GPT-6 Sol y GPT-6 Luna: OpenAI corta precios a la mitad y cambia las reglas del ROI en IA

OpenAI acaba de hacer algo más relevante para tu P&L que cualquier benchmark: ha partido el precio de sus modelos frontera por la mitad. GPT-6 Sol cuesta $2 por millón de tokens de entrada y $10 por millón de salida, mientras que GPT-6 Luna baja a $0.10/1M input y $0.50/1M output. Ambos, según The Deep View, aproximadamente un 50% más baratos que GPT-5.6. Esto no es una nota de prensa sobre capacidades: es una señal de que la guerra de la IA ya no se libra en los leaderboards, sino en el coste por transacción.

TL;DR: OpenAI lanza GPT-6 Sol ($2/1M input, $10/1M output) y GPT-6 Luna ($0.10/1M input, $0.50/1M output), un 50% más baratos que GPT-5.6. Luna es la verdadera noticia: un modelo a precio de commodity que hace viables casos de uso de agentes IA que antes no cerraban en ROI. Si tu business case de automatización no cuadraba en 2025, recalcula ahora.

El dato que importa no es Sol, es Luna

La tentación del titular es fijarse en Sol, el modelo "potente pero asequible". Error. Sol es simplemente el flagship con descuento: útil, previsible, y una admisión implícita de que los márgenes de los modelos frontera se están comprimiendo.

Luna es otra cosa. A $0.10 por millón de tokens de entrada, estamos hablando de un modelo que cuesta menos que la infraestructura que lo sirve hace dos años. Para ponerlo en contexto operativo: un agente de atención al cliente que procesa 50 millones de tokens de entrada al mes (volumen razonable para una mid-cap española con varios miles de tickets diarios) pagaría 5 dólares al mes en input. Hace dieciocho meses, esa misma carga de trabajo con un modelo de gama alta costaba varios miles.

Mi lectura: OpenAI está usando Luna como arma de destrucción de mercado contra los open weights (Llama, Mistral, Qwen) y contra los challengers de precio como DeepSeek. El argumento de "self-hostea y ahorra" se debilita mucho cuando la API gestionada cuesta céntimos.

Tabla de precios: GPT-6 frente a la generación anterior

Modelo	Input ($/1M tokens)	Output ($/1M tokens)	Posicionamiento
GPT-5.6	~$4	~$20	Flagship anterior
GPT-6 Sol	$2	$10	Frontera a mitad de precio
GPT-6 Luna	$0.10	$0.50	Modelo económico / alto volumen

Los precios de GPT-5.6 son los implícitos en el "50% más barato" reportado por The Deep View. La conclusión de la tabla es clara: OpenAI ha creado una separación de 20x entre su modelo caro y su modelo barato, lo que habilita arquitecturas de enrutamiento que antes eran prohibitivas.

Qué cambia en la arquitectura de agentes IA

Aquí es donde el anuncio tiene implicaciones reales de ingeniería, no solo de facturación.

1. El patrón router se convierte en estándar, no en optimización. Hasta ahora, enrutar peticiones entre un modelo caro y uno barato era una sofisticación que solo implementaban equipos maduros. Con una diferencia de 20x entre Sol y Luna, no hacerlo es directamente negligencia financiera. La arquitectura ganadora: Luna como modelo por defecto para clasificación, extracción, síntesis y primeras respuestas; Sol como escalado para razonamiento complejo, casos edge y decisiones de alto riesgo.

2. Los agentes de larga duración se vuelven viables. Los agentes autónomos que ejecutan tareas de 30-60 minutos consumen tokens de forma brutal porque reinyectan el contexto en cada paso. A precios de GPT-5.6, un agente así podía costar $1-3 por ejecución. Con Luna en los pasos intermedios, hablamos de céntimos. Eso habilita flujos de trabajo —prospección comercial, monitorización, análisis documental masivo— que estaban muertos económicamente.

3. El fine-tuning pierde parte de su argumento. Una de las justificaciones del fine-tuning era usar modelos pequeños especializados para abaratar. Si el modelo generalista barato ya cuesta $0.10/1M, el ahorro marginal del fine-tuning rara vez compensa el coste de mantenerlo.

El escepticismo obligatorio: lee la letra pequeña

Tres advertencias antes de que rehagas tus proyecciones:

Primero, "50% más barato" es la métrica de marketing. El coste real por tarea depende de cuántos tokens consume el modelo para lograr el mismo resultado. Si Luna necesita el doble de reintentos o contexto más largo para igualar la calidad de Sol en tu caso de uso, el ahorro se evapora. Mide coste por tarea completada, no por token.

Segundo, los precios de API de OpenAI son una puerta giratoria. Históricamente bajan, pero la compañía ha demostrado que puede deprecar modelos y forzar migraciones. Diseña tu stack con una capa de abstracción que permita cambiar de proveedor en días, no meses.

Tercero, el precio del token es cada vez una fracción menor del coste total de un sistema de IA en producción. La evaluación, la observabilidad, la gestión de datos y —sobre todo— la integración con tus sistemas legacy representan el 70-80% del presupuesto real. Quien te venda que "ahora la IA es gratis" no ha desplegado nada serio.

Impacto para el mercado español: el ROI por fin cuadra

Para las empresas que evalúan agencias IA en Madrid o agencias IA en Barcelona, este movimiento de precios elimina la objeción más frecuente que hemos escuchado en los últimos dos años: "el piloto funcionó, pero escalarlo no sale a cuenta".

Con Luna, los casos de uso de alto volumen y bajo valor unitario —clasificación de emails, resumen de documentación, enriquecimiento de CRM, soporte de primer nivel— pasan de "coste marginal dudoso" a "obviedad contable". Y con Sol a mitad de precio, los casos de razonamiento complejo (análisis contractual, planificación, coding agents) mejoran su payback de meses a semanas.

Esto tiene una consecuencia para cómo elegir partner: el valor de una consultoría IA ya no está en conseguir que el modelo funcione —eso se ha commoditizado— sino en diseñar la arquitectura de enrutamiento, las evaluaciones y la integración que capturan el ahorro. Si tu agencia te propone un único modelo para todo, está diseñando para 2024.

Del mismo modo, las empresas que exploran agentes autónomos deberían exigir a sus proveedores un desglose de coste por ejecución bajo los nuevos precios. Cualquier propuesta que siga usando la estructura de costes de GPT-5.6 está inflando el presupuesto o desactualizada.

Mi predicción: esto es el principio de la deflación estructural

OpenAI no baja precios por generosidad; baja precios porque puede y porque necesita volumen para justificar su valoración. Esperen dos cosas en los próximos doce meses: Anthropic y Google igualarán la estructura de dos niveles (flagship + commodity) en semanas, no meses; y el precio del token de gama económica seguirá cayendo hacia el coste marginal de inferencia, que con hardware dedicado se acerca a cero.

La consecuencia estratégica es incómoda para algunos: si el modelo es gratis, tu ventaja competitiva no puede ser "usamos IA". Será la calidad de tus datos, la profundidad de tus integraciones y la velocidad con la que rediseñas procesos alrededor de agentes. El presupuesto que te ahorras en tokens, inviértelo ahí — o mira cómo tu competidor lo hace por ti.

Preguntas frecuentes sobre GPT-6 Sol, GPT-6 Luna y sus precios

¿Cuánto cuesta GPT-6 Sol por millón de tokens?

GPT-6 Sol cuesta $2 por millón de tokens de entrada y $10 por millón de tokens de salida, aproximadamente un 50% más barato que GPT-5.6. Es el modelo frontera de OpenAI con precio reducido, orientado a tareas de razonamiento complejo.

¿Cuánto cuesta GPT-6 Luna y para qué sirve?

GPT-6 Luna cuesta $0.10 por millón de tokens de entrada y $0.50 por millón de salida. Está pensado para cargas de alto volumen: clasificación, extracción de datos, resumen de documentos y pasos intermedios de agentes donde no se necesita el máximo razonamiento.

¿Merece la pena migrar de GPT-5.6 a GPT-6 por precio?

Sí, si tu caso de uso ya funcionaba con GPT-5.6: el ahorro directo es del 50% con calidad comparable o superior. Pero mide el coste por tarea completada, no por token, porque el consumo real de tokens puede variar entre generaciones de modelos.

¿Cómo afectan estos precios al coste de un agente IA en producción?

Reducen drásticamente el coste variable: un agente que procesa 50 millones de tokens de entrada al mes pagaría unos $5 en input con Luna. Sin embargo, el 70-80% del coste total de un sistema en producción sigue siendo integración, evaluación y observabilidad, no el token.

¿Conviene usar un solo modelo o combinar Sol y Luna?

Combinar. Con una diferencia de precio de 20x entre ambos, la arquitectura recomendada es un router que use Luna por defecto y escale a Sol solo en casos complejos o de alto riesgo. Usar un único modelo para todo deja dinero sobre la mesa.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de automatización con ia
• Agencias de IA en Málaga y en Bogotá
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real