Respuesta corta: empezar cualquier tarea normal con Astra Low tiene sentido, pero no hace falta dejarlo fijo. Empieza en Low, sube a Medium si falla y deja High y xhigh para los pocos trabajos que de verdad los necesitan.
Cuando el menú de un modelo dice Low, lo normal es pensar en “modo ahorro”, “solo para cosas fáciles” o “el nivel que no se esfuerza”.
Con GPT-6 Astra, esa idea se queda corta.
En las pruebas de un tercero, Astra Low saca más puntos que GPT-5.6 Sol en xhigh en el puntaje general (el Intelligence Index). En algunas pruebas de programación autónoma la diferencia es bastante mayor. Y en ese conjunto de pruebas, además, salió más barato por tarea.[1]
Así que la pregunta se cae de madura:
“Entonces, ¿por qué no dejar Astra en Low para siempre?”
La etiqueta dice Low. El modelo no se enteró.
1. Primero los números: Sol xhigh frente a Astra Low, Medium, High y xhigh
Estos son los datos de Artificial Analysis, consultados el 12 de septiembre de 2026.[1][2][3][4]
| Ajuste | Intelligence Index | AutomationBench-AA | Terminal-Bench v4.0 | SciCode | Coste AA por tarea | Tokens de salida/tarea | Tokens de razonamiento/tarea |
|---|---|---|---|---|---|---|---|
| GPT-5.6 Sol xhigh | 44 | 55% | 25% | 57% | $1.18 | ~20k | ~10k |
| GPT-6 Astra Low | 46 | 59% | 42% | 54% | $0.82 | ~4k | ~938 |
| GPT-6 Astra Medium | 50 | 65% | 49% | 54% | $1.54 | ~10k | ~3k |
| GPT-6 Astra High | 51 | 67% | 54% | 55% | $1.72 | ~12k | ~5k |
| GPT-6 Astra xhigh | 53 | 67% | 60% | 56% | $2.31 | ~17k | ~9k |
Un aviso antes de seguir: no leas 46 frente a 44 como “4,5 % más inteligente”. El Intelligence Index junta varias pruebas en un solo puntaje. No es como el precio o la distancia, donde las proporciones sí significan algo.
Lo que sí se puede decir es que, con el mismo índice, Astra Low sacó 46 y Sol xhigh sacó 44. En Terminal-Bench v4.0, que mide si una IA resuelve tareas de programación por su cuenta, el resultado fue 42 % frente a 25 %.[1]
Pero en SciCode gana Sol xhigh, con 57 % frente al 54 % de Astra Low. O sea que Low no es mejor en todo.[1]
2. La paradoja del precio: Astra cuesta 2,5 veces más por token, pero Low salió más barato por tarea
Los precios oficiales de la API de OpenAI son simples.[5][6]
| Modelo | Entrada / 1M | Entrada en caché / 1M | Salida / 1M |
|---|---|---|---|
| GPT-5.6 Sol | $4 | $0.40 | $20 |
| GPT-6 Astra | $10 | $1 | $50 |
Con la misma cantidad de tokens, Astra cuesta 2,5 veces más.
La tabla oficial de créditos de Work/Codex mantiene la misma proporción. Astra es 250 / 25 / 1.250 créditos por millón de tokens de entrada / entrada en caché / salida, y Sol es 100 / 10 / 500.[7]
Aun así, Artificial Analysis midió $0,82 por tarea con Astra Low y $1,18 con Sol xhigh.[1]
¿Cómo? Un modelo con un precio por token más alto puede salir más barato por tarea si usa muchísimos menos tokens.
En esa misma prueba, Sol xhigh gastó unos 20k tokens de salida y 10k de razonamiento por tarea. Astra Low gastó unos 4k y 938.[1]
Es como un taxi caro que va directo al destino frente a uno barato que primero da tres vueltas por el barrio.
Ojo: los $0,82 y $1,18 son promedios ponderados de las tareas de prueba de Artificial Analysis. No son lo que necesariamente pagarás en tu propio trabajo con Codex.[1]
3. La propia OpenAI dice que empieces con Low o Medium
La guía de Astra de OpenAI para Work y Codex trata por separado la elección del modelo y cuánto razona (el nivel de razonamiento).[8]
Los niveles bajos sirven de punto de partida cuando quieres respuestas más rápidas o que tu cupo de uso dure más. Medium equilibra velocidad y razonamiento profundo. Los niveles altos son para problemas realmente difíciles.[8]
OpenAI también dice que Astra en Low puede superar a Sol en High, y recomienda probar Astra Low o Medium si Sol High te ha dado buenos resultados.[8]
Y hay otro aviso: subir el nivel de razonamiento no siempre da un mejor resultado.[8]
Esto no es una tienda de RPG donde la espada más cara gana todas las peleas.
4. ¿Qué trabajos conviene dejar en Low?
Low es fácil de dejar como predeterminado cuando el objetivo, los archivos y la meta ya están claros.
Algunos ejemplos:
- construir algo con requisitos claros
- cambios pequeños en código que ya existe
- refactorizar (ordenar el código sin cambiar lo que hace)
- agregar pruebas
- revisiones de código de rutina
- investigar un error conocido
- resúmenes y tablas comparativas
- trabajos repetitivos con reglas fijas
En estos casos, pensar más no ayuda por sí solo. Acertar con un razonamiento corto y seguir adelante suele ser más rápido que pasarse tres minutos dándole vueltas antes de tocar un archivo.
OpenAI también recomienda revisar las instrucciones, los archivos, las aplicaciones conectadas y los permisos antes de subir el nivel. Pensar más no inventa la información ni el acceso que faltan.[8]
Sin permiso para ver el archivo, xhigh sigue sin verlo. El modelo no tiene visión de rayos X.
5. ¿Cuándo pasar de Low a Medium?
Si Low falla una vez en una tarea bien explicada, no saltes directo a xhigh. Medium es el primer escalón.
Medium va bien en estos casos:
- dependencias que cruzan varios archivos
- requisitos poco claros
- errores con más de una causa probable
- decisiones de diseño con pros y contras
- planes de implementación más largos
- arreglos en los que vas leyendo las pruebas que fallan
Artificial Analysis muestra a Astra Medium con Intelligence Index 50, Terminal-Bench v4.0 49 % y $1,54 por tarea.[2]
Es claramente mejor que el 46 / 42 % / $0,82 de Low, y aun así no es el nivel más pesado.
Piensa en Medium como el equipo para la pelea contra el jefe: “Low fue un poco descuidado, pero tampoco hace falta llamar a un tanque”.
6. ¿Cuándo tienen sentido High y xhigh?
High vale la pena cuando Medium sigue sin dar con el problema central, cuando los efectos secundarios de un diseño salen caros, o cuando equivocarse cuesta mucho de reparar: varias cosas ocurriendo a la vez, velocidad, seguridad o migración de datos.
Astra High saca 51 en el Intelligence Index, 54 % en Terminal-Bench y cuesta $1,72 por tarea.[3]
Es mejor que Medium, pero no tanto como para dejar todas las tareas fijas en High.
xhigh se justifica más fácil en las búsquedas de causa raíz más difíciles, los trabajos largos que dejas corriendo solos, los rediseños con muchas condiciones y las tareas de una sola oportunidad donde fallar sale caro. Saca 53 en total y 60 % en Terminal-Bench, lo más alto de estos cinco ajustes, a $2,31 por tarea.[4]
Usar xhigh para todo es como ir al supermercado en helicóptero.
¿Potente? Sí. ¿Posible? Claro. Pero hablemos del combustible.
7. ¿Sol xhigh ya quedó obsoleto? No tan rápido
Astra Low se ve muy bien, pero decir “Sol murió” afirma más de lo que muestran los datos.
Primero, el ganador cambia según la prueba. En SciCode, Sol xhigh saca 57 %, mientras que Astra saca 54 % en Low y Medium, 55 % en High y 56 % en xhigh.[1][2][3][4]
Segundo, con la misma cantidad de tokens, el precio oficial de Sol es 60 % más bajo que el de Astra. Astra Low salió más barato por tarea porque en esa prueba usó muchos menos tokens. En el trabajo real puede no pasar lo mismo.[5][6][1]
Tercero, los proyectos reales tienen cosas que los benchmarks no: configuraciones raras, reglas internas, herramientas, permisos, historiales enormes y fallos propios de cada proyecto.
Un benchmark es un mapa. No mide el escalón que hay frente a la puerta de tu casa.
8. Una regla práctica: empieza en Low y sube solo cuando algo salga mal
Con una escalera sencilla basta.
| Situación | Ajuste recomendado |
|---|---|
| Empezar una tarea nueva normal | Astra Low |
| Instrucciones y acceso claros, pero se perdió un requisito central una vez | Astra Medium |
| Medium sigue sin dar con el problema central / diseño difícil | Astra High |
| High no lo resuelve / fallar sale muy caro / la causa raíz más difícil | Astra xhigh |
| Lo difícil ya está resuelto y todo vuelve a la normalidad | Volver a Low |
Así evitas dos errores: gastar tu cupo empezándolo todo al máximo, y perder tiempo repitiendo Low cuando ya falló y la tarea pide más razonamiento.
Piensa en el nivel de razonamiento como una marcha, no como una personalidad.
9. Veredicto: ¿“Astra Low para siempre”? Sí como punto de partida, no como regla fija
Con los datos públicos del 12 de septiembre de 2026, empezar el trabajo diario en Codex con Astra Low es una estrategia sólida.
En las pruebas de Artificial Analysis supera a Sol xhigh en el puntaje general, le saca una gran ventaja en Terminal-Bench y cuesta menos por tarea.[1]
La propia OpenAI recomienda Low o Medium como punto de partida y avisa que un nivel más alto no garantiza una mejor respuesta.[8]
Pero Low no sirve para todo.
Low para el trabajo normal. Medium cuando algo es confuso, complicado o ya falló. High cuando Medium no lo resuelve. xhigh solo para los fallos más difíciles y caros. Y después, de vuelta a Low.
Que el nombre no te engañe.
Astra Low tiene cara de modo ahorro y juega como titular.
- Artificial Analysis — GPT-6 Astra (low) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (medium) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (high) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- Artificial Analysis — GPT-6 Astra (xhigh) vs GPT-5.6 Sol (xhigh) artificialanalysis.ai
- OpenAI API — GPT-6 Astra Model developers.openai.com
- OpenAI API — GPT-5.6 Sol Model developers.openai.com
- OpenAI Help Center — ChatGPT Rate Card (Business, Enterprise/Edu credit-based pricing) help.openai.com
- OpenAI Help Center — Managing usage with GPT-6 Astra in Work and Codex help.openai.com
