve es otro, y es mayor. Artificial Analysis sitúa a GPT-6.2 Astra en 4,00 dólares por tarea del Intelligence Index frente a los 6,24 dólares de GPT-6 Astra: una reducción del 36 % en lo que cuesta completar una unidad de trabajo, no en lo que cuesta un token.
Ambas cifras son ciertas, y la diferencia entre ellas lo explica todo. Una reducción de precio te dice cuánto cobra el medidor. Una cifra de coste por tarea te dice cuánto cobró el medidor y cuántas veces se ejecutó. GPT-6.2 Astra cobra menos por token y consume menos de ellos para llegar al mismo sitio, así que el ahorro se acumula. Donde deja de acumularse —las solicitudes de contexto largo, las escrituras en caché y las reglas de los elementos de razonamiento— es donde este artículo dedica su segunda mitad.
La misma tarea, un 36 % más barata — y por qué eso es más importante que el precio de etiqueta.
Artificial Analysis puntúa a GPT-6.2 Astra con 62 en su Intelligence Index, tercero de los 87 modelos supervisados, frente a 57 y decimotercero para GPT-6 Astra. Su cifra de coste se calcula sobre el mismo conjunto de evaluación, que es lo que hace que la comparación sea justa: mismas tareas, mismo harness, misma puntuación, solo cambia el modelo. Cinco puntos de capacidad en el índice llegaron junto con una caída del 36 % en el coste por tarea.
Esa combinación es inusual. En la mayoría de los lanzamientos se sacrifica una cosa por la otra: pagas más por tarea para obtener un modelo más inteligente, o aceptas un modelo más débil para obtener uno más barato. Aquí ambas cifras se movieron en la dirección correcta respecto al predecesor, que es como se ve una verdadera ganancia de eficiencia de una generación a otra, y no un reposicionamiento.
Las seis cifras que importan, una al lado de la otra. Todos los precios corresponden a la tarifa estándar publicada por OpenAI; las cifras del índice y del coste por tarea son mediciones independientes de Artificial Analysis, no de OpenAI.
• Entrada — GPT-6.2 Astra $8.00 por millón de tokens frente a GPT-6 Astra $10.00
• Salida — $40.00 por millón de tokens frente a $50.00
• Entrada en caché — $0.40 por millón con un 95 % de descuento frente a $1.00 con un 90 %
• Intelligence Index — 62, en el puesto n.º 3 de 87 frente a 57, en el puesto n.º 13 de 87
• Costo por tarea de Index — $4.00 vs $6.24
• Ventana de contexto — 1.050.000 tokens en total, de los cuales 922.000 como máximo de entrada y 128.000 como máximo de salida
Fíjate en la línea de caché. El descuento aumentó del 90% al 95% y la tarifa base a la que se aplica bajó de $10 a $8, así que un token de entrada en caché ahora cuesta $0,40 donde antes costaba $1,00 — un recorte del 60%, tres veces lo anunciado. Si tu carga de trabajo es un prompt de sistema largo más un turno de usuario corto, estás obteniendo considerablemente más del 20%.

Donde el ahorro vuelve a escaparse
Tres mecanismos se llevan una parte de ese 36 %, y los tres están documentados en lugar de estar ocultos: solo tienes que leer la página de precios y la guía de migración antes de comprometerte con un presupuesto de contexto.
El acantilado de 272K
GPT-6.2 Astra tiene una ventana de 1.050.000 tokens, pero la estructura de precios cambia mucho antes de que la llenes. Cuando la entrada de una solicitud supera los 272.000 tokens, la entrada y la entrada en caché se facturan al doble de la tarifa estándar, y la salida, a 1,5 veces — y el multiplicador se aplica a la solicitud completa, no solo a los tokens que superan el límite. Un prompt de 300.000 tokens no paga un recargo por los últimos 28.000 tokens; paga el doble por los 300.000 en su totalidad.
A 16 $ por millón de tokens de entrada, una sola llamada de 300 K cuesta 4,80 $ antes de que el modelo escriba una palabra, mientras que un momento antes —con 271.999 tokens— el mismo trabajo habría costado 2,17 $. Eso es el recorte del 20 % devuelto en un solo paso, y con creces, porque el acantilado es una discontinuidad, no una pendiente. El trabajo con documentos largos que antes cabía dentro de la ventana antigua ahora necesita una estrategia de fragmentación deliberada, no solo un presupuesto mayor.
Las escrituras en caché son una línea aparte
Leer desde la caché es barato. Llenarla no es gratis: las escrituras en caché se facturan a $10 por millón de tokens, por encima de la tarifa estándar de entrada. Una caché de prompts profunda e invalidada con frecuencia puede costar más de mantener de lo que ahorra al leerse. La economía favorece un prefijo estable que sobreviva a muchos turnos, que es exactamente el patrón hacia el que te empujan las propias notas de migración de OpenAI.
Elementos de razonamiento descartados
A partir de esta generación, la API descarta los elementos de razonamiento cuando detecta un cambio en el historial en medio de la conversación: una edición de prefijo, una degradación del modelo, un cambio de usuario final u organización. Cuando el modelo pierde ese contexto, puede responder peor y gastar más tokens volviendo a derivar trabajo que ya había hecho. Ese segundo efecto es el que aparece en la factura: una integración que edita su prompt del sistema entre turnos pagará silenciosamente dos veces por el mismo razonamiento, y el ahorro del 36 % parecerá un error de redondeo.
La solución es arquitectónica, no financiera. Mantén el prefijo sin cambios cuando cambies la configuración entre respuestas, y la entrada anterior sigue siendo apta para el almacenamiento en caché al mismo tiempo que el razonamiento se conserva. Un hábito protege ambas líneas de la factura.
La configuración de razonamiento es una decisión de presupuesto
GPT-6.2 Astra no aceptará reasoning.effort establecido en none. La guía de migración de OpenAI indica que las nuevas integraciones deben empezar en medium y que cualquier configuración existente de none o minimal debe asignarse a low. Nada de eso resulta sorprendente para un modelo centrado en el razonamiento, pero sí significa que un simple cambio de la cadena del modelo desde un predecesor sin razonamiento producirá tanto una peor respuesta como una factura más alta de lo que implica el plan de migración.
Los tokens de razonamiento se facturan como salida. A 40 dólares por millón, la diferencia entre bajo y alto en una ejecución larga de un agente no es un error de redondeo: con frecuencia es la mayor variable individual en el coste de la tarea. Los 4,00 dólares medidos por tarea de Intelligence Index suponen la configuración de esfuerzo que haya usado Artificial Analysis; tu cifra depende de la tuya. Considera el ajuste de esfuerzo como la primera palanca de coste que ajustas, antes de tocar cualquier otra cosa.

Lo que el lanzamiento realmente mejoró, y lo que no.
Una rebaja de precio solo vale la pena si el modelo es al menos igual de bueno. En las evaluaciones de largo horizonte y científicas, GPT-6.2 Astra avanzó de forma decisiva. Terminal-Bench-Science subió del 63,3% en GPT-6 Astra al 78,1%, y Terminal-Bench 4.0 se sitúa en el 64,1%. AA-AnalystAgent se sitúa en el 62,5%, AA-3D en 1.318 Elo y LAB-AA de Harvey en el 15,0%. Para el trabajo agéntico que se ejecuta durante muchos pasos y necesita mantenerse centrado en la tarea, ese es el perfil que se busca, y es el perfil que genera la eficiencia de tokens que hay detrás del 36%.
Hay dos lugares en los que no se movió que vale la pena conocer antes de cambiar un pipeline entero.
El primero es la programación competitiva. FrontierCode-AA 2.0 sitúa a GPT-6.2 Astra en 45,4%, todavía por detrás de Claude Fable 5.2 con 48,8%. Astra ha recortado mucha distancia en otros ámbitos, pero no ha tomado la delantera en programación difícil, así que un equipo cuya carga de trabajo sea mayormente del estilo FrontierCode tiene menos motivos para migrar por capacidades; el argumento del precio es el que aplica.
El segundo es peor que un estancamiento. En AA-Omniscience, la tasa de alucinación de GPT-6.2 Astra es del 59,1 %, frente al 49,8 % de GPT-6 Astra. Está más dispuesto a responder cuando no sabe. Eso es un problema de costes disfrazado de problema de calidad: una respuesta incorrecta con total seguridad que luego tienes que detectar, descartar y volver a ejecutar te cuesta los tokens dos veces, y es en la nueva ejecución donde tu cuidada aritmética por tarea se rompe. Cualquier flujo de trabajo en el que detectar una respuesta incorrecta resulte caro merece un paso de verificación antes de que la reducción de precio se considere un ahorro.

Obtener el precio sin poner en juego el pipeline por ello
GPT-6.2 Astra está disponible a través de la propia API de OpenAI y de varias plataformas de terceros. Hoy no está en el catálogo de OrcaRouter, así que si quieres invocarlo esta semana, lo harás directamente con el proveedor. Nada en el análisis de precios anterior depende de desde dónde lo invoques, pero hay dos cosas sobre cómo lo invoques que conviene planificar desde ahora, porque son las mismas dos cosas que afectan a los equipos tres semanas después de iniciar una migración.
El primero es la conmutación por error. Un modelo lanzado ayer no tiene historial con tu tráfico, y el consejo honesto es ejecutarlo junto al modelo al que sustituiría en vez de ocupar su lugar. Enrutar ambos modelos a través de un único endpoint compatible con OpenAI, con conmutación por error automática entre proveedores, hace que un mal día en un proveedor upstream no se convierta en un mal día para tus usuarios mientras aún estás decidiendo si el 36 % es real para tu carga de trabajo. OrcaRouter incluye GPT-6 Astra, GPT-6 Sol y GPT-6.1 Sol, por lo que la prueba A/B frente al antecesor de Astra puede ejecutarse con una sola clave, sin necesidad de un segundo contrato y sin cambios de código en el lado del cliente.
El segundo es el traslado de precios. OrcaRouter factura con un 0 % de margen: el precio de lista del proveedor, sin cambios. Eso importa especialmente en un lanzamiento como este: una rebaja de precios del proveedor llega a tu tarifa el mismo día que llega a la suya, sin renegociación ni retraso en el reajuste de precios. Si GPT-6.2 Astra se suma al catálogo, los $8 y $40 anteriores son las cifras que verás, no una versión de ellas con margen añadido.
Lo que te aporta mientras tanto es una comparación limpia. Ejecuta hoy el mismo conjunto de evaluación con GPT-6 Astra, anota tu coste real por tarea con tu configuración real de esfuerzo y tendrás la línea base contra la que ese 36 % se sostiene o no. La mayoría de los equipos que se saltan este paso acaban midiendo el titular en lugar de su propia carga de trabajo, y descubren el acantilado de 272K de la manera costosa.
Quién debería moverse ahora, y quién debería esperar.
Muévete ahora si tu carga de trabajo es trabajo agéntico de horizonte largo, análisis de documentos de aproximadamente menos de 250.000 tokens, o cualquier cosa científica y basada en terminal — el salto de Terminal-Bench-Science del 63,3 % al 78,1 % es lo bastante grande como para cambiar lo que es factible, y la eficiencia de tokens se multiplica con la reducción de precio.
Muévete con cuidado si tus prompts suelen superar los 272.000 tokens. El acantilado no recompensa un presupuesto mayor; lo castiga. Divide en fragmentos o presupuesta el doble.
Espera, o al menos haz primero una prueba A/B, si tu trabajo se centra mucho en programación competitiva difícil —FrontierCode-AA 2.0 todavía favorece a Claude Fable 5.2— o si una respuesta incorrecta pero segura resulta costosa en tu dominio, donde una tasa de alucinación que subió del 49,8 % al 59,1 % merece una medición propia antes de convertirse en tu opción predeterminada.
Y en todos los casos, establece deliberadamente tu esfuerzo de razonamiento antes de comparar facturas. El 20 % está en la página de precios y el 36 % en la tabla de clasificación. Ninguno de los dos es tu factura todavía.
