GPT-6 Luna vs. DeepSeek V4 Pro: un punto en el índice, cinco veces el precio y el argumento a favor de poseer tus propios pesos

Aquí está el número que debería decidir este enfrentamiento y no lo hace: GPT-6 Luna obtiene 37 en el Artificial Analysis Intelligence Index con el máximo esfuerzo. DeepSeek V4 Pro obtiene 36 en la misma revisión del índice, también con el máximo esfuerzo. A un punto de distancia, en un compuesto donde un solo punto está dentro del ruido de una nueva ejecución, y los dos modelos están separados por unas cinco veces en precio. GPT-6 Luna tiene un precio de lista de $0.10 por millón de tokens de entrada y $0.50 por millón de salida. DeepSeek V4 Pro 0813 tiene un precio de lista de $0.66 y $1.98 fuera de horas pico, que se duplica a $1.32 y $3.96 durante su ventana de horas pico.

Si esa fuera toda la historia, este artículo tendría un solo párrafo y terminaría con «usa GPT-6 Luna». No es toda la historia, y la razón es la única dimensión en la que la comparación se invierte por completo: los pesos de DeepSeek V4 Pro son abiertos y tienen licencia MIT. El modelo que cuesta cinco veces más por token es el modelo que puedes descargar, modificar, ajustar y ejecutar en tu propio hardware para siempre. Eso no es una nota al pie del argumento del precio; para un tipo concreto de comprador es todo el argumento, y el lanzamiento de GPT-6 Luna el 22 de septiembre lo agudizó en lugar de resolverlo.

¿Qué se lanzó, y cuándo?

GPT-6 Luna es el modelo de gama pequeña de OpenAI, lanzado el 22 de septiembre de 2026, junto con GPT-6 Sol a $2.00/$10.00 y por debajo del buque insignia GPT-6 Astra a $10.00/$50.00. OpenAI lo describe como el modelo más eficiente de la compañía para tareas concretas y de gran volumen. Cuenta con una ventana de contexto de 1.050.000 tokens, con un máximo de entrada de 922.000 y un límite de salida de 128.000 tokens; acepta texto e imagen, y ofrece un esfuerzo de razonamiento desde none hasta low, medium, high, xhigh y max —con medium como valor predeterminado.

DeepSeek V4 Pro 0813 es la versión GA del modelo insignia de cuarta generación de DeepSeek, publicada el 13 de agosto de 2026, que reemplaza la vista previa de abril bajo el mismo identificador deepseek-v4-pro. Es un modelo de mezcla de expertos solo de texto con 1,6 billones de parámetros totales y 49 mil millones activos, una ventana de contexto de 1M de tokens y un límite de salida inusualmente generoso de 384.000 tokens — tres veces el de GPT-6 Luna. Los pesos se publicaron en Hugging Face como deepseek-ai/DeepSeek-V4-Pro-0813 aproximadamente medio día después de que la API entrara en funcionamiento: 66 fragmentos fp8, sin restricciones, MIT. Nuestra propia página de catálogo del modelo todavía muestra la fecha de la vista previa de abril en lugar de la fecha de GA de agosto, algo que conviene saber si lees las fechas en páginas de productos en lugar de en las notas de la versión.

Ambos priorizan el razonamiento y el contexto largo. Solo uno de ellos es un archivo que puedes sostener.

Las tarifas, sinceramente

Una línea por dimensión, ambos lados en cada una:

• Entrada por 1M — GPT-6 Luna $0.10 vs. DeepSeek V4 Pro $0.66 fuera de horas pico / $1.32 en horas pico

• Salida por 1M — GPT-6 Luna $0.50 vs DeepSeek V4 Pro $1.98 fuera de horas punta / $3.96 en horas punta

• Entrada en caché — GPT-6 Luna $0.01 por 1M, un 90 % de descuento sobre su propia tarifa frente a DeepSeek V4 Pro, un 97 % de descuento de caché, el porcentaje más profundo sobre una base más alta

• Ventana de máxima demanda — GPT-6 Luna: ninguna, constante todo el día, frente a DeepSeek V4 Pro, que se duplica entre las 01:00 y las 04:00 y entre las 06:00 y las 10:00 UTC

• Cláusula de contexto largo — GPT-6 Luna duplica la entrada y la caché y eleva la salida 1,5x por encima de 272K de entrada, aplicado a toda la solicitud, frente a DeepSeek V4 Pro sin recargo por contexto largo publicado en su tarjeta

• Contexto y salida — GPT-6 Luna 1.050.000 de entrada / 128.000 de salida vs. DeepSeek V4 Pro 1.048.576 de entrada / 384.000 de salida

• AA Intelligence Index — GPT-6 Luna 37 con esfuerzo máximo vs DeepSeek V4 Pro 36 con esfuerzo máximo, misma revisión del índice

• Puntuación de esfuerzo predeterminado — GPT-6 Luna 29 en nivel medio vs. DeepSeek V4 Pro 36 en su ajuste máximo, el esfuerzo que Artificial Analysis midió

• Interruptor de desactivación de razonamiento — GPT-6 Luna de ninguno a máximo vs DeepSeek V4 Pro solo bajo, alto y máximo

• Coste de ejecutar el índice — GPT-6 Luna $122.39 vs. DeepSeek V4 Pro $1,122.27

• Pesos — GPT-6 Luna cerrado, solo API frente a DeepSeek V4 Pro abierto, con licencia MIT, autoalojable

• En OrcaRouter — GPT-6 Luna no está en nuestro catálogo vs DeepSeek V4 Pro enrutable al precio de lista de DeepSeek

Lee esas líneas en conjunto y la forma es inusual: el modelo cerrado es más barato en cada línea por token excepto en la entrada en caché, y el modelo abierto gana en longitud de salida, en comportamiento con contexto largo y en lo único que no se puede tarificar por token en absoluto.

Por qué la diferencia de un punto no es la historia

Una diferencia de un punto en un índice compuesto no es una diferencia de capacidad sobre la que se pueda actuar, y vale la pena decir sin rodeos que es el número menos interesante del artículo. No obstante, hay dos cosas al respecto que sí importan.

Lo primero es que la revisión del índice cambia. Instantáneas anteriores de la misma evaluación situaban la puntuación de máximo esfuerzo de DeepSeek V4 Pro considerablemente por encima del 36 que muestra nuestra captura de hoy, y las cifras de GPT-6 Astra fluctuaron entre 52,8, 53 y 54,7 en material publicado dentro de un solo mes. Cualquier comparación que se apoye en la diferencia precisa entre dos modelos en un índice móvil se apoya en algo que no permanecerá estable. La lectura honesta es que estos dos modelos están en la misma banda de capacidad en sus techos, y el índice no puede decirte cuál es mejor para tu tarea.

El segundo es el valor predeterminado de esfuerzo, y aquí la brecha es real. El 37 de GPT-6 Luna es una cifra de esfuerzo máximo. Su valor predeterminado es medio, donde obtiene 29. El 36 de DeepSeek V4 Pro también es su cifra de esfuerzo máximo, y también es la configuración con la que lo ejecutó Artificial Analysis. Un equipo que despliega GPT-6 Luna y no cambia nada está operando con un 29 frente a un 36 —un déficit de siete puntos en la dirección equivocada, y el tipo de cosa que aparece como "el modelo barato es peor" en un post-mortem de producción cuando el problema real es un valor predeterminado.

Lo que realmente valen los open weights

Aquí es donde la comparación de precios deja de ser aritmética y se convierte en una pregunta sobre tu negocio. Los pesos con licencia MIT te aportan cuatro cosas, y cada una tiene un precio que nunca aparece en una tarjeta de tarifas.

El primero es un piso de coste. El precio por token es un alquiler; los pesos son un activo. Si tu volumen es lo bastante grande como para que una huella fija de GPU supere una factura por uso medido, DeepSeek V4 Pro es el único de estos dos modelos donde esa opción existe siquiera. Con las tarifas de GPT-6 Luna, el punto de cruce está muy lejos —una tarifa de entrada en caché de un centavo es genuinamente difícil de superar con silicio alquilado—, pero «muy lejos» es una afirmación distinta de «imposible», y es una puerta de un solo sentido: puedes pasar del autoalojamiento a una API en cualquier momento, y no puedes moverte en la otra dirección.

El segundo es la independencia de la hoja de ruta de un proveedor. Las tarifas promocionales de GPT-5.6 Luna tenían una caducidad indicada. Las de GPT-6 Luna son permanentes, según OpenAI, pero la permanencia es una promesa sobre un modelo que un proveedor puede retirar en cuanto lance un sucesor. Un modelo que alojas tú no puede ser declarado obsoleto a tus espaldas. Para cualquiera que haya pasado por una migración forzada en un modelo cerrado, eso vale más que un factor de cinco en tokens.

El tercero son los datos. Si el prompt contiene material que no puede salir de tu infraestructura, la comparación termina aquí y no importa cuánto cueste GPT-6 Luna.

El cuarto es que puedes hacerle ajuste fino. GPT-6 Luna no está disponible para ajuste fino en absoluto —es Chat Completions, Responses y Batch, y esa es la lista. Los pesos de DeepSeek V4 Pro se pueden entrenar con tu propia distribución, lo que para una tarea acotada de gran volumen suele ser una ventaja mayor que cualquier punto de referencia de propósito general.

Frente a todo eso, el argumento de GPT-6 Luna es que es aproximadamente cinco veces más barato con una mezcla combinada de 3:1 de entrada a salida fuera de horas punta y casi diez veces más barato durante las horas punta de DeepSeek, que su tarifa de entrada en caché es una décima parte de su ya baja tarifa de entrada, que se le puede indicar que deje de razonar por completo, y que su precio de lista no se duplica dos veces al día. Para una carga de trabajo sin restricción de residencia de datos, sin requisito de ajuste fino y sin interés por operar infraestructura de inferencia, esa es una respuesta directa.

La migración es menor de lo que sugiere la diferencia de precios.

Cambiar entre estos dos se parece más a un cambio de configuración que a una migración. Ambos hablan la forma de chat completions compatible con OpenAI, ambos tienen una ventana de contexto de clase 1M, y los modos de fallo son los que cabría esperar en lugar de estructurales.

Dos de ellos merecen señalarse antes de mover el tráfico. La cláusula de contexto largo de GPT-6 Luna es la costosa: si superas los 272.000 tokens de entrada, toda la solicitud se recotiza con entrada y caché al doble, y salida a 1,5x, así que una llamada de 300.000 tokens cuesta el doble de lo que cuesta la misma llamada dividida en dos. DeepSeek V4 Pro no tiene esa cláusula, lo que significa que, para solicitudes únicas realmente enormes, la brecha de precio de cinco veces es menor de lo que parece y puede invertirse en una llamada en hora punta. Y el techo de salida es una restricción estricta, no una preferencia: 128.000 tokens frente a 384.000. Un pipeline que genera artefactos estructurados largos podría no caber en GPT-6 Luna en absoluto, y ninguna ventaja de precio soluciona eso.

DeepSeek V4 Pro está en OrcaRouter al precio de lista de DeepSeek, con un precio de traspaso que traslada cualquier cambio de tarifa del proveedor a nuestro lado el mismo día — algo relevante para un modelo cuyas tarifas ya varían entre horas punta y horas valle. GPT-6 Luna no está en nuestro catálogo a la fecha de redacción de este texto y se accede a él a través de la propia API de OpenAI, así que un equipo que quiera ambos usa una sola clave para DeepSeek V4 Pro junto con la que ya utilice para OpenAI. La conmutación automática por error es la parte que se gana su lugar en este emparejamiento en concreto: que un endpoint de DeepSeek autoalojado o de terceros se degrade es exactamente el escenario en el que quieres que la ruta cambie sin necesidad de un despliegue.

¿Quién debería elegir cuál?

Elige DeepSeek V4 Pro si se cumple alguna de las siguientes condiciones. El prompt no puede salir de tu infraestructura. Necesitas hacer fine-tuning. Generas salidas de más de 128.000 tokens. Tus solicitudes superan habitualmente los 272.000 tokens de entrada. O tu volumen es lo bastante grande como para que prefieras comprar GPUs en lugar de alquilar tokens, y quieres la opción de hacer ese cambio más adelante sin reescribir la aplicación.

Elige GPT-6 Luna si no aplica ninguna de esas condiciones y tu carga de trabajo es de gran volumen, consumida por programas y breve. Clasificación, extracción, enrutamiento, resumen masivo, el bucle interno de un agente. A $0.10/$0.50 con una tarifa de entrada en caché de un centavo y Batch a mitad de precio, la aritmética no deja lugar a dudas, y la diferencia de un punto en el índice con esfuerzo máximo no será visible en tu evaluación. Ejecútalo en medium, comprueba la regresión de dos puntos en el Coding Agent Index con tus propias pruebas en lugar de con un gráfico de un proveedor, y mantén tus llamadas largas del lado correcto de la línea de 272,000 tokens.

El error que hay que evitar es tratar la diferencia de precio de cinco veces como la respuesta. Es la respuesta a una pregunta —cuánto cuesta un token— y guarda silencio sobre las cuatro preguntas que deciden si todavía podrás ejecutar esta carga de trabajo dentro de dos años.