Lanzamiento de GPT-5.6: la guía completa — Luna/Terra/Sol, benchmarks, precios y vs. Claude

El 9 de julio de 2026, OpenAI puso a disposición general su nueva familia de modelos «GPT-5.6» (anuncio oficial de OpenAI, tras la vista previa limitada del 26 de junio). Su mayor novedad es que abandona la estructura de dos niveles («estándar + Pro») y pasa a un esquema de 3 modelos: Luna (rápido y de bajo coste) / Terra (equilibrado) / Sol (buque insignia).

Sol, el buque insignia, se sitúa en primer lugar con 80 en el Artificial Analysis Coding Agent Index, la métrica que mide el rendimiento como agente de programación, y en Agents' Last Exam, que evalúa flujos de trabajo reales de larga duración, obtiene un 53.6, sacándole 13.1 puntos a Claude Fable 5 (40.5) (cifras publicadas por OpenAI, ordenadas por Vellum). Por otro lado, en programación de nivel de producción real, en SWE-Bench Pro Claude Fable 5 logra un 80.0% y Sol un 64.6%: hay áreas donde pierde claramente frente a Claude (ambas cifras proceden de la tabla de evaluación de OpenAI; la tarjeta del sistema de Anthropic también da a Fable 5 un 80.0%; el 80.3% de la tabla del anuncio de Anthropic es el mayor de los dos resultados de una columna compartida, el de Mythos 5).

En este artículo explicamos, con información confirmada y basada en el anuncio oficial de OpenAI y en varios informes independientes de benchmarks, todo lo relativo a GPT-5.6: las diferencias entre los 3 modelos, precios, benchmarks, nuevas funciones, disponibilidad por plan de ChatGPT, la comparación con Claude y cómo elegir según el caso de uso.

1. Resumen del lanzamiento: fecha, disponibilidad y especificaciones

Lo clave es que los 3 modelos comparten la misma ventana de contexto de aproximadamente 1 millón de tokens y la misma salida máxima de 128K. Las diferencias están en la «inteligencia», la «velocidad» y el «precio»; el volumen de documentos que pueden manejar no cambia. El diseño permite elegir verticalmente según el caso de uso y el coste.

2. Luna / Terra / Sol: diferencias entre los 3 modelos y cómo elegir

El mayor cambio de GPT-5.6 es la reorganización de «2 niveles (estándar/Pro)» a «3 niveles». Repasemos la posición de cada uno.

El principio para elegir es sencillo. Empieza con Terra por defecto; si te falta precisión, sube a Sol; y si lo prioritario es el coste unitario y la velocidad, baja a Luna. Este enfoque de «partir de Terra» facilita equilibrar coste y calidad.

3. Estructura de precios: Terra, el nivel intermedio, merece atención

Lo que hay que destacar es la relación precio-rendimiento de Terra. OpenAI explica que «Terra ofrece un rendimiento comparable al de la generación anterior GPT-5.5 por aproximadamente la mitad de precio». Es decir, muchas tareas que hasta ahora requerían Sol (equivalente al antiguo modelo estándar) podrían resolverse por la mitad del coste.

Por su parte, los $5/$30 de Sol suponen el mismo precio de entrada que Claude Opus 4.8 ($5/$25) y un precio de salida algo superior. El coste unitario de los buques insignia de cada proveedor se está igualando, y la diferencia se marca cada vez más en el «rendimiento» y la «eficiencia de tokens».

4. Benchmarks: comparación directa con Claude

Conclusión: fuerte como agente, pero Claude gana en programación de nivel de producción real

GPT-5.6 Sol se sitúa en primer lugar en capacidad global como agente (Agents' Last Exam) y en la métrica de agente de programación. En TerminalBench, según la tabla de OpenAI, también supera a Claude Fable 5 (83.1%). Sin embargo, en SWE-Bench Pro (corrección de bugs de nivel de producción en repositorios reales), frente al 80.0% de Claude Fable 5, Sol se queda en el 64.6% (Terra 63.4%, Luna 62.7%): pierde por más de 15 puntos. La lectura honesta es que «la capacidad de actuar de forma autónoma como agente» y «la capacidad de corregir con precisión bases de código reales» son cosas distintas.

Además, el recuerdo de texto largo (MRCR) de Luna es del 41.3%, muy por debajo de Sol/Terra. Aunque tenga una ventana de 1 millón de tokens, Luna no es adecuado para manejar con precisión textos muy largos. Para textos largos, elige Terra o superior.

5. Qué hay de nuevo: 5 puntos clave

① De 2 niveles a un esquema de 3 modelos

El mayor cambio. Del antiguo «estándar + Pro caro» se reorganiza en 3 niveles: Luna / Terra / Sol. En particular, Terra, con su relación precio-rendimiento de «equivalente a GPT-5.5 al 40% del precio unitario de Sol», se convierte en el protagonista del diseño de costes.

② Mejora de la eficiencia de tokens (54% en programación)

Sam Altman, CEO de OpenAI, ha señalado que Sol es un 54% más eficiente en tokens en tareas de programación agéntica (en una entrevista con CNBC; no precisó la base de comparación). Si para el mismo trabajo se consumen menos tokens, aunque el precio unitario sea el mismo, el coste total baja. Aquí está la razón para comparar no solo por la tabla de precios, sino por el «coste real por tarea».

③ Programmatic Tool Calling (Responses API)

Como nueva función para desarrolladores, se ha añadido a la Responses API el «Programmatic Tool Calling», mediante el cual el modelo genera y ejecuta JavaScript para orquestar las llamadas a herramientas (análisis de Simon Willison). Permite ejecutar agentes complejos que abarcan varias herramientas con menos idas y vueltas. El effort de razonamiento tiene 6 niveles: none / low / medium / high / xhigh / max.

④ ChatGPT Work y nueva app de escritorio

Junto con GPT-5.6 se anunciaron también «ChatGPT Work», un agente para el ámbito empresarial, una nueva app de escritorio con Codex integrado y un servicio de hosting para clientes. Es un movimiento para expandir ChatGPT de «un simple chat» a «una plataforma que ejecuta trabajo».

⑤ Modelo de voz GPT-Live (conversación full-duplex)

En el plano de la voz aparece la nueva serie GPT-Live. En lugar del sistema por turnos convencional (responder después de terminar de hablar), logra una conversación full-duplex que permite interrumpir y asentir como un humano. Los usuarios de pago disponen de GPT-Live-1, y los gratuitos de GPT-Live-1 mini.

6. Disponibilidad por plan de ChatGPT

Una particularidad es que los usuarios Free / Go también pueden usar Terra dentro de ChatGPT Work o Codex. Sin embargo, elegir libremente entre modelos y ajustar el effort de razonamiento solo está disponible a partir de Plus. En cuanto a la voz, GPT-Live está disponible también gratis en su versión mini. (La composición de planes y los precios se basan en distintos informes del momento del lanzamiento. Consulta la información más reciente en la página oficial de precios de ChatGPT).

7. Comparación con Claude (Fable 5 / Opus 4.8)

En resumen: si buscas hacer funcionar un agente autónomo de forma amplia, GPT-5.6 Sol; si buscas corregir con precisión bases de código reales o programar de forma autónoma durante largo tiempo, Claude. En cuanto al precio, Claude Opus 4.8 ($5/$25) tiene un precio de salida más barato que Sol ($5/$30) y además una calidad de programación alta, por lo que en casos de uso de programación destaca la relación coste-rendimiento del bando de Claude.

8. Consideraciones: benchmarks no publicados y la debilidad en coding

① Hay benchmarks que OpenAI no ha publicado

El análisis independiente (Vellum) señaló justo después del lanzamiento que OpenAI no había publicado SWE-bench Verified, GPQA Diamond, AIME, MMLU, ARC-AGI-2 ni FrontierMath. Sin embargo, la tabla de evaluación de la página del anuncio de OpenAI, consultada el 22 de septiembre de 2026, sí incluye GPQA Diamond (Sol 94.6%) y FrontierMath (89% en los niveles 1–3 y 83% en el nivel 4). No aparecen SWE-bench Verified, AIME ni MMLU, y la cifra de Sol en ARC-AGI-2 (92.5%) apareció por primera vez en la tabla comparativa del anuncio de GPT-6 Astra del 3 de septiembre. Conviene tener en cuenta al evaluar que se centran en métricas de agente y que hay pocos valores de comparación en razonamiento general y matemáticas. Hay que leer con cautela, descontando la posibilidad de que solo se muestren las cifras buenas.

② La programación de nivel de producción real es débil incluso en Sol

Como se ha comentado, en SWE-Bench Pro Sol logra un 64.6% frente al 80.0% de Claude Fable 5 (ambas cifras de la tabla de evaluación de OpenAI). Si tu objetivo principal es corregir bugs o crear PR en repositorios de producción, vale la pena considerar Claude antes que GPT-5.6. Eso sí: aunque OpenAI incluye esta cifra en su tabla, ha publicado aparte un análisis según el cual cerca del 30% de las tareas de SWE-Bench Pro tienen defectos (como señala Vellum).

③ Luna no maneja bien el texto largo

Luna es barato y rápido, pero su recuerdo de texto largo (MRCR) es notablemente bajo, del 41.3%. Evita pasarle a Luna especificaciones, registros o bases de código muy largos por completo; deja los textos largos a Terra o superior.

④ El corte de conocimiento es el 16 de febrero de 2026

No tiene aprendidos los acontecimientos posteriores a esa fecha. Las tareas que requieren información reciente presuponen el uso combinado de una herramienta de búsqueda web.

9. Recomendaciones por caso de uso: qué modelo elegir

FAQ

Q1. ¿Desde cuándo se puede usar GPT-5.6?

La disponibilidad general comenzó el 9 de julio de 2026 (la vista previa limitada fue el 26 de junio). Se puede utilizar en ChatGPT, ChatGPT Work, Codex y la OpenAI API.

Q2. ¿En qué se diferencian Luna / Terra / Sol?

Son modelos que se alinean verticalmente en tres ejes: inteligencia, velocidad y precio. Luna = el más barato y rápido; Terra = equilibrado (equivalente a GPT-5.5 al 40% del precio de Sol); Sol = máximo rendimiento. El contexto (aproximadamente 1 millón de tokens) y la salida máxima (128K) son comunes a los 3 modelos. Se recomienda empezar con Terra por defecto y moverse a Sol/Luna según sea necesario.

Q3. ¿Se puede usar GPT-5.6 con el plan gratuito?

En el chat normal no, pero dentro de ChatGPT Work o Codex, incluso en Free / Go se puede usar Terra. Para elegir libremente entre modelos o ajustar el effort de razonamiento se necesita Plus ($20/mes) o superior. En cuanto a la voz, GPT-Live está disponible también gratis en su versión mini.

Q4. Entre GPT-5.6 y Claude, ¿cuál es mejor en programación?

Depende de la métrica. En operación de terminal (TerminalBench 2.1), Sol con un 88.8% supera al 83.1% de Claude Fable 5, pero en programación de nivel de producción real, en SWE-Bench Pro Claude Fable 5 logra un 80.0% frente al 64.6% de Sol, con Claude en clara ventaja (todas las cifras de la tabla de evaluación de OpenAI; la tarjeta del sistema de Anthropic también da a Fable 5 un 80.0% en SWE-Bench Pro). Lo realista es repartir el uso: Claude si el objetivo principal es corregir bugs en repositorios de producción, y Sol para agentes autónomos amplios.

Q5. ¿Cómo son los precios?

Por cada 1M de tokens, Sol $5/$30, Terra $2/$12, Luna $0.20/$1.20 (entrada/salida), a fecha de agosto de 2026. El 30 de julio de 2026 Luna bajó un 80% y Terra un 20%, mientras que Sol se mantuvo sin cambios. Terra se posiciona ofreciendo un rendimiento equivalente al de GPT-5.5 a alrededor del 40% del precio unitario de Sol, y se convierte en el protagonista del diseño de costes. Conviene tener en cuenta que Sol pasó a un precio promocional el 21 de agosto de 2026 (entrada $4 / salida $20, anunciado como vigente durante tres meses). Si eso sale más barato que GPT-6 Astra lo comparamos con cifras medidas en ¿GPT-6 Astra en low sale de verdad más barato?

Q6. ¿Cuáles son la ventana de contexto y el corte de conocimiento?

Los 3 modelos tienen una ventana de contexto de aproximadamente 1 millón de tokens (1,050,000) y una salida máxima de 128K. El corte de conocimiento es el 16 de febrero de 2026.

Q7. ¿Hay nuevas funciones para desarrolladores?

Se ha añadido a la Responses API el Programmatic Tool Calling (una función mediante la cual el modelo genera JavaScript para construir las llamadas a herramientas). El effort de razonamiento se puede controlar en 6 niveles: none / low / medium / high / xhigh / max.

Q8. ¿Qué es GPT-Live?

Es una nueva serie de modelos de voz anunciada junto con GPT-5.6. En lugar del sistema por turnos, es full-duplex y permite conversaciones naturales que incluyen interrupciones y asentimientos. En pago se ofrece GPT-Live-1, y gratis GPT-Live-1 mini.

Q9. ¿Hay benchmarks que OpenAI no ha publicado?

Sí. La tabla de evaluación del anuncio no incluye SWE-bench Verified, AIME ni MMLU. El análisis independiente (Vellum) indicó justo después del lanzamiento que tampoco estaban GPQA Diamond ni FrontierMath, pero la tabla consultada el 22 de septiembre de 2026 sí incluye GPQA Diamond (Sol 94.6%) y FrontierMath. Como se centran en métricas de agente, la capacidad real en razonamiento general y matemáticas debe evaluarse por separado.

Q10. ¿Seguirán funcionando las apps de GPT existentes tal cual?

La API es en general compatible, y basta con cambiar el ID del modelo para migrar. Sin embargo, al haber pasado a un esquema de 3 modelos, si rediseñas qué tarea asignas a Luna/Terra/Sol podrás optimizar coste y calidad. En muchos casos, partir de Terra resulta eficaz.

Conclusión: la era de «elegir verticalmente» con un esquema de 3 modelos

GPT-5.6 no llega como un único modelo estrella, sino con un esquema de 3 niveles: Luna / Terra / Sol. Sol se sitúa en primer lugar en capacidad global como agente y en la métrica de agente de programación; Terra se convierte en el protagonista del trabajo real con su relación precio-rendimiento de «equivalente a GPT-5.5 al 40% del precio unitario de Sol»; y Luna cumple el papel de la relación coste-rendimiento en el procesamiento masivo. Los roles están claros.

Por otro lado, hay elementos que impiden llamarlo el mejor sin condiciones: en programación de nivel de producción real (SWE-Bench Pro) pierde por mucho frente a Claude, la tabla de evaluación de OpenAI incluye pocos valores de comparación en razonamiento general y matemáticas, y el manejo de texto largo de Luna es débil.

La operación inteligente en 2026 es, sin duda, «repartir el uso entre los 3 modelos de GPT-5.6 y Claude según la tarea». Terra para el día a día, Sol para agentes complejos, Luna para el procesamiento masivo y Claude para la programación de producción: optimicemos coste y calidad partiendo de un enfoque multimodelo.

Artículos relacionados

• GPT-6 Astra: guía completa del lanzamiento — el modelo insignia que sucede a GPT-5.6
• GPT-5.5: guía completa del lanzamiento — detalles de la generación anterior GPT-5.5
• Claude Opus 4.8: guía completa del lanzamiento — el modelo competidor directo
• Claude Fable 5: guía completa del lanzamiento — el modelo líder en SWE-Bench Pro
• Comparación de precios Claude vs ChatGPT — la estructura de planes de ambos
• Qué es ChatGPT Work: el agente de trabajo de GPT-5.6 — el agente que crea documentos, hojas de cálculo y diapositivas
• GPT-5.6 vs GPT-5.5: qué cambió y a qué modelo migrar — los 3 modelos Luna/Terra/Sol y Terra al 40% del precio
• ¿Qué es Kimi K3? El modelo de 2,8 billones de parámetros tras el «tercer puesto» — precio, pesos abiertos e impacto en bolsa