Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
OpenAI ha ampliado su familia GPT-6 con dos modelos que no juegan exactamente al mismo partido. GPT-6 Sol apunta al trabajo complejo, la programación y los flujos agénticos, mientras GPT-6 Luna se orienta a tareas de gran volumen con objetivos definidos.
Hay un dato que coloca enseguida la discusión en otro terreno. Ambos modelos comparten una ventana de contexto de 1,05 millones de tokens y admiten hasta 128.000 tokens de salida.
El precio bajó justo cuando la competencia apretó
Anthropic presentó Claude Opus 5.5 con una reducción de costes pocas horas antes del anuncio de OpenAI. La coincidencia no cambia los números, pero sí ayuda a entender por qué esta vez la conversación gira tanto en torno al rendimiento como a la factura final.
Sol cuesta 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida. Luna baja hasta 0,10 dólares por millón de entrada y 0,50 dólares por millón de salida.
OpenAI encuadra esas tarifas como un recorte de alrededor del 50% frente a las versiones GPT-5.6 equivalentes, y las lecturas de caché reciben además un descuento del 90%. Ahí aparece una de las claves menos vistosas y más prácticas del anuncio, porque una parte creciente del coste real ya no depende solo de generar texto, sino de cuánto trabajo repetido puede evitar el sistema.
GitHub pone una cifra a esa idea al hablar de Copilot y de el uso real de Copilot. La compañía asegura que las mejoras en este sistema han reducido en más de la mitad la proporción de tokens que la herramienta necesita volver a procesar desde cero.
Sol ganó terreno donde importa encadenar pasos
En AutomationBench, OpenAI sitúa a GPT-6 Sol con esfuerzo xhigh en un 33,2%, por encima del 30,3% de GPT-6 Astra a esfuerzo bajo y del 26,9% de Claude Opus 5. Ese resultado encaja con el lugar que la empresa reserva a Sol, más cerca de los trabajos largos y de las tareas donde el modelo tiene que sostener varias acciones sin perder el hilo.
DeepSWE dibuja una foto más apretada. Sol alcanza un 68,8%, cerca del 69,9% de Claude Fable 5, y Luna llega al 66,6%.
También aparece OSWorld con otra pista relevante, porque Sol marca un 60,5% en una prueba pensada para medir cómo responde un sistema cuando debe moverse por tareas operativas. Ese detalle enlaza con tareas encadenadas en ordenador, un terreno donde las diferencias pequeñas en porcentaje suelen traducirse en muchos intentos fallidos menos.
Luna cuesta mucho menos sin quedarse fuera de la comparación
Luna no compite como una versión de saldo, al menos no en los datos que OpenAI ha elegido para presentarlo. En DeepSWE llega al 66,6%, una distancia corta respecto a Sol si se la compara con una diferencia de precio mucho más amplia.
Luna cuesta veinte veces menos que Sol en entrada y también en salida. Esa proporción ayuda a explicar por qué OpenAI lo coloca en tareas masivas y bien acotadas, donde cada fracción de coste pesa tanto como el porcentaje final del benchmark.
La mejora también pasa por equivocarse menos
No todo se juega en tablas comparativas. En una evaluación interna de ChatGPT basada en errores señalados por usuarios, GPT-6 Sol comete aproximadamente la mitad de fallos que GPT-5.6 Sol.
OpenAI añade otra señal en sus simulaciones internas de Codex, donde Sol produjo menos acciones de severidad elevada que GPT-5.6 Sol. La empresa clasifica tanto a Sol como a Luna con capacidad alta en ciberseguridad y en biología o química, aunque ambos quedan por debajo del nivel crítico que atribuye a Astra.
Ese matiz importa.
Porque la misma familia ya no se ordena solo por potencia o precio, sino también por el tipo de riesgo que cada versión concentra. Sol y Luna llegan con 1,05 millones de tokens de contexto, una rebaja de alrededor del 50% frente a GPT-5.6 y un acceso que va desde la API hasta ChatGPT Work y Codex, mientras los usuarios Free y Go pueden probar Luna desde la aplicación de escritorio.