El error más común al optimizar costes en programación con IA es mirar solo el precio de una ejecución.
Si un modelo barato se pierde cinco veces y termina con “permiso denegado”, un modelo caro que encuentra la causa real a la primera puede salir más barato.
En septiembre de 2026, Codex añadió GPT-6 Sol y GPT-6 Luna junto a GPT-6 Astra. La pregunta útil ya no es “¿cuál es el más potente?”, sino:
¿Qué modelo minimiza el coste de terminar realmente cada tipo de trabajo?
1. Qué se lanzó
OpenAI lanzó GPT-6 Sol y GPT-6 Luna en la API el 22 de septiembre de 2026 y los añadió a ChatGPT Work y Codex.[1][2]
Sol está orientado a programación compleja y flujos de trabajo agénticos. Luna está optimizado para tareas enfocadas y de gran volumen. Ambos ofrecen 1,05M de contexto y hasta 128K tokens de salida.[3][4][5]
Astra ocupa el nivel superior para trabajo end-to-end difícil, incluyendo programación, uso del ordenador, investigación y creación de documentos.[6]
En versión oficina: Luna es producción barata, Sol es el responsable habitual y Astra es quien entra, mira diez segundos y pregunta por qué el cable está al revés.
2. La trampa de “GPT-6 llegó a ChatGPT”
Las notas de versión del 22 de septiembre dicen específicamente que Sol y Luna llegan a ChatGPT Work y Codex, y que son distintos de los modelos disponibles en Chat.[1]
Por tanto, “está dentro del producto ChatGPT” no significa “aparece como modelo seleccionable en un chat normal”.
Astra tuvo una distribución más amplia en ChatGPT según su anuncio de septiembre.[6] Mismo nombre de familia, superficies distintas.
3. Los precios de etiqueta son muy diferentes
Precios Standard por 1M tokens de entrada/salida a 23 de septiembre de 2026:[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 los mismos tokens, Sol cuesta unas 20 veces Luna y Astra 5 veces Sol.
Mirando solo eso, usar Luna para todo parece genial. Es como ahorrar en una mudanza llevando la nevera a la espalda.
4. Simulación sencilla: 100K de entrada + 20K de salida
Supongamos 100.000 tokens de entrada y 20.000 de salida, sin caché, tarifas de herramientas, sobrecoste de contexto largo ni reintentos.
| Modelo | Coste API aproximado por intento |
|---|---|
| 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 |
Luna destroza la tabla por coste bruto.
Pero la fórmula útil es:
coste de completar ≈ coste por intento × intentos + intervención humana + contexto perdido
Con los mismos tokens, un intento de Astra equivale aproximadamente a cinco de Sol. Si Sol necesita cinco y Astra uno, ya hay empate.
5. Un modelo caro puede ser más barato por tarea
En Terminal-Bench 4.0, OpenAI informa de 57,9% para GPT-6 Astra frente a 37,3% para GPT-5.6 Sol, con un coste API estimado por tarea aproximadamente 9% menor para Astra en la comparación.[6]
En AutomationBench fue 41,4% frente a 18,1%; en tareas internas de migración de bases de datos, 63,9% frente a 42,7%.[6]
Precio por token y precio por trabajo terminado son métricas distintas.
Astra también introduce en Codex un sistema para conservar y recuperar contexto entre ventanas durante sesiones largas.[6] Eso ayuda a reducir el clásico “olvidó por qué falló el parche anterior y volvió a intentarlo con entusiasmo”.
6. Enruta por forma del trabajo, no por orden de precio
No conviene hacer chocar siempre Luna→Sol→Astra.
Clasifica primero y escala tras un fallo significativo.
GPT-6 Luna
- búsqueda, extracción, clasificación, reformateo
- cambios pequeños con especificación cerrada
- lotes independientes
- ejecución y resumen de tests
- criterios de aceptación mecánicos
GPT-6 Sol
- implementación normal en varios archivos
- debugging con zona probable conocida
- workflows agénticos estándar
- investigar→parchear→probar
- modelo principal de Codex
GPT-6 Astra
- causa raíz desconocida
- problemas entre varios servicios, permisos o estados
- debugging largo
- migraciones y refactors grandes
- trabajos que llegan siempre al 80% y mueren
- tareas que Sol investigó seriamente una vez y no cerró
7. ¿Dónde queda GPT-5.6 Terra?
Precios Standard:
- GPT-5.6 Terra: $2 / $12
- GPT-6 Sol: $2 / $10
Mismo precio de entrada y salida más barata para Sol.[3][8]
Para trabajo nuevo, Terra queda en una posición económica incómoda. Puede seguir teniendo sentido por compatibilidad, reproducibilidad o prompts ya validados.
Para diseño nuevo, el mapa simple es:
Luna=volumen, Sol=por defecto, Astra=difícil.
8. La respuesta real se obtiene con 20 tareas propias
Los benchmarks son mapas, no tu repositorio.
Divide el trabajo real en 3–5 categorías y registra unas 20 tareas por categoría:
- finalización sin instrucciones adicionales
- tiempo hasta green
- reintentos
- tokens o créditos
- cantidad de logs revisados por humanos
- regresiones
- frecuencia con la que terminaste cambiando de modelo
Optimiza el coste total por tarea completada, no solo el precio por millón de tokens.
Conclusión: Sol por defecto, Luna para volumen mecánico, Astra para laberintos
GPT-6 Luna: trabajo claro, masivo e independiente.
GPT-6 Sol: trabajo normal de Codex.
GPT-6 Astra: problemas ambiguos, largos y entre sistemas.
El patrón caro no es usar Astra. Es ahorrar Astra durante varios fallos y usar Astra al final de todas formas.
La cuarta lectura humana del mismo log también cuesta dinero.
- 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
