Respuesta rápida: El 9 de julio de 2026, OpenAI puso GPT-5.6 a disposición general en forma de tres modelos. Sol es el nivel superior, pensado para razonamiento difícil y tareas de agente prolongadas. Terra es el modelo equilibrado del día a día, casi tan capaz como GPT-5.5 pero a mitad de precio. Luna es el rápido y económico, ideal para grandes volúmenes. El número 5.6 indica la generación. Sol, Terra y Luna son niveles de capacidad, y cada uno puede mejorar por su cuenta. Para la mayoría de las empresas, Terra es la opción por defecto más sensata, y solo conviene recurrir a Sol o Luna cuando el trabajo realmente lo pide.
Si buscaste GPT-5.6 esta semana, seguramente te topaste con tres nombres desconocidos y una tabla de precios, y saliste más confundido de lo que entraste. Aquí va la versión clara. OpenAI dejó de lanzar un único modelo por versión y empezó a lanzar una pequeña familia. La publicación se activó el 9 de julio, tras un breve retraso ligado a una revisión de seguridad del gobierno de Estados Unidos, y ya está disponible en ChatGPT, en Codex y a través de la API.
El cambio importante no son las puntuaciones brutas de los benchmarks. Es que ahora tienes que tomar una decisión que antes no tenías que tomar: qué nivel encaja con cada tarea. Si aciertas con esa elección, gastas menos y obtienes mejores respuestas. Si te equivocas, o pagas de más por tareas simples o mandas tareas difíciles a un modelo demasiado pequeño. Este artículo repasa para qué sirve cada nivel, cuánto cuesta y cómo decidir.
Qué lanzó OpenAI en realidad
GPT-5.6 es una generación de modelo ofrecida en tres tamaños. OpenAI describe la nomenclatura así: el número indica la generación, y el nombre (Sol, Terra, Luna) indica el nivel de capacidad. Un nivel puede avanzar a su propio ritmo, de modo que un futuro Terra podría volverse más inteligente sin que toda la familia dé un salto de versión. Suena a marketing, pero tiene un efecto práctico. Eliges un nivel para una tarea y te quedas en él la mayor parte del tiempo, en lugar de reevaluar cada modelo en cada lanzamiento.
Esto es para lo que está pensado cada uno.
Sol, el buque insignia
Sol es el modelo para lo difícil. Razonamiento de frontera, trabajo de agente de horizonte largo que se ejecuta a lo largo de muchos pasos, programación seria y problemas científicos o analíticos donde una respuesta equivocada sale cara. Si estás construyendo un agente que planifica y ejecuta por su cuenta una tarea de varios pasos, o necesitas la mejor respuesta disponible ante una pregunta genuinamente difícil, este es el nivel. OpenAI además hace correr Sol en hardware de Cerebras a hasta 750 tokens por segundo, lo que importa si quieres calidad de frontera sin una larga espera.
Terra, el caballo de batalla diario
Terra es el que la mayoría de los equipos usará la mayor parte del tiempo. OpenAI lo posiciona como equivalente en calidad al antiguo GPT-5.5, pero con un coste de funcionamiento cercano a la mitad. Para redactar, resumir, responder preguntas de clientes, clasificar tickets y el conjunto general de tareas diarias del negocio, Terra es lo bastante rápido, lo bastante inteligente y tiene un precio con el que no piensas en la factura cada vez que alguien lanza una consulta.
Luna, el nivel de volumen
Luna es el más rápido y barato de los tres. Está pensado para gran volumen y baja latencia: clasificación simple, respuestas cortas, etiquetado, enrutamiento, filtrado de primera pasada, todo lo que ejecutas miles de veces al día y donde cada llamada individual es fácil. No le confiarías a Luna tu análisis más difícil, pero para esa larga cola de llamadas pequeñas y repetitivas mantiene los costes bajos y las respuestas rápidas.
Cuánto cuesta
El precio es por millón de tokens, dividido en entrada (lo que envías) y salida (lo que el modelo escribe de vuelta). Un token equivale más o menos a tres cuartos de una palabra, así que un millón de tokens es mucho texto, pero se acumula rápido a gran escala.
- Sol: $5 por millón de tokens de entrada, $30 por millón de tokens de salida.
- Terra: $2.50 por millón de tokens de entrada, $15 por millón de tokens de salida.
- Luna: $1 por millón de tokens de entrada, $6 por millón de tokens de salida.
La diferencia es la clave de todo. Sol cuesta cinco veces lo que Luna en entrada y cinco veces en salida. Mandar a Sol una tarea que Luna podría resolver no es un pequeño desperdicio, es un desperdicio de cinco veces, repetido en cada llamada. Justo por eso los niveles importan tanto para cualquiera que haga correr estos modelos a volumen real.
Hay además un cambio más discreto que ahorra dinero si lo aprovechas: el prompt caching mejoró. GPT-5.6 te permite definir puntos de corte de caché explícitos y mantiene vivo un prompt en caché durante al menos 30 minutos. Leer desde la caché sigue teniendo el 90 por ciento de descuento sobre la entrada, mientras que escribir en ella cuesta 1.25 veces la tarifa normal de entrada. En términos sencillos, si envías las mismas instrucciones largas o el mismo contexto una y otra vez, la caché significa que pagas el precio completo por guardarlo una vez y una fracción del precio en cada reutilización durante la siguiente media hora.
Qué nivel debería usar tu empresa
No elijas un solo nivel para todo. La gracia de tener una familia es que diriges cada tarea al nivel más barato capaz de resolverla bien. Una forma sencilla de decidir:
- Empieza en Terra. Para la mayoría de las tareas de negocio es el equilibrio justo entre calidad y coste. Que sea tu opción por defecto y muévete de ahí solo por un motivo.
- Sube una tarea a Sol cuando Terra tenga problemas evidentes: flujos de trabajo de agente de varios pasos, análisis difíciles, código que tiene que estar bien, o cualquier cosa donde una respuesta equivocada cueste dinero de verdad. Pruébalo, confirma que la mejor respuesta vale el precio más alto y déjala ahí.
- Baja una tarea a Luna cuando sea simple y la ejecutes constantemente: etiquetar correos, enrutar tickets, respuestas estándar cortas, filtrar. El ahorro es mayor justo donde el volumen es más alto.
No hace falta adivinar en abstracto. Elige un flujo de trabajo real, ejecútalo en dos niveles y compara el resultado y el coste lado a lado. La respuesta correcta suele ser obvia en una tarde de pruebas, y es distinta para tareas distintas. En ese enrutamiento por tarea es donde vive el ahorro. Escribimos más sobre cómo controlar este tipo de gasto en nuestra guía para reducir los costes de IA empresarial en 2026.
Lo otro que se lanzó: ChatGPT Work
Junto con los modelos, OpenAI lanzó un agente orientado al trabajo dentro de ChatGPT y reforzó los controles para las cuentas de empresa. Los administradores de los planes Business, Enterprise y Edu pueden fijar políticas sobre qué modelos, herramientas y conectores puede usar el personal, y limitar el uso. Si estás desplegando IA en todo un equipo y no para un único usuario avanzado, esos controles son la parte a la que prestar atención. Son lo que mantiene predecible el despliegue de una empresa en lugar de que cada uno use lo que quiera con el presupuesto que quiera.
Si estás comparando opciones en vez de comprometerte con un solo proveedor, vale la pena leer sobre estos modelos junto a las alternativas. Cubrimos otro lanzamiento reciente en nuestra guía de Claude Fable 5 para empresas, y la jugada sensata para la mayoría de las compañías no es la lealtad a un solo laboratorio, sino elegir el modelo adecuado para cada tarea.
¿Deberías cambiarte ahora mismo?
Si ya construyes sobre OpenAI, pasar de GPT-5.5 a Terra es una mejora sencilla de probar, ya que Terra busca igualar al modelo anterior a un precio más bajo. Con ese solo cambio hay un ahorro real sobre la mesa, una vez confirmes que la calidad se mantiene en tus propias tareas. Si estás en un modelo de la competencia y funciona, no hay prisa. Un nuevo lanzamiento es motivo para hacer una comparación rápida, no para arrancar algo que ya cumple su función. El enfoque constante gana a perseguir cada lanzamiento: prueba con tu carga de trabajo real, quédate con lo que gane y dirige por tarea en lugar de por el bombo.
Preguntas frecuentes
¿Cuál es la diferencia entre Sol, Terra y Luna?
Son tres tamaños de la misma generación GPT-5.6. Sol es el más capaz y más caro, hecho para razonamiento difícil y tareas de agente prolongadas. Terra es el modelo equilibrado del día a día, a alrededor de la mitad del coste. Luna es el más rápido y barato, pensado para gran volumen y tareas simples.
¿Cuándo salió GPT-5.6?
OpenAI lo presentó en vista previa el 26 de junio de 2026 y puso los tres niveles a disposición general el 9 de julio de 2026, tras un breve retraso ligado a una revisión de seguridad del gobierno de Estados Unidos. Está disponible en ChatGPT, en Codex y a través de la API.
¿Cuánto cuesta GPT-5.6?
Por millón de tokens: Sol cuesta $5 de entrada y $30 de salida, Terra $2.50 de entrada y $15 de salida, y Luna $1 de entrada y $6 de salida. El prompt caching puede bajar aún más el coste efectivo si reutilizas el mismo contexto con frecuencia.
¿Qué nivel es mejor para una pequeña empresa?
Empieza con Terra para la mayoría del trabajo. Sube tareas concretas a Sol solo cuando sean genuinamente difíciles, y bájalas a Luna cuando sean simples y se ejecuten a gran volumen. Enrutar por tarea, en lugar de elegir un solo nivel para todo, es la forma de mantener alta la calidad y bajo el coste.
¿Tengo que cambiar desde GPT-5.5?
No, pero vale la pena probar Terra, ya que busca igualar la calidad de GPT-5.5 a un precio más bajo. Ejecútalo primero en tus propias tareas y cámbiate solo si la calidad se mantiene y el ahorro es real para ti.
¿Qué es el prompt caching y por qué importa?
Si envías las mismas instrucciones largas o el mismo contexto de forma repetida, la caché lo guarda para que no pagues el precio completo cada vez. GPT-5.6 mantiene un prompt en caché durante al menos 30 minutos y da un 90 por ciento de descuento sobre la entrada en caché, lo que recorta la factura de las cargas de trabajo repetitivas.
¿Necesitas ayuda para elegir y configurar todo esto?
Buinsoft es una consultora de IA y software con sede en Praga. Ayudamos a las empresas a probar estos modelos en su trabajo real, a dirigir cada tarea al nivel que le corresponde y a configurar los accesos y los controles de coste antes de un despliegue, no después de la primera factura sorpresa.
Escríbenos a info@buinsoft.com o usa el formulario de contacto, y te ayudaremos a elegir el modelo adecuado para cada tarea.
Datos vigentes a fecha del 10 de julio de 2026. El precio y la disponibilidad de los modelos pueden cambiar, así que consulta la documentación actual de OpenAI antes de comprometerte.
