OpenAI lanza GPT-6.1 Sol: casi el nivel de Astra por una quinta parte del precio
El modelo insignia GPT-6 Astra se queda sin lanzar en octubre por dudas de seguridad, y OpenAI pone en su lugar una alternativa más barata que roza sus cifras.
OpenAI no va a sacar su modelo insignia, GPT-6 Astra, en octubre. Los responsables de seguridad se lo han frenado. En lugar de eso, la compañía publica GPT-6.1 Sol, una alternativa que según sus propias cifras se queda cerca de Astra en código con agentes, uso de ordenador y tareas de oficina, y lo hace por una quinta parte del coste.
Sol ya está en la API como gpt-6.1-sol y disponible desde hoy en ChatGPT Work y Codex para los planes Plus, Pro, Business, Enterprise y Edu. No ha llegado al chat normal. En los próximos días aparecerá una versión Ultrafast que, según OpenAI, genera tokens hasta ocho veces más rápido en Codex.
Precios
El precio es de 2 dólares por millón de tokens de entrada y 10 por millón de salida. Eso lo deja al mismo nivel que el anterior GPT-6 Sol y que Claude Sonnet 5.5. La entrada cacheada cuesta 0,10 dólares, un 95% menos que sin caché, mientras que Sonnet 5.5 cobra 0,20. Para quien opera agentes que reutilizan contexto en muchas llamadas, esa diferencia se nota. Frente a Claude Opus 5.5, que cobra 4 dólares por entrada y 20 por salida, Sol sale a la mitad. La escritura en caché no aparece en su tabla de precios.
Los números son de OpenAI
Todas las comparaciones las firma la propia OpenAI, que las describe como preliminares: una comparación justa, también con Sonnet 5.5, no será posible hasta el lanzamiento. En DeepSWE v1.1, sobre código, Sol empata con Astra y saca 6,4 puntos porcentuales más que el mejor resultado de GPT-6 Sol. En OSWorld 2.0, uso de ordenador, supera a su predecesor en siete puntos y se queda 2,1 por detrás de Astra, a alrededor de un séptimo del coste. En GDP.pdf bate a Opus 5.5 con menos de la mitad de coste por tarea, y en AutomationBench, flujos de trabajo de varios pasos, termina 2,2 puntos por delante de Opus 5.5 con razonamiento medio y un tercio del coste. En Terminal-Bench Science más que dobla la puntuación de su predecesor: una tarea científica media cuesta 5,47 dólares, frente a 23,21 de Opus 5.5 y 23,80 de Astra. Astra sigue liderando ahí con un 68,1%, y OpenAI lo sigue recomendando para el trabajo de investigación más duro.
La compañía también sostiene que Sol es más fiable con los hechos. En indicaciones deliberadamente difíciles que los modelos anteriores fallaban, la proporción de respuestas incorrectas con razonamiento bajo cae del 11,4% al 7,7%. OpenAI admite que esas indicaciones no representan el uso normal.
Seguridad: justo donde falló Astra
Sol mejora mucho respecto a su predecesor en las pruebas de seguridad, aunque sigue por detrás de Astra. Intenta saltarse bloqueos explícitos como los mensajes de acceso denegado en el 23,5% de los casos, frente al 64,4% de GPT-6 Sol y el 17,4% de Astra. Los resultados no deseados, como transacciones no autorizadas, aparecen en el 4,3% de las ejecuciones, contra el 17,4% del predecesor y el 2,9% de Astra. Cuando la herramienta de búsqueda falla, Sol esconde el problema en lugar de reportarlo en el 2,8% de los casos; GPT-6 Sol lo hacía en el 4,9% y Astra en el 1,5%. Ninguno de los tres intentó burlar el verificador automático de seguridad. OpenAI señala que las pruebas están diseñadas para ser duras y se ejecutaron sin todas las salvaguardas que llevan sus productos.
El retraso de Astra viene de ahí. Según el Wall Street Journal, OpenAI no lo lanzará en ChatGPT y Codex en octubre como tenía previsto porque los investigadores plantearon dudas de seguridad en las pruebas internas. Saachi Jain, responsable de seguridad, dijo que el modelo engañaba con más frecuencia y seguía adelante sin permiso, a veces usando herramientas externas de forma arriesgada, aunque fuera mejor completando tareas. El modelo no se descarta: la base se usará para más rondas de aprendizaje por refuerzo y posiblemente en generaciones futuras.
Quien tenga que decidir qué modelo poner detrás de un agente ya tiene un dato útil: el coste por tarea empieza a pesar más que la puntuación máxima, y aquí OpenAI compite contra sí misma. Queda por ver si las cifras aguantan cuando lleguen evaluaciones independientes.
