OpenAI lanza GPT-6 Sol y Luna: precios a la mitad y una jugada defensiva
Los dos modelos aterrizan una semana antes del DevDay con recortes de precio agresivos y una estrategia clara: ser lo bastante buenos a una fracción del coste.
OpenAI sacó el 22 de septiembre dos modelos nuevos, GPT-6 Sol y GPT-6 Luna, y recortó a la mitad los precios de su API. Sol sale a 2 dólares por millón de tokens de entrada y 10 por millón de salida; Luna, a 0,10 y 0,50 respectivamente. El descuento por input cacheado llega al 90%, y deja las lecturas cacheadas en 0,20 dólares para Sol y 0,01 para Luna.
Ambos cuelgan de GPT-6 Astra, el modelo de frontera que la compañía presentó el 3 de septiembre. Sol hereda buena parte de su capacidad de razonamiento, código y uso de ordenador, y se coloca como el caballo de batalla que aguanta trabajo agéntico sostenido: razonamiento multi-turno, bucles de llamadas a herramientas, ingeniería de software en producción. Luna va al volumen puro, para tareas ambientales como resumir documentos, extraer información, clasificar o enrutar. Están disponibles en ChatGPT Work, Codex y la API.
El recorte de precio hay que leerlo como lo que es: una respuesta. Anthropic publicó Claude Opus 5.5 apenas 90 minutos antes del anuncio de Sol y Luna. Nadie lanza 90 minutos antes por casualidad. OpenAI contestó bajando precios y afirmando en su blog que Sol y Luna "handle tasks substantially better than Anthropic's top models — like Fable and Opus". Los mercados de predicción no le compraron el argumento: Polymarket sigue dando a Anthropic un 76% de probabilidad de mantener el mejor modelo a finales de 2026, frente al 8% de OpenAI.
Los números que importan para producción
El discurso de benchmarks está construido con cuidado. Sol no gana en bruto, pero se queda lo bastante cerca para que el precio decida. En AutomationBench 1.0.6, con 47 herramientas reales de negocio, Sol a esfuerzo de razonamiento extra-alto llega al 33,2% de acierto a 0,27 dólares por tarea, por delante de Claude Fable 5.1 (31,4%), que cuesta 8,9 veces más por tarea. En DeepSWE v1.1, resolución de bugs a nivel de repositorio, Sol alcanza el 68,8%, 1,1 puntos por debajo de Claude Fable 5 (69,9%), con un ahorro de coste del 80%. En uso de ordenador, OSWorld 2.0 Offline: Sol saca 60,5% y empata prácticamente con Claude Opus 5 a esfuerzo medio (60,3%) costando cerca del 80% menos por tarea.
Luna juega otra liga: al máximo esfuerzo logra 66,6% en DeepSWE v1.1, igualando a Claude Opus 5 en esfuerzo medio, con un recorte de coste del 93 al 96%. Para tuberías agénticas de miles de pasos, esa diferencia separa lo económicamente viable del prototipo de laboratorio.
En el foro de desarrolladores de OpenAI la recepción es mixta. La bajada de precio se celebra sin matices. Las quejas van por otro lado: GPT-6 Astra sigue encerrado en ChatGPT Work y Codex en lugar de llegar a los suscriptores de pago, y Sol exige plan de pago mientras el tier gratuito solo recibe Luna. Un desarrollador reportó que Sol "wasted 80% getting side tracked" cuando lo usó como orquestador, y que combinar Luna con modelos especializados rinde más que un Sol en solitario para flujos multi-agente.
Ese es el detalle que probablemente más afecte a quien despliega esto: el precio barato no basta si el modelo se descarría y quema pasos. Queda por ver si el DevDay del 29 de septiembre, con su docena de lanzamientos según Fortune, mueve la conversación de "vendemos inteligencia" a "vendemos flujo de trabajo". La pista de Altman fue escueta: "We have found a new thing."
