Eliges el modelo barato para ahorrar y, 20 minutos después, sigues viendo cómo da vueltas sin llegar a nada. Es el error más típico con las herramientas de programación con IA: cada ejecución parece barata, pero terminar el trabajo no lo es.
Respuesta corta: usa Luna para tareas claras y repetitivas, Sol para el trabajo diario en Codex y Astra para los problemas enredados en los que nadie sabe todavía qué está fallando. Aquí te explicamos por qué el modelo más caro puede salir el más barato por tarea terminada.
1. Qué llegó en septiembre de 2026
OpenAI lanzó GPT-6 Sol y GPT-6 Luna en la API el 22 de septiembre de 2026 y los sumó a ChatGPT Work y a Codex.[1][2]
Según OpenAI, Sol está pensado para programación compleja y para trabajos de varios pasos en los que el modelo usa herramientas por su cuenta. Luna está hecho para tareas acotadas que se repiten en grandes cantidades. Los dos pueden leer hasta 1.05M tokens de una vez y escribir hasta 128K tokens en una sola respuesta.[3][4][5]
Por encima está GPT-6 Astra, que OpenAI presenta como su modelo para los trabajos más difíciles de principio a fin: programar, manejar una computadora, investigar y redactar documentos.[6]
Si fuera una oficina:
- Luna: el ayudante económico que despacha la pila de tareas de rutina
- Sol: el encargado de confianza al que le pasas casi todo
- Astra: la persona que entra a la sala de servidores y enseguida pregunta por qué ese cable está conectado al revés
2. "GPT-6 llegó a ChatGPT" no significa lo que parece
Las notas de versión de ChatGPT del 22 de septiembre dicen que Sol y Luna se agregaron a ChatGPT Work y Codex, y que son distintos de los modelos disponibles en el chat normal.[1]
O sea, "Sol está en ChatGPT" y "puedes elegir Sol en un chat normal" son dos cosas diferentes. Si te pones a buscarlo en el menú de modelos del chat de siempre, es como buscar un cofre del tesoro en un mapa donde no lo hay.
Astra es otro caso: su anuncio de principios de septiembre indicó que también llegaría a los planes de pago de ChatGPT.[6] Todos se llaman GPT-6, pero cada uno está disponible en lugares distintos.
3. Precios de GPT-6 Luna, Sol y Astra en la API
Precios Standard de la API al 23 de septiembre de 2026, por cada millón de tokens de entrada / salida:[3][4][6][7][8][9]
| Modelo | Entrada | Salida |
|---|---|---|
| GPT-6 Luna | $0.10 | $0.50 |
| GPT-6 Sol | $2.00 | $10.00 |
| GPT-6 Astra | $10.00 | $50.00 |
| GPT-5.6 Luna | $0.20 | $1.20 |
| GPT-5.6 Terra | $2.00 | $12.00 |
| GPT-5.6 Sol | $4.00 | $20.00 |
Con la misma cantidad de texto, Sol cuesta unas 20 veces lo que Luna, y Astra cuesta 5 veces lo que Sol.
Viendo solo esta tabla, "usa Luna para todo" suena genial. Es la misma lógica que ahorrarte la mudanza cargando el refrigerador en la espalda por media ciudad.
4. Cuenta rápida: una tarea que lee 100K tokens y escribe 20K
Supongamos que una tarea lee 100,000 tokens y escribe 20,000. Dejamos fuera los descuentos por caché, el costo de herramientas, los recargos por textos muy largos y los reintentos.
| Modelo | Costo aproximado de API por ejecución |
|---|---|
| GPT-6 Luna | $0.020 |
| GPT-6 Sol | $0.400 |
| GPT-6 Astra | $2.000 |
| GPT-5.6 Luna | $0.044 |
| GPT-5.6 Terra | $0.440 |
| GPT-5.6 Sol | $0.800 |
Solo por precio, Luna gana por goleada.
Pero la cuenta que importa es otra:
costo de terminar ≈ costo por intento × número de intentos + tiempo que una persona tiene que intervenir + contexto que se pierde cuando un intento falla
Con la misma cantidad de tokens, una ejecución de Astra cuesta lo mismo que cinco de Sol. Si Sol necesita cinco intentos para una tarea difícil y Astra la resuelve en uno, la factura de la API ya queda empatada.
Súmale el tiempo que pasas releyendo registros y escribiendo "no, ahí no, eso ya lo revisamos", y Astra sale ganando todavía antes.
5. El modelo caro de verdad puede salir más barato
Los propios números de OpenAI lo muestran. En Terminal-Bench 4.0, GPT-6 Astra obtuvo 57.9% frente a 37.3% de GPT-5.6 Sol, y OpenAI informa que el costo estimado de API por tarea de Astra fue cerca de 9% menor en las configuraciones que comparó.[6]
En AutomationBench la diferencia fue de 41.4% contra 18.1%, y en tareas internas de OpenAI para pasar bases de datos a una nueva estructura, de 63.9% contra 42.7%.[6]
Pagar más por token y pagar más por terminar el trabajo son dos cosas distintas.
Astra además le da a Codex una forma nueva de guardar y volver a consultar lo que ya se trabajó durante sesiones largas.[6] En búsquedas de errores que se alargan y en reorganizaciones grandes de código, eso significa menos veces olvidar por qué falló el último arreglo y volver a caer en el mismo hoyo.
El taxi es caro. Pero sale más barato que darle tres vueltas a la montaña a pie y luego pedir uno.
6. ¿Qué modelo usar según la tarea?
Pasar cada trabajo por Luna, luego por Sol y luego por Astra hasta que alguno funcione es una mala costumbre. Mira qué tipo de tarea es, mándala desde el principio al modelo adecuado y sube un nivel después de un fallo real.
GPT-6 Luna
Sirve para:
- buscar en el código, hacer listas, clasificar y cambiar formatos
- cambios pequeños con instrucciones claras
- muchas tareas independientes a la vez
- correr pruebas y resumir los resultados
- trabajos donde un programa puede decir si salió bien o mal
GPT-6 Sol
Sirve para:
- cambios normales que tocan varios archivos
- corregir errores cuando más o menos sabes dónde está el problema
- trabajos que necesitan varias herramientas seguidas
- el ciclo de siempre: revisar → corregir → probar
- tu opción por defecto en Codex
GPT-6 Astra
Sirve para:
- problemas en los que ni siquiera sabes qué está roto
- fallas que cruzan varios servicios, permisos, redes o datos guardados
- búsquedas de errores muy largas
- mudanzas de bases de datos y reorganizaciones grandes de código
- la tarea que llega al 80% y muere siempre en el mismo punto
- cualquier cosa que Sol ya investigó bien una vez sin poder cerrarla
Ese último grupo es donde los modelos baratos hacen "horas extra de IA": más búsquedas, más tokens, más registros y nada más cerca de la causa real.
7. ¿Y dónde queda GPT-5.6 Terra?
Solo por precio, Terra quedó en una posición incómoda.
- GPT-5.6 Terra: $2 de entrada / $12 de salida
- GPT-6 Sol: $2 de entrada / $10 de salida
Mismo precio de entrada y salida más barata en Sol.[3][8] Además, Sol es el modelo más nuevo, pensado para programación compleja y trabajos de varios pasos con herramientas.[3]
Así que para un proyecto nuevo hay poca razón económica para usar Terra por defecto. Si ya tienes instrucciones probadas en Terra y necesitas resultados predecibles, seguir con él tiene sentido. Los modelos cambian rápido, así que no conviene reemplazarlo todo el mismo día que sale uno nuevo.
Para proyectos nuevos, tres niveles cubren casi todo:
Luna = volumen y reglas claras. Sol = lo de siempre. Astra = los casos difíciles.
8. Pruébalo con 20 tareas tuyas
Las pruebas comparativas son un mapa, no el plano de los cables de tu propio código.
Divide tu trabajo real en tres a cinco tipos y anota unas 20 tareas de cada uno. Fíjate en:
- cuántas veces terminó sin que tuvieras que darle más instrucciones
- cuánto tardó hasta que pasaron las pruebas
- cuántos reintentos hubo
- tokens o créditos usados
- cuántos registros tuvo que leer una persona
- errores nuevos que aparecieron después
- cuántas veces terminaste cambiando de modelo de todos modos
Y luego juzga por:
costo total por tarea terminada
y
cuánto trabajo se termina por cada minuto de tu atención
Elegir por precio por token es como pedir cuatro porciones chicas porque son baratas, seguir con hambre y al final pedir el plato fuerte de todos modos. Lo único que hiciste fue pedir más veces.
Conclusión: Sol para el día a día, Luna para lo repetitivo, Astra para el laberinto
GPT-6 Luna: muchas tareas claras e independientes.
GPT-6 Sol: el trabajo normal en Codex.
GPT-6 Astra: problemas confusos, largos y que cruzan varios sistemas.
Lo que sale caro casi nunca es elegir Astra. Es correr un problema difícil varias veces en Luna o Sol para no gastar en Astra, y al final pasárselo a Astra de todas formas.
Lo que pagas con un modelo de primera no es un precio menor por palabra, sino más probabilidades de terminar sin perderte. Y el tiempo que pasas leyendo el mismo registro por cuarta vez también cuesta.
- OpenAI ChatGPT Release Notes help.openai.com
- OpenAI API Changelog developers.openai.com
- GPT-6 Sol developers.openai.com
- GPT-6 Luna developers.openai.com
- Models catalog developers.openai.com
- GPT-6 Astra openai.com
- GPT-5.6 Sol developers.openai.com
- GPT-5.6 Terra developers.openai.com
- GPT-5.6 Luna developers.openai.com
