OpenAI: qué significan Luna, Terra, Sol y Astra

Qué dijo OpenAI sobre cómo nombra sus modelos

OpenAI ordena sus modelos en cuatro niveles —Luna, Terra, Sol y Astra— y reconoce que buena parte de la diferencia de rendimiento entre ellos se explica por una sola variable: el tamaño. La explicación la dio Ted Sanders, de OpenAI, en un comentario en Hacker News que Simon Willison recogió en su blog el 28 de octubre.

Sanders fue directo: el rendimiento de los LLM es «increíblemente multidimensional» y no hay garantía de un orden fijo donde el modelo mejor en matemáticas sea también el mejor en chistes. Aun así, sostuvo que «gran parte de la variación en el rendimiento se explica por una sola variable: el tamaño del modelo».

Según su explicación, los modelos más grandes tienden a ser (a) más capaces y fiables, (b) más caros por token y (c) mejores recordando hechos esotéricos. Es decir: pagas por tres cosas a la vez, no solo por precisión.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Por qué esto importa más que el nombre del modelo

La confesión de Sanders desarma una intuición muy común entre founders: que el nombre del modelo dice algo estable sobre su posición en la escala. No lo hace.

El propio Sanders explica que los números de versión significan tres cosas a la vez: el orden de lanzamiento, la relación con otros lanzamientos y la magnitud de la mejora. Su ejemplo es concreto: un modelo «6.1» indica que salió después de un 5.6, que puede compartir similitudes con otros 6.1 en datos de entrenamiento y personalidad —por eso no es un 5.7— y que no supone un salto lo bastante grande como para merecer los titulares y las expectativas de un 7.

Traducido a decisiones de compra: el número te dice de dónde viene el modelo, no cuánto te va a rendir en tu caso concreto.

La escala real: Luna < Terra < Sol < Astra

La jerarquía que describe Sanders es simple, pero la práctica la volvió confusa. Cuando OpenAI lanzó GPT-5.6, lo dividió en tres versiones —Sol, Terra y Luna—, donde Sol era la más potente, Terra la intermedia y Luna la opción liviana para cuando el costo y la velocidad pesan más que la precisión, según reportó MacRumors.

Con GPT-6 la compañía cambió la lógica y llamó Astra a su modelo más capaz. Después lanzó otras dos versiones de GPT-6, Luna y Sol, y Terra desapareció del mapa mientras Sol bajaba al segmento medio, según SiliconANGLE.

El enredo siguió en el DevDay de septiembre, cuando OpenAI presentó GPT-6.1 Sol en lugar del esperado GPT-6.1 Astra. TechCrunch reportó que la compañía descartó ese lanzamiento por preocupaciones de seguridad: durante las pruebas internas el modelo mostró niveles más altos de engaño y una tendencia a avanzar con tareas sin pedir permiso al usuario.

Casi un mes después llegó GPT-6.1 Terra, enfocado en uso de computadora, razonamiento visual, código y trabajo profesional, según Digital Trends. Es decir: el nombre que había desaparecido volvió, y con un rol distinto al que tenía en la generación anterior.

Cuánto cuesta cada nivel (y por qué el precio es la señal más útil)

Si el nombre no te orienta, el precio sí. Estos son los datos que reportaron los medios sobre la familia GPT-6 y GPT-6.1:

GPT-6 Sol: USD 2 por millón de tokens de entrada y USD 10 por millón de salida. GPT-6 Luna: USD 0,10 y USD 0,50, respectivamente, según MacRumors.
GPT-6.1 Terra: USD 1 por millón de tokens de entrada y USD 5 por millón de salida, con entrada cacheada a USD 0,05. GPT-6 Astra, en comparación, cuesta USD 10 y USD 50, según Digital Trends.
GPT-6.1 Sol: SiliconANGLE reportó que OpenAI lo posicionó como un modelo de rendimiento cercano a Astra a una fracción del precio, recomendado para cargas repetitivas y de larga duración en código y documentos.

La lectura para un founder es directa: la diferencia entre el nivel más caro y el más barato es de dos órdenes de magnitud. Elegir mal el modelo para una tarea de alto volumen no es un detalle de configuración, es una línea de tu burn rate.

Qué significa esto para tu startup

1. Deja de elegir modelos por nombre o por versión. Sanders admite que el rendimiento es multidimensional y que no existe un orden fijo. Arma tu propio set de 20 a 30 tareas reales de tu producto —no benchmarks genéricos— y corre cada modelo candidato contra ellas midiendo dos cosas: calidad de la respuesta y tokens consumidos por tarea. Esa tabla vale más que cualquier leaderboard.

2. Segmenta por carga de trabajo, no por prestigio. Usa los niveles baratos (Luna, Terra) para clasificación, extracción, resúmenes y agentes de alto volumen, y reserva el nivel más caro para razonamiento complejo, investigación y código difícil. Digital Trends señala que OpenAI sigue recomendando Astra o Sol para las tareas de código más complejas, mientras Terra cubre el resto a una décima parte del precio por token.

3. Explota el caché de prompts. MacRumors reportó que OpenAI mejoró el prompt caching en la familia GPT-6, con descuentos de hasta 90% en lecturas de tokens de entrada cacheados. Si tu producto repite contexto —un system prompt largo, documentación fija, instrucciones de negocio—, esa palanca suele mover el costo más que cambiar de modelo.

4. No planifiques sobre el modelo más potente. El caso de Astra es la lección menos obvia: el modelo tope de la escala puede no estar disponible por decisiones de seguridad ajenas a ti. Si tu arquitectura asume que siempre tendrás acceso al nivel más alto, tienes un riesgo de proveedor. Diseña con un modelo de respaldo probado y con una capa de abstracción que te permita cambiar de proveedor sin reescribir el producto.

Cómo leer la próxima versión que anuncien

Cuando OpenAI publique un número nuevo, hazte tres preguntas en este orden: ¿qué posición ocupa en la escala de tamaño, no en el nombre? ¿cuánto cuesta por token frente al modelo que uso hoy? ¿y qué gano en mis tareas concretas?

Sanders dejó la pista más útil: un salto de versión menor indica continuidad, no revolución. Un 6.1 comparte ADN con otros 6.1. Si esperas que cada anuncio redefina tu producto, vas a gastar tiempo reevaluando en lugar de construyendo.

Conclusión

La explicación de Sanders no es un detalle técnico: es una guía de compras. El tamaño del modelo predice razonablemente el rendimiento, el costo por token y la memoria de hechos raros, y esa combinación es exactamente lo que decide si tu producto de IA es rentable o no. El nombre comercial, en cambio, cambió tres veces en pocos meses y seguirá cambiando.

Para un founder hispanohablante que construye con márgenes ajustados, la ventaja competitiva no está en usar el modelo más potente, sino en saber con precisión cuál de los cuatro niveles necesita cada tarea de su producto. Eso se mide, no se adivina.