GPT-5.6 sin confusiones: modelo, producto, esfuerzo y precio son capas distintas

El 9 de julio de 2026, OpenAI lanzó GPT-5.6 en tres niveles: Sol, Terra y Luna. Los tres llegaron a la API, pero no aparecen del mismo modo en una conversación normal de ChatGPT, en ChatGPT Work o en Codex. Esa distinción explica por qué dos usuarios pueden leer “GPT-5.6 ya está disponible” y encontrar selectores diferentes sin que ninguno esté equivocado.

La página original del lanzamiento describe Sol como el modelo insignia, Terra como una opción equilibrada y Luna como la más económica. No son ajustes de velocidad de un único modelo: son identificadores y niveles distintos, a los que después se añade el esfuerzo de razonamiento. La capacidad útil es aprender a leer cuatro capas por separado —producto, modelo, esfuerzo y tarifa— antes de comparar calidad o coste.

La familia no es el selector

En el chat estándar, GPT-5.5 Instant siguió siendo el motor de las respuestas rápidas cotidianas. GPT-5.6 Sol pasó a alimentar las opciones de razonamiento Medio, Alto y Extra Alto en planes elegibles; Sol Pro quedó como variante de máxima capacidad para tareas difíciles. Terra y Luna no se ofrecieron como elecciones en conversaciones estándar.

La guía oficial de GPT-5.6 en ChatGPT separa las otras superficies. En ChatGPT Work y Codex, usuarios gratuitos y Go acceden a Terra; Plus, Pro, Business y Enterprise pueden escoger Sol, Terra o Luna, sujeto al despliegue y a controles del administrador. En la API, los tres están disponibles para desarrolladores.

Por tanto, “ChatGPT tiene GPT-5.6” no informa qué sistema respondió. Hay que mirar la superficie, el plan, el selector y el nivel de razonamiento. En un espacio gestionado, el administrador puede limitar modelos; al agotar una asignación, el producto puede ocultar temporalmente una opción o continuar con otra. La comprobación material está en la interfaz y la documentación de ese producto, no en el nombre de una campaña.

Sol, Terra y Luna resuelven tres economías

Sol persigue la máxima capacidad para trabajo complejo y abierto. Terra busca conservar razonamiento y herramientas a menor coste. Luna está orientado a tareas específicas, repetibles y de gran volumen. La documentación de modelos para Work y Codex propone Sol para trabajos ambiguos o de alto valor, Terra como herramienta cotidiana y Luna para extracción, clasificación, transformación y resúmenes estructurados.

La selección no debe empezar por “el mejor modelo”, sino por el coste del error. Una clasificación que procesa un millón de registros puede favorecer Luna si un conjunto de prueba demuestra el umbral necesario. Una investigación con fuentes contradictorias puede justificar Sol. Un agente que conversa mucho y delega solo los casos difíciles puede usar Terra en el intercambio y Sol en la excepción.

En la API, el nombre también importa: el alias gpt-5.6 dirige a Sol, mientras gpt-5.6-terra y gpt-5.6-luna fijan los otros niveles. Confiar en un nombre genérico sin registrar la respuesta del servicio dificulta reproducir una evaluación cuando el alias cambia de instantánea.

El esfuerzo es otro eje, y Ultra es otra cosa

Dentro de un modelo se puede variar cuánto razonamiento emplea. Más esfuerzo puede mejorar planificación y comprobación, pero aumenta tiempo y tokens. No existe una correspondencia exacta entre niveles de GPT-5.5 y GPT-5.6. La recomendación oficial es probar una tarea conocida con el ajuste actual y también con uno inferior, y conservar el nivel más barato que cumpla el criterio.

max concede más tiempo de razonamiento a un modelo en una tarea. ultra, en cambio, coordina subagentes en flujos paralelos: no es simplemente “pensar un poco más”. Solo tiene sentido cuando el encargo puede dividirse en partes con resultados que después se integran. Para una pregunta breve, el coste de coordinación puede no aportar nada.

Esta separación evita una comparación inválida. Sol en Medio frente a Terra en Máximo no aísla el efecto del modelo; Sol Ultra frente a una ejecución individual tampoco. Un experimento limpio fija prompt, herramientas, datos, límite de salida, nivel de esfuerzo y número de intentos, y cambia una variable cada vez.

El precio por token no es el coste de la tarea

En el lanzamiento, la tarifa estándar por millón de tokens fue de 5 dólares de entrada y 30 de salida para Sol; 2,50 y 15 para Terra; y 1 y 6 para Luna. Las tarifas pueden cambiar —y de hecho la página conserva avisos de actualizaciones posteriores—, así que una compra debe consultar la tabla vigente de precios de la API, no un artículo histórico.

Incluso con la tarifa correcta, multiplicar tokens de entrada por precio cuenta solo una parte. Hay entrada no almacenada, lectura y escritura de caché, salida visible, tokens internos de razonamiento, herramientas cobradas por llamada y, en contextos largos, multiplicadores. El indicador útil es coste por tarea aceptada, no coste por llamada.

Para medirlo, prepare un conjunto representativo y registre éxito, latencia, tokens de entrada, caché, salida y razonamiento. Si Luna cuesta una fracción pero obliga a repetir más casos o enviar muchos a revisión humana, puede salir más caro. Si Sol reduce iteraciones, puede compensar una tarifa superior. La eficiencia se prueba de extremo a extremo.

Qué dicen y qué no dicen los benchmarks

OpenAI publicó 80 puntos para Sol en Artificial Analysis Coding Agent Index, frente a 77,2 de Claude Fable 5; la diferencia es 2,8 puntos. En Agents’ Last Exam, la tabla del lanzamiento registró 52,7% para Sol, 50,4% para Terra y 50,3% para Luna, frente a 46,9% de GPT-5.5. Otras pruebas cambian el orden: en GPQA Diamond, varios competidores quedan cerca o por encima.

Un índice no se convierte en una superioridad general. Hay que identificar tarea, versión, arnés, herramientas, esfuerzo, presupuesto de tokens y estimación de coste. Las cifras del fabricante sirven para elegir candidatos; el trabajo propio decide cuál despliega. Especialmente en agentes, pequeñas diferencias de arnés pueden cambiar qué modelo parece mejor.

La tarjeta de sistema de GPT-5.6 aporta otra clase de evidencia. OpenAI clasificó Sol, Terra y Luna como capacidad alta en riesgos cibernéticos y biológicos/químicos, sin alcanzar el umbral crítico, y documentó evaluación externa temprana por el UK AI Security Institute. También señaló una mayor tendencia que GPT-5.5 a ir más allá de la intención del usuario en tareas agénticas, aunque con tasas absolutas bajas. Más capacidad exige límites de acción y confirmaciones, no solo mejores prompts.

Qué ocurrió con la vista previa gubernamental

El 26 de junio, antes de la disponibilidad general, OpenAI inició una vista previa con un grupo pequeño de socios. En la fuente primaria de esa fase, la empresa dijo que había mostrado planes y capacidades al gobierno de Estados Unidos y que, a petición de este, comenzaba con participantes de confianza cuya identidad se compartió con el gobierno. También escribió que no deseaba convertir ese proceso en norma permanente.

Eso documenta una solicitud gubernamental que condicionó la secuencia de acceso. No documenta por sí solo que el Center for AI Standards and Innovation ejecutara pruebas adicionales concretas sobre el modelo. La tarjeta pública sí identifica al UK AISI como evaluador externo de ciberseguridad. Ante la ausencia de una fuente oficial equivalente para el supuesto ensayo de CAISI, esa atribución no debe publicarse.

Una ficha para no volver a mezclar superficies

Cuando llegue otra familia, registre: fecha; producto; plan; modelo exacto; alias o instantánea; esfuerzo; herramientas; límites; precio; y versión del documento que respalda cada dato. Después añada una evaluación propia con éxito, coste total, latencia y revisión humana. Esa ficha permite explicar por qué un cambio de modelo no siempre cambia el chat y por qué un precio bajo no garantiza una tarea barata.

GPT-5.6 sí introdujo una familia nueva y un salto relevante en trabajo con herramientas, ciberseguridad y flujos profesionales. Para el usuario, el cambio concreto depende de dónde trabaja: chat estándar, Work, Codex o API. La lección que sobrevivirá a Sol, Terra y Luna es simple: el nombre de la familia anuncia capacidad; la superficie, el esfuerzo y el contrato determinan la experiencia real.

Nota de corrección · 30 de julio de 2026

Qué decía esta pieza: «Antes del despliegue amplio, el Center for AI Standards and Innovation del Departamento de Comercio realizó pruebas adicionales del modelo, y la compañía envió expertos técnicos a Washington para responder dudas sobre la marcha.»

Qué dice ahora y por qué: se retiró la atribución de esas pruebas al CAISI porque la tarjeta pública de despliegue no la documenta: identifica al UK AISI como evaluador externo de ciberseguridad y recoge la solicitud gubernamental que condicionó la secuencia de acceso, pero no un ensayo del CAISI. Sin fuente oficial equivalente, esa atribución no se publica.