La proporcionalidad sigue siendo la misma en los tres casos: la Tierra cuesta diez veces la Luna y el Sol cuesta 25 veces la Luna. El resultado real puede cambiar si un modelo utiliza más tokens de razonamiento, produce respuestas más largas o requiere nuevas llamadas.
Los tokens de pensamiento no son visibles como texto, pero aparecen en los detalles de uso y se cobran como tokens de salida. Ya forman parte de la producción total y no deben agregarse una segunda vez al calcular la factura.
Cada llamada debe ocupar una línea. Como mínimo, registre estas columnas:
| Campo |
Qué registrar |
| Fecha y hora |
Tiempo absoluto de la solicitud |
| Región |
Región o punto final de procesamiento |
| Punto final |
Respuestas o finalización del chat |
| Modelo solicitado |
gpt-5.6-luna, gpt-5.6-terra o gpt-5.6-sol |
| Modelo devuelto |
Identificador presente en la respuesta |
| Nivel de servicio |
Estándar o Rápido |
| ID de tarea |
Establecer caso y versión |
| Versión inmediata |
Hash o identificador inmutable |
| Esfuerzo de razonamiento |
Mismo valor en la ronda principal |
| Fichas de entrada |
Total reportado por API |
| Tokens almacenados en caché |
Lectura de caché |
| Tokens escritos en caché |
Escritura cobrada |
| Fichas de salida |
Total, incluido el razonamiento |
| Fichas de razonamiento |
Campo informativo, sin duplicar el coste |
| Tiempo hasta el primer token |
TTFT en milisegundos |
| Latencia total |
Tiempo hasta completar la respuesta |
| Aprobado en el primer intento |
Sí o no |
| Número de intentos |
Uno, dos o tres |
| Aprobado al final |
Sí o no |
| Revisión humana minuciosa |
Tiempo realmente invertido |
| Costo de API |
Valor calculado por uso |
| Costo total |
API, revisión y costos externos |
El alias gpt-5.6 dirige la llamada al GPT-5.6 Sol. Por lo tanto, usarlo en lugar del identificador completo puede convertir accidentalmente una prueba de Luna o Terra en tráfico del modelo más caro.
Cómo ejecutar la prueba
Utilice 30 casos por tarea y por modelo, con un total de 270 llamadas en la ronda inicial. Mezcle el orden de los modelos para reducir el efecto de los cambios de carga momentáneos.
Mantener constante:
- el contenido y la versión del mensaje;
- el punto final;
- el límite máximo de producción por tarea;
- el esfuerzo de razonar;
- el conjunto de herramientas disponibles;
- el nivel de servicio;
- reglas de aprobación;
- la región de procesamiento;
- el número máximo de reintentos.
Comience con el procesamiento estándar y el mismo nivel de razonamiento, como medio, para los tres modelos. Una vez que identifiques al ganador por tarea, haz una segunda ronda reduciendo el esfuerzo en un nivel. La guía oficial de migración recomienda comparar modelos con configuraciones representativas del flujo real, incluida la posibilidad de lograr una calidad similar con menos pensamiento.
En la ronda principal, evite que las diferencias de caché distorsionen el resultado. En GPT-5.6, las escrituras en caché cuestan 1,25 veces la tarifa de entrada normal, mientras que las lecturas tienen un descuento. La prueba puede desactivar la escritura implícita o medir por separado una segunda ronda con prefijos reutilizados.
La corrección debe realizarse sin revelar al evaluador qué modelo produjo la respuesta. Los criterios de aprobado o reprobado tienden a ser más confiables que las calificaciones vagas, y cualquier calificador automatizado debe compararse con etiquetas humanas antes de reemplazar la revisión.
Las cuatro métricas que deciden la migración
Porcentaje de finalización del primer intento
Es el porcentaje de casos aprobados sin corrección o nueva convocatoria.
Esta métrica muestra cuánto trabajo ofrece el modelo sin intervención, pero no capta la posibilidad de una recuperación económica.
Tasa de finalización dentro del presupuesto
Defina un límite de antemano, como tres intentos o un valor determinado por caso. Cuente cuántas tareas se aprobaron antes de alcanzar este límite.
Un modelo puede presentar un resultado inicial inferior y aún así ganar porque corrige sus propios errores a bajo costo.
Costo por finalización
Uso:
Costo por finalización = gasto total en API ÷ número de tareas aprobadas
Para una evaluación operativa más completa:
Costo total por finalización = API + revisión humana + infraestructura + impacto esperado de las fallas
Es esta segunda cuenta la que evita una migración falsa. No vale la pena ahorrar centavos en tokens para transferir las horas de la conferencia al equipo.
Latencia P50 y p95
La mediana muestra una experiencia típica. El percentil 95 revela el comportamiento en los casos más lentos.
Registre por separado el tiempo hasta el primer token y el tiempo hasta su finalización. La documentación de OpenAI señala que la mayor parte de la latencia tiende a generarse en la generación del resultado, por lo que respuestas más largas o más reflexivas pueden tardar más.
El punto de equilibrio entre la Luna, la Tierra y el Sol
Cuando la composición de los tokens es similar, el costo esperado de una tarea se puede simplificar como:
Costo por éxito esperado = costo por intento ÷ probabilidad de éxito
De esto surgen tres límites matemáticos:
- Luna es más barata que Terra si su tasa de éxito es superior al 10 % de la tasa de Terra;
- Luna es más barata que Sol si su tasa de éxito supera el 4% de la tasa de Sol;
- La Tierra es más barata que el Sol si su tasa de éxito es superior al 40 % de la tasa del Sol.
Si Terra completa el 90 % de los casos, por ejemplo, Luna solo necesitaría superar el 9 % para mantener una ventaja en el gasto bruto de API. Este resultado parece permisivo porque todavía no incluye el trabajo humano ni el daño asociado con una respuesta incorrecta.
En la práctica, la migración debería requerir que el modelo más barato permanezca dentro de una calidad, latencia y tolerancia de revisión definidas por el equipo. Una operación con aprobación humana obligatoria puede ser más tolerante con errores leves. La automatización que publica, transfiere valores o cambia sistemas necesita límites mucho más estrictos.
Cuándo elegir GPT-5.6 Luna
Luna debería ser el primer modelo probado cuando la tarea tenga:
- respuesta corta y formato rígido;
- criterios de aprobación objetivos;
- alto volumen;
- bajo costo por fallas;
- posibilidad de validación automática;
- mensaje y contexto bien definidos;
- Recuperación sencilla mediante un segundo intento.
La clasificación, la extracción, el enrutamiento, la normalización de datos y las respuestas cerradas basadas en políticas son candidatos naturales. Las directrices oficiales describen al Luna como el modelo de la familia optimizado para cargas de gran volumen y sensibles a los costes.
Cuando Terra sigue teniendo sentido
El terreno es el control más importante en la prueba porque representa el equilibrio entre costo y capacidad. Cuesta diez veces más que el Luna, pero aún así cuesta un 60% menos que el Sol.
Terra tiende a justificar el premio cuando:
- Luna pierde criterios importantes de forma recurrente;
- el contenido requiere una síntesis de varias instrucciones;
- hay un uso moderado de herramientas;
- la respuesta debe combinar texto y estructura;
- La reelaboración humana de Luna supera la economía de API;
- El flujo mezcla casos simples y difíciles sin un enrutador confiable.
Una arquitectura eficiente puede enrutar la mayor parte del volumen a Luna y reservar Terra para casos rechazados por los validadores o identificados como más complejos.
Cuándo pagar por el sol
Sol cuesta 25 veces Luna y dos veces y media Terra en la misma composición de fichas. Este premio sólo debe aceptarse cuando la capacidad adicional produzca un valor mensurable.
Úselo como candidato para:
- tareas complejas de varios pasos;
- programación y depuración de mayor impacto;
- análisis con diferentes herramientas;
- decisiones que son difíciles de recuperar;
- documentos que requieren coherencia global;
- casos en los que un fallo cuesta mucho más que la llamada;
- evaluación o revisión de resultados de modelos más pequeños.
La página de plantillas posiciona a Sol como la opción de vanguardia para trabajos profesionales complejos, mientras que la documentación recomienda plantillas más pequeñas para reducir costos y latencia.
El modo rápido debe probarse después del modelo
El modo rápido cuesta el doble que el procesamiento estándar. En breve, los precios de entrada y salida se convierten en 0,40 dólares y 2,40 dólares en Luna; 4 y 24 dólares en Terra; y US$10 y US$60 en Sol.
OpenAI afirma que en GPT-5.6 Sol, el modo puede alcanzar 2,5 veces la velocidad del procesamiento estándar y ofrecer una latencia más consistente. Este número es un límite anunciado por el proveedor, no una garantía para cada solicitud ni una promesa equivalente para Terra y Luna.
La secuencia correcta es:
- elegir el modelo en función de la relación entre calidad y coste;
- medir la latencia estándar;
- definir el máximo aceptable p95;
- repetir los mismos casos en modo Rápido;
- pague el doble solo si la ganancia observada justifica el valor.
El servicio también puede reducir temporalmente las solicitudes a la velocidad estándar cuando el tráfico crece demasiado rápido. En estos casos, la respuesta informa el nivel realmente utilizado y el cargo sigue la tarifa Estándar. Por lo tanto, el punto de referencia debe registrar el nivel de servicio devuelto, no solo el solicitado.
Veredicto: no cambies un modelo, distribuye las tareas
Después del recorte, Luna debería ingresar prácticamente a todas las pruebas de carga y alto volumen definidas. La diferencia de precio es demasiado grande para ignorarla, especialmente cuando hay validación automática y reintentos económicos.
Esto no significa reemplazar la Tierra o el Sol en bloque. La estrategia más eficaz tiende a ser el enrutamiento de tareas:
- Luna por volumen, estructura y bajo riesgo;
- Suelo para cargas mixtas y complejidad intermedia;
- Sol por excepciones difíciles, revisiones de alto valor y fallas costosas;
- Modo rápido solo cuando la latencia medida infringe un objetivo de servicio.
“80% más barato” responde cuánto cuesta intentarlo. La matriz responde a lo que realmente importa: cuántos intentos, cuántos minutos y cuántos dólares se necesitan para realizar una tarea aprobada.
Guarde esta matriz y repita la ronda cada vez que cambien precios, versiones o configuraciones. Suscríbete a la newsletter para recibir la próxima revisión de valores y criterios. Cualquier enlace comercial o de afiliado debe identificarse explícitamente.
Temas de este artículobenchmark de modeloscusto por conclusãoFast modeGPT-5.6 LunaGPT-5.6 SolGPT-5.6 Terrapreços de API
