GPT‑6 Sol y Luna llegan a Work, Codex y la API: por qué el salto importante está tanto en el precio como en la potencia

OpenAI ha ampliado la familia GPT-6 con **GPT-6 Sol** y **GPT-6 Luna**, dos modelos lanzados el 22 de septiembre con una diferencia de precio que deja claro que no buscan exactamente el mismo trabajo.

En la API estándar, para prompts de contexto corto, Sol cuesta **2 dólares por millón de tokens de entrada y 10 dólares por millón de salida**. Luna baja a **0,10 dólares de entrada y 0,50 de salida**. En ambos casos la entrada cacheada cuesta una décima parte de la entrada normal.

La diferencia de veinte veces en salida no significa que Luna sea simplemente 'Sol barato'. OpenAI describe a Sol como un modelo orientado a **coding complejo y flujos agénticos**, mientras Luna está optimizado para trabajo enfocado, repetible y de gran volumen.

Ambos aceptan texto e imágenes y generan texto. Las fichas oficiales publican una ventana de contexto de hasta **1,05 millones de tokens** y salida máxima de 128.000 tokens, aunque precio y condiciones cambian al entrar en contexto largo.

Hay una distinción de producto importante. OpenAI afirma explícitamente que **Sol y Luna están disponibles en ChatGPT Work y Codex, pero no son los modelos seleccionables en una conversación ordinaria de ChatGPT**. Por eso no debe interpretarse este lanzamiento como un cambio automático del modelo que usa todo el mundo al abrir un chat.

En API, ambos están disponibles tanto mediante Responses como mediante Chat Completions. La familia GPT-6 añade además capacidades pensadas para trabajo de agentes, donde un modelo puede encadenar herramientas, mantener tareas más largas y ser dirigido durante la ejecución.

La estructura de precios apunta a una arquitectura de producto cada vez más escalonada. Astra ocupa el extremo de máxima capacidad; Sol busca trabajo difícil donde el coste se justifica por la complejidad; Luna intenta hacer viable económicamente ejecutar enormes cantidades de tareas más predecibles.

Eso cambia la forma de comparar modelos. Para una empresa no basta con preguntar cuál puntúa mejor en un benchmark. Puede ser más importante saber cuánto cuesta **resolver mil tareas completas**, cuántos reintentos necesita cada modelo y qué porcentaje requiere escalar a uno más caro.

También importa el contexto largo. Las tarifas oficiales aumentan cuando las solicitudes superan determinados umbrales, y la residencia de datos en la UE está disponible para Sol y Luna bajo procesamiento estándar con las condiciones publicadas por OpenAI.

La noticia, por tanto, no es solo que haya dos nombres nuevos. **OpenAI está separando cada vez más la inteligencia de frontera en capas de coste y capacidad**, para que un mismo sistema pueda reservar el modelo caro para los casos difíciles y enviar el trabajo repetitivo a uno mucho más barato.