GPT-6 Sol y GPT-6 Luna: el token más barato no siempre es la tarea más barata

El proveedor lanzó GPT-6 Sol y GPT-6 Luna el 22 de septiembre de 2026, y el titular en todas partes es el precio: Sol a 2,00 $ por millón de tokens de entrada y 10,00 $ de salida, Luna a 0,10 $ y 0,50 $, ambos aproximadamente la mitad de lo que cobran GPT-5.6 Sol y GPT-5.6 Luna con las tarifas promocionales vigentes, y ambos muy por debajo del buque insignia GPT-6 Astra a 10,00 $/50,00 $. El propio anuncio del proveedor encabeza con «además hemos hecho más eficientes el almacenamiento en caché y la inferencia». El problema de interpretar eso como una historia de descuentos es que la unidad que realmente llega a tu factura no es un token. Es una tarea. Y las primeras mediciones independientes, publicadas ese mismo día, muestran a los dos nuevos modelos avanzando en direcciones opuestas justo en esa unidad — con GPT-6 Luna, el más barato de los dos por un factor de veinte en entrada, rindiendo peor que el otro frente a su propio predecesor. Uno de estos modelos es una mejora directa y el otro es un verdadero intercambio, y el anuncio del proveedor no distingue entre ellos.

Antes de las cifras, las reglas sobre las fuentes de este artículo, porque los dos conjuntos de pruebas que hay aquí merecen un peso muy distinto. Los precios, la ventana de contexto, las tarifas de caché y las fechas de corte de conocimiento proceden de la documentación de la API y las tablas de precios de OpenAI, consultadas el 23 de septiembre de 2026, y las líneas de nivel de servicio y escritura de caché se corroboraron con rastreadores de costes de terceros en lugar de tomarse únicamente del anuncio. Las tablas de referencia de OpenAI —AutomationBench, DeepSWE 1.1, OSWorld 2.0, Agents' Last Exam y una evaluación interna de factualidad— las reporta el proveedor y no se han reproducido, y toda cifra que se extraiga de ellas a continuación se señala como tal. Las cifras independientes proceden de Artificial Analysis, que evaluó ambos modelos en su Intelligence Index y su Coding Agent Index el día del lanzamiento; esas son las que hay que usar para tomar una decisión. Cuando ambas fuentes discrepan, el artículo lo indica en lugar de promediarlas.

El lanzamiento, en un párrafo

Sol y Luna son miembros de gama media y baja de la familia GPT-6, entrenados con los métodos que hay detrás de GPT-6 Astra y posicionados como formas más rápidas y económicas de alcanzar la mayor parte de su capacidad. El enfoque de OpenAI es el costo por tarea en lugar de la capacidad bruta: afirma que GPT-6 Sol comete aproximadamente la mitad de errores que GPT-5.6 Sol en su evaluación interna de factualidad, y que GPT-6 Luna, con un mayor esfuerzo de razonamiento, iguala la factualidad de GPT-5.6 Sol con aproximadamente una centésima parte del costo por tarea. Ambos aceptan entrada de texto e imágenes y producen texto; ambos tienen una ventana de contexto de 1.050.000 tokens con un límite de salida de 128K —Artificial Analysis indica 872k para el mismo modelo, así que considere el extremo superior de esa ventana como declarado por el proveedor— y ambos exponen un esfuerzo de razonamiento desde ninguno hasta máximo, un nivel que GPT-6 Astra no ofrece, porque Astra no tiene ninguno. Los identificadores de modelo son gpt-6-sol y gpt-6-luna. La disponibilidad se ofrece mediante la API, mediante ChatGPT Work y Codex para cuentas Plus, Pro, Business, Enterprise y Edu, y mediante Amazon Bedrock, que anunció la disponibilidad general de ambos el mismo día. Los usuarios Free y Go obtienen Luna en la aplicación de escritorio; ninguno de los modelos está todavía en el modo Chat básico.

Qué dicen los cuatro números independientes y por qué discrepan

Empecemos con GPT-6 Sol, porque su historia es sencilla. Artificial Analysis le otorga 48 en el Índice de Inteligencia, el puesto 18 de 212 modelos medidos, con 1,06 $ por tarea de índice frente a 1,99 $ para GPT-5.6 Sol — aproximadamente la mitad del coste para una puntuación de índice equivalente, y una mejora del coste por tarea que se sostiene en lugar de evaporarse. Su Índice de Agente de Programación sube a 57 desde 55, con Terminal-Bench 4.0 pasando del 37 % al 43 % y SWE-Atlas-QnA del 54 % al 58 %, a 2,99 $ por tarea en la frontera de Pareto. Su tasa de alucinación cae del 92 % al 60 %, y su comportamiento de abstención cambia por completo: ahora responde al 83 % de las preguntas donde la generación anterior respondía al 99 %, y a cambio obtiene una cuarta parte menos de respuestas incorrectas, con la precisión descendiendo del 59 % al 54 %. Ese es un modelo al que se le ha enseñado a callarse cuando no sabe, y que el Índice AA-Omniscience pase de 22 a 27 es ese mismo hecho expresado como una puntuación.

Ahora GPT-6 Luna, y la historia cambia. Artificial Analysis le otorga 37 en el Índice de Inteligencia — la cifra idéntica que obtiene GPT-5.6 Luna. Su coste por tarea del índice cae de $0.18 a $0.07, aproximadamente un 60% menos, y ese ahorro es real. Pero su Índice de Agente de Programación baja, de 43 a 41, con SWE-Atlas-QnA cayendo un 49% hasta el 44% y DeepSWE 1.1 cayendo un 66% hasta el 64%. Su tasa de alucinación mejora del 93% al 77%, y su comportamiento de abstención apenas se mueve — precisión del 44% frente al 43%, AA-Omniscience de −10 a 1. Leído en conjunto: la misma inteligencia medida, a aproximadamente el 40% del coste por tarea, con un agente de programación peor y una calidad de respuesta prácticamente sin cambios.

Eso no es una contradicción, y la razón importa. Un token más barato solo te da menos si el modelo gasta más tokens para terminar el mismo trabajo, y los datos independientes indican que estos modelos gastan más, no menos. La salida por tarea de indexación subió de 29k a 31k tokens para Sol y de 41k a 51k para Luna. El ahorro del 60 % de GPT-6 Luna proviene enteramente del recorte de precio, no de funcionar de forma más austera. La deriva de tokens por tarea es lo bastante pequeña como para que la aritmética siga favoreciéndote aquí; no es lo bastante pequeña como para ignorarla como categoría, porque es el mecanismo por el cual un futuro recorte de precio puede quedar neutralizado por un modelo más parlanchín. El propio planteamiento de OpenAI ha pasado a centrarse en el coste por tarea por la misma razón.

Dos regresiones quedan fuera de los dos índices principales y merecen mencionarse, porque ninguna aparece en el anuncio de OpenAI. En GDPval-AA v2.1, que mide entregables de trabajo del conocimiento, GPT-6 Sol pierde aproximadamente 100 Elo frente a su predecesor y GPT-6 Luna aproximadamente 75. GPT-6 Luna también pierde alrededor de 45 Elo en AA-Briefcase v1.1, donde Sol se mantiene estable — Artificial Analysis atribuye la diferencia a una presentación más débil y a elementos de rúbrica faltantes. Si tu uso de la gama económica es el resumen masivo, la extracción y la clasificación, nada de eso te afecta. Si es redactar algo que una persona aprueba, sí te afecta.

El cambio de caché es la verdadera noticia de la API

Enterrado bajo la lista de precios hay un cambio que importa más para una factura de producción que el recorte anunciado, y es la parte del anuncio a la que la propia publicación de OpenAI alude con una sola cláusula. Tres cosas cambiaron, y la tercera es la que hay que leer dos veces.

La primera es el descuento en sí: las lecturas de entrada en caché se facturan a 10 % de la tarifa de entrada, un descuento del 90 %, que es la misma condición que la familia ya aplicaba en lugar de una nueva. La entrada en caché de Sol es de $0.20 por millón y la de Luna es de $0.01; las escrituras en caché conllevan un recargo de 1,25x, $2.50 y $0.125 respectivamente, con un único tiempo de vida de 30 minutos.

El segundo es el control. El almacenamiento en caché explícito mediante prompt_cache_options y prompt_cache_breakpoint —los parámetros que te permiten declarar dónde termina un prefijo de prompt reutilizable en lugar de esperar que el proveedor lo adivine— está disponible en ambos modelos. Esto no es una superficie de API nueva; lo nuevo es que merece la pena usarlo, porque las tasas de acierto predeterminadas aumentaron.

La tercera es la que cambia la arquitectura. Cambiar el esfuerzo de razonamiento o activar y desactivar herramientas ya no invalida el prefijo almacenado en caché. Antes de esto, un bucle de agente que subía el esfuerzo para un paso difícil y lo volvía a bajar para uno fácil pagaba por reprocesar todo su contexto en cada ajuste del nivel, y lo mismo ocurría con uno que añadía o eliminaba una herramienta a mitad de conversación. Ese coste ya ha desaparecido en estos dos modelos. OpenAI cita a GitHub, que informó de que los cambios redujeron a más de la mitad la proporción de tokens de prompt que requerían un procesamiento nuevo en miles de millones de solicitudes. Conviene tomar esto como una cifra proporcionada por el proveedor: es creíble y no ha sido auditada de forma independiente.

Haz los cálculos para un bucle de agente largo y la clasificación de los dos anuncios se invierte. Un bucle que arrastra un prompt de sistema y un esquema de herramientas de 30.000 tokens a lo largo de 200 turnos mueve 6 millones de tokens de contexto. Sin caché, en GPT-6 Sol, eso supone $12.00 de entrada. Con el prefijo en caché a $0.20 por millón, son $1.20 más la escritura única; un orden de magnitud, a partir de un cambio de parámetro, antes siquiera de aplicar la reducción de tarifa. La reducción de tarifa es lo que vendió el anuncio. El comportamiento de la caché es lo que realmente mueve la cifra, y es la razón por la que una tarifa anunciada de $2.00 se comporta como algo mucho más barato en las cargas de trabajo para las que OpenAI está promocionando estos modelos.

La lista de tarifas, incluidas las partes que el anuncio omite.

Las tarifas destacadas no son toda la tarifa, y tres niveles cambian la decisión para cargas de trabajo específicas.

• Base — GPT-6 Sol $2.00 de entrada / $10.00 de salida; GPT-6 Luna $0.10 de entrada / $0.50 de salida, por millón de tokens, para prompts de hasta 272K tokens de entrada.

• Contexto largo — por encima de 272K tokens de entrada, la solicitud completa se factura a 2x la entrada y 1.5x la salida: $4.00/$15.00 para Sol y $0.20/$0.75 para Luna. Esto es un acantilado, no una tarifa marginal. Si tus prompts llegan a 300K tokens, pagas el doble por toda la solicitud, no por los 28K que superan el límite, y dividir un documento en dos llamadas por debajo del umbral suele ser más barato que enviarlo una vez por encima.

• Niveles de servicio — Flex reduce la factura a la mitad ($1.00/$5.00 para Sol, $0.05/$0.25 para Luna) a cambio de un tiempo de respuesta más lento; Priority la duplica. Ambos se seleccionan mediante el parámetro service_tier. Flex es donde deberían estar los trabajos por lotes y casi nunca lo están.

• Entrada en caché — $0.20 por millón en Sol y $0.01 en Luna, un descuento del 90 %, con un TTL de 30 minutos y un recargo de 1,25x por escritura en caché.

• Contexto y salida — ventana de 1.050.000 tokens, salida máxima de 128K, entrada de texto e imagen, salida de texto, esfuerzo de razonamiento ninguno a máximo con medio como valor predeterminado.

• Fechas de corte de conocimiento — 20 de abril de 2026 para GPT-6 Sol y 18 de mayo de 2026 para GPT-6 Luna, que están separadas por un mes dentro de la misma familia y vale la pena saberlo antes de asumir que los dos modelos comparten una visión del mundo.

Qué dice la tabla de benchmarks de OpenAI y qué no dice.

Las comparaciones publicadas por OpenAI son todas de costo por tarea, todas contra Anthropic y todas realizadas por el proveedor. En AutomationBench 1.0.6, una evaluación agéntica de 47 herramientas, la empresa informa que GPT-6 Sol con esfuerzo xhigh obtiene 33.2% a $0.27 por tarea, frente a Claude Opus 5 con 26.9% y aproximadamente 11 veces el costo por tarea. En DeepSWE 1.1 informa que Sol con esfuerzo máximo obtiene 68.8% frente a Claude Fable 5 con 69.9% —una pérdida en puntuación con un costo por tarea aproximadamente 80% menor— y Luna con 66.6%. En OSWorld 2.0, Sol obtiene 60.5% con xhigh frente al 60.3% de Opus 5, de nuevo con alrededor de 80% menos por tarea. En Agents' Last Exam, Sol alcanza 56.4%, lo que según OpenAI supera el mejor resultado de Opus 5 con un costo por tarea 60% menor.

Todas esas cifras son reportadas por el proveedor y no han sido reproducidas, y hay dos advertencias que conviene mantener presentes en lugar de archivarlas. Primero, OpenAI hizo el benchmark contra Claude Opus 5, no contra Claude Opus 5.5, lanzado horas antes del anuncio, así que ninguna comparación con el mismo arnés de evaluación establece aún qué modelo ofrece realmente el menor costo por tarea exitosa. Segundo, el costo por tarea no es el costo por tarea correcta: un modelo que responde el 83 % de las veces y se abstiene en el resto parecerá barato por tarea en un benchmark que cuenta las abstenciones como tareas. Los datos independientes sobre abstenciones que aparecen arriba son lo que te permite valorar eso con honestidad: que GPT-6 Sol responda el 83 % de las preguntas cuando el modelo anterior respondía el 99 % es una decisión deliberada, y que sea buena o no depende por completo de lo que te cueste una respuesta incorrecta.

OpenAI informa de que GPT-6 Luna, con un mayor esfuerzo, iguala la veracidad de GPT-5.6 Sol con aproximadamente una centésima parte del coste de la tarea. Se trata de una comparación de veracidad, no de capacidades, y el Coding Agent Index independiente sitúa a GPT-6 Luna dos puntos por debajo de GPT-5.6 Luna, y mucho menos de GPT-5.6 Sol.

Qué hacer realmente con esto

GPT-6 Sol es el sencillo. La mitad del coste por tarea con la misma puntuación en el índice de nivel, un mejor agente de programación, una gran reducción de las alucinaciones y un cambio real en el comportamiento de abstención se traducen en una actualización que puedes adoptar según un calendario en lugar de una apuesta. Si usas GPT-5.6 Sol, esto es una migración, y la única pregunta real es cuáles de tus prompts dependen de la disposición del modelo antiguo a responderlo todo.

GPT-6 Luna es el que hay que probar antes de cambiar. No es un GPT-5.6 Luna estrictamente mejor; es uno de forma distinta: más barato por tarea, más prudente sobre lo que afirmará y mediblemente peor en codificación agéntica. Para clasificación, extracción, enrutamiento y resumen a volumen, el intercambio está casi regalado. Para cualquier cosa que alimente a un agente de codificación, o que produzca un documento que una persona apruebe, la regresión de dos puntos en Coding Agent y el descenso de GDPval son la razón para mantener GPT-5.6 Luna en la ruta hasta que hayas ejecutado tus propias tareas por ambos.

Ese es también el argumento para no atarse a ninguno de los dos. Ahora mismo ambos modelos son exclusivos de OpenAI, y las cargas de trabajo que atienden estos niveles —enrutamiento, extracción, clasificación barata— son precisamente aquellas en las que un segundo proveedor detrás del mismo endpoint convierte una regresión del modelo en un no acontecimiento. OrcaRouter transfiere los precios de lista de los proveedores con un 0 % de margen, así que un cambio de tarifa del proveedor llega a nuestro lado el mismo día que llega al del proveedor, y el DSL de enrutamiento te permite poner GPT-6 Luna detrás de un modelo más barato para la parte fácil del tráfico, mientras que la parte más difícil va a GPT-6 Sol, con conmutación por error automática si cualquiera de las dos rutas se degrada. No tienes que elegir un ganador el día del lanzamiento para beneficiarte del lanzamiento.

La advertencia honesta: GPT-6 Sol y GPT-6 Luna no son enrutables a través de OrcaRouter a partir del 23 de septiembre de 2026. Aún no los alojamos, y nada de lo anterior debe interpretarse como una afirmación de que sí lo hacemos. Lo que está de nuestro lado hoy es el conjunto de comparación —GPT-5.6 Sol a $4.00/$20.00, GPT-5.6 Luna a $0.20/$1.20 y GPT-6 Astra a $10.00/$50.00—, que es exactamente lo que necesitas para calcular el costo de la migración antes de comprometerte con ella.

Qué ver a continuación

Tres cosas permitirían zanjar qué fue realmente este lanzamiento. La primera es si la tarifa de $0.20/$1.20 de GPT-5.6 Luna se mantiene durante el trimestre, porque históricamente un precio permanente de un proveedor ha sido el movimiento inicial y no el final — y el lanzamiento de Claude Opus 5.5 el mismo día sugiere que la presión que dio lugar a este recorte no ha desaparecido. La segunda es si el giro hacia la abstención se sostiene sobre el terreno: que GPT-6 Sol se abstenga de responder una de cada seis preguntas es el tipo de cambio que en un laboratorio se interpreta como una mejora y, en un pipeline que daba por hecho que habría una respuesta, como un producto roto. La tercera es si el comportamiento de la caché es real en tu tráfico, algo que es medible esta semana y solo puede responderse midiendo — el descuento es lo bastante grande como para que una sola hora dedicada a instrumentar las tasas de acierto de la caché en tus prompts más largos valga más que otra tabla de benchmarks.