
GPT-6.2 Sol Pro: La tarifa no cambió. La factura bajó un 20%.
- 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 · 134 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 · 132 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 · 185 tok/s
Cuarenta mil tokens de salida para completar una tarea de evaluación. Eso es lo que GPT-6.2 Sol gastó en la suite de Artificial Analysis en su configuración de esfuerzo más alta, frente a 67,824 de GPT-6.1 Sol haciendo el mismo trabajo: una caída del 40 % en tokens y del 20 % en dólares por tarea, con una lista de precios que no cambió ni un céntimo. El modelo se lanzó el 17 de noviembre de 2026, junto con GPT-6.2 Astra, y la etiqueta que la gente busca, GPT-6.2 Sol Pro, es ese modelo con reasoning.mode establecido en pro en la Responses API. El modo pro se factura a las tarifas estándar por token del modelo base. Así que toda la economía de la actualización reside en cuántos tokens decide gastar el modelo, que es el único número que la tarjeta de tarifas de OpenAI no puede indicarte.
No es una repetición del argumento «Pro es un modo» que ya se ha planteado dos veces en este blog, para los niveles GPT-6 y GPT-6.1. El mecanismo es el mismo y ahora está bien documentado. Lo nuevo son las pruebas: por primera vez hay mediciones independientes de un nivel Sol el día después del lanzamiento, y dicen algo más interesante que «más barato por token». Dicen que la mejora se concentra exactamente en las cargas de trabajo para las que OpenAI vende este modelo, y que una dimensión empeoró.
¿Qué se lanzó el 17 de noviembre, exactamente?
La entrada del registro de cambios ocupa dos líneas y nombra dos identificadores: gpt-6.2-astra y gpt-6.2-sol, ambos disponibles en la API Responses y en Chat Completions, y el uso de herramientas exige Responses. El propio resumen que OpenAI hace del lanzamiento —«mejores resultados profesionales, programación, uso del ordenador y eficiencia a menor coste en ChatGPT Work, Codex y la API»— es encuadre de la propia empresa, y conviene mantenerlo a distancia hasta que lleguen los datos independientes, que ya han llegado.
La forma del asunto, según la página del modelo de OpenAI para gpt-6.2-sol:
• Contexto — 1.050.000 tokens en total, 922.000 máximo de entrada, 128.000 máximo de salida.
• Modalidades: texto e imagen de entrada, texto de salida. El audio y el vídeo se indican como no compatibles, y no hay ninguna modalidad de entrada de archivos en la especificación.
• Fecha de corte de conocimiento — {{1}}1 de junio de 2026{{/1}}, un mes después del {{2}}30 de abril de 2026{{/2}} del nivel 6.1.
• Razonamiento: siempre activado, cinco ajustes de esfuerzo, de bajo a máximo, y la API rechaza de plano reasoning.effort: none en lugar de degradarlo silenciosamente.
• Precio, contexto corto — $2.00 de entrada, $0.10 de entrada en caché, $2.50 de escritura en caché, $10.00 de salida por millón de tokens. Idéntico a GPT-6.1 Sol.
• Precio, por encima de 272.000 tokens de entrada: las tarifas de entrada y de caché se duplican y la salida pasa a 1,5× para toda la solicitud: $4,00 / $0,20 / $5,00 / $15,00.
• Niveles de servicio — Batch al 50 % del estándar, Fast a 2×, Ultrafast a 3× hasta el 28 de febrero de 2027 y 6× a partir del 1 de marzo de 2027.
• Nuevo en esta generación: ventanas de finalización en segundo plano con descuento en la beta pública de la API Responses, un 30 % por debajo de las tarifas estándar para una ventana de dos horas y un 40 % por debajo para ocho horas.
Esa última línea es, sin hacer ruido, lo más útil del lanzamiento para cualquiera que realice trabajo de agentes con forma de lotes, y es el tipo de detalle que la entrada de lanzamiento entierra. Un aplazamiento de dos horas que cuesta un 30 % menos es una decisión de producto distinta de un recorte de precio, porque cambia cuándo programas el trabajo en lugar de cuánto pagas por él.

De dónde viene «Pro» y por qué no es un ID de modelo
La guía de razonamiento de OpenAI lo dice claramente: los modelos GPT-5.6 y GPT-6 "admiten modos de razonamiento standard y pro en la Responses API. standard es el predeterminado". Modo y esfuerzo son ejes independientes: la guía es explícita en que el modo "selecciona la ejecución standard o pro, mientras que reasoning.effort controla cuánto razonamiento aplica el modelo dentro de ese modo". Puedes usar el modo pro con esfuerzo bajo; puedes usar el modo standard con esfuerzo máximo.
Lo que hace la ejecución Pro es agregar varias pasadas de trabajo del modelo en una sola respuesta y facturar esos tokens a «las tarifas estándar por token del modelo seleccionado». Sin multiplicador premium, sin contador aparte. Los identificadores Pro existentes —GPT-5.5 Pro y sus predecesores— conservan su comportamiento anterior y sus precios anteriores, por lo que «Pro» ahora significa dos cosas diferentes según la cadena que se indique.
Cuando un catálogo incluye gpt-6.2-sol-pro, está describiendo una configuración e inventando un identificador al que asignarla. La documentación propia de OpenAI devuelve 404 para esa cadena, y el único identificador en la página del modelo es gpt-6.2-sol. Esa distinción importa más allá de la pedantería: un ID de modelo que puedes consultar tiene una ventana de contexto documentada y una tarifa publicada, mientras que una configuración tiene lo que tu aplicación pase en el momento de la llamada.
La lectura independiente: 2,7 puntos más, 20% más barato por tarea
Artificial Analysis ya ha ejecutado el modelo con su propio harness, y las cifras son las primeras mediciones de este nivel no realizadas por el proveedor. En Intelligence Index v5.0.1, GPT-6.2 Sol con esfuerzo máximo obtiene 57.3 frente a 54.6 de GPT-6.1 Sol con esfuerzo máximo. El coste por tarea del Index baja de 1,27 $ a 1,01 $. Ambas cifras se miden sobre el mismo conjunto de pruebas, que es lo que las hace comparables: mismas tareas, mismo harness, misma puntuación, solo cambia el modelo.
Que esos dos números se muevan juntos en la dirección correcta es la verdadera afirmación de este lanzamiento. Una generación que se vuelve más inteligente y más barata por tarea con una tarifa fija es una ganancia de eficiencia, no un reposicionamiento. Una generación que se vuelve más inteligente mientras cuesta más es un intercambio. Esta es la primera, por un margen lo bastante amplio como para notarlo.
Dónde se ubica la ganancia es más interesante que el compuesto. Frente a su propio predecesor a esfuerzo máximo:
• Terminal-Bench 4.0 — 60,1 % frente a 56,1 %.
• Terminal-Bench Science — 67,6 % frente a 58,1 %, un salto de 9,5 puntos y el mayor movimiento individual del ranking.
• HLE Diamond — 64,0 % frente a 58,8 %.
• FrontierCode 2.0 — 44,4 % frente a 40,6 %.
• AutomationBench — 71,3 % frente a 64,9 %.
• AnalystAgent: 53,8 % frente a 50,0 %.
Cada una de esas es una tarea que usa herramientas, de varios pasos y con mucha verificación. Este no es un modelo que haya mejorado en trivia; es un modelo que ha mejorado en terminar las cosas, lo cual es coherente con que el recuento de tokens caiga en lugar de subir. Menos giros equivocados significa menos tokens gastados en recuperarse de ellos.
Una salvedad sobre qué son estas cifras. Artificial Analysis mide niveles de esfuerzo, no modos de razonamiento, por lo que su fila «max» corresponde al modo estándar con el máximo esfuerzo. Nadie ha publicado una medición del modo pro de ningún modelo GPT-6, porque el modo multiplica una cantidad desconocida de trabajo del modelo. Considera la fila de máximo esfuerzo como el techo disponible más cercano, no como un benchmark del modo pro.
Dos cifras que se movieron en la dirección equivocada
AA-Omniscience es la parte de la suite que evalúa si un modelo sabe lo que no sabe, y es donde esta versión da algo a cambio. GPT-6.2 Sol al máximo esfuerzo obtiene 40,4 en el índice de Omniscience, frente a 42,0. La precisión se mantiene —61,6 % frente a 61,8 %, lo cual es ruido—, pero la tasa de alucinación sube del 51,9 % al 55,4 %.
Lee eso con atención antes de decidir que es un escándalo. Ambos modelos alucinan en más de la mitad de las preguntas que responden mal, y un movimiento de 3,5 puntos en una batería de este tamaño no es una regresión catastrófica. Pero es una dirección, y apunta en sentido contrario al de las cifras de capacidad. El nivel mejoró a la hora de hacer el trabajo y se volvió algo menos cuidadoso a la hora de afirmar cosas que no puede respaldar.
Para un agente de programación que ejecuta pruebas antes de declarar la victoria, ese intercambio es casi gratuito. Para un asistente de investigación que responde sin un paso de verificación, es exactamente el modo de fallo que pagabas a la generación anterior para evitar. Si tu carga de trabajo está en la segunda categoría, el índice compuesto es el número equivocado en el que fijarte para decidir la compra, y el ahorro del 20 % es menor que el coste de una sola respuesta incorrecta dada con confianza.
¿Qué le hace el modo pro al medidor, en tokens?
Como el modo pro factura a tarifas estándar, la única palanca que acciona es el recuento de tokens, y los datos independientes te permiten dimensionar esa palanca por primera vez. Con el esfuerzo máximo, GPT-6.2 Sol promedia 40.360 tokens de salida por tarea, de los cuales 22.800 son tokens de razonamiento y 17.561 son respuesta visible: el razonamiento representa el 56 % de la salida. GPT-6.1 Sol, con la misma configuración, promediaba 67.824 tokens de salida, de los cuales 49.213 eran de razonamiento. El modelo más nuevo razona durante menos de la mitad del tiempo y responde con una longitud similar.
Ese es el mecanismo detrás del 20%, pero no es toda la aritmética y vale la pena conocer la otra mitad. Al descomponer el costo por tarea: la salida cae de unos $0,72 a $0,40, mientras que la entrada aumenta de unos $0,55 a $0,61 —más lecturas y escrituras de caché por tarea, no menos—. Las dos se compensan aproximadamente hasta dar el ahorro neto del 20%, lo que significa que la actualización es una apuesta a que pensar menos vale más que el contexto adicional que vuelve a leer. En la suite, lo fue.
Ejecuta el modo pro sobre cualquiera de los dos y el multiplicador es desconocido —OpenAI documenta que pro «realiza más trabajo del modelo que el modo estándar, lo que aumenta el uso de tokens y el costo», pero no publica ningún factor. Lo que sí puedes afirmar con seguridad es que la base que multiplica es un 40 % menor en el lado de la salida, así que el mismo multiplicador de pro recae sobre un piso más barato.
Consecuencia práctica: si presupuestaste las llamadas en modo pro con base en los recuentos de tokens de la era 6.1, vuelve a medir en lugar de reescalar. La distribución de tokens cambió lo suficiente como para que un ajuste lineal sobreestime tu factura.

Dónde se puede invocar hoy y dónde no
La API de OpenAI ya está disponible: Responses y Chat Completions, batch, almacenamiento en caché de prompts, salidas estructuradas, el conjunto de herramientas alojadas que incluye computer use, apply_patch, hosted shell y MCP, y Zero Data Retention para organizaciones aprobadas en endpoints elegibles. Los usuarios de ChatGPT Work y Codex la tuvieron desde el primer día, según la nota de la versión. Ese es el panorama de GA a 18 de noviembre de 2026.
En el catálogo propio de OrcaRouter, la generación 6.2 aún no ha llegado: una consulta a la lista pública de modelos del 18 de noviembre devuelve openai/gpt-6.1-sol y openai/gpt-6-sol, pero no gpt-6.2-sol. De eso se desprenden dos cosas, y la segunda es la que conviene tener en cuenta al planificar. Primera: hoy no hay nada disponible aquí sobre la actualización, y este artículo no pretenderá lo contrario. Segunda: OrcaRouter traslada el precio de lista del proveedor con un 0% de margen, así que cuando aparezca un nivel, lo que pagas es el $2/$10 del propio proveedor: sin multiplicador de puerta de enlace sobre la tarifa, y un cambio de precio del proveedor entra en vigor el mismo día, no según el calendario de un revendedor.

Mientras tanto, el nivel al que este reemplaza es openai/gpt-6.1-sol, que figura en el catálogo a precio de lista, y la ruta de migración que tiene sentido es mantener producción en el nivel 6.1 mientras evalúas 6.2 directamente, y luego cambiar la ruta en lugar del código.
Qué ver
Tres cosas decidirán si el 17 de noviembre parece un avance o un tropiezo. La regresión de calibración o persiste en la próxima actualización de AA o se reduce a ruido. El multiplicador de Ultrafast se duplica el 1 de marzo de 2027, de 3× a 6× el estándar, lo que no triplica nada, pero sí duplica la prima de la ruta más rápida: si tu arquitectura depende de Ultrafast, esa fecha está en tu presupuesto. Y la eficiencia de tokens tiene que mantenerse en modo pro, donde el número que nadie publica es el que decide tu factura.
Hasta entonces, el resumen honesto es acotado y verificable: mismo precio, 2,7 puntos de índice, un 20 % más barato por tarea y un control mediblemente más flojo sobre lo que no sabe.
Comparados en este artículo2
Detectado en este artículo · Benchmarks: Artificial Analysis · actualizado a diario
