GPT-6.2 Astra y GPT-6.2 Sol son dos modelos que OpenAI publicó el 17 de noviembre de 2026 (hora de EE. UU.). Astra es el modelo de máxima gama para el trabajo más difícil, y Sol es el modelo principal para el trabajo del día a día. Sustituyen a GPT-6 Astra y a GPT-6.1 Sol, respectivamente. En cuanto al precio de la API, Astra cuesta $8 de entrada y $40 de salida por millón de tokens, un 20 % menos que GPT-6 Astra. Sol cuesta lo mismo que GPT-6.1 Sol: $2 de entrada y $10 de salida. Según las mediciones de OpenAI, Astra supera al Astra anterior en muchas pruebas con alrededor de la mitad del coste, y las puntuaciones de Sol subieron en muchas pruebas al mismo precio. Sin embargo, Claude Fable 5.2 lo supera en algunas pruebas, y la API cambia la forma de tratar las reescrituras a mitad de una conversación, así que conviene revisar algunos puntos al cambiar. Este artículo resume precios, rendimiento, dónde están disponibles los modelos y cómo elegir entre Astra y Sol, a partir de los valores de los gráficos del anuncio de OpenAI, de las páginas de los modelos y de la guía de migración (consultado el 19 de noviembre de 2026).

GPT-6.2 en tres líneas

Astra

Modelo de máxima gama, un 20 % más barato

$8 de entrada y $40 de salida. Supera al Astra anterior en las 10 pruebas comparadas en este artículo, y en muchas de ellas el coste por tarea bajó a alrededor de la mitad.

Sol

Más inteligente al mismo precio

Sigue en $2 de entrada y $10 de salida. En la prueba FrontierCode de cambios de código reales, queda 0,4 puntos por detrás de Astra y cuesta alrededor de una quinta parte.

Nota

Cómo se construyen las conversaciones con la API

Reescribir parte de una conversación descarta el razonamiento anterior. Pon las instrucciones compartidas al principio de la entrada, no en instructions.

Fecha de consulta: 19 de noviembre de 2026. Las fuentes son el anuncio de OpenAI, las páginas de GPT-6.2 Astra y GPT-6.2 Sol, y Using GPT-6.2. Las cifras de rendimiento son los valores que OpenAI incluyó en los gráficos de su anuncio.

1. El posicionamiento de los dos modelos GPT-6.2

El listado de modelos de la API de OpenAI empieza con la recomendación: «si no lo tienes claro, usa GPT-6.2 Astra; para un equilibrio, GPT-6.2 Sol; para un coste bajo, GPT-6 Luna». Los modelos principales que aparecen son GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra y GPT-6 Luna. En sus páginas de modelos, OpenAI describe Astra como «el modelo más capaz, para llevar los proyectos más difíciles de principio a fin», y Sol como «el modelo de referencia para el trabajo diario, desde la programación hasta los agentes a gran escala».

ModeloEntrada / salida (por millón de tokens)Corte de conocimientoModelo anterior
GPT-6.2 Astra$8,00 / $40,0018 de mayo de 2026GPT-6 Astra ($10 / $50, corte de conocimiento: 30 de abril de 2026)
GPT-6.2 Sol$2,00 / $10,001 de junio de 2026GPT-6.1 Sol ($2 / $10, corte de conocimiento: 30 de abril de 2026)
GPT-6.1 Terra$1,00 / $5,001 de junio de 2026—
GPT-6 Luna$0,10 / $0,5018 de mayo de 2026—

Fuente: la página Models de OpenAI y las páginas de cada modelo (consultado el 19 de noviembre de 2026). Los dos modelos GPT-6.2 tienen una ventana de contexto de unos 1,05 millones de tokens (hasta 922 000 de entrada), una salida máxima de 128 000 tokens, y aceptan texto e imágenes como entrada. Terra y Luna no cambiaron esta vez.

GPT-6 Astra y GPT-6.1 Sol siguen disponibles en la API, pero ya no están en la lista recomendada. OpenAI no ha anunciado una fecha de fin para ellos, y no figuran para retirada en la página de Deprecations (a 19 de noviembre). Además, los dos modelos nuevos tampoco permiten fijar la intensidad de razonamiento en «none (sin razonamiento)». Para respuestas rápidas sin razonamiento, usa GPT-6.1 Terra o GPT-6 Luna, que sí aceptan «none». Para más detalles sobre Terra, el modelo de gama media, consulta ¿Qué es GPT-6.1 Terra?

2. Precios: Astra baja de precio, Sol se mantiene

GPT-6.2 Astra

Entrada$10$8
Entrada en caché$1,00$0,40
Salida$50$40
Entrada y salida un 20 % más baratas, lecturas de caché un 60 % más baratas

GPT-6.2 Sol

Entrada$2
Entrada en caché$0,10
Salida$10
Mismo precio que GPT-6.1 Sol

Dólares estadounidenses por millón de tokens. Los precios tachados son los de GPT-6 Astra. Fuente: el anuncio de OpenAI y las páginas de cada modelo (consultado el 19 de noviembre de 2026).

Las escrituras en caché cuestan 1,25 veces el precio de entrada si se retienen 30 minutos, y 2,5 veces si se retienen 12 horas. Estos multiplicadores son los mismos para ambos modelos.

ConceptoGPT-6.2 AstraGPT-6.2 Sol
Escrituras en caché$10 (retención de 30 minutos) · $20 (retención de 12 horas)$2,50 (retención de 30 minutos) · $5 (retención de 12 horas)
Entrada por encima de 272 000 tokensLa entrada y la caché de toda la solicitud cuestan 2 veces más, y la salida 1,5 veces más
BatchMitad de precio
Fast2 veces
Ultrafast3 veces hasta el 28 de febrero de 2027, y 6 veces desde el 1 de marzo (hora del Pacífico de EE. UU.)
Procesamiento en segundo plano con ventana de tiempo (beta)30 % de descuento para trabajos que pueden devolverse en 2 horas, y 40 % si pueden devolverse en 8 horas (Responses API)

Fuentes: las páginas de GPT-6.2 Astra y GPT-6.2 Sol, y el changelog de la API (entrada del 17 de noviembre de 2026). Ultrafast solo está disponible si los datos se almacenan en EE. UU. (según la guía de migración).

Según OpenAI, Astra también usa menos tokens de salida para el mismo trabajo. Por eso, el coste por tarea baja más que solo por el recorte de precio, y en muchas pruebas cayó a alrededor de la mitad del coste de GPT-6 Astra, como muestra el siguiente capítulo. Comparando precios con Claude, Astra iguala a Claude Fable 5.2 ($8 de entrada y $40 de salida), Sol iguala a Claude Sonnet 5.5 ($2 de entrada y $10 de salida), y Claude Opus 5.5 cuesta $4 de entrada y $20 de salida (Pricing de Anthropic, consultado el 19 de noviembre de 2026). Gemini 4 Carbon cuesta $2 de entrada y $10 de salida hasta el 30 de noviembre de 2026, y $4 de entrada y $20 de salida desde el 1 de diciembre (Pricing de Google, consultado ese mismo día). Sin embargo, la cantidad de tokens que usa una tarea varía mucho de un modelo a otro, así que comparar el coste por tarea es más fiable que comparar precios unitarios.

3. Rendimiento ①: frente a los modelos anteriores

El anuncio de OpenAI incluye 16 gráficos. La mayoría muestra la puntuación de cada modelo y el coste por tarea (algunos, el número de tokens de salida) según el nivel de razonamiento. Se dividen en 10 pruebas de rendimiento en trabajo, programación y ciencia, 4 pruebas de ciberseguridad y 2 evaluaciones de seguridad. Este capítulo recoge las 10 pruebas de rendimiento. Para comparar los modelos antiguos y nuevos en las mismas condiciones, todos los valores usan «max», el ajuste de razonamiento más alto. Todas son pruebas que eligió OpenAI, y todos los valores fueron medidos por OpenAI (los índices de terceros también se incluyen porque OpenAI los puso en sus gráficos).

Prueba (qué mide)GPT-6.2 AstraGPT-6 AstraGPT-6.2 SolGPT-6.1 Sol
Agents' Last Exam v1.1 (tareas profesionales largas)77,6 %$4,4773,1 %$8,9973,0 %$1,3272,5 %$2,02
GDPval v2 (casos reales de consultoría y finanzas)50,4 %36 000 tokens de salida44,2 %46 000 tokens de salida46,9 %33 000 tokens de salida41,5 %40 000 tokens de salida
Harvey LAB-AA v1.1 (trabajo jurídico, tasa de cumplimiento de todos los criterios)15,0 %$6,358,6 %$13,6711,1 %$1,926,9 %$2,48
FrontierCode 2.0 (cambios de código reales)44,2 %$5,9742,8 %$6,6843,8 %$1,2939,0 %$1,03
Terminal-Bench-Science 0.1 (trabajo científico en terminal)77,1 %$7,1568,1 %$23,8068,0 %$2,2157,0 %$5,47
Vals Science Index v1 (interpretación de datos de biología y experimentos)68,4 %$4,1765,1 %$8,0357,8 %$1,0359,6 %$1,36
BenchCAD 2.1 Core (diseño CAD)82,5 %$5,4362,6 %$9,7173,1 %$1,6052,6 %$1,61
AutomationBench 1.0.6 (automatización de procesos de negocio)52,4 %$0,8341,4 %$1,7341,1 %$0,2736,1 %$0,30
LifeVal (tareas cotidianas difíciles)86,1 %$4,2379,8 %$9,0483,8 %$1,2779,5 %$1,27
Artificial Analysis Intelligence Index v5.0.1 (índice general de terceros)62,1$4,0056,9$6,2457,3$1,0154,6$1,27

Valores con el ajuste de razonamiento max de cada modelo. Las cifras pequeñas son el coste por tarea en dólares estadounidenses, salvo en GDPval v2, donde es el número de tokens de salida por tarea. En verde, un valor superior al del modelo anterior; en rojo, uno inferior. Fuente: datos de los gráficos de Introducing GPT-6.2 Astra and Sol de OpenAI (consultado el 19 de noviembre de 2026). GDPval v2 es una prueba interna de OpenAI. No se incluyen las cuatro pruebas de ciberseguridad (DeepBinary, ExploitBench, SecureSWE y PatchBench). Dos de ellas se midieron con las medidas de seguridad desactivadas en una configuración interna, lo que difiere del uso habitual. Las dos evaluaciones de seguridad se tratan en el capítulo 8.

Se pueden destacar tres cosas.

① Astra supera al Astra anterior en las 10 pruebas, y en muchas lo hace con alrededor de la mitad del coste. En Agents' Last Exam, que mide tareas profesionales largas, obtiene 77,6 %, por encima del 73,1 % de GPT-6 Astra, y su coste por tarea es de $4,47, alrededor de la mitad. La cifra destacada del anuncio fue el 78,3 % ($2,89) con «xhigh», un ajuste un escalón por debajo de max. Eso supone 5,2 puntos más que el Astra anterior en max, con un coste inferior a un tercio. En algunas pruebas, Astra puntúa más alto con xhigh que con max, así que max no siempre es la mejor opción.

Agents' Last Exam v1.1: puntuación y coste por tarea

6.2 Astra xhigh78,3 % · $2,89
6.2 Astra max77,6 % · $4,47
6 Astra max73,1 % · $8,99
6.2 Sol max73,0 % · $1,32
6.1 Sol max72,5 % · $2,02

La longitud de la barra indica la puntuación (100 % es el extremo). La fuente es la misma que en la tabla de arriba.

Las mayores mejoras están en el trabajo jurídico (Harvey LAB-AA, del 8,6 % al 15,0 %), el diseño CAD (BenchCAD, del 62,6 % al 82,5 %) y el trabajo científico en terminal (Terminal-Bench-Science, del 68,1 % al 77,1 %). Harvey LAB-AA solo considera superada una tarea si cumple todos los criterios de evaluación y no contiene invenciones graves, por lo que todos los modelos puntúan bajo en ella.

② Sol subió en muchas pruebas al mismo precio. En FrontierCode 2.0, que mide si un cambio de código real pasaría los criterios de integración de un mantenedor, 6.2 Sol obtiene 43,8 %. Queda solo 0,4 puntos por detrás de 6.2 Astra (44,2 %), y cuesta alrededor de una quinta parte por tarea. Sol también subió de forma notable frente a 6.1 Sol en diseño CAD y en trabajo jurídico. En cambio, en Vals Science Index, que cubre datos de biología, Sol obtuvo 57,8 % con max, por debajo del 59,6 % de 6.1 Sol (58,5 % con xhigh).

③ Hay pruebas que caen mucho con el razonamiento en low. En los valores de low de los mismos gráficos, 6.2 Sol obtiene 25,3 % en LifeVal, la prueba de tareas cotidianas (6.1 Sol en low obtiene 66,8 %), y 43,4 % en Terminal-Bench-Science. 6.2 Astra en low obtiene 46,3 % en LifeVal y 56,3 % en Terminal-Bench-Science. Con medium, LifeVal se recupera hasta 70,3 % para 6.2 Sol y 78,9 % para 6.2 Astra. La guía de migración de OpenAI también recomienda empezar con medium cuando se empieza a usar los modelos. Si pones low para reducir costes, comprueba primero que tu trabajo no pierde calidad.

4. Rendimiento ②: frente a Claude y Gemini

Algunos gráficos de OpenAI también incluyen Claude Fable 5.2 y Claude Opus 5.5, de Anthropic, y Gemini 4 Carbon, de Google. Como los modelos de otras empresas se probaron con niveles de razonamiento distintos, esta tabla muestra el ajuste en el que cada modelo obtuvo su punto más alto. Dejamos fuera LifeVal, que no incluye los modelos de otras empresas. Claude Sonnet 5.5, que tiene el mismo precio que Sol, no aparece en ningún gráfico.

PruebaGPT-6.2 AstraGPT-6.2 SolClaude Fable 5.2Claude Opus 5.5Gemini 4 Carbon
Agents' Last Exam v1.178,3 %$2,89 · xhigh73,0 %$1,32 · max72,8 %$60,05 · max71,6 %$17,57 · max77,4 %$4,60 · high
GDPval v2 (interna)50,4 %36 000 tokens de salida · max46,9 %33 000 tokens de salida · max44,8 %222 000 tokens de salida · max43,5 %191 000 tokens de salida · max48,8 %109 000 tokens de salida · high
Harvey LAB-AA v1.115,0 %$6,35 · max11,1 %$1,92 · max7,2 %$39,84 · max4,2 %$17,93 · max—
FrontierCode 2.044,2 %$5,97 · max43,8 %$1,29 · max49,1 %$14,19 · xhigh45,5 %$12,82 · max41,1 %$5,16 · medium
Terminal-Bench-Science 0.177,1 %$7,15 · max68,0 %$2,21 · max73,3 %$45,21 · max63,3 %$23,21 · max—
Vals Science Index v168,4 %$4,17 · max58,5 %$0,71 · xhigh63,7 %$8,79 · high58,7 %$8,71 · max—
BenchCAD 2.1 Core82,5 %$5,43 · max73,1 %$1,60 · max83,5 %$50,77 · max65,3 %$20,00 · max—
AutomationBench 1.0.652,4 %$0,83 · max41,2 %$0,21 · high51,5 %$4,64 · max42,5 %$1,44 · max53,9 %$2,12 · high
Artificial Analysis Intelligence Index v5.0.162,1$4,00 · max57,3$1,01 · max64,6$26,54 · max59,1$10,04 · max60,0$7,76 · high

Valores con el ajuste de razonamiento en el que cada modelo obtuvo su puntuación más alta (el ajuste aparece en la cifra pequeña). «—» indica que el modelo no está en el gráfico. Fuente igual que la tabla del capítulo anterior. En Agents' Last Exam, el resultado de Fable 5.2 excluye 9 tareas que respondió otro modelo (de respaldo), según indica el anuncio. El anuncio no dice con qué precio (antes o después de que termine el precio de lanzamiento, el 30 de noviembre de 2026) se calculó el coste de Gemini 4 Carbon. En Terminal-Bench-Science, el valor de Fable 5.2 lo midió Artificial Analysis con una configuración llamada mini-swe-agent; Anthropic informa de un 74,6 % con razonamiento max en Claude Code (nota al pie del anuncio).

En estas nueve pruebas, 6.2 Astra obtuvo la puntuación más alta en cinco. En las otras cuatro, Claude Fable 5.2 lideró en cambios de código reales (FrontierCode 2.0), diseño CAD (BenchCAD) e índice general de terceros (Artificial Analysis), y Gemini 4 Carbon lideró en automatización de procesos de negocio (AutomationBench). En comparaciones directas con Fable 5.2, Astra gana en seis pruebas y Fable 5.2 en tres. La diferencia más grande está en el coste. En las ocho pruebas en las que se muestran costes, el coste por tarea de Fable 5.2 es de unas 2 a 21 veces el de Astra (el 21 corresponde a Agents' Last Exam, donde Astra está en xhigh). Fable 5.2 y Astra tienen el mismo precio por token, así que la causa principal es probablemente la diferencia en la cantidad de tokens que cada modelo usa para el mismo trabajo. Sin embargo, los ajustes de razonamiento comparados y los métodos de medición (como la forma de ejecutar Terminal-Bench-Science) no son idénticos.

Esta comparación usa las pruebas y los ajustes que eligió OpenAI, e incluye solo los modelos de otras empresas que aparecen en sus gráficos. El anuncio propio de Anthropic usa otras pruebas, y allí el orden sería distinto. Las cifras de Claude están en Características y precios de Claude Fable 5.2, y las de Gemini, en Gemini 4 Carbon frente a Argon.

5. Astra o Sol: cuál usar

El precio por token de Astra es cuatro veces el de Sol. Incluso comparando por coste por tarea, las mediciones de OpenAI sitúan a Astra en unas 3 a 5 veces el coste de Sol (ambos en max). La pregunta clave es si la mejora en la calidad del resultado justifica la diferencia de coste en tu trabajo.

La lista de la API de OpenAI dice «si no lo tienes claro, usa Astra», pero este artículo recomienda «si no lo tienes claro, usa Sol». La razón es que la diferencia de coste es de 3 a 5 veces, mientras que la distancia es pequeña en cambios de código reales (FrontierCode 2.0) y en tareas cotidianas (LifeVal). Esta es una guía por caso de uso:

  • Programación, redacción y trabajo con documentos del día a día → Sol En la prueba de cambios de código reales, Astra solo aventaja en 0,4 puntos, y cuesta alrededor de una quinta parte. Los chats nuevos en ChatGPT Work también empiezan con Sol. Si no lo tienes claro, empieza con Sol y cambia a Astra solo en los casos en que se quede corto. Es la forma que menos desperdicia recursos.
  • Automatización de procesos de negocio, trabajo profesional largo y complejo, acabado de diapositivas y hojas de cálculo → Astra En automatización de procesos de negocio (AutomationBench), Astra obtiene 52,4 % y Sol 41,1 %, una diferencia de unos 11 puntos. En trabajo profesional largo (Agents' Last Exam), trabajo jurídico (Harvey LAB-AA) y GDPval v2, las diferencias van de 3,5 a 4,6 puntos. OpenAI explica que entrenó a Astra para producir diapositivas, hojas de cálculo y documentos que siguen plantillas y las convenciones de cada área.
  • Cálculo científico y diseño CAD → Astra Astra obtiene 77,1 % en Terminal-Bench-Science frente al 68,0 % de Sol, y 82,5 % en BenchCAD frente al 73,1 %. Son áreas en las que la diferencia es grande.
  • Trabajo sin razonamiento, rápido y barato en gran volumen → GPT-6.1 Terra o GPT-6 Luna Los dos modelos GPT-6.2 no pueden poner el razonamiento en «none».
  • Si usas Claude Fable 5.2 tiene el mismo precio que Astra, y Sonnet 5.5 el mismo que Sol. En las mediciones de OpenAI, Fable 5.2 lideró en cambios de código reales y en diseño CAD, mientras que Astra lideró en muchas otras tareas de trabajo, y el coste de Astra resultó mucho menor. Lo más fiable es pasar tu trabajo habitual por ambos unas cuantas veces y comparar las correcciones que tienes que hacer y la factura.

Para ver en qué se diferencian los nuevos modelos del Astra y el Sol anteriores, consulta la explicación de GPT-6 Astra y la comparación de GPT-6.1 Sol y GPT-6 Sol.

6. Uso en ChatGPT, Codex y GitHub Copilot

ChatGPT y Codex

  • Planes disponibles: el anuncio cubre a todos los usuarios de Plus, Pro, Enterprise y Edu. El plan gratuito no está incluido.
  • Dónde usarlos: ChatGPT Work y Codex. Las notas de la versión de ChatGPT (17 de noviembre) describen los modelos como «vista previa» en las aplicaciones de escritorio de Work y Codex. Los eliges desde el selector de modelos de Work o de Codex. Las opciones del Chat normal (conversaciones fuera de Work) no cambian.
  • Modelo predeterminado: según la documentación de ChatGPT, los chats nuevos en Work empiezan con 6.2 Sol (intensidad de razonamiento Light para los planes individuales, y Medium para Enterprise). Sol usa menos créditos por token que Astra.
  • Ultrafast: Pro 500 puede usar Ultrafast con ambos modelos. Pro 200 tiene Ultrafast por primera vez, empezando por 6.2 Sol (el anuncio no dice cuándo se añadirá Astra). El anuncio no menciona Pro 100. Los espacios de trabajo Enterprise y Edu elegibles también pueden usar la misma función cuando un administrador del espacio la activa.
  • CLI de Codex: la documentación de Models de ChatGPT pone como ejemplo de comando para indicar el modelo en Codex codex --model gpt-6.2-sol.

Fuentes: la sección «Pricing and availability» del anuncio de OpenAI, las notas de la versión de ChatGPT (entrada del 17 de noviembre de 2026) y la documentación de Models de ChatGPT (consultado el 19 de noviembre de 2026). En los espacios de trabajo gestionados, los modelos visibles dependen del tipo de licencia y de la configuración.

Para ver los límites de uso de los tres planes Pro, consulta ChatGPT Pro 100, 200 y 500 comparados. Sobre Work en sí, consulta ¿Qué es ChatGPT Work?

GitHub Copilot

El 17 de noviembre, GitHub puso los dos modelos a disposición general en Copilot. Están disponibles para Copilot Pro+, Max, Business y Enterprise, y puedes seleccionarlos en el selector de modelos de VS Code, Visual Studio, JetBrains, Xcode, Eclipse, Copilot CLI y github.com. El precio es por uso y se calcula con las tarifas oficiales de OpenAI. En Business y Enterprise, los modelos nuevos se activan automáticamente salvo que un administrador los desactive. La implantación es gradual, así que algunos usuarios todavía pueden no ver los modelos en su lista (GitHub Changelog).

7. Qué revisar al pasar a la API

Cambiar el nombre del modelo a gpt-6.2-astra o gpt-6.2-sol basta para que funcione, pero la guía de migración de OpenAI, Using GPT-6.2, enumera los siguientes puntos a revisar al cambiar. Los dos primeros son cambios respecto a GPT-6.2 que afectan a la calidad y al coste si no se tienen en cuenta.

  1. Reescribir parte de una conversación descarta el razonamiento anterior En la Responses API, si reescribes partes anteriores del historial de la conversación (como mensajes de developer anteriores o llamadas a herramientas), GPT-6.2 ya no usa los registros de razonamiento guardados (reasoning items) de antes de ese punto. Lo mismo ocurre al cambiar a un modelo más pequeño, o cuando cambian el usuario final o la organización. Perder el razonamiento puede bajar la calidad de las respuestas, y rehacer trabajo anterior puede aumentar los tokens. Al cambiar ajustes, lo básico es dejar intactas las partes anteriores y añadir las instrucciones nuevas al final.
  2. Las instrucciones compartidas van al principio de la entrada, no en instructions A partir de GPT-6.2, el campo instructions de la Responses API, el más externo, se coloca después de input. Si quieres que las mismas instrucciones se guarden en caché en cada solicitud, colócalas en el primer elemento de input como mensaje de developer. Usa instructions solo para instrucciones específicas de esa solicitud.
    Ejemplo: {"model": "gpt-6.2-sol", "input": [{"role": "developer", "content": "Responde según el glosario interno"}, {"role": "user", "content": "…"}]}
  3. Empieza con razonamiento medium Al empezar a usar los modelos, OpenAI recomienda probar primero medium. Si ahora usas none o minimal, cambia a low (none no se acepta). Sin embargo, como vimos en el capítulo 3, algunas pruebas caen mucho con low, así que confirma la calidad con tu propio trabajo antes de decidir.
  4. Si usas herramientas, usa la Responses API Puedes usar Chat Completions, pero las llamadas a herramientas requieren la Responses API.
  5. Quita los parámetros no compatibles Quita temperature, top_p y top_logprobs (y logprobs en Chat Completions).
  6. Ajustes de caché Si vienes de la serie GPT-6 no necesitas cambiar nada. Solo al pasar desde GPT-5.5 o anterior, reemplaza prompt_cache_retention por prompt_cache_options.ttl ("30m"). Para ver las diferencias en el funcionamiento de la caché, consulta OpenAI y Claude: comparación de la caché de prompts.
  7. Revisa el texto de las instrucciones La guía de migración dice que GPT-6.2 Astra escribe de forma más breve y directa que antes aunque no se le pida (no hay la misma descripción para Sol). Si tienes instrucciones que piden brevedad con fuerza, comprueba que las respuestas no se acorten demasiado. El modelo también puede proponer los siguientes pasos y esperar confirmación cuando la intención no está clara, así que en tareas largas indica que puede avanzar con supuestos razonables.

Fuentes: «Using GPT-6.2» de OpenAI y el changelog de la API (consultado el 19 de noviembre de 2026). El anuncio también recomienda dejar intacta la parte anterior de la conversación y añadir las instrucciones nuevas al final.

8. Seguridad

OpenAI anunció que los dos modelos alcanzaron el umbral «Critical» en ciberseguridad y el umbral «High» en biología y química, según su propio marco de preparación (Preparedness Framework). Es la misma clasificación que GPT-6 Astra. OpenAI dice que los publicó después de reforzar las restricciones sobre la asistencia cibernética de alto riesgo y sobre ciertas solicitudes de biología. Como resultado, también pueden bloquearse algunas investigaciones legítimas sobre vulnerabilidades y algunas pruebas de seguridad. OpenAI afirma que trabajará para llevar GPT-6.2 a Daybreak, su programa de ciberdefensa para defensores, pero no ha anunciado una fecha.

Además, 6.2 Astra es el primer modelo que OpenAI ha publicado que alcanzó «High» en autoмejora de la IA, es decir, en su capacidad para acelerar la investigación en IA. OpenAI dice que ha establecido medidas como vigilar el trabajo de investigación y detener las salidas cuando sea necesario. En el gráfico del anuncio sobre comportamientos inadecuados en tareas de trabajo, la tasa de acciones inadecuadas en tareas que imitan un entorno laboral fue de 0,64 % para 6.2 Astra y de 0,71 % para 6.2 Sol, ambas por debajo del 1,2 % de GPT-6 Astra. Por otro lado, dos pruebas del gráfico del anuncio sobre ocultación de fallos mostraron una tendencia más fuerte a no informar de obstáculos, como archivos que faltan o herramientas de búsqueda no disponibles. OpenAI dice que lo redujo añadiendo instrucciones a Codex. Para más detalles, consulta la GPT-6.2 System Card de OpenAI.

Resumen

  • GPT-6.2 Astra y Sol se publicaron el 17 de noviembre de 2026 (hora de EE. UU.) como sucesores de GPT-6 Astra y GPT-6.1 Sol. Astra es el modelo de máxima gama, y Sol, el modelo principal para el trabajo del día a día.
  • Precios de la API: Astra cuesta $8 de entrada y $40 de salida (un 20 % menos que GPT-6 Astra; la caché, un 60 % menos). Sol cuesta $2 de entrada y $10 de salida (sin cambios).
  • Según las mediciones de OpenAI, ambos puntúan más alto que sus predecesores en muchas pruebas, y el coste por tarea de Astra bajó a alrededor de la mitad en muchas de ellas.
  • Claude Fable 5.2 supera a Astra en cambios de código reales, diseño CAD e índice general, pero su coste por tarea es de unas 2 a 21 veces el de Astra (mediciones de OpenAI).
  • Si no lo tienes claro, empieza con Sol y prueba primero el razonamiento medium (algunas pruebas caen mucho con low).
  • En la API, revisa dos cosas: que reescribir partes anteriores de una conversación descarta el razonamiento, y que la posición de instructions ha cambiado.

Preguntas frecuentes

P. ¿Cuánto cuestan los precios de la API de GPT-6.2 Astra y Sol?

R. Por millón de tokens, Astra cuesta $8 de entrada, $0,40 de entrada en caché y $40 de salida. Sol cuesta $2 de entrada, $0,10 de entrada en caché y $10 de salida. Ambos modelos tienen Batch a mitad de precio, Fast a 2 veces, y Ultrafast a 3 veces hasta el 28 de febrero de 2027 y a 6 veces desde el 1 de marzo. Para entradas de más de 272 000 tokens, la entrada y la caché de toda la solicitud cuestan 2 veces más, y la salida, 1,5 veces más.

P. ¿En qué se diferencian GPT-6.2 Sol y GPT-6.1 Sol?

R. El precio es el mismo. En las mediciones de OpenAI, 6.2 Sol obtiene más puntos en muchas pruebas (los cambios de código reales pasan de 39,0 % a 43,8 %, y el diseño CAD, de 52,6 % a 73,1 %). Su corte de conocimiento pasó del 30 de abril de 2026 de 6.1 Sol al 1 de junio de 2026 de 6.2 Sol. En Vals Science Index, que cubre datos de biología, 6.1 Sol fue más alto con max.

P. ¿Rinde más que Claude Fable 5.2?

R. Depende de la prueba. En las nueve pruebas en las que OpenAI muestra ambos, 6.2 Astra obtuvo más puntos en seis, y Fable 5.2 en tres: cambios de código reales, diseño CAD e índice general de terceros. En las ocho pruebas en las que se muestran costes, el coste por tarea de Fable 5.2 fue de unas 2 a 21 veces el de Astra (comparando cada modelo en el ajuste donde obtuvo su punto más alto). Es una comparación medida por OpenAI.

P. ¿Puedo usarlo con el plan gratuito de ChatGPT?

R. El anuncio cubre Plus, Pro, Enterprise y Edu. El plan gratuito no está incluido. Puedes usar los modelos en ChatGPT Work y Codex, y las opciones del Chat normal no cambian.

P. ¿Debo cambiar desde GPT-6 Astra?

R. En muchos casos, sí. El precio es un 20 % menor, y en las mediciones de OpenAI supera a GPT-6 Astra en las 10 pruebas de rendimiento. Sin embargo, las pruebas las eligió OpenAI, y hay cambios que tener en cuenta, como salidas más breves y la imposibilidad de poner el razonamiento en «none». En la API, reescribir partes anteriores de una conversación descarta el razonamiento, y el manejo de instructions ha cambiado. Revisa los puntos del capítulo 7 antes de cambiar.

Registro de actualizaciones

  • 19 de noviembre de 2026Primera versión. Creada tras revisar los datos de los gráficos del anuncio de OpenAI (17 de noviembre), las páginas de modelos de la API y la guía de migración, las notas de la versión y la documentación de ChatGPT, y el GitHub Changelog.

Fuentes