OpenAI amplía GPT-6 por donde más se nota cuando una IA deja de ser una curiosidad y empieza a trabajar todos los días: el coste de repetir tareas. GPT-6 Sol y GPT-6 Luna llegan con tarifas inferiores y dos perfiles distintos, uno orientado al trabajo exigente y otro al volumen. El lanzamiento del 22 de septiembre no sustituye a Astra como opción de máxima capacidad; amplía las opciones por debajo de él.
La diferencia importa tanto a quien utiliza Codex como a quien mantiene una aplicación con miles de consultas. En el primer caso interesa qué modelo resuelve el trabajo con menos correcciones. En el segundo, un pequeño cambio por petición puede alterar el presupuesto mensual. Son preguntas relacionadas, pero conviene separarlas antes de mirar una tabla de precios.
Sol y Luna no llegan a todos los rincones de ChatGPT a la vez
El anuncio oficial de OpenAI sitúa el despliegue en ChatGPT Work y Codex para Plus, Pro, Business, Enterprise y Edu. Free y Go pueden acceder a Luna en la aplicación de escritorio. La compañía especifica que estos modelos todavía no están disponibles en Chat en el momento del anuncio, y que el despliegue es gradual.
Por eso, «ya está en ChatGPT» resulta demasiado impreciso como explicación. La superficie que utilizas y tu plan determinan dónde aparece. La API es otra vía de acceso, con sus propios identificadores y facturación: gpt-6-sol y gpt-6-luna, registrados en el historial oficial de cambios.
Cuánto cuestan: la distancia entre Sol y Luna es grande
Estas son las tarifas estándar de la API consultadas el 23 de septiembre, por millón de tokens y para solicitudes dentro del tramo de contexto corto. Los tokens son las unidades en las que se divide el contenido para procesarlo; no equivalen directamente a palabras.
| Modelo | Entrada | Entrada en caché | Salida |
|---|---|---|---|
| GPT-6 Sol | 2 $ | 0,20 $ | 10 $ |
| GPT-6 Luna | 0,10 $ | 0,01 $ | 0,50 $ |
El umbral del tramo es de 272.000 tokens de entrada. Los contextos largos, la escritura en caché, las herramientas y otras modalidades de procesamiento tienen condiciones propias. Esta tabla tampoco es el precio de una suscripción a ChatGPT.
Un cálculo útil: con un millón de tokens de entrada sin caché y 200.000 de salida facturada, Sol suma 4 dólares y Luna 0,20 dólares. Es una operación aritmética sobre las tarifas, no una prueba de rendimiento ni una factura completa. Hemos dejado fuera herramientas y otros conceptos para mostrar una sola diferencia: con el mismo consumo de tokens, Luna cuesta una vigésima parte.
Eso no convierte automáticamente a Luna en la mejor compra. Si una tarea exige varias correcciones o termina escalando a otro modelo, cambia el consumo total. La cuenta que interesa es cuánto cuesta obtener un resultado aceptable, incluyendo el trabajo necesario para revisarlo.
Qué distingue a los dos modelos
La ficha técnica de Sol lo orienta a programación y flujos de agentes complejos. Acepta texto e imágenes y produce texto; su ventana de contexto llega a 1,05 millones de tokens y su salida máxima a 128.000. Una ventana grande permite aportar más material, pero no demuestra por sí sola que el modelo vaya a interpretar correctamente cada detalle.
La ficha de Luna lo sitúa en tareas acotadas y de gran volumen, con esos mismos límites nominales de contexto y salida. Compartir esas cifras no implica compartir la misma capacidad. Una clasificación de mensajes, la extracción de campos y una investigación con decisiones encadenadas pueden necesitar niveles de razonamiento muy distintos.
Nuestra lectura del lanzamiento es que permite ser más selectivo: reservar capacidad para los pasos difíciles y gastar menos en los que tienen un resultado fácil de comprobar. El error sería decidir únicamente por el nombre del modelo o enviar todo al más caro por costumbre.
La mejora que no se ve en el nombre: reutilizar contexto
En un agente, parte del coste viene de volver a enviar instrucciones y materiales que apenas han cambiado. OpenAI acompaña el lanzamiento con mejoras de caché y herramientas para observar su aprovechamiento. Su guía de la familia GPT-6 también distingue las opciones de razonamiento y las condiciones de uso de herramientas según la API.
Para quien desarrolla una integración, esta es una razón para revisar la configuración completa antes de cambiar una cadena con el nombre del modelo. Una migración puede conservar las respuestas simples y fallar justo cuando necesita consultar una herramienta. Para quien solo utiliza la aplicación, esos detalles técnicos deberían quedar resueltos por el producto: lo relevante es la calidad de la entrega y el consumo que muestra su cuenta.
Qué merece la pena mirar después del anuncio
La bajada de tarifa es verificable en la documentación. Las mejoras de calidad necesitan más contexto: las evaluaciones publicadas por el fabricante no sustituyen una comparación del trabajo que cada lector realiza. Tampoco una respuesta más breve demuestra que sea más exacta.
En Texploto valoraríamos este lanzamiento por tres resultados observables: menos correcciones en una tarea repetida, una entrega que conserva los datos y una reducción del coste total. No hemos ejecutado un benchmark propio de estos modelos. El análisis se basa en el anuncio y las fichas técnicas enlazadas.
Si trabajas desde GitHub, conviene distinguir además el modelo de la política de la herramienta: nuestra explicación sobre los niveles Auto de Copilot aborda otra decisión, la selección que hace un servicio por ti. Son dos capas del mismo problema: elegir suficiente capacidad sin pagar por trabajo que no necesitas.
Fuentes consultadas el 23/09/2026. Precios en USD; los cálculos son propios y las capacidades indicadas proceden de documentación oficial.
