OpenAI lanza GPT-6 Sol y Luna a mitad de precio y reabre la guerra de costes de la IA de frontera

24 sep. 2026 4 min de lectura 1778 vistas Tecnología
Tecnología

OpenAI lanzó el 22 de septiembre de 2026 GPT-6 Sol y GPT-6 Luna, dos nuevos modelos cuyo principal argumento no es solo la capacidad, sino el precio: ambos cuestan aproximadamente la mitad que GPT-5.6 en la API. Sol pasa a 2 $ por millón de tokens de entrada y 10 $ por millón de salida, y Luna, el modelo ligero, se queda en 0,10 $ y 0,50 $ respectivamente.

El lanzamiento llega solo 19 días después de GPT-6 Astra y en una semana especialmente cargada: Anthropic publicó Opus 5.5 con precios más bajos y Google presentó Gemini 4 Argon, orientado al razonamiento complejo y la ciberdefensa. La conclusión es clara: la competencia en la IA de frontera ya no se juega solo en los benchmarks, sino en cuánto cuesta cada tarea resuelta.

Contexto de la semana

Según MarkTechPost, Technology Org y Digital Applied, los dos modelos se desplegaron de forma gradual a lo largo del 22 de septiembre. Sol es el modelo principal, pensado para tareas largas de agentes y programación; Luna es la versión eficiente para volúmenes altos. Ambos ofrecen una ventana de contexto de alrededor de un millón de tokens. Hay que tener en cuenta que las cifras de rendimiento publicadas proceden mayoritariamente de los materiales de lanzamiento de OpenAI y todavía no cuentan con verificación independiente amplia.

Qué ha cambiado

  • Precio a la mitad: Sol baja de 4 $/20 $ a 2 $/10 $ por millón de tokens (entrada/salida) respecto a GPT-5.6. La entrada en caché cuesta 0,20 $ por millón.
  • Luna, aún más barato: 0,10 $ de entrada y 0,50 $ de salida por millón de tokens, una rebaja de alrededor del 58 % en la salida.
  • Modificadores de precio: los modos Batch y Flex cuestan la mitad, el modo Fast el doble, y las peticiones de más de 272 000 tokens de entrada se facturan con recargo (2× entrada y 1,5× salida).
  • Programación: en DeepSWE v1.1, Sol alcanza un 68,8 % y Luna un 66,6 %, cerca de los mejores modelos de la competencia según OpenAI.
  • Uso de ordenador y automatización: Sol obtiene un 60,5 % en OSWorld 2.0 y un 33,2 % en AutomationBench con un coste por tarea muy inferior al de sus rivales, siempre según los datos de OpenAI.

Impacto para equipos de desarrollo y producto

Para quien construye productos sobre LLM, una rebaja del 50 % cambia la aritmética de muchos casos de uso que hasta ahora no salían a cuenta: agentes que encadenan decenas de llamadas, procesamiento masivo de documentos o asistentes de código que trabajan durante horas. Luna, en particular, hace viable usar un modelo razonablemente capaz en tareas de alto volumen como clasificación, extracción o enrutamiento. Al mismo tiempo, con tres grandes lanzamientos en la misma semana, depender de un único proveedor es más arriesgado que nunca: los precios y las posiciones relativas cambian en cuestión de días, y los benchmarks publicados por cada laboratorio no son directamente comparables entre sí.

Recomendaciones prácticas

  1. Recalcular el coste por tarea de los flujos actuales con los nuevos precios, incluyendo caché, Batch y el recargo por contextos largos.
  2. Evaluar Sol y Luna con un conjunto de pruebas propio antes de migrar: los benchmarks del fabricante son un punto de partida, no una garantía.
  3. Separar tareas por nivel de dificultad y enrutar las sencillas a Luna y las complejas a Sol (o a modelos de otros proveedores).
  4. Mantener una capa de abstracción sobre el proveedor de modelos para poder cambiar rápidamente según precio y calidad.
  5. Vigilar las peticiones de más de 272 000 tokens: el recargo puede anular buena parte del ahorro si no se controla el tamaño del contexto.

Qué vigilar a continuación

  • Evaluaciones independientes que confirmen (o no) las cifras de DeepSWE, OSWorld y AutomationBench.
  • La respuesta de precios de Anthropic y Google tras el movimiento de OpenAI.
  • La llegada de GPT-6.1, el sucesor previsto de GPT-6 Astra.
  • Cambios en los límites de uso y en la disponibilidad por regiones de los nuevos modelos.

Conclusión: GPT-6 Sol y Luna no son solo dos modelos más: son una señal de que la IA de frontera entra en una fase de abaratamiento agresivo. Para los equipos técnicos, la oportunidad está en revisar qué casos de uso pasan a ser rentables y en diseñar arquitecturas que permitan aprovechar la competencia entre proveedores en lugar de quedar atados a uno solo.

Fuentes y documentación

Compartir