OpenAI lanza GPT-6 Sol y Luna: la API cuesta 50% menos que GPT-5.6 y los precios son permanentes

OpenAI presentó el martes 22 de septiembre de 2026 dos modelos nuevos, GPT-6 Sol y GPT-6 Luna, con un cambio que para una operación comercial pesa más que cualquier tabla de benchmarks: el precio de la API baja 50% frente a la generación anterior. Sol queda en 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida. Luna queda en 0,10 y 0,50 dólares.

Un portavoz de la compañía confirmó a VentureBeat que se trata de precios permanentes y no de una promoción de lanzamiento. Esa aclaración es la parte relevante del anuncio para quien ya tiene agentes de prospección, calificación o soporte corriendo sobre la API y estaba presupuestando con las tarifas anteriores.

¿Cuánto bajan exactamente los precios de la API?

La comparación directa contra la familia GPT-5.6, según el anuncio de OpenAI y el desglose publicado por VentureBeat, queda así:

• GPT-6 Sol: 2 dólares de entrada y 10 de salida por millón de tokens, exactamente la mitad de los 4 y 20 dólares que costaba GPT-5.6 Sol.
• GPT-6 Luna: 0,10 de entrada y 0,50 de salida, frente a 0,20 y 1,20 de GPT-5.6 Luna. La salida cae 58,3%.
• GPT-6 Astra, el modelo tope presentado antes, se mantiene en 10 y 50 dólares en su versión estándar y en 20 y 100 en su versión rápida.
• Las lecturas de tokens de entrada en caché conservan un 90% de descuento, ahora con mejores tasas de acierto por defecto.

El dato del descuento por caché no es menor. En un agente que repite el mismo contexto de producto, de precios o de políticas en cada conversación, la porción cacheada del prompt suele ser la mayoritaria, y ahí el ahorro real supera al titular de 50%.

¿Qué tan capaces son Sol y Luna?

OpenAI posiciona a Sol para tareas complejas, incluida programación, y a Luna para volumen alto de trabajo administrativo: resumir documentos, extraer información y responder preguntas. Los resultados publicados en el anuncio son los siguientes:

• AutomationBench 1.0.6: Sol alcanza 33,2% con un costo de 0,27 dólares por tarea.
• DeepSWE v1.1: Sol llega a 68,8% y Luna a 66,6%.
• OSWorld 2.0: Sol obtiene 60,5%.
• Agents' Last Exam: Sol marca 56,4%.
• En FrontierCode, OpenAI afirma que Sol iguala a Claude Fable 5.1 a un costo menor.

TechCrunch reportó que Sol comete alrededor de la mitad de los errores de su antecesor en las evaluaciones internas de factualidad de OpenAI. La compañía resume el lanzamiento con una frase corta: GPT-6 Astra introdujo una nueva generación de inteligencia y estos modelos extienden ese beneficio haciendo esa inteligencia más eficiente y accesible.

¿Dónde están disponibles hoy?

Los modelos ya se pueden llamar en la API con los identificadores gpt-6-sol y gpt-6-luna. En producto, llegan de forma gradual a ChatGPT Work y Codex para los planes Plus, Pro, Business, Enterprise y Edu. Luna además queda disponible en la aplicación de escritorio para usuarios Free y Go. Según TechCrunch, Anthropic había publicado Claude Opus 5.5 cerca de noventa minutos antes del anuncio de OpenAI.

¿Qué significa para las empresas en Chile y Latinoamérica?

Para equipos comerciales en Chile y Latinoamérica el efecto práctico es de presupuesto, no de capacidad. La mayoría de las operaciones que probaron agentes durante 2026 no frenaron por calidad del modelo sino por costo unitario en dólares sobre un presupuesto en moneda local. Una baja de 50% permanente cambia el punto de equilibrio de casos que estaban al borde: enriquecimiento de bases de datos, calificación de leads inbound, resumen de llamadas y respuesta de primera línea en canales de alto volumen. También cambia la conversación con proveedores locales que revenden capas sobre la API y que ahora deberían trasladar parte de esa baja al precio final.

Análisis de Revenue Hub

El patrón de fondo es claro y lleva doce meses repitiéndose: el costo de inferencia cae más rápido de lo que la mayoría de las empresas alcanza a rediseñar sus procesos. Eso genera una asimetría incómoda. Las compañías que construyeron su caso de negocio con los precios de hace seis meses están operando con supuestos obsoletos, y las que postergaron por costo están postergando por un argumento que ya no existe.

La recomendación concreta para un líder comercial es recalcular esta semana, no el próximo trimestre. Tomar los tres casos de uso que quedaron fuera por costo, aplicarles las tarifas nuevas y revisar si el modelo económico se sostiene. En paralelo, separar la elección de modelo de la arquitectura: si el código llama directamente a un identificador fijo, cada cambio de precio o de generación implica una migración. Una capa de abstracción simple hace que esta noticia sea una línea de configuración y no un proyecto.

Hay un segundo punto que se pasa por alto. Con Luna a 0,10 dólares por millón de tokens de entrada, el cálculo deja de girar en torno al costo del modelo y pasa a girar en torno a la calidad de los datos que se le entregan. Un agente barato sobre un CRM sucio produce volumen de errores baratos. Antes de escalar, conviene invertir en la higiene de los datos comerciales. Seguimos estos movimientos en la sección de IA para ventas y publicamos criterios de arquitectura comercial en el blog de Revenue Hub.