OpenAI presenta GPT-6 Sol y Luna: modelos más baratos para llevar la IA avanzada a más usuarios

OpenAI amplió su nueva generación de modelos de inteligencia artificial con el lanzamiento de GPT-6 Sol y GPT-6 Luna, dos modelos diseñados para ofrecer buena parte de las capacidades de su generación más avanzada a un costo considerablemente menor.

La compañía asegura que ambos modelos mejoran el rendimiento de sus antecesores en tareas como programación, trabajo profesional, automatización y uso de computadores.

El anuncio llega pocas semanas después de la presentación de GPT-6 Astra, que OpenAI mantiene como su modelo de mayor capacidad para trabajos complejos. Sol y Luna ocupan posiciones diferentes dentro de la familia: Sol apunta a tareas profesionales y de mayor exigencia, mientras que Luna está orientado a operaciones de mayor volumen en las que el costo por consulta resulta especialmente importante.

Una apuesta por reducir el precio de la IA

Uno de los elementos más llamativos del lanzamiento no está únicamente en las capacidades de los modelos, sino en su precio.

OpenAI asegura que ha conseguido reducir los costos mediante mejoras en la infraestructura de inferencia y en el sistema de almacenamiento en caché de las instrucciones. Como resultado, los precios de GPT-6 Sol y GPT-6 Luna en su API son un 50 % inferiores a los precios promocionales que tenían sus equivalentes GPT-5.6.

GPT-6 Sol cuesta 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. En el caso de GPT-6 Luna, el precio baja hasta 0,10 dólares por millón de tokens de entrada y 0,50 dólares por millón de tokens de salida.

Modelo	Entrada	Salida
GPT-6 Sol	US$2 / millón de tokens	US$10 / millón
GPT-6 Luna	US$0,10 / millón de tokens	US$0,50 / millón

Para desarrolladores y empresas que utilizan modelos de IA a gran escala, la diferencia puede ser significativa. Un sistema que realiza miles o millones de llamadas a un modelo no solo depende de su capacidad, ya que los clientes también tiene en cuenta cuánto cuesta mantener cada operación.

Sol apuesta por los agentes y el trabajo profesional

OpenAI destaca especialmente el rendimiento de GPT-6 Sol en tareas que van más allá de responder preguntas. La compañía lo probó en evaluaciones de agentes capaces de realizar procesos completos utilizando diferentes herramientas, desde operaciones de ventas y marketing hasta soporte, finanzas y recursos humanos.

En AutomationBench, una prueba que evalúa flujos de trabajo empresariales mediante 47 herramientas, GPT-6 Sol obtuvo un 33,2 % con el nivel de razonamiento xhigh, frente al 30,3 % de GPT-6 Astra utilizando un nivel bajo de razonamiento. OpenAI señala además que el costo por tarea de Sol fue considerablemente inferior en esta prueba.

La idea refleja hacia dónde está evolucionando el uso empresarial de los modelos de lenguaje: de sistemas que simplemente generan texto a agentes capaces de ejecutar tareas completas utilizando aplicaciones y herramientas externas. Ese cambio también aparece en programación.

Más capacidad para programar por menos dinero

GPT-6 Sol mejora respecto a GPT-5.6 Sol en las pruebas de programación que utiliza OpenAI para evaluar agentes capaces de modificar código dentro de proyectos reales.

En DeepSWE v1.1, por ejemplo, GPT-6 Sol obtuvo un 68,8 %, una cifra cercana al 69,9 % registrado por el modelo Fable 5 en su configuración xhigh, según las cifras publicadas por OpenAI. La compañía afirma que Sol consigue ese resultado con aproximadamente un 80 % menos de costo por tarea.

GPT-6 Luna también busca ocupar un espacio relevante en este terreno. En la misma evaluación consiguió un 66,6 % en su configuración máxima, mientras que OpenAI señala que su costo por tarea fue muy inferior al de modelos de mayor tamaño utilizados como referencia.

Para los desarrolladores, esto significa utilizar modelos con mayor capacidad durante más etapas del desarrollo sin que cada consulta represente un costo elevado.

También mejoran el uso del computador

Otra de las áreas en las que OpenAI destaca los nuevos modelos es el llamado computer use, es decir, la capacidad de los sistemas de IA para interactuar con interfaces y realizar acciones en un ordenador.

En OSWorld 2.0 Offline, GPT-6 Sol alcanzó un 60,5 % con xhigh, prácticamente en línea con el 60,3 % de Claude Opus 5 utilizando un nivel medio de razonamiento, según la comparación publicada por OpenAI. La compañía afirma que Sol consigue ese resultado con alrededor de un 80 % menos de costo por tarea.

OpenAI aclara que GPT-6 Astra continúa siendo su modelo de referencia para uso del computador, pero Sol y Luna pretenden trasladar parte de esas capacidades a modelos que resulten económicamente más viables para un uso frecuente.

Esto es particularmente importante para el desarrollo de agentes de IA. Si un agente necesita abrir aplicaciones, leer documentos, introducir información, ejecutar código y repetir estas operaciones cientos o miles de veces, el precio de cada interacción puede convertirse en una de las principales limitaciones.

Una IA que también busca responder de forma más natural

Los nuevos modelos incorporan además mejoras en el estilo de comunicación que OpenAI había introducido con GPT-6 Astra.

La compañía promete respuestas más claras, menos jerga, menos frases extrañas y menos información innecesaria, manteniendo el contenido relevante. También espera que estos cambios sean especialmente perceptibles en conversaciones técnicas y relacionadas con programación.

No se trata de una característica tan fácil de medir como el precio o los resultados de un benchmark, pero puede ser importante en el uso cotidiano. A medida que los modelos pasan de ser herramientas de consulta a colaboradores dentro de procesos profesionales, la forma en que explican sus decisiones y resultados adquiere mayor importancia.

El verdadero cambio está en el costo de los agentes

El lanzamiento de Sol y Luna ocurre en un momento en que la industria está desplazando parte de la competencia desde la pregunta de qué modelo es más inteligente hacia otra cuestión: cuánto cuesta conseguir que un modelo haga un trabajo completo.

Un agente puede necesitar decenas de llamadas al modelo para completar una tarea. Puede consultar información, utilizar herramientas, corregir errores, ejecutar código y volver a intentarlo. En ese escenario, una pequeña diferencia en el precio de cada llamada puede multiplicarse rápidamente.

Por eso, el anuncio de OpenAI pone tanto énfasis en la relación entre inteligencia y costo. La empresa no presenta Sol y Luna únicamente como versiones más pequeñas de Astra, sino como modelos destinados a ampliar el número de tareas que resulta económicamente viable delegar a una IA.

La propia infraestructura de OpenAI también está evolucionando en esa dirección. La compañía introdujo con GPT-6 mejoras en prompt caching, que permiten reutilizar partes de las instrucciones y reducir costos y latencia cuando determinados contenidos se repiten entre solicitudes.

El universo GPT-6 ahora tiene tres modelos

Con estos lanzamientos, la familia GPT-6 queda estructurada en tres niveles principales.

GPT-6 Astra continúa siendo el modelo de mayor capacidad para tareas complejas. GPT-6 Sol busca un equilibrio entre capacidad y costo para trabajos profesionales, programación y agentes. GPT-6 Luna se orienta a escenarios donde se necesitan muchas operaciones y el precio por consulta es especialmente relevante.

La disponibilidad de los nuevos modelos también se extiende a los desarrolladores mediante la API de OpenAI. La documentación oficial confirma que tanto GPT-6 Sol como GPT-6 Luna aceptan entradas de texto e imagen y pueden utilizarse mediante las APIs Responses y Chat Completions.

Más que una nueva generación que simplemente sustituye a la anterior, OpenAI está construyendo así una gama de modelos con diferentes niveles de capacidad y costo. El objetivo es que la elección no dependa únicamente de cuál es el modelo más potente, sino de qué cantidad de inteligencia necesita realmente cada tarea y cuánto cuesta ejecutarla.

Eso puede terminar siendo uno de los factores más importantes en la siguiente etapa de la competencia entre OpenAI, Anthropic, Google y otros desarrolladores de modelos. Ahora la lucha no solo es por quién consigue construir la IA más capaz, sino quién consigue hacer que utilizarla a gran escala resulte económicamente sostenible.