OpenAI baja 50% el precio de GPT-6 Sol y Luna

OpenAI contraataca a 90 minutos de Anthropic: bajan los precios de GPT-6 Sol y Luna un 50%

Este 22 de septiembre, OpenAI lanzó GPT-6 Sol y GPT-6 Luna, apenas 90 minutos después de que Anthropic presentara Claude Opus 5.5. La jugada es directa: recortar los precios de API a la mitad respecto a GPT-5.6 para responder al nuevo rival. Para founders y desarrolladores hispanohablantes, esto cambia el cálculo económico de construir productos sobre modelos frontera, igual que pasó cuando aterrizaron las primeras APIs razonables.

Los dos modelos cubren escalones distintos dentro de la familia GPT-6. GPT-6 Astra, presentado a principios de septiembre, sigue siendo el modelo más capaz para las tareas más exigentes. Sol apunta a trabajo profesional complejo, con foco especial en programación. Luna está pensado para operaciones de gran volumen: resumir documentos, extraer información y responder consultas rápidas. Según Pulse2, la estrategia apunta a tener el mejor modelo «en cada precio y modalidad», como resumió el propio Sam Altman.

Qué cambia en precios y rendimiento

El movimiento más concreto es la tarifa. Sol pasa de US$4 a US$2 por millón de tokens de entrada y de US$20 a US$10 en salida. Luna baja de US$0,20 a US$0,10 en entrada y de US$1,20 a US$0,50 en salida, según los datos publicados por OpenAI. La propia compañía atribuye parte de ese abaratamiento a mejoras en inferencia y caché.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

En rendimiento, Sol muestra avances claros en factualidad: comete aproximadamente la mitad de errores que GPT-5.6 Sol en una evaluación interna basada en conversaciones reales donde los usuarios ya habían reportado fallos. OpenAI advierte que ese set se seleccionó precisamente porque generaba errores y no representa el uso típico. Sol también mejora en FrontierCode, un benchmark que mide si los cambios generados están listos para integrarse en código de producción.

En AutomationBench, una prueba que evalúa agentes ejecutando flujos de trabajo con 47 herramientas de ventas, marketing, operaciones, soporte y finanzas, GPT-6 Sol alcanzó 33,2% en su ajuste máximo de razonamiento, con un costo estimado de US$0,27 por tarea. Según Pulse2, Anthropic Claude Opus 5 logró 26,9% con un costo aproximado 11 veces mayor por tarea. Claude Fable 5.1 llegó a 31,4%, aunque con gastos de fallback adicionales que OpenAI decidió no incluir en el comparativo.

La carrera se decide también en la factura

Claude Opus 5.5 llegó a las pocas horas de la familia GPT-6. Anthropic afirma que ofrece un rendimiento comparable al de Fable 5.1 con un costo operativo aproximadamente 40% inferior al de Opus 5. La propia Anthropic, según reporta Mashable, subió los límites de uso por cinco horas para suscriptores Pro, Max y Team en alrededor de 20% y asegura que el modelo consume menos tokens para tareas similares. Este es el primer modelo de la compañía tras el llamado de su CEO Dario Amodei a «pausar el ritmo» del desarrollo por motivos de seguridad, un giro compatible con el lanzamiento agresivo del producto.

El nuevo OpenAI, en paralelo, reportó descuentos de hasta 90% en lecturas de tokens en caché y herramientas para diagnosticar peticiones ineficientes. GitHub, según la propia OpenAI, redujo más del 50% la proporción de tokens que requerían procesamiento fresco en miles de millones de peticiones a sus modelos en los últimos meses. Para startups con agentes encadenando llamadas, caché y eficiencia por token pesan más que la tarifa nominal.

El Wccftech apunta una lectura incómoda: GPT-6 Luna ya se posiciona por debajo del precio API en horario valle de DeepSeek V4.1 Flash, un referente de eficiencia en el ecosistema open-weight. Esto borra, según el artículo, la ventaja histórica de los modelos abiertos cuando el cliente prioriza costo total sobre customización.

Qué significa esto para tu startup

Si tu producto depende de la API de un LLM, el 22 de septiembre marca un antes y un después. La distancia entre modelo frontera y modelo económico se está estrechando. Anthropic asegura que Opus 5.5 rinde cerca de Fable 5.1 a 40% menos costo; OpenAI sitúa a Sol al nivel de Opus 5 en flujos agénticos a una fracción del precio por tarea. La decisión ya no es tanto «qué modelo es más inteligente» sino «qué modelo me resuelve esta tarea concreta a menor costo».

Implicaciones prácticas para founders hispanohablantes:

Diseña para la cola larga. Un 50% en tarifa nominal no basta si tu agente encadena 30 llamadas por consulta. Lo que importa es el costo agregado por tarea. La métrica que tiene que aparecer en tu dashboard es dólares por tarea completada, no dólares por millón de tokens.
Aprovecha la guerra de caché. OpenAI introdujo descuentos de hasta 90% en lecturas de caché y breakpoints explícitos. Si tu aplicación repite instrucciones de sistema, prompts largos o contexto estructurado, separa lo estable de lo variable y cachea lo primero. Es la palanca con mayor ROI inmediato para tu factura.
Reevalúa tu tier por uso real. Astra o Fable para flujos críticos que requieren razonamiento profundo. Sol u Opus 5.5 para el grueso del trabajo profesional. Luna o Haiku para extracción, resumen y respuestas rápidas. Mezclar tiers por caso de uso era un truco de los hyperscalers; desde hoy es viable para cualquier startup.
Estate atento al DevDay. Sam Altman adelantó que el DevDay 2026, programado para el 29 de septiembre en San Francisco, traerá «una cantidad inusualmente grande de lanzamientos». Si construyes sobre OpenAI, marca esa fecha y revisa el roadmap de Codex y AgentKit; suelen ser semanas donde se anuncia feature que cambia productos enteros.
Recuerda la regulación humana. Anthropic re-enrutará muchas tareas de ciberseguridad a Opus 4.8 y creó un programa de verificación para ciencias de la vida. Si tu startup toca salud, biología o seguridad, necesitas pensar desde el día uno qué proveedor responde a qué petición, porque las respuestas correctas pueden cambiar según la política de seguridad activa del modelo.

Lo que aún falta por verificar

Gran parte del cuadro comparativo depende de benchmarks publicados por las propias compañías o por Artificial Analysis, que coinciden en direcciones similares pero no siempre en magnitudes exactas. Mientras Anthropic lidera el Artificial Analysis Intelligence Index con 58 puntos frente a 48 de GPT-6 Sol, GPT-6 Astra aún supera a Opus 5.5 en algunos sub-tests como Terminal-Bench-Science 0.1. Para founders, la regla práctica es: evalúa con tu propio set de pruebas, sobre todo en tareas agénticas largas, donde las diferencias entre vendors se magnifican o se diluyen según tu contexto.