GPT-6 Sol y Luna: OpenAI recorta a la mitad el precio, pero la inteligencia medida apenas cambia

OpenAI lanzó el 22 de septiembre GPT-6 Sol y GPT-6 Luna, dos modelos que rebajan a la mitad el precio de la API frente a sus predecesores. La apuesta no va de potencia bruta, sino de precio por tarea. El mismo día, unas horas antes, Anthropic presentó Claude Opus 5.5, también con un recorte de costes. Las mediciones independientes disponibles apuntan a que los nuevos modelos abaratan mucho el trabajo sin cambiar de forma significativa la inteligencia medida, y todavía no hay una comparativa neutral completa con el modelo de Anthropic.

Qué se ha lanzado y a qué precio

Sol y Luna se sitúan por debajo de GPT-6 Astra, el modelo que OpenAI presentó el 3 de septiembre y describió como el más inteligente y alineado del mundo. Según Benzinga y otras coberturas, Sol cuesta ahora 2 dólares por millón de tokens de entrada y 10 por millón de salida, frente a 4 y 20 de la tarifa promocional de GPT-5.6 Sol. Luna baja de 0,20 a 0,10 dólares en entrada y de 1,20 a 0,50 en salida. Están disponibles en la API como gpt-6-sol y gpt-6-luna, y en ChatGPT se despliegan de forma gradual: según Decrypt, aparecen primero en ChatGPT Work y Codex para los planes de pago, y Luna llega también a usuarios gratuitos a través de la aplicación de escritorio.

Lo que afirma OpenAI

• Coste por tarea: en AutomationBench, Sol supera a Claude Opus 5 con un coste por tarea de alrededor del 9% del de este, según OpenAI. Luna, en esfuerzo máximo, alcanza un 66,6% en una prueba de programación, cifra que la empresa califica de comparable a Opus 5 y Fable 5 en esfuerzo medio, con entre un 93% y un 96% menos de coste.
• Fiabilidad: Sol comete aproximadamente la mitad de errores que GPT-5.6 Sol en una prueba interna de factualidad, y su tasa interna de engaño en programación baja al 1,3%, frente al 10,4% del modelo anterior.
• Recomendación propia: la empresa sigue aconsejando Astra para quien quiera los mejores resultados sin concesiones.

Son cifras de la propia compañía, en pruebas elegidas por ella.

Lo que mide un tercero

Artificial Analysis, según The Decoder, concluye que Sol y Luna reducen a la mitad el coste por tarea, pero que sus puntuaciones de inteligencia se mantienen al nivel de GPT-5.6, con mejoras en unas pruebas y retrocesos en otras. Según Basic Tutorials, que cita esas mediciones, una tarea típica del índice cuesta unos 1,06 dólares con Sol y 0,07 con Luna, y en el propio índice Claude Opus 5.5 lidera con 58 puntos, frente a 48 de Sol. Es decir, el ahorro es real y el salto de capacidad, mínimo. Además, según Tech Insider, ningún medio revisado ha publicado una tabla de pruebas completa y verificada de forma independiente que ponga a Sol, Luna y Opus 5.5 bajo las mismas condiciones, de modo que cualquier afirmación de qué modelo gana en valor es, por ahora, una afirmación sobre precio.

El pulso con Anthropic

Anthropic presentó Opus 5.5 unas horas antes, como el primer modelo de su nueva familia 5.5. Según la compañía, cuesta un 40% menos que su predecesor y mejora en programación, uso del ordenador y trabajo con conocimiento, y ha recortado un 60% el precio de lectura de caché. Su precio es de 4 y 20 dólares, el doble que Sol por token. The Decoder apunta que OpenAI parece haberse desencontrado con ese lanzamiento, y The New Stack señala que las comparativas de OpenAI con Opus 5 quedaron desfasadas al aparecer Opus 5.5. Esta escalada de rebajas cruzadas ya la vimos, con otra lógica, en el precio por token de Grok 4.7.

Qué implica en la práctica

• Para los equipos: comparar por coste de tarea, no por precio de token, y probar con la carga de trabajo propia.
• Para tareas estándar: un coste hasta a la mitad puede compensar aunque el modelo no sea más inteligente.
• Para trabajos que exigen lo mejor: los propios fabricantes siguen recomendando sus modelos de gama alta.

Nuestra lectura

La competencia se está desplazando de quién es más listo a cuánto cuesta hacer el mismo trabajo, en línea con lo que ya veíamos al hablar de la caída del coste de la IA y de modelos que buscan razonar con menos tokens. Para quien paga, es una buena noticia. Pero el marco de «mismo rendimiento por la mitad» depende de qué pruebas se elijan, y la ausencia de una comparativa neutral entre los dos lanzamientos aconseja cautela antes de migrar cargas de trabajo importantes. Al implicar este asunto a dos laboratorios en pleno pulso comercial, conviene desconfiar de cualquier cifra aislada y esperar a las evaluaciones independientes.

Fuentes: The Decoder, Decrypt, Benzinga y The New Stack.