GPT-6 Luna vs GPT-6 Sol: dos tarifas con la misma forma y un número veinte veces mayor

GPT-6 Luna tiene un precio de lista de 0,10 $ por millón de tokens de entrada y 0,50 $ por millón de salida. GPT-6 Sol tiene un precio de lista de 2,00 $ y 10,00 $. El proveedor lanzó ambos el 22 de septiembre de 2026, como los dos niveles inferiores de la generación GPT-6, por debajo del buque insignia GPT-6 Astra, y la brecha de veinte veces entre ellos es lo primero que cualquiera lee al ver la página. Lo que resulta más difícil de ver, y más útil, es lo poco que los separa en todo lo demás. La misma ventana de contexto de 1.050.000 tokens. El mismo máximo de entrada de 922.000 tokens. El mismo límite de salida de 128.000 tokens. La misma escala de razonamiento desde none hasta low, medium, high, xhigh y max, con medium como valor predeterminado. La misma familia de fecha de corte de conocimiento, con un mes de diferencia. La misma cláusula que recalcula el precio de toda una solicitud en cuanto supera los 272.000 tokens de entrada.

Dos modelos que comparten cada línea estructural de una lista de tarifas no se diferencian por sus características. Se diferencian por una puntuación, y por lo que te cuesta obtener esa puntuación. En la tabla de clasificación independiente que mide ambas cosas, GPT-6 Sol se sitúa once puntos por encima de GPT-6 Luna con el mismo esfuerzo máximo y cuesta aproximadamente quince veces más completar la misma evaluación. Once puntos y quince veces es una frase distinta de veinte veces, y la diferencia entre esas dos frases es donde reside realmente esta comparación.

Para qué sirve cada uno de estos dos

GPT-6 Sol es el modelo de uso diario de la familia — el nivel que OpenAI posiciona para programación compleja, flujos de trabajo agénticos y trabajo profesional que una persona leerá. Acepta texto e imagen, produce texto, y está disponible para cualquiera con una clave de API. Es el modelo al que la mayoría de los equipos recurrirá por defecto cuando quieran capacidad de clase GPT-6 sin la tarifa del modelo insignia ni su barrera de acceso.

GPT-6 Luna es el nivel de volumen. La propia descripción de OpenAI es acotada y deliberadamente poco glamorosa: el modelo más eficiente para tareas enfocadas y de gran volumen. Resumen, extracción, clasificación, enrutamiento, el bucle interno de un agente que hace mil llamadas pequeñas de camino a una sola tarea. Misma ventana, mismo límite de salida, mismo dial de esfuerzo — un motor más barato en un chasis idéntico.

Ambos fueron entrenados con métodos derivados de GPT-6 Astra en lugar de ser construidos como una línea separada, por lo que las hojas de especificaciones coinciden con tanta exactitud. El precio es el único punto en el que los dos divergen por diseño.

La tarjeta de tarifas, línea por línea

Una línea por dimensión, ambos lados en cada una:

• Entrada por 1M — GPT-6 Luna $0.10 vs GPT-6 Sol $2.00

• Salida por 1M — GPT-6 Luna $0.50 vs GPT-6 Sol $10.00

• Entrada en caché por 1M — GPT-6 Luna $0.01 frente a GPT-6 Sol $0.20; ambos son una décima parte de su propia tarifa de entrada sin caché, por lo que la proporción de veinte veces se mantiene intacta tras el descuento.

• Escrituras de caché por 1M — GPT-6 Luna $0.125 vs GPT-6 Sol $2.50, un 25% de recargo sobre la tarifa de entrada en ambos casos

• Nivel de contexto largo — cláusula idéntica en ambas tarjetas: por encima de 272,000 tokens de entrada, toda la solicitud se factura a 2× la entrada y la caché, y a 1.5× la salida, lo que lleva GPT-6 Luna a $0.20 y $0.75, y GPT-6 Sol a $4.00 y $15.00

• Ventana de contexto — 1,050,000 tokens para ambos, con una entrada máxima de 922,000 tokens y un techo de salida de 128,000 tokens

• Esfuerzo de razonamiento — ninguno, bajo, medio (predeterminado), alto, xhigh, máx. para ambos; el control es el mismo componente en ambos modelos

• Niveles de servicio — Flex reduce la factura a la mitad y Priority la duplica en ambas tarjetas, seleccionados a través del mismo service_tier parámetro

• Fecha de corte de conocimiento — GPT-6 Luna, 18 de mayo de 2026 vs. GPT-6 Sol, 20 de abril de 2026, que distan un mes dentro de una misma familia y vale la pena saberlo antes de asumir que ambos comparten una visión del mundo

• Índice de Inteligencia, independiente — GPT-6 Luna 37 con esfuerzo máximo vs GPT-6 Sol 48 con esfuerzo máximo, misma revisión del índice

• Puntuación de esfuerzo predeterminado — GPT-6 Luna 29 en su medium predeterminado frente a GPT-6 Sol 48 en max, el ajuste con el que lo midió Artificial Analysis

• Coste por tarea de Index, independiente — GPT-6 Luna alrededor de $0,07 frente a GPT-6 Sol $1,06

• Tokens de salida en la ejecución del índice — GPT-6 Luna 150M vs GPT-6 Sol 77M, frente a una mediana de la tabla de 88M

• Índice de Agentes de Codificación, independiente — GPT-6 Luna 41, dos puntos menos que GPT-5.6 Luna frente a GPT-6 Sol 57, dos puntos más que GPT-5.6 Sol

• Tasa de alucinaciones en AA-Omniscience — GPT-6 Luna 77 %, por debajo del 93 % frente a GPT-6 Sol 60 %, por debajo del 92 %; ambos modelos se volvieron más dispuestos a rechazar en lugar de más conocedores, y Sol llegó más lejos

• En OrcaRouter — ni GPT-6 Luna ni GPT-6 Sol están en nuestro catálogo a la fecha de esta redacción; se accede a ambos a través de la propia API de OpenAI

El dial de esfuerzo es la misma pieza en ambos modelos, y eso cambia la aritmética

Como la escala de razonamiento es idéntica, las cifras destacadas del índice para ambos modelos son cifras de esfuerzo máximo. El 37 de GPT-6 Luna es lo que obtiene cuando se le permite pensar tanto como quiera. Su valor predeterminado es medio, donde obtiene 29. El 48 de GPT-6 Sol también es una cifra de esfuerzo máximo, y es la configuración con la que lo ejecutó la junta independiente.

Esto importa más aquí que en la mayoría de las comparaciones, porque significa que los dos modelos se están citando en el mismo nivel. Un equipo que despliega GPT-6 Luna y no cambia nada no está corriendo un 37 contra un 48; está corriendo un 29 contra un 48. Esa es una brecha de diecinueve puntos en lugar de once, y su magnitud es una propiedad de la configuración predeterminada, no del modelo.

El mismo control también es la optimización más económica disponible en cualquiera de las dos tarjetas, y funciona en ambas direcciones. Bajar GPT-6 Sol de max a medium en trabajo que revisa una persona supone un ahorro mayor que cambiar una fracción de tu tráfico de Sol a Luna, y cuesta un solo cambio de parámetro en lugar de una migración. Subir GPT-6 Luna a xhigh en la única llamada por tarea que realmente decide el resultado es un error de redondeo frente al total. El control existe en ambos modelos precisamente para que la elección de nivel y la elección de esfuerzo puedan hacerse por separado, y la mayoría de los equipos solo hace una de las dos.

El acantilado es idéntico, ese es el punto.

Ambos modelos incluyen la misma cláusula de contexto largo y, dado que la cláusula es proporcional, no reduce la brecha entre ellos: duplica ambos lados de esa brecha. Una solicitud de 300,000 tokens en GPT-6 Luna se factura a $0.20 por millón de tokens de entrada por los 300,000 tokens, no por los 28,000 que superan el límite. La misma solicitud en GPT-6 Sol se factura a $4.00. Divide cualquiera de los documentos en dos llamadas por debajo del umbral y el costo se reduce a la mitad sin cambios en el prompt.

Lo que la cláusula idéntica sí cambia es la magnitud del error. En el nivel de volumen, una solicitud mal dimensionada cuesta una quinta parte de un centavo por cada mil tokens. En el nivel diario, cuesta cuatro dólares por millón. Los equipos con más probabilidades de tener un contexto de trabajo de 300.000 tokens son los que ejecutan los pipelines agénticos en los que se venden ambos modelos, lo que significa que el nivel que menos puede permitirse el error no es el nivel que lo comete con más frecuencia.

Dónde están los once puntos de Sol, y dónde no

La brecha es real y no se distribuye de manera uniforme entre las tareas que podrías ejecutar.

Las ventajas de GPT-6 Sol se concentran en la codificación y en la ejecución agéntica. Su Coding Agent Index de 57 está dieciséis puntos por encima del 41 de GPT-6 Luna, en una tabla donde los equivalentes de la generación anterior eran 55 y 43 — por lo que ambos modelos se movieron en direcciones opuestas en esa medida, lo cual vale la pena saber antes de asumir que la nueva generación es una mejora sobre la anterior en todos los aspectos. Según las cifras publicadas por el propio proveedor, Sol reporta 68.8% en DeepSWE v1.1 a máximo esfuerzo frente al 66.6% de Luna, y aproximadamente 43% en Terminal-Bench 4.0 frente al 37%. Esas son reportadas por OpenAI y no reproducidas, y la brecha que describen es más estrecha de lo que sugiere la brecha del índice.

Donde {{1}}Sol{{/1}} se desmarca es en las evaluaciones que recompensan una larga cadena de decisiones correctas: {{2}}GPT-6 Sol{{/2}} reporta alrededor del 62% en {{3}}AutomationBench-AA{{/3}} frente al 53% de {{4}}GPT-6 Luna{{/4}}, y una tasa de alucinación del 60% frente al 77% en el mismo {{5}}panel de omnisciencia{{/5}}. Una diferencia de diecisiete puntos en la frecuencia con la que un modelo inventa una respuesta no es un margen de capacidad; para cualquier cosa con un consumidor posterior, es toda la decisión.

Donde los once puntos no aplican es en el trabajo de texto general. En extracción, clasificación, enrutamiento y resumen —las tareas para las que GPT-6 Luna tiene precio—, ambos modelos producirán la misma respuesta utilizable la inmensa mayoría de las veces, y la diferencia no sobrevivirá al contacto con tu propio conjunto de evaluación. Artificial Analysis señala una regresión en ambos modelos con esfuerzo máximo: GPT-6 Sol pierde aproximadamente 100 Elo en GDPval-AA v2.1 frente a su predecesor, y GPT-6 Luna alrededor de 75. Si tu trabajo se parece a GDPval, ninguno de los dos niveles es la mejora que te prometieron, y los once puntos son una comparación entre dos modelos que ambos retrocedieron.

Elegir entre dos niveles que ya tienes

Lo inusual de esta combinación es que no es una decisión de compra. Ambos modelos funcionan en la misma cuenta, el mismo endpoint y el mismo SDK. No hay un segundo contrato, ni una segunda negociación de tarifas, ni trabajo de integración para mover el tráfico de uno a otro. Eso la convierte en una decisión de enrutamiento, y las decisiones de enrutamiento son las que vale la pena tomar por solicitud en lugar de una sola vez.

Ni GPT-6 Luna ni GPT-6 Sol están en nuestro catálogo a fecha de esta redacción: a ambos se accede a través de la propia API de OpenAI, por lo que la división debe expresarse en tu aplicación en lugar de en una configuración de router. Esa es una razón para ser deliberado al respecto, porque el costo de equivocarse es un cambio de código en lugar de un cambio de configuración. La forma de la división no es complicada: GPT-6 Luna para las mil pequeñas llamadas que hace un agente de camino a una tarea, y GPT-6 Sol para la llamada que produce el artefacto que leerá una persona. Configura el parámetro effort de forma explícita en ambos lados, porque el valor predeterminado es medium y todas las cifras publicadas para ambos modelos corresponden a un esfuerzo máximo.

Los equipos que enrutan entre proveedores — y la mayoría de los que vemos lo hacen — pueden tener GPT-6 Astra, Grok 4.6, Kimi K3 y Qwen3.8-Max en una sola clave a través de OrcaRouter al precio de lista del proveedor, con 0% de margen y conmutación por error entre proveedores upstream. Añadir GPT-6 Luna y GPT-6 Sol al mismo panorama significa una segunda clave en lugar de una segunda arquitectura, que es el menor de los dos problemas que crea este emparejamiento.

¿Cuál, y cuándo?

Elige GPT-6 Luna a menos que puedas nombrar la capacidad que estás comprando con veinte veces más. Es más barato en cada línea de la ficha, incluida la entrada en caché, tiene la misma ventana y el mismo techo de salida, se le puede indicar que deje de razonar por completo, y su costo por tarea completada en el tablero independiente es aproximadamente una decimoquinta parte del de GPT-6 Sol. Fija el esfuerzo de forma explícita, mantén las llamadas largas por debajo de 272.000 tokens de entrada y comprueba la brecha de dieciséis puntos del Coding Agent Index contra tu propio repositorio antes de asumir que se aplica a tu caso.

Elige GPT-6 Sol cuando la tarea es el producto y el modo de fallo es una respuesta silenciosamente incorrecta en lugar de una lenta. Agentes de programación que operan un repositorio real, análisis profesional de largo horizonte, cualquier cosa donde un hecho alucinado cueste más que los tokens ahorrados. Acepta que estás pagando quince veces por tarea completada por once puntos de índice, y que una parte significativa de esos once puntos se encuentra en la columna de alucinación en lugar de la columna de capacidad — lo cual, para este par en particular, es la mejor mitad por la que pagar.

El error que hay que evitar es tomar la etiqueta de veinte veces como la respuesta. Es la respuesta a cuánto cuesta un token, y no dice nada sobre cuánto cuesta una tarea terminada ni sobre con qué frecuencia la respuesta del modelo barato es incorrecta de una manera que no notarás.