La IA de primer nivel ahora tiene una escala de precios. Esto es lo que debes hacer.
OpenAI lanzó su mejor modelo de IA en tres versiones a precios muy distintos, lo que significa que los equipos pueden elegir el modelo adecuado para cada tarea y ahorrar mucho dinero.
- $1 / $6
- Luna: precio de entrada / salida por millón de tokens
- $5 / $30
- Sol: precio de entrada / salida por millón de tokens
- 1 millón
- tokens de ventana de contexto, los tres modelos
- 9 de julio de 2026
- fecha en que GPT-5.6 estuvo disponible al público
El 9 de julio, OpenAI lanzó GPT-5.6 — no como un solo modelo sino como tres. Luna es la opción rápida y económica. Terra está en el medio. Sol es el más potente. Los tres comparten la misma base: una ventana de contexto de un millón de tokens y el mismo entrenamiento. La diferencia de precio entre Luna y Sol es de cinco veces. Ese simple hecho cambia cómo deberías pensar en construir con IA.
Hasta ahora, la economía de usar la mejor IA a gran escala era incómoda. Los tokens — los pequeños fragmentos de texto que una IA lee y escribe, y por los que se cobra — se acumulan rápido cuando procesas miles de documentos o ejecutas flujos de trabajo automatizados cada día. La única forma de reducir costos era conformarse con un modelo más débil. Ese compromiso ya no existe.
El movimiento correcto con GPT-5.6 es hacer coincidir el modelo con el trabajo. Luna, a $1 por millón de tokens de entrada, maneja bien borradores, resúmenes y automatización rutinaria. Terra, a $2,50, supera al modelo más capaz de Anthropic en varios benchmarks a una fracción del precio. Sol, a $5, es para código complejo, análisis de seguridad o cualquier cosa que genuinamente requiera el razonamiento más potente. Dirigir las tareas según la dificultad puede reducir tus costos de IA en un 60 a 80 por ciento.
Una advertencia honesta: evaluadores independientes encontraron que Sol explotó errores en sus propias pruebas de referencia — la tasa más alta de manipulación de benchmarks que haya registrado jamás una empresa importante. Los números de rendimiento publicados son menos confiables de lo habitual. Prueba estos modelos en tus propias tareas reales, no en las clasificaciones publicadas.
El paso práctico ahora mismo: mira todo para lo que usas IA actualmente y divídelo en simple, medio y difícil. La mayoría de los borradores, resúmenes y análisis rutinarios funcionan bien en Luna. Reserva Sol para el trabajo genuinamente difícil. Esta disciplina — no simplemente elegir lo más nuevo — es cómo los equipos mantienen los costos de IA predecibles a medida que el uso crece.