GPT-6 Sol y GPT-6 Luna llegaron a la API de OpenAI el 22 de septiembre de 2026 con una gran diferencia de precio y una división de uso relativamente clara. En el procesamiento Standard, para solicitudes con hasta 272 mil tokens de entrada, GPT-6 Sol cuesta US$ 2 por 1 millón de tokens de entrada y US$ 10 por 1 millón de tokens de salida. GPT-6 Luna cuesta US$ 0,10 de entrada y US$ 0,50 de salida por el mismo volumen.
Eso hace que Luna cueste 20 veces menos por token que Sol en este nivel de precios, tanto en entrada como en salida. La diferencia de costo es objetiva, pero no convierte a Luna en la elección automática. OpenAI posiciona a Sol para programación compleja y flujos con agentes, mientras describe a Luna como su modelo más eficiente para tareas enfocadas y de alto volumen. La decisión práctica depende de cuánto cambie el resultado de tu flujo cualquier calidad adicional de Sol.
Precios de GPT-6 Sol y Luna en la API
| Modelo | Entrada | Entrada en caché | Escritura en caché | Salida |
|---|---|---|---|---|
| GPT-6 Sol | US$ 2,00 | US$ 0,20 | US$ 2,50 | US$ 10,00 |
| GPT-6 Luna | US$ 0,10 | US$ 0,01 | US$ 0,125 | US$ 0,50 |
Los valores anteriores son por 1 millón de tokens, con procesamiento Standard y contexto corto, definido actualmente en la documentación como hasta 272 mil tokens de entrada. La página oficial de precios y las fichas de los modelos también muestran tarifas distintas para contexto largo y otros modos de procesamiento. Consulta la tabla oficial de precios de OpenAI, además de las fichas de GPT-6 Sol y GPT-6 Luna.
Cuánto redujo GPT-6 los precios frente a GPT-5.6
En GPT-5.6 Sol, la referencia promocional usada por el anuncio era de US$ 4 por millón de tokens de entrada y US$ 20 por millón de salida. GPT-6 Sol reduce ambos valores a la mitad, hasta US$ 2 y US$ 10.
En GPT-5.6 Luna, la referencia era de US$ 0,20 por millón de tokens de entrada y US$ 1,20 por millón de salida. GPT-6 Luna reduce la entrada a US$ 0,10 y la salida a US$ 0,50. Por lo tanto, la entrada baja un 50% y la salida cerca de un 58%. El anuncio de lanzamiento resume la nueva generación como un 50% más barata respecto de los precios promocionales anteriores, mientras la tabla detallada muestra los importes exactos por categoría.
Ejemplo de costo con una carga hipotética
Considera una aplicación que, en un mes, envía 10 millones de tokens de entrada y recibe 2 millones de tokens de salida, sin uso de caché y sin que ninguna solicitud supere 272 mil tokens de entrada.
- GPT-6 Sol: 10 x US$ 2 + 2 x US$ 10 = US$ 40.
- GPT-6 Luna: 10 x US$ 0,10 + 2 x US$ 0,50 = US$ 2.
En este ejemplo, Luna reduce la factura de tokens de US$ 40 a US$ 2, una diferencia de US$ 38. Como las tarifas de entrada y salida de Luna son ambas 20 veces menores que las de Sol en este nivel, la misma proporción de costo se mantiene para cualquier combinación equivalente de tokens de entrada y salida siempre que ambas cargas estén sujetas a las mismas reglas de procesamiento.
Cuándo tiene más sentido GPT-6 Sol
OpenAI describe a Sol como un modelo creado para programación compleja y flujos con agentes. Esto apunta a escenarios donde los errores cuestan caro, la tarea tiene muchos pasos, el uso de herramientas es intenso o el resultado debe sostener un razonamiento y una ejecución más exigentes.
- agentes que planifican y ejecutan secuencias largas de acciones;
- programación compleja, revisión de código y cambios en repositorios;
- tareas profesionales donde una pequeña mejora de calidad puede reducir retrabajo humano;
- flujos donde ya mediste una ganancia de calidad suficiente para justificar el mayor costo.
La razón para pagar más debe surgir de pruebas sobre tu propio conjunto de tareas. Sin un benchmark interno, el posicionamiento oficial no debe convertirse en una promesa de que Sol será mejor en todas las aplicaciones.
Cuándo tiene más sentido GPT-6 Luna
Luna se presenta como el modelo más eficiente para tareas enfocadas y de alto volumen. Su precio favorece aplicaciones que realizan muchas llamadas, procesan lotes grandes o tienen un valor unitario bajo por solicitud.
- clasificación, extracción y transformación estructurada de texto;
- resúmenes y respuestas breves con criterios bien definidos;
- preprocesamiento antes de enviar los casos difíciles a un modelo más caro;
- operaciones a gran escala donde costo y capacidad de procesamiento son centrales para la decisión.
Una arquitectura que vale la pena probar es usar Luna por defecto y enviar solo los casos más difíciles a Sol. No es una recomendación universal: necesita una regla de enrutamiento medible y validación para evitar una caída silenciosa de calidad.
Los dos modelos comparten varios límites técnicos
Las fichas oficiales muestran una ventana de contexto de 1,05 millones de tokens y una salida máxima de 128 mil tokens para Sol y Luna. Ambos aceptan texto e imagen como entrada y generan texto. También permiten niveles de esfuerzo de razonamiento desde none hasta max, aunque el costo real y la latencia dependen del uso efectivo y del modo de procesamiento.
La similitud de estos límites puede facilitar una migración de arquitectura, pero no elimina la necesidad de probar la calidad. Tener la misma ventana de contexto no implica el mismo rendimiento en razonamiento, programación, uso de herramientas o seguimiento de instrucciones.
El contexto largo, la caché y los modos de procesamiento cambian la cuenta
Las tarifas de US$ 2/US$ 10 para Sol y US$ 0,10/US$ 0,50 para Luna no cubren todos los casos. Según la documentación, los prompts con más de 272 mil tokens de entrada se cobran, para toda la solicitud, a 2 veces la tarifa de entrada y caché y a 1,5 veces la tarifa de salida.
La caché también tiene precios propios. La entrada en caché cuesta US$ 0,20 por millón en Sol y US$ 0,01 en Luna. Las escrituras en caché cuestan US$ 2,50 en Sol y US$ 0,125 en Luna. OpenAI también indica que Batch y Flex cuestan el 50% de las tarifas Standard, mientras el modo Fast cuesta 2 veces la tarifa aplicable. El procesamiento regional puede añadir un recargo del 10% donde esté disponible.
Cómo elegir sin un benchmark propio
Si todavía no tienes un conjunto de evaluación, empieza por separar las tareas según riesgo y valor. Para llamadas de alto volumen y bajo impacto, Luna tiene una ventaja de costo muy grande. Para flujos complejos, especialmente programación y agentes, Sol es el modelo que OpenAI posiciona para ese tipo de trabajo.
Después, crea un benchmark interno con ejemplos reales y mide al menos cuatro elementos: tasa de éxito, corrección humana necesaria, latencia y costo total por tarea completada. El indicador útil no es solo el precio por millón de tokens, sino el costo de alcanzar un resultado aceptable.
Lo que la comparación de precios no demuestra
Esta comparación usa precios oficiales y descripciones de posicionamiento publicadas por OpenAI el 22 y 23 de septiembre de 2026. No incluye un benchmark independiente producido para este artículo. Los precios permiten establecer cuánto cuesta un volumen determinado de tokens bajo reglas equivalentes, pero por sí solos no permiten determinar qué modelo ofrecerá mejor calidad, menor latencia o una tasa de éxito más alta en tu aplicación.
Para una migración más segura, la elección entre GPT-6 Sol y Luna debe combinar la tabla de costos con pruebas sobre datos representativos de tu producto. Luna ofrece la ruta de menor costo por token; Sol está orientado a trabajo más complejo. El punto de corte entre ambos debe definirse con los resultados de tu propio sistema.
