Índice
- 1. Qué son GPT-6 Sol y Luna: fecha de lanzamiento, especificaciones y posicionamiento
- 2. Dónde se pueden usar: Work, Codex y la API, pero no el Chat habitual
- 3. Precios: «1/5 y 1/100 de Astra» solo vale con el mismo número de tokens
- 4. La recomendación oficial: Sol en Medium, Luna en High, Astra desde Light
- 5. Las cifras de OpenAI: la evaluación en la que Sol xhigh superó a Astra low
- 6. Cifras de terceros: la comparación de Artificial Analysis
- 7. Nuestra prueba a pequeña escala: tareas cortas en las que bastaron ajustes más baratos
- 8. Cómo elegir para tu propio trabajo: dónde se decide
- Preguntas frecuentes
El 22 de septiembre de 2026 (hora de EE. UU.; la madrugada del 23 de septiembre en Japón), OpenAI lanzó GPT-6 Sol y GPT-6 Luna (anuncio de OpenAI). Son modelos más rápidos y más baratos, construidos con la misma línea de entrenamiento que GPT-6 Astra, el modelo tope de gama que salió el 3 de septiembre.
Este artículo está pensado sobre todo para quienes usan hoy Astra en low (que la app muestra como «Light») en Codex o ChatGPT Work. La respuesta corta: quedarse con Astra low para todo no es un error. Pero la propia recomendación de OpenAI por caso de uso es Sol para el trabajo diario y la programación compleja, Luna para el trabajo repetitivo bien definido y Astra para lo más difícil, y «Astra desde Light» significa «si usas Astra, empieza en Light». No es un consejo para pasar todos los trabajos por Astra.
Presentamos las cifras separadas por quién las publica: las evaluaciones de OpenAI, las evaluaciones independientes de Artificial Analysis y la pequeña prueba que hicimos nosotros usan métodos y tareas completamente distintos.
GPT-6 Sol / GPT-6 Luna
Lanzados el 22 de septiembre de 2026 (hora de EE. UU.) / API, ChatGPT Work, Codex
1. Qué son GPT-6 Sol y Luna: fecha de lanzamiento, especificaciones y posicionamiento
Según los describe OpenAI, Sol está pensado para la programación compleja y los flujos de trabajo con agentes, y Luna es su modelo más eficiente, para trabajo acotado y de gran volumen. El anuncio presenta el lanzamiento como una forma de llevar los puntos fuertes de Astra (trabajo profesional, veracidad, programación y uso del ordenador) a modelos más rápidos y asequibles, aunque también dice que los proyectos más exigentes y de mayor responsabilidad siguen necesitando la profundidad de Astra.
| Elemento | GPT-6 Sol | GPT-6 Luna | Como referencia: GPT-6 Astra |
|---|---|---|---|
| ID del modelo | gpt-6-sol | gpt-6-luna | gpt-6-astra |
| Contexto | 1,050,000 | 1,050,000 | 1,050,000 |
| Entrada máxima / salida máxima | 922,000 / 128,000 | 922,000 / 128,000 | 922,000 / 128,000 |
| Corte de conocimiento | 20 de abril de 2026 | 18 de mayo de 2026 | 30 de abril de 2026 |
| Esfuerzo de razonamiento (API) | de none a max (por defecto medium) | de none a max (por defecto medium) | de low a max (sin none) |
| Entrada / salida | Texto, imágenes / texto | Texto, imágenes / texto | Texto, imágenes / texto |
Fuente: las páginas de cada modelo en la documentación de la API de OpenAI (Sol, Luna, Astra). Consultado el 24 de septiembre de 2026.
La sorpresa es el corte de conocimiento: el de Luna (18 de mayo) es más reciente que el de Astra (30 de abril). Eso sí, si usas los modelos con búsqueda web, la diferencia apenas importa (fechas de corte de conocimiento de los principales modelos de IA).
Una nota para desarrolladores. Sol y Luna aceptan none (sin razonamiento) en la API, pero las llamadas a funciones en Chat Completions exigen none, y OpenAI remite a la Responses API para las herramientas integradas y las llamadas a funciones.
2. Dónde se pueden usar: Work, Codex y la API, pero no el Chat habitual
Si juntamos el anuncio con las páginas Models y Pricing, el panorama queda así. La puerta de entrada son ChatGPT Work y Codex; los modelos no aparecen en la interfaz de chat habitual (Chat).
Sol y Luna, ambos, en ChatGPT Work y Codex. El despliegue empezó el día del lanzamiento y avanza de forma gradual a lo largo del día; si todavía no los ves, OpenAI sugiere volver a mirar más tarde. En Enterprise y Edu, es posible que un administrador tenga que activar Luna.
Solo Luna, en la app de escritorio (velocidad estándar, sujeto al despliegue). Sol no está incluido.
Disponibles como gpt-6-sol y gpt-6-luna, con pago por uso según lo que consumas.
No disponible. El anuncio dice que los modelos aún no se ofrecen en Chat, y la página Models indica que están disponibles en Work y Codex, pero no en Chat.
Los modelos anteriores no desaparecen de inmediato. La página Models indica que GPT-5.6 Sol, Terra y Luna siguen disponibles durante el periodo de transición. En cambio, GPT-5.5 se retira de ChatGPT, ChatGPT Work y Codex el 14 de octubre de 2026 (la API no se ve afectada), y la página señala a Sol como su sustituto en los planes de pago (Plus, Pro, Business, Enterprise, Edu) y a Luna en la app de escritorio para Free y Go. Si tienes gpt-5.5 indicado en un archivo de configuración o en una tarea programada, tendrás que cambiarlo antes de esa fecha (ChatGPT Models).
3. Precios: «1/5 y 1/100 de Astra» solo vale con el mismo número de tokens
| Modelo | Entrada API | Entrada en caché | Salida API | Créditos de Codex (entrada / caché / salida) |
|---|---|---|---|---|
| GPT-6 Astra | $10 | $1 | $50 | 250 / 25 / 1,250 |
| GPT-6 Sol | $2 | $0.20 | $10 | 50 / 5 / 250 |
| GPT-6 Luna | $0.10 | $0.01 | $0.50 | 2.5 / 0.25 / 12.5 |
Por 1M de tokens, velocidad estándar. Fuentes: las páginas de cada modelo en la documentación de la API de OpenAI y ChatGPT / Codex Pricing. Consultado el 24 de septiembre de 2026.
En todas las filas, Sol cuesta exactamente 1/5 de Astra y Luna 1/100, y los créditos de Codex siguen las mismas proporciones. OpenAI describe la rebaja respecto a la generación anterior como un 50% por debajo del precio promocional de GPT-5.6, pero, para ser precisos, Sol cuesta la mitad tanto en entrada como en salida, mientras que Luna cuesta la mitad en entrada y pasa de $1.20 a $0.50 en salida (alrededor de un 58% menos).
La proporción entre precios unitarios no es la proporción entre lo que cuesta un trabajo. Tu factura es precio unitario × tokens realmente usados, y los modelos más baratos a veces piensan más tiempo y generan más salida. En las mediciones independientes de Artificial Analysis (sección 6), Luna high usó unas 5 veces más tokens de salida por tarea que Astra low, y su coste por tarea quedó en alrededor de 1/27, no en 1/100. Sol medium, igualmente, quedó en alrededor de 1/3, no en 1/5.
Las proporciones solo valen para las cuentas en las que el número de tokens es el mismo. Por ejemplo, con 100,000 tokens de entrada (80,000 de ellos en caché) y 10,000 de salida, el coste en la API sale en Astra $0.78, Sol $0.156, Luna $0.0078. Hay otras condiciones: una entrada de más de 272,000 tokens duplica las tarifas de entrada y de entrada en caché y multiplica la salida por 1.5; las escrituras en caché en la API cuestan 1.25 veces la tarifa de entrada (en los créditos de Codex las escrituras no tienen cargo aparte); y el modo Fast cuesta 2 veces más en la API y 2.5 veces más en créditos de Codex.
Los precios unitarios no te dicen cuánto cubre tu suscripción
Cuando usas los modelos a través de un plan de ChatGPT, no se puede decir que Sol te dé 5 veces más uso que Astra, ni Luna 100 veces más. La propia página de precios de Codex dice que las tarifas en créditos por sí solas no determinan cuánto uso incluye una suscripción.
La misma página da rangos orientativos de mensajes cada 5 horas. En Plus son Astra 5–45, Sol 15–150 y Luna 350–3,000. Comparando mínimo con mínimo y máximo con máximo, Sol da unas 3 veces lo de Astra y Luna unas 67–70 veces, lo que no cuadra con el 5× y el 100× de los precios unitarios. Además, OpenAI advierte que no son límites fijos, y que tareas parecidas pueden consumir cantidades distintas según el modelo, el contexto, el razonamiento, el uso de herramientas y la caché. La única forma de saber cuántos mensajes te caben con tu propio trabajo es mirar la pantalla de uso.
4. La recomendación oficial: Sol en Medium, Luna en High, Astra desde Light
Sobre qué modelo usar, la página Models de OpenAI da una orientación clara. En resumen:
Trabajo largo que abarca código, apps e investigación y que tiene que mantener el criterio de principio a fin. Punto de partida: Light (valor de ajuste low).
Trabajo ambiguo, difícil y de alto valor (cambios de código complejos, investigación a fondo, documentos que necesitan pulido). Punto de partida: Medium. Para tareas acotadas, dale una definición clara de qué significa «terminado».
Trabajo de gran volumen en el que sabes cómo es un buen resultado (extracción, clasificación, transformación, resúmenes con formato fijo). Punto de partida: High.
Aquí es fácil confundir tres cosas.
- Los puntos de partida por caso de uso: el «Sol en Medium, Luna en High, Astra desde Light» de arriba.
- Los preajustes por defecto de la app: los preajustes Power de la app de escritorio y de la web son seis —Luna High, Sol Light, Sol Medium, Astra Light, Astra Medium y Astra Extra High— y Sol Light viene seleccionado por defecto (algunos planes de pago no tienen Astra Extra High).
- El valor por defecto de la API:
mediumtanto para Sol como para Luna.
Los tres son distintos, pero no se contradicen. El preajuste por defecto es «rápido y ligero para empezar»; la recomendación por caso de uso es «desde dónde empezar para obtener resultados en ese tipo de trabajo». OpenAI también dice que los niveles de esfuerzo de razonamiento no se corresponden uno a uno entre generaciones, y sugiere probar tareas conocidas con un ajuste más bajo y ajustar a partir de ahí. No puedes elegir un ajuste para el nuevo Sol con la misma sensación que tenías con «GPT-5.6 Sol en high». Para una comparación con la generación anterior, consulta nuestra comparación medida entre Astra low y GPT-5.6 Sol high (un modelo distinto de este GPT-6 Sol).
Cómo leer «Astra desde Light». Es el punto de partida una vez que has elegido Astra. No significa que todos los trabajos deban ir a Astra. Quedarse con Astra low para todo es una opción razonable si quieres ahorrarte los cambios y priorizar la capacidad. Pero si es lo óptimo una vez que cuentas los límites de uso y el tiempo de espera es otra cuestión, y si eso te importa, merece la pena plantearse repartir el trabajo con Sol y Luna.
5. Las cifras de OpenAI: la evaluación en la que Sol xhigh superó a Astra low
El anuncio de OpenAI incluye una cifra que pone a Sol y Astra lado a lado: AutomationBench 1.0.6, una evaluación de flujos de trabajo que abarcan varias aplicaciones empresariales.
| Modelo (esfuerzo de razonamiento) | Puntuación | Coste por tarea |
|---|---|---|
| GPT-6 Sol (xhigh) | 33.2% | $0.27 |
| GPT-6 Astra (low) | 30.3% | 3.9× Sol |
| Claude Opus 5 (max) | 26.9% | 11.1× Sol |
Fuente: la tabla del anuncio de OpenAI (evaluación del propio fabricante).
Solo en esta evaluación, Sol llevado a pensar a fondo puntúa por encima de Astra low con aproximadamente una cuarta parte del coste. Ojo, eso sí: la comparación usa Sol en xhigh, no en medium ni en low. Las demás cifras que da OpenAI son:
- DeepSWE v1.1 (desarrollo de software en bases de código reales): Sol max 68.8%, Luna max 66.6%.
- Agents' Last Exam (tareas profesionales largas): Sol max 56.4%.
- OSWorld 2.0 offline (manejo de un ordenador): Sol xhigh 60.5%. La propia OpenAI dice que Astra sigue siendo el mejor para el uso del ordenador.
- Veracidad: en una evaluación interna construida a partir de conversaciones pasadas en las que los usuarios señalaron errores, Sol cometió aproximadamente la mitad de errores que la generación anterior (GPT-5.6 Sol).
Dos advertencias al leer esto. La evaluación de veracidad es una colección de conversaciones en las que los errores son probables, y la propia OpenAI señala que no es representativa del uso típico. OpenAI también dice que las evaluaciones se hicieron en un entorno de investigación o a través de la API, y que el producto de ChatGPT en producción usa otras instrucciones de sistema y otras herramientas, por lo que los resultados pueden variar ligeramente. No puedes coger el «la mitad de errores» y aplicarlo tal cual a tu trabajo del día a día.
6. Cifras de terceros: la comparación de Artificial Analysis
El evaluador independiente Artificial Analysis (en adelante, AA) ha publicado páginas de comparación que enfrentan Sol low, Sol medium y Luna high, cada uno, con Astra low. La tabla siguiente toma los valores de esas tres páginas; los valores de Astra low eran idénticos en las tres.
| Ajuste | Intelligence Index | Terminal-Bench 4.0 | AutomationBench-AA | Coste por tarea | Tiempo por tarea |
|---|---|---|---|---|---|
| Astra low | 46 | 42% | 59% | $0.82 | 97.18 s |
| Sol medium | 40 | 19% | 58% | $0.25 | 59.99 s |
| Sol low | 34 | 9% | 54% | $0.13 | 34.98 s |
| Luna high | 32 | 5% | 48% | $0.03 | 146.71 s |
Fuente: páginas de comparación de Artificial Analysis (Sol medium vs Astra low, Sol low vs Astra low, Luna high vs Astra low). Intelligence Index v4.3.2 (10 evaluaciones). Consultado el 24 de septiembre de 2026. Los valores de la tabla pueden actualizarse.
En esta tabla destacan tres cosas.
En Terminal-Bench 4.0, Astra low saca un 42%, frente al 19% de Sol medium y el 5% de Luna high. Esto no da motivos para sustituir a Astra en bloque en el desarrollo difícil y basado en la terminal.
En AutomationBench-AA, Sol medium saca un 58% frente al 59% de Astra low, con aproximadamente un tercio del coste por tarea. El tamaño de la diferencia cambia muchísimo según la evaluación. No conviertas la diferencia del índice compuesto en «un X% más inteligente».
Luna high cuesta aproximadamente 1/27 de Astra low, pero tarda 146.71 segundos por tarea, más que los 97.18 segundos de Astra low, porque gasta más tokens pensando.
El tiempo por tarea de AA es tiempo de generación calculado a partir de la velocidad de salida; no incluye la espera hasta la primera respuesta ni ningún procesamiento alrededor. No es lo mismo que lo que tarda un trabajo en tu propio entorno. En la métrica de precisión de conocimientos de AA (AA-Omniscience), Astra low saca 41, Sol low y medium 27 ambos, y Luna high −6, una dispersión amplia que muestra que elegir Luna solo por el precio es arriesgado para responder preguntas factuales sin fuentes proporcionadas.
7. Nuestra prueba a pequeña escala: tareas cortas en las que bastaron ajustes más baratos
En AI Arte también hicimos una pequeña prueba con Codex CLI. No es una prueba para clasificar los modelos. Primero, las condiciones.
Tareas: (1) escribir una función que resuelva la elección entre ID duplicados, el desempate con marcas de tiempo idénticas, las filas que faltan, etc. (calificada ejecutando 24 casos); (2) clasificar 8 afirmaciones de un material de origen, calcular tasas de error con distintos denominadores y escribir una recomendación de hasta 160 caracteres (calificada en 12 puntos). No se usó calificación con IA.
Limitaciones: no se vació la caché, y la mayor parte de la entrada (unos 11,000–12,000 tokens) se leyó de la caché. El código de calificación se escribió después de recibir las respuestas; no fue una prueba prerregistrada.
| Ajuste | Aprobadas | Tiempo mediano | Tokens de salida medios (incl. razonamiento) | Coste equivalente en API por ejecución (media) |
|---|---|---|---|---|
| Astra low | 4/4 | 10.33 s | 184.75 | $0.0447 |
| Sol low | 4/4 | 7.96 s | 175.50 | $0.0086 |
| Sol medium | 4/4 | 10.28 s | 266.25 | $0.0095 |
| Luna high | 4/4 | 11.52 s | 371.25 | $0.0006 |
El tiempo se mide desde el arranque de la CLI hasta su salida. El coste equivalente en API no es lo que se nos facturó (las ejecuciones se hicieron con una suscripción; es una cifra de referencia que aplica las tarifas oficiales de la API a los tokens que informó la CLI).
De 5:47 a 5:49 del mismo día hicimos una tarea más, aparte, en japonés —detectar errores de conversión de fechas y de recuento en varias fuentes— con 12 puntos de calificación fijados de antemano, dos veces por ajuste. Las 8 ejecuciones aprobaron, con tiempos medianos de Sol low 9.65 s, Sol medium 13.29 s, Astra low 13.48 s y Luna high 17.32 s (la tarea y la franja horaria son distintas de las de la tabla anterior, así que no mezclamos las medias).
Lo único que muestra esto es que, en tareas cortas con respuestas comprobables, hay casos en los que Sol low o Luna high bastaron. Todos los ajustes aprobaron porque las tareas eran fáciles, y eso no demuestra que los modelos sean igual de capaces. Hubo 3 tareas independientes, con 4 y 2 ejecuciones por ajuste. No medimos correcciones sobre un repositorio existente, diseño, redacción larga ni trabajo autónomo prolongado. Y como el indicador de uso restante muestra porcentajes enteros y se comparte con otro trabajo, esta prueba no puede decirte cuánto del límite de uso consumió cada modelo.
Aun así, se pudieron observar dos cosas. Sol low terminó antes que Astra low con aproximadamente 1/5 del coste equivalente en API. Luna high, en cambio, tuvo el coste equivalente en API más bajo, pero tardó más que Astra low: el mismo patrón que en la tabla de AA.
8. Cómo elegir para tu propio trabajo: dónde se decide
A partir de lo visto (la recomendación oficial por caso de uso, las evaluaciones de AA y nuestra pequeña prueba), el siguiente reparto es práctico. Tómalo como un punto de partida propuesto, no como un óptimo demostrado.
El punto de partida oficial. En la evaluación de flujos de trabajo empresariales de AA queda 1 punto por detrás de Astra low con aproximadamente un tercio del coste. Si no te convencen los resultados, sube a Astra.
Requisitos acotados en los que un test o una comprobación de formato te dice al momento si pasa o no. Luna high para extracción, clasificación y transformación. Eso sí, Luna no es rápido, así que si te molesta esperar, usa Sol low.
Arquitectura general, errores de causa desconocida, conciliar varias fuentes, revisiones previas a un lanzamiento, desarrollo centrado en la terminal. Empieza en low y, si ves fallos o repeticiones, compara con medium o superior.
La pregunta decisiva es si puedes comprobar tú mismo el resultado del trabajo al momento. Si lo zanja que pasen los tests o que el formato sea correcto, un fallo con un modelo barato se nota enseguida y repetirlo cuesta poco. En cambio, en el trabajo en el que los errores salen a la luz tarde (decisiones de diseño, redacción factual sin fuentes, calidad visual), rehacer lo que hizo un modelo barato acaba costando más que la diferencia de precio.
Si hasta ahora te has quedado con Astra low: no hace falta que lo dejes. Si quieres probar, una forma segura es pasar a Sol medium solo tus nuevas tareas del día a día durante una semana y comparar cuántas veces tienes que rehacer trabajo y a qué ritmo baja tu límite de uso. Deja en Astra las tareas que estén a mitad de un trabajo importante, para que una comparación fallida no afecte al trabajo real. Ten en cuenta que cambiar el valor por defecto en el archivo de configuración (model y model_reasoning_effort en config.toml) solo afecta a las tareas creadas a partir de ese momento. En las tareas que ya has creado, revisa el modelo y el esfuerzo bajo el cuadro de entrada de cada una.
La forma más fiable de decidir es comparar con tu propio trabajo representativo. Desde el mismo estado inicial: ¿pasó la primera salida?, ¿cuántas veces la corregiste? y ¿cuántos minutos te llevó tu propia revisión final? Cuenta esas tres cosas y tendrás una respuesta mejor para ti que cualquier tabla.
Preguntas frecuentes
P1. ¿Ya puedo usar GPT-6 Sol y Luna?
Desde el 22 de septiembre de 2026 (hora de EE. UU.) se están desplegando en ChatGPT Work y Codex para Plus, Pro, Business, Enterprise y Edu. Free y Go solo tienen Luna, en la app de escritorio. En la API están disponibles como gpt-6-sol y gpt-6-luna. No se ofrecen en el Chat habitual (según las páginas oficiales a 24 de septiembre de 2026).
P2. Uso Astra low. ¿Debería pasarme a Sol?
No hay ninguna razón que te obligue. La recomendación de OpenAI es Sol para el trabajo diario y la programación compleja (empezando en Medium) y Astra para lo más difícil (empezando en Light). En las evaluaciones de Artificial Analysis, Sol medium quedó 1 punto por detrás de Astra low en flujos de trabajo empresariales, pero muy por detrás en el trabajo con terminal, 19% frente a 42%. Recomendamos probar Sol medium solo en las nuevas tareas del día a día y comparar cuántas veces tienes que rehacer trabajo.
P3. Si Sol cuesta 1/5 de Astra, ¿tengo 5 veces más uso?
No se puede afirmar. Las tarifas de la API y los créditos son 1/5, pero la propia página de precios de Codex dice que las tarifas en créditos por sí solas no determinan el uso de una suscripción. Los rangos orientativos de esa misma página cada 5 horas en Plus son Astra 5–45 y Sol 15–150 mensajes, solo unas 3 veces más. Además, no son límites fijos, y el consumo varía según el trabajo.
P4. Luna es el más barato. ¿Puedo usarlo para todo?
Encaja en trabajo repetitivo en el que sabes cómo es un buen resultado (extracción, clasificación, transformación, resúmenes con formato fijo). En las evaluaciones de Artificial Analysis, Luna high cuesta aproximadamente 1/27 de Astra low por tarea, pero tarda más, saca solo un 5% en trabajo con terminal y cae mucho en la métrica de precisión de conocimientos. Evita encargarle preguntas factuales sin fuentes proporcionadas, o desarrollo autónomo largo, solo por el precio.
P5. La app selecciona «Sol Light» por defecto, pero OpenAI dice «empieza Sol en Medium». ¿No es una contradicción?
No. Sol Light es el valor por defecto de los preajustes Power de la app de escritorio y de la web, mientras que «Sol en Medium» es el punto de partida para obtener resultados en ese tipo de trabajo. El valor por defecto de la API es otra cosa más: medium tanto para Sol como para Luna. Una forma sencilla de verlo: deja el valor por defecto para el trabajo ligero y pasa a Medium o superior para el trabajo que requiere planificación o análisis.
P6. ¿Qué pasa con GPT-5.6 Sol y GPT-5.5?
GPT-5.6 Sol, Terra y Luna siguen disponibles durante el periodo de transición. GPT-5.5 se retira de ChatGPT, ChatGPT Work y Codex el 14 de octubre de 2026 (la API no se ve afectada), y OpenAI señala a GPT-6 Sol como sustituto en los planes de pago (Plus, Pro, Business, Enterprise, Edu) y a GPT-6 Luna en la app de escritorio para Free y Go. Si tienes gpt-5.5 indicado en un archivo de configuración o en una tarea programada, cámbialo antes de esa fecha.
Fuentes
Las cifras de este artículo se comprobaron el 24 de septiembre de 2026 en las páginas de quienes las publican, que se indican abajo, junto con los datos de medición propios de AI Arte.
- OpenAI — Introducing GPT-6 Sol and Luna
Posicionamiento, rebajas de precio respecto a la generación anterior (Sol $4→$2 y $20→$10, Luna $0.20→$0.10 y $1.20→$0.50), AutomationBench 1.0.6 (Sol xhigh 33.2% a $0.27, Astra low 30.3% a 3.9×, Opus 5 max 26.9% a 11.1×), DeepSWE v1.1 (Sol max 68.8%, Luna max 66.6%), Agents' Last Exam (Sol max 56.4%), OSWorld 2.0 (Sol xhigh 60.5%), la evaluación interna de veracidad y sus advertencias, disponibilidad - OpenAI Developer Community — anuncio de GPT-6 Sol y Luna
Hora del lanzamiento (22 de septiembre de 2026, 18:16 UTC), disponibilidad en Work, Codex y la API, Luna de escritorio para Free y Go - OpenAI — GPT-6 Sol, GPT-6 Luna, GPT-6 Astra (documentación de la API)
ID de los modelos, contexto, entrada y salida máximas, cortes de conocimiento, esfuerzo de razonamiento y valores por defecto, precios de la API, recargo por encima de 272K, escrituras en caché a 1.25×, modo Fast a 2× - ChatGPT — Models
Recomendación por caso de uso (Sol en Medium, Luna en High, Astra desde Light), los seis preajustes Power con Sol Light por defecto, no disponible en Chat, GPT-5.6 disponible durante la transición, retirada de GPT-5.5 (14 de octubre de 2026) - ChatGPT / Codex — Pricing
Disponibilidad por plan, tarifas en créditos, la nota de que las tarifas por sí solas no determinan el uso, rangos orientativos cada 5 horas (Plus: Astra 5–45, Sol 15–150, Luna 350–3,000), modo Fast a 2.5× - Artificial Analysis — páginas de comparación (Sol medium vs Astra low, Sol low vs Astra low, Luna high vs Astra low)
Intelligence Index v4.3.2, Terminal-Bench 4.0, AutomationBench-AA, AA-Omniscience, coste, tokens de salida y tiempo por tarea - Mediciones de AI Arte (24 de septiembre de 2026, Codex CLI 0.155.0-alpha.16)
4 ajustes × 2 tareas × 2 ejecuciones = 16 ejecuciones, más una tarea adicional en japonés ejecutada dos veces por ajuste = 8 ejecuciones. Aprobados, tiempo, tokens de salida, coste equivalente en API
Artículos relacionados
- Lanzamiento de GPT-6 Astra: la guía completa: precios, disponibilidad por plan y benchmarks del modelo tope de gama
- ¿De verdad es más barato GPT-6 Astra low?: una comparación medida con GPT-5.6 Sol en high, de la generación anterior
- Lanzamiento de GPT-5.6: la guía completa: Luna / Terra / Sol de la generación anterior
- Lanzamiento de Claude Opus 5.5: el nuevo modelo de Anthropic de la misma semana
- Fechas de corte de conocimiento de los principales modelos de IA: hasta dónde llega el conocimiento de cada modelo
