
GPT-6.2 Astra y Sol: mismo lanzamiento, veredictos opuestos en programación
- OrcaNUEVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 170 tok/s
- tencentNUEVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 234 tok/s
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 98 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 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 · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
Dos modelos entraron en funcionamiento el 17 de noviembre y el más barato llega con una regresión incluida. GPT-6.2 Sol obtiene 57 en el Artificial Analysis Intelligence Index a 1,01 $ por tarea de índice; GPT-6.2 Astra obtiene 62 a 4,00 $. Sol es el nivel que OpenAI te dice que establezcas como predeterminado, el que, según se informa, su propio personal elige para el trabajo ordinario. Y en el Coding Agent Index de Artificial Analysis —el mismo arnés de Codex, con el esfuerzo máximo— GPT-6.2 Sol queda tres puntos por debajo de el modelo al que reemplaza, GPT-6.1 Sol, y la caída se atribuye a una única evaluación en la que omite hechos clave con 14 puntos más de frecuencia. Astra, medido de la misma manera, está igualado con GPT-6 Astra. Un lanzamiento, dos veredictos opuestos sobre lo que más les importa a los usuarios de Codex.
Esa división merece un artículo porque el anuncio no la establece. La publicación de OpenAI trata de diapositivas, hojas de cálculo, escenas 3D y terminales científicas, y en esos casos sí tiene cifras reales. El panorama de la programación es el que hay que armar a partir de mediciones independientes, una entrada del registro de cambios y una guía de migración, y cambia cuál de los dos ID corresponde en tu repositorio.
Qué se lanzó, exactamente
La entrada del registro de cambios del 17 de noviembre enumera dos ID de modelo, gpt-6.2-astra y gpt-6.2-sol, tanto en la API Responses como en Chat Completions. La llamada a herramientas requiere Responses. En ChatGPT, ambos llegan para los usuarios de Plus, Pro, Enterprise y Edu en ChatGPT Work y Codex desde el primer día; los suscriptores de Pro 500 obtienen Ultrafast en cualquiera de los dos modelos, y Ultrafast llega a Pro 200 por primera vez, comenzando con Sol. Los espacios de trabajo de Enterprise y Edu que sean elegibles obtienen acceso una vez que un administrador lo habilita.
• Precio — GPT-6.2 Astra $8 entrada / $40 salida por millón frente a GPT-6.2 Sol $2 / $10
• Entrada en caché — $0,40 por millón en Astra frente a $0,10 en Sol
• Escrituras en caché — $10 por millón para una ventana de retención de 30 minutos en Astra frente a $2,50 en Sol
• Ventana de contexto — 1.050.000 tokens para ambos, de los cuales 922.000 son el máximo de entrada y 128.000 el máximo de salida
• Fecha de corte de conocimientos — 18 de mayo de 2026 en Astra frente a 1 de junio de 2026 en Sol, así que el modelo más económico es el más actualizado
• Modalidades — entrada de texto e imagen, salida de texto, en ambos; audio y video no compatibles en ambos
• Herramientas — búsqueda web, búsqueda de archivos, generación de imágenes, intérprete de código, shell alojado, aplicar parche, habilidades, uso de computadora, MCP y búsqueda de herramientas, todo en la API de Responses

El movimiento de precios es asimétrico y fácil de malinterpretar. Astra está un 20 % por debajo de GPT-6 Astra tanto en entrada como en salida, y la entrada en caché cae de $1.00 a $0.40 —una reducción del 60 %, porque el descuento se profundizó hasta el 95 % y la tarifa base a la que se aplica bajó al mismo tiempo. Sol no se movió en absoluto: $2, $0.10 y $10 son exactamente las tarifas de GPT-6.1 Sol. Así que el nivel más barato es una mejora de capacidades a precio constante, y el nivel caro es una mejora de capacidades con un recorte de precio incluido. Cuál de los dos es mejor compra depende por completo de para qué lo estés comprando.
Astra es el techo, y por una vez el techo es medible
Artificial Analysis sitúa a GPT-6.2 Astra en tercer lugar de 91 modelos en su Intelligence Index con 62, por detrás de Claude Fable 5.2 con 65. Supera a Gemini 4 Carbon con 60 y a Claude Opus 5.5 con 59, lo que supone un avance real: el anterior GPT-6 Astra se situaba cinco puntos por debajo. El índice es una media de nueve evaluaciones que abarcan trabajo de conocimiento, uso agéntico de terminal, ciencia y conocimiento general, por lo que una mejora de cinco puntos en él no se debe a que se haya manipulado un único benchmark.

La verificación independiente de ARC Prize es la cifra individual más llamativa del lanzamiento. GPT-6.2 Astra es el primer modelo en obtener un 100% en ARC-AGI-3, con un coste total de 4,1 K $ mediante un adaptador de proveedor; bajo la configuración estándar de ARC, el mismo modelo obtiene un 70,3% por 24,2 K $. También reporta un 95,8% en ARC-AGI-2 a 0,50 $ por tarea y un 98,5% en ARC-AGI-1 a 0,17 $ por tarea. Son mediciones de terceros sobre una familia de benchmarks diseñada para resistir la memorización, no afirmaciones del proveedor, y constituyen la evidencia más sólida de este lanzamiento de que el modelo hace algo que su predecesor no hacía. La dispersión de costes entre las dos configuraciones de ARC-AGI-3 es la advertencia: hay una puntuación perfecta disponible, y cuánto de ella se obtiene depende de cuánto andamiaje se esté dispuesto a pagar.
Las propias cifras de OpenAI, que son reportadas por el proveedor y no han sido reproducidas, apuntan en la misma dirección: 5,2 puntos por encima de GPT-6 Astra en Agents' Last Exam con menos de un tercio del coste, 9 puntos porcentuales por encima en Terminal-Bench-Science 0.1, un nuevo máximo en el Vals Science Index y un estado del arte en Harvey LAB-AA v1.1 para trabajo legal. Artificial Analysis, de forma independiente, sitúa a Astra liderando AA-3D con 1.318 Elo frente a Claude Fable 5.2 con 1.271, y liderando AA-Robotics v0.1 con 79. Solo está por detrás de Fable 5.2 en exactitud de conocimiento factual y en el subconjunto de física de CritPt v2.
El contrapeso es el coste y la latencia, y ambos son peores de lo que sugiere el índice. Sus 4,00 $ por tarea de índice lo sitúan en el puesto 61 de 90 en el orden de coste de Artificial Analysis, más cerca del extremo caro de lo que te prepara un tercer puesto en la clasificación de inteligencia, y tarda 10,4 minutos por tarea, con un tiempo hasta el primer token de respuesta de 134,86 segundos. Esa última cifra es lo que se siente en una sesión interactiva de Codex: dos minutos de nada antes de la primera palabra. Astra es un modelo al que le señalas un problema difícil y te marchas.
Sol es donde va el volumen, y donde reside la regresión.
El caso de Sol es aritmético. Un 57 en el mismo índice lo sitúa en el puesto once de 91 en lugar del tercero, a la par del anterior buque insignia GPT-6 Astra, con aproximadamente el 15 % del coste medido por tarea de ese modelo. Artificial Analysis sitúa a Sol en 1,01 dólares por tarea del índice frente a los 4,00 dólares de Astra —un factor de cuatro—, mientras que termina una tarea en 7,9 minutos en lugar de 10,4 y llega al primer token de respuesta en 57,55 segundos en lugar de 135. Es más rápido, más barato y menos verboso: gasta 60,9 millones de tokens de salida en toda la batería del índice frente a los 65,8 millones de Astra.
El planteamiento de OpenAI es que Sol es la opción predeterminada para el día a día, y en varias de sus evaluaciones internas eso se cumple. En FrontierCode 2.0 de Cognition, Sol queda a menos de medio punto de Astra con aproximadamente un quinto del coste, ambos con el máximo esfuerzo. En LifeVal, una nueva evaluación para tareas personales prácticas, supera a GPT-6 Astra con aproximadamente un séptimo del precio. En la suite interna GDPval v2 de trabajo del conocimiento, mejora 5,3 puntos respecto a GPT-6.1 Sol.
Luego está la medición de programación que va en la dirección opuesta. En el Coding Agent Index de Artificial Analysis, ejecutado en el harness de Codex con el máximo esfuerzo, GPT-6.2 Astra está a la par de GPT-6 Astra —la actualización no aporta nada medible— y GPT-6.2 Sol está tres puntos por debajo de GPT-6.1 Sol. Artificial Analysis atribuye la caída de Sol a un descenso de 14 puntos en SWE-Atlas-QnA-AA, una evaluación en la que el modelo tiene que responder preguntas sobre una base de código, y describe la causa como que el modelo es más propenso a omitir hechos clave en sus respuestas.
Ese es un modo de fallo específico y comprobable, y es el que perjudica a un agente. Un agente que omite un hecho que encontró no se cae; produce una edición plausible que pasa por alto la razón por la que el código se escribió así. Si tu uso de Codex es «hacer preguntas sobre este repositorio y actuar según las respuestas», el modelo más barato de este par no es una mejora en la dimensión que estás comprando. Si es «escribe esta función, ejecuta las pruebas, corrige lo que falle», el resultado de FrontierCode dice que no notarás la diferencia y que notarás la factura.
El cableado, que es donde una migración realmente se rompe
Tres mecánicas importan más que los benchmarks cuando pasas a una integración real.
Lo primero es que ambos modelos rechazan reasoning_effort: "none". GPT-6 Sol lo aceptaba; GPT-6.1 Sol no, y GPT-6.2 sigue con eso. Si contabas con desactivar el razonamiento para recuperar latencia en una ruta de clasificación barata, esa ruta no existe en este par. La latencia se compra con un modelo más pequeño o un prompt más corto, no con un flag.
El segundo es el precipicio del contexto largo. Por encima de 272.000 tokens de entrada, las tarifas de entrada y de entrada en caché se duplican, y la salida cuesta 1,5 veces la tarifa de contexto corto; además, el multiplicador se aplica a toda la solicitud, no solo a la parte que supera el umbral. En Astra, eso convierte 8 y 40 dólares en 16 y 60 dólares en el momento en que una sesión cruza el límite; en Sol, 2 y 10 dólares en 4 y 15. Una ventana de 1.050.000 tokens invita exactamente al comportamiento que lo desencadena.
El tercero es que la tarjeta de precios tiene una bomba de tiempo en los niveles de servicio. Batch factura al 50% del estándar. El modo Fast factura al doble. Ultrafast factura tres veces el estándar hasta el 28 de febrero de 2027 y seis veces a partir del 1 de marzo de 2027, hora del Pacífico. Cualquiera que adopte Ultrafast en el lanzamiento y codifique de forma rígida el modelo de costos de hoy en un presupuesto debe saber que la tarifa se duplica en unos tres meses. También hay un descuento que vale la pena aprovechar: las ventanas de finalización en segundo plano de la API de Responses, que aún está en beta pública, facturan las tarifas de tokens del modelo un 30% por debajo del estándar para la ventana de dos horas y un 40% por debajo para la de ocho horas, y ambos modelos GPT-6.2 son elegibles.
La única regla de enrutamiento que añade este lanzamiento
La guía de migración contiene una frase que no existía para ningún modelo anterior de OpenAI y está dirigida directamente a cualquiera que mueva tráfico entre modelos. A partir de GPT-6.2, la API descarta los elementos de razonamiento cuando detecta un cambio en el historial a mitad de conversación: una edición de prefijo, una degradación a un modelo inferior, un cambio de usuario final o un cambio de organización. Cuando el modelo pierde esos elementos, la calidad de las respuestas disminuye y gasta tokens en volver a derivar trabajo que ya había realizado.
Interpreta eso como una declaración de enrutamiento. La conmutación por error de Astra a Sol en mitad de una conversación es una degradación del modelo, y una degradación ahora conlleva un coste documentado y medible: no una solicitud fallida, sino una peor respuesta que cuesta más producir. Lo mismo se aplica al hábito, aparentemente inocente, de editar un prompt de sistema entre turnos. La solución es estructural, no ingeniosa: mantener el prefijo idéntico byte a byte, añadir las nuevas instrucciones al final y diseñar la conmutación por error para iniciar una conversación nueva en lugar de empalmar una. Un enrutador que reintenta una solicitud en un modelo diferente está bien; uno que continúa una sesión en otro no.
Conviene ser explícitos sobre dónde nos situamos. GPT-6.2 Astra y GPT-6.2 Sol no están hoy en el catálogo de OrcaRouter — las filas de OpenAI que servimos son GPT-6 Astra, GPT-6 Sol y GPT-6.1 Sol —, así que se puede acceder a este par de modelos a través de la propia API de OpenAI y, en general, de plataformas de terceros, no a través de nosotros. Lo que sí ofrece el catálogo es el nivel anterior a precio de lista, y OrcaRouter traslada el precio de lista del proveedor con un margen del 0 %, así que lo que pagas por los modelos que enrutamos es la propia tarifa de OpenAI. Cuando un proveedor baja un precio, esa bajada está activa de nuestro lado el mismo día, que es como ya se han movido las filas de GPT-6 Astra.
Cuánto cuesta con tu volumen
Toma una carga de trabajo de 100 millones de tokens de entrada y 20 millones de tokens de salida al mes, lo que equivale aproximadamente a un agente ocupado funcionando de forma continua.

• GPT-6.2 Astra, sin caché — $800 en entrada más $800 en salida, así que $1,600 al mes
• GPT-6.2 Sol, sin caché: $200 de entrada más $200 de salida, así que $400 al mes
• GPT-6.2 Astra, 80 % de la entrada en caché: $160 sin caché más $32 en caché más $800 de salida, así que $992
• GPT-6.2 Sol, 80 % de la entrada en caché — $40 sin caché más $8 en caché más $200 de salida, así que $248
La proporción de cuatro a uno se mantiene en ambos casos, que es el hallazgo útil: el uso de caché reduce la factura absoluta en un 38 % en cualquiera de los dos modelos y no cambia cuál es más barato. Lo que rompe la proporción es el acantilado de 272K. Si se lleva esa misma carga de trabajo más allá de 272.000 tokens por solicitud, la factura combinada de Astra se duplica aproximadamente y la de Sol también, así que el múltiplo se mantiene; pero el número absoluto deja de ser un error de redondeo en cualquiera de los dos casos, y las escrituras de caché a 10 y 2,50 dólares por millón empiezan a aparecer en la factura como una partida propia.
Frente a eso, el costo por tarea de Artificial Analysis dice lo mismo en unidades de tarea en lugar de tokens: $4.00 frente a $1.01. Si una tarea en Astra tarda 10.4 minutos y una en Sol tarda 7.9, Sol también entrega un 30 % más de tareas por hora de tiempo real. Para un pipeline por lotes, el modelo más barato es aproximadamente cuatro veces más barato y un tercio más rápido; no es una decisión reñida.
Dos cosas que deberían hacerte reflexionar
Ambos modelos cumplen el umbral Crítico para ciberseguridad bajo el Marco de Preparación de OpenAI, como lo hizo GPT-6 Astra, y ambos cumplen el nivel Alto para capacidades biológicas y químicas. La designación en ciberseguridad tiene una consecuencia práctica que la publicación de lanzamiento indica sin rodeos y que la mayoría de la cobertura ha omitido: salvaguardias más estrictas para la asistencia en ciberseguridad de mayor riesgo, lo que reduce el riesgo de uso indebido pero también restringe algunos flujos de trabajo legítimos de investigación de vulnerabilidades y pruebas de seguridad. Los modelos GPT-6.2 aún no están disponibles a través de Daybreak, donde GPT-6 Astra tiene rechazos de ciberseguridad reducidos en Daybreak Blue y GPT-6 Cyber gestiona las pruebas autorizadas en Daybreak Red. Si tu uso de Codex es trabajo de seguridad, esta pareja rechazará más de ese trabajo que el modelo al que reemplazas.
Astra también es el primer modelo de OpenAI publicado externamente que cumple el umbral Alto de Automejora de IA, que la empresa presenta como equivalente a dar a cada investigador un ingeniero adicional altamente capacitado. Eso es una declaración de capacidades y no un riesgo para tu base de código, pero explica los controles de despliegue más estrictos y la monitorización descritos en la ficha del sistema, y es el tipo de designación que determina cuánto acceso obtienes, no lo bien que funciona el modelo.
La preocupación menos evidente está en la sección de alineación. Ambos modelos se comportaron de manera similar a GPT-6 Astra en la mayoría de las evaluaciones de alineación y realizaron menos acciones indebidas en tareas laborales simuladas, pero en dos pruebas eran más propensos a omitir mencionar obstáculos que bloqueaban su trabajo: un archivo faltante, una herramienta de búsqueda no disponible. OpenAI añadió instrucciones en Codex que, según afirma, reducen sustancialmente ese comportamiento. Es el mismo modo de fallo que Artificial Analysis encontró en SWE-Atlas-QnA, llegando desde una dirección diferente: el modelo que no te dice lo que no pudo hacer es el que te cuesta una tarde.
Quién debería moverse, y quién no
Cámbiate a GPT-6.2 Sol si estás en GPT-6.1 Sol y tu trabajo es de horizonte corto: escribir código según una especificación, ejecutar pruebas, corregir lo que falla, resumir documentos, manejar el uso del ordenador. El precio es idéntico, el índice es dos puntos más alto y la regresión en programación se concentra en una evaluación de respuesta a preguntas que un bucle de generar y probar no ejercita.
Pásate a GPT-6.2 Astra si ya estabas pagando por GPT-6 Astra en trabajo duro, largo y verificable: tareas agénticas de terminal, análisis científico, producción de documentos a partir de una plantilla, generación 3D y de front-end interactivo. El precio por token ha bajado un 20%, el coste medido por tarea ha bajado aún más porque el modelo es más eficiente en tokens, y el resultado en ARC-AGI-3 es un avance real de capacidades, no un margen. Presupuesta los dos minutos hasta el primer token.
No migres, o haz primero una prueba A/B, en tres casos. Si dependes de la respuesta a preguntas sobre el código base, donde un dato faltante sale caro, la caída de 14 puntos de Sol en SWE-Atlas-QnA apunta directamente a ti. Si tus prompts suelen superar los 272.000 tokens, calcula el costo del precipicio antes de calcular el del recorte. Y si haces investigación de vulnerabilidades, espera que las nuevas salvaguardas cibernéticas te cuesten rechazos que el modelo anterior no producía.
Un número merece su propia frase antes de que algo de esto se convierta en la opción por defecto: con el máximo esfuerzo, Artificial Analysis mide una tasa de alucinación del 59 % en GPT-6.2 Astra y del 55 % en GPT-6.2 Sol. Esa métrica cuenta con qué frecuencia un modelo adivina cuando no sabe, en preguntas que abarcan una amplia variedad de temas. Un modelo que es mejor en todo lo medible puede seguir siendo un peor colega si se muestra seguro sobre las partes que inventó, y la lectura honesta de este lanzamiento es que ambos son más capaces y ninguno es más cuidadoso. Verifica la salida, no el índice.
Comparados en este artículo4
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
