El 22 de septiembre de 2026 OpenAI amplió su familia GPT-6 con dos modelos nuevos, Sol y Luna, y bajó los precios de su API a la mitad frente a la generación anterior. Un vocero de la empresa confirmó a VentureBeat que esos precios son permanentes, no promocionales ni de introducción.
Para una empresa que ya tiene automatizaciones con inteligencia artificial corriendo en producción, esto no es una noticia de tecnología: es una línea de su presupuesto que acaba de cambiar. Si traes un proceso sobre GPT-5.6 Sol, el mismo trabajo cuesta hoy la mitad.
Esta guía tiene los precios exactos de toda la familia, la comparación con la generación anterior, la matemática aplicada a una factura real, la letra chica que conviene leer antes de migrar, y las palancas de ahorro que la mayoría de las empresas no está usando.
La familia GPT-6 completa y sus precios
OpenAI ahora ofrece tres niveles. Los precios son por millón de tokens, en dólares:
| Modelo | Entrada | Entrada en caché | Salida | Para qué es |
|---|---|---|---|---|
| GPT-6 Astra | $10.00 | $1.00 | $50.00 | Proyectos complejos que exigen capacidad de frontera |
| GPT-6 Sol | $2.00 | $0.20 | $10.00 | Trabajo recurrente complejo: código, revisión, análisis |
| GPT-6 Luna | $0.10 | $0.01 | $0.50 | Alto volumen rutinario: resumen, extracción, clasificación |
Astra salió el 3 de septiembre como el modelo insignia. Sol y Luna llegaron el 22 del mismo mes para cubrir el resto del espectro.
Algunos datos técnicos de Sol, tomados de la documentación oficial de OpenAI: ventana de contexto de 1,050,000 tokens, salida máxima de 128,000 tokens, corte de conocimiento el 20 de abril de 2026, acepta texto e imagen, y soporta llamada a funciones, salidas estructuradas, búsqueda web y caché de prompts. Tiene seis niveles de esfuerzo de razonamiento, de none a max, y el valor por defecto es medium.
Ese último detalle importa más de lo que parece: el nivel de esfuerzo cambia cuántos tokens de razonamiento consume el modelo antes de responder, y por lo tanto cuánto pagas. Dejarlo en max "por si acaso" es una de las formas más comunes de inflar una factura sin darse cuenta.
La comparación que importa: GPT-6 contra GPT-5.6
Aquí está el recorte, nivel contra nivel equivalente:
| Comparación | GPT-5.6 | GPT-6 | Cambio |
|---|---|---|---|
| Nivel Sol, entrada | $4.00 | $2.00 | −50% |
| Nivel Sol, salida | $20.00 | $10.00 | −50% |
| Nivel Luna, entrada | $0.20 | $0.10 | −50% |
| Nivel Luna, salida | $1.20 | $0.50 | −58% |
La lectura corta: un modelo de generación más nueva cuesta la mitad que el de la generación anterior en su mismo nivel. Eso no es lo normal en software. Lo normal es que la versión nueva cueste más.
OpenAI atribuye la baja a mejoras en caché e inferencia que le permiten servir estos modelos más barato. La otra parte de la explicación está en el mercado, y la vemos más abajo.
Qué significa esto en tu factura
Hagamos la cuenta con una empresa de tamaño medio que corre dos automatizaciones: un clasificador de tickets de soporte y un generador de reportes. Supongamos un consumo mensual de 20 millones de tokens de entrada y 4 millones de salida.
Foto: Gorilla ROI Data Connector en Unsplash
| Modelo | Entrada (20M) | Salida (4M) | Total mensual |
|---|---|---|---|
| GPT-5.6 Sol | $80.00 | $80.00 | $160.00 |
| GPT-6 Sol | $40.00 | $40.00 | $80.00 |
| GPT-6 Luna | $2.00 | $2.00 | $4.00 |
Migrar de GPT-5.6 Sol a GPT-6 Sol, sin tocar una línea de tu lógica, corta la factura a la mitad. Y si resulta que una de esas dos automatizaciones no necesitaba el nivel Sol para nada, moverla a Luna la vuelve prácticamente gratuita.
Esa segunda decisión suele valer más que la primera. La mayoría de las empresas escoge un modelo bueno al principio y lo deja corriendo para todo, sin volver a preguntarse si la tarea realmente lo necesitaba.
¿Sabes cuánto te cuesta realmente tu IA cada mes?
Revisamos tu consumo de tokens y te decimos qué modelo y qué configuración te conviene para cada proceso.
Cuatro palancas de ahorro que casi nadie usa
El precio de lista es solo el punto de partida. OpenAI tiene cuatro modificadores que cambian la cuenta de forma importante.
1. Caché de prompts: hasta 90% menos. Cuando parte de tu prompt se repite entre llamadas, el sistema, el catálogo de productos, el manual de políticas, esa porción se cobra al precio de caché. En GPT-6 Sol eso es $0.20 en lugar de $2.00 por millón.
Volviendo al ejemplo anterior, si el 70% de tus 20 millones de tokens de entrada es contexto repetido:
-
14M en caché × $0.20 = $2.80
-
6M frescos × $2.00 = $12.00
-
4M de salida × $10.00 = $40.00
-
Total: $54.80 en lugar de $80.00
Un ahorro adicional del 31% por reordenar el prompt, no por cambiar de modelo. La advertencia: escribir al caché cuesta $2.50 por millón en Sol, más caro que la entrada normal. El caché paga cuando el contexto se reutiliza varias veces, no en llamadas de una sola vez.
2. Batch y Flex: 50% menos. Si el trabajo no necesita respuesta inmediata, procesarlo en lote cuesta la mitad. Reportes nocturnos, clasificación de históricos, enriquecimiento de bases de datos. Casi ninguna empresa lo usa porque nadie se detuvo a separar lo urgente de lo que puede esperar dos horas.
3. Fast mode: el doble. Existe y a veces vale la pena, pero conviene saber que está activo. Duplica la tarifa estándar.
4. Contexto largo y residencia de datos. Pasar cierto umbral de contexto reprecia la petición completa, típicamente al doble. En el caso de Astra ese umbral reportado es de 272,000 tokens de entrada. Y procesar en una región específica por requisitos de residencia de datos agrega 10% para los modelos lanzados después del 5 de marzo de 2026.
La letra chica: más barato no siempre es mejor
Aquí va la parte que los comunicados no destacan. GPT-6 Sol no es superior a GPT-5.6 Sol en todo.
En OSWorld 2.0, la prueba de uso de computadora, Sol obtuvo 60.5% frente al 65.7% de GPT-5.6 Sol. Es un retroceso, y el análisis de la prensa especializada lo lee como una decisión deliberada: OpenAI optimizó por costo por tarea y no por techo de capacidad.
En programación la historia es parecida. En DeepSWE 1.1, Sol al máximo esfuerzo llegó a 68.8%, ligeramente por debajo del 69.9% de Claude Fable 5. Más barato, sí; mejor, no necesariamente.
Hay otras cifras donde Sol sí gana con holgura. En AutomationBench 1.0.6 alcanzó 33.2% a $0.27 por tarea, contra 26.9% de Claude Opus 5 a once veces ese costo. En Agents' Last Exam, 56.4%.
La objeción metodológica vale para todas: son las pruebas del fabricante, corridas en su propio arnés. Laboratorios distintos obtienen resultados relativos distintos según la configuración, el nivel de esfuerzo y el andamiaje que usen. Sirven para orientarse, no para decidir.
La conclusión práctica es aburrida pero correcta: antes de migrar un proceso en producción, corre tus propios casos reales contra el modelo nuevo y compara resultado y costo. Una tarde de pruebas te evita descubrir el retroceso en producción.
ChatGPT y la API son dos compras distintas
Esta confusión cuesta dinero real y se repite en casi toda PyME. Pagar ChatGPT para tu equipo no te da acceso a la API, y pagar la API no te da ChatGPT. Son productos separados con facturas separadas.
Los planes del producto, en dólares por usuario al mes:
| Plan | Costo | Notas |
|---|---|---|
| Plus | $20 | Individual |
| Pro | $100 y $200 | Dos niveles, uso intensivo |
| Business | $20 anual / $25 mensual | Asiento estándar |
| Business Premium | $100 anual / $125 mensual | Asiento premium |
| Enterprise | A convenir | Reportado alrededor de $60, con mínimos de unos 150 asientos y contrato a 12 meses |
Las cifras de Enterprise no son oficiales: son las que reportan compradores y medios, porque OpenAI negocia caso por caso.
La regla para decidir es simple. Si tus empleados van a escribir en un chat, es suscripción. Si tu software va a llamar al modelo dentro de un proceso, es API. Muchas empresas terminan pagando ambas cosas sin haberlo decidido.
Por qué bajaron los precios
Vale la pena entender el contexto, porque cambia cómo deberías negociar y contratar.
Foto: Winston Chen en Unsplash
La semana del 21 de septiembre fue inusual incluso para esta industria. Ese día Elon Musk respaldó públicamente el llamado de Dario Amodei a una desaceleración coordinada del desarrollo de IA, y xAI lanzó Grok 4.7 la misma jornada, recortando los precios de frontera en 80%. Al día siguiente Anthropic publicó Opus 5.5 a $4 y $20, y unos noventa minutos más tarde OpenAI respondió con Sol a $2 y $10, quedando por debajo.
Luna, a $0.10 y $0.50, se colocó por debajo de todos los modelos de clase frontera del mercado.
Para ti, como comprador, hay dos consecuencias prácticas:
-
No firmes contratos largos con precios fijos. Los precios están cayendo rápido y en escalones grandes. Un compromiso a doce meses puede dejarte pagando el triple que el mercado.
-
Diseña para poder cambiar de modelo. Si tu código llama a un modelo específico en veinte lugares distintos, cada baja de precios te cuesta una migración. Si pasa por una sola capa de abstracción, es cambiar una variable de entorno.
La pregunta abierta es la sostenibilidad. Nadie fuera de estas empresas sabe si estos precios cubren el costo real de servir los modelos o si están subsidiados para ganar mercado. Conviene planear con la segunda posibilidad en mente.
Qué hacer esta semana
Cuatro acciones concretas, en orden de retorno:
-
Revisa qué modelo usas hoy en cada proceso. Si hay algo corriendo sobre GPT-5.6 o anterior, probar el equivalente en GPT-6 es una tarde de trabajo con un ahorro del 50% como resultado esperado.
-
Clasifica tus llamadas por dificultad real. Casi siempre hay procesos en un modelo caro que funcionarían igual en Luna. Resumir, clasificar y extraer rara vez necesitan el nivel insignia.
-
Revisa el nivel de esfuerzo y la reutilización de contexto. Bajar de
maxamediumdonde no hace falta, y reordenar el prompt para que la parte fija se cachee, suele valer más que cualquier migración. -
Separa lo urgente de lo que puede esperar. Todo lo que tolere latencia debería ir en batch, al 50%.
Ninguna de estas cuatro requiere rehacer tu producto. Son configuración y criterio, y en conjunto suelen recortar entre la mitad y dos tercios de una factura de IA típica.
El cambio de fondo es que el costo por token dejó de ser la restricción que era hace dos años. Lo que sigue siendo caro es elegir mal: pagar nivel de frontera para clasificar correos, o descubrir en producción que el modelo barato no aguantaba la tarea. Esa decisión no la resuelve una tabla de precios.
