OpenAI presenta GPT-6 Sol y GPT-6 Luna como formas más asequibles de utilizar la familia GPT-6 en el trabajo profesional cotidiano. La compañía afirma que ambos modelos aplican métodos similares a los empleados para GPT-6 Astra en áreas como la programación, la precisión factual, el uso del ordenador y la alineación de agentes. Esta es la afirmación comercial de OpenAI, no una conclusión independiente; el anuncio no demuestra que cualquiera de los dos modelos iguale a Astra en todas las tareas.
Colocada después de la introducción de Sol y Luna y de la distinción del artículo entre las afirmaciones comerciales de OpenAI y los hallazgos independientes. Fuente: OpenAI.
El cambio más concreto es el precio. OpenAI fija los precios de la API de Sol en 2 y 10 dólares por millón de tokens de entrada y salida, respectivamente, frente a los 4 y 20 dólares de GPT-5.6 Sol. Luna baja de 0,20 y 1,20 dólares a 0,10 y 0,50 dólares. Estos son precios nominales de la API, no costes garantizados de las aplicaciones: la caché, los reintentos, las llamadas a herramientas y la cantidad de razonamiento utilizada pueden modificar la factura final. OpenAI también afirma que las lecturas de entradas almacenadas en caché reciben un descuento del 90 % y que el comportamiento reciente de la caché preserva el contexto cuando cambian el esfuerzo de razonamiento o la disponibilidad de herramientas.
Colocada después del análisis de los descuentos por caché, la preservación del contexto, los paneles de caché y la reducción del procesamiento de tokens nuevos. Fuente: OpenAI.
Este aspecto de la caché es importante para los agentes y las sesiones prolongadas de programación, en las que las mismas instrucciones y el mismo contexto del repositorio pueden reutilizarse durante muchas interacciones. OpenAI dice que los desarrolladores pueden inspeccionar el uso de la caché en un panel, diagnosticar oportunidades desaprovechadas y elegir prefijos explícitos de interrupción de la caché. También cita un informe de GitHub según el cual las mejoras recientes redujeron en más de un 50 % la proporción de tokens de instrucciones que necesitaban un procesamiento nuevo, entre miles de millones de solicitudes dirigidas a modelos de OpenAI. La declaración de GitHub constituye un informe operativo independiente, pero no demuestra por sí sola las afirmaciones de OpenAI sobre la calidad de sus modelos ni garantiza los mismos ahorros para todas las aplicaciones.
La pregunta más importante para el lector no es si una puntuación destacada es más alta, sino si un modelo completa un flujo de trabajo real con la fiabilidad suficiente para justificar su coste. OpenAI señala AutomationBench, donde GPT-6 Sol, con esfuerzo xhigh, obtuvo un 33,2 % y costó 0,27 dólares por tarea. La página de la prueba comparativa gestionada de forma independiente por Zapier muestra la misma puntuación y el mismo coste, y describe una evaluación retenida de extremo a extremo que abarca 47 herramientas simuladas en ventas, marketing, operaciones, asistencia, finanzas y recursos humanos. Según la página, los estados finales del entorno se verifican mediante criterios fijos, en lugar de ser evaluados por otro modelo de lenguaje.
La comparación sigue siendo más limitada que un veredicto general. La estricta métrica de AutomationBench exige que se cumplan todas las afirmaciones evaluadas, y su página indica que la variación entre ejecuciones suele mantenerse dentro del 1 %. También señala que un resultado de Claude Fable 5.1 con respaldo de Opus 5 muestra un coste infravalorado porque el modelo de respaldo gestionó aproximadamente el 40 % de las tareas. Por tanto, los lectores deben considerar la prueba como evidencia sobre una clase concreta de flujos de trabajo entre varias aplicaciones, no como prueba de productividad laboral ni de superioridad universal.
Los resultados de programación requieren una cautela similar. OpenAI afirma que GPT-6 Sol obtuvo un 68,8 % en DeepSWE v1.1 con el máximo esfuerzo, 1,1 puntos porcentuales por detrás del mejor resultado de Claude Fable 5, con un coste por tarea aproximadamente un 80 % menor. Sitúa a GPT-6 Luna en el 66,6 %, con costes por tarea muy inferiores a los de las configuraciones de Claude citadas. Estas cifras comparan niveles de esfuerzo seleccionados y costes comunicados por la prueba; no demuestran que todos los repositorios, lenguajes o equipos de ingeniería obtendrán la misma clasificación. FrontierCode, gestionado por Cognition, describe de forma independiente su propio criterio de integrabilidad —corrección, pruebas, disciplina en el alcance, estilo y respeto de las convenciones del repositorio— y afirma que detecta y penaliza con cero el uso de internet que aporta la solución. Su registro de cambios del 22 de septiembre recoge la incorporación de GPT-6 Sol y Luna, lo que corrobora que los modelos entraron en el ecosistema de esa prueba, pero el texto suministrado de FrontierCode no ofrece las cifras completas de la clasificación de Sol frente a Luna necesarias para reproducir de forma independiente la comparación de programación de OpenAI.
OpenAI también informa de avances en la fiabilidad factual y el uso del ordenador, aunque advierte expresamente de que su prueba interna de precisión factual utiliza conversaciones en las que los usuarios ya habían señalado un error. Esas conversaciones no representan el uso ordinario, donde la compañía afirma que los errores son menos frecuentes. Su resultado fuera de línea en OSWorld 2.0 compara Sol con esfuerzo xhigh frente a Claude Opus 5 con esfuerzo medio; por tanto, la aparente ventaja de coste está vinculada a los ajustes elegidos y a la versión de la prueba, en lugar de constituir una afirmación general sobre todas las tareas de uso del ordenador.
La disponibilidad es otra limitación práctica. OpenAI afirma que Sol y Luna están disponibles en ChatGPT Work y Codex para usuarios de Plus, Pro, Business, Enterprise y Edu, mientras que los usuarios de Free y Go pueden acceder a Luna en la aplicación de escritorio. También dice que los modelos aún no estaban disponibles en Chat y que prevé un despliegue gradual para preservar la estabilidad. Indica a los usuarios de la API los nombres de modelo gpt-6-sol y gpt-6-luna. Un comprador que evalúe un sistema de producción debería probar la superficie real del producto, los límites de uso, la latencia y el coste total, en lugar de inferirlos a partir de un anuncio o una clasificación.
La evidencia permite una conclusión prudente: Sol y Luna ofrecen niveles de GPT-6 a precios más bajos, y al menos algunos resultados de pruebas comparativas y afirmaciones sobre la caché están documentados más allá del anuncio de OpenAI. Sin embargo, no demuestra que ninguno de los dos modelos sea universalmente mejor, que los ahorros observados en las pruebas se traduzcan directamente en facturas más bajas o que el rendimiento en flujos de trabajo simulados permita predecir el éxito en una organización concreta. La siguiente prueba útil consiste en ejecutar una carga de trabajo pequeña y representativa, con criterios de éxito fijos, varias repeticiones y un cálculo del coste que incluya aciertos de caché, fallos y reintentos.