OpenAI dividió su nueva generación en dos propuestas muy distintas: GPT-6 Sol para trabajos de mayor exigencia y GPT-6 Luna para velocidad, volumen y bajo costo. Ambos modelos llegaron el 22 de septiembre de 2026 a la API y a productos seleccionados de ChatGPT y Codex, pero su disponibilidad depende del plan y del espacio de trabajo.
La diferencia más llamativa está en la API. Para solicitudes estándar de hasta 272.000 tokens, la entrada de Sol cuesta US$2 por millón de tokens, frente a US$0,10 en Luna: una brecha de 20 veces. En la salida, Sol cuesta US$10 por millón y Luna, US$0,50. Eso convierte la selección del modelo en una decisión de arquitectura y presupuesto, no en una simple preferencia por “el más nuevo”.
Qué anunció OpenAI
Los identificadores de API son `gpt-6-sol` y `gpt-6-luna`. Según la documentación y el anuncio de OpenAI, ambos aceptan texto e imágenes como entrada y producen texto. Esa descripción no implica que generen imágenes ni que todas las funciones de ChatGPT estén disponibles mediante la API.
OpenAI también incorporó los modelos en ChatGPT Work y Codex para usuarios de planes Plus, Pro, Business, Enterprise y Edu. Luna, además, se anunció para usuarios Free y Go en escritorio. Sin embargo, las notas de la empresa advierten que las opciones de modelo pueden variar según el plan y la configuración del workspace. Tampoco conviene confundir la experiencia de Work o Codex con el chat general: son superficies y flujos separados.
En Paraguay, por lo tanto, no es prudente prometer que toda cuenta verá hoy los mismos selectores. Si querés comprobar el acceso, revisá el modelo disponible en tu producto, el plan activo y las restricciones administradas por tu organización. La presencia de un anuncio global no garantiza un despliegue simultáneo en cada cuenta.
El precio cambia la manera de diseñar un flujo
La tarifa estándar publicada para Sol es de US$2 por millón de tokens de entrada, US$0,20 por millón de tokens de entrada almacenada en caché y US$10 por millón de tokens de salida. En Luna, los valores son US$0,10, US$0,01 y US$0,50, respectivamente.
La proporción se mantiene: Luna cuesta una vigésima parte de Sol en esas tres categorías. Pero ese dato necesita dos cautelas. Primero, el precio indicado corresponde al nivel estándar y a contextos de hasta 272.000 tokens. Solicitudes mayores o modalidades de servicio diferentes pueden tener otra tarifa. Segundo, el costo real depende mucho de la salida: pedir respuestas extensas puede pesar más que el texto enviado.
Un cálculo ilustrativo ayuda. Un proceso que consuma un millón de tokens de entrada y 200.000 de salida costaría US$4 con Sol bajo esas tarifas: US$2 por entrada y US$2 por salida. Con Luna costaría US$0,20: US$0,10 por entrada y US$0,10 por salida. No es una cotización de proyecto, porque faltan reintentos, herramientas, caché, contexto y eventuales precios por encima del umbral; sí muestra por qué no conviene usar automáticamente el modelo más caro en cada paso.
Sol para lo difícil, Luna para lo repetible
La separación sugiere una estrategia práctica: reservar Sol para tareas donde un error o una conclusión superficial tenga un costo alto, y usar Luna cuando predominan la latencia, el volumen y la facilidad de verificación.
Sol puede tener sentido para revisar una arquitectura, sintetizar evidencia contradictoria, depurar un problema complejo o preparar una decisión con muchas restricciones. Luna puede servir para clasificar documentos, extraer campos, transformar formatos, generar primeras versiones y responder consultas frecuentes con reglas claras.
Eso no significa que uno sea universalmente “inteligente” y el otro “básico”. El rendimiento depende de la tarea, el contexto, el prompt, las herramientas y el criterio de evaluación. OpenAI publicó resultados de benchmarks para sustentar la nueva línea, pero son mediciones del proveedor. Antes de migrar un proceso, conviene evaluar una muestra propia con casos normales, casos límite y errores conocidos.
Una arquitectura mixta puede ser más útil que una elección total. Por ejemplo, Luna puede procesar y estructurar un lote grande; Sol puede revisar únicamente los casos de baja confianza o los que superen un umbral de riesgo. Este esquema reduce gasto sin abandonar controles en los puntos sensibles.
Cómo evaluar el cambio sin arriesgar el proceso
Si ya usás modelos de OpenAI en una empresa, evitá reemplazarlos de una vez. Elegí entre 30 y 100 tareas reales anonimizadas, conservá la respuesta esperada y compará precisión, tiempo, costo y tasa de revisión humana. Definí antes qué error sería inaceptable: una clasificación equivocada no tiene el mismo impacto en un borrador interno que en una decisión financiera o de seguridad.
También conviene medir el flujo completo. Un modelo barato que obliga a repetir solicitudes o a revisar cada salida puede terminar costando más. Del otro lado, un modelo potente no justifica su tarifa si la tarea consiste en copiar campos con reglas objetivas. Registrá tokens, reintentos, tiempo humano, errores y casos no resueltos.
La caché puede mejorar la economía cuando una parte sustancial del contexto se repite, como una política o un catálogo estable. Pero el precio reducido de entrada en caché no garantiza que cualquier solicitud califique. La implementación debe seguir la documentación vigente y comprobar en los registros qué tokens recibieron esa tarifa.
Qué significa para profesionales de Paraguay y América Latina
La diferencia de precio es especialmente relevante para equipos con presupuestos en guaraníes o monedas regionales, y para productos cuyo volumen puede crecer rápido. Luna baja la barrera para prototipos y automatizaciones asistidas; Sol ofrece una opción superior para casos que justifican más gasto. La oportunidad está en asignar cada etapa al nivel correcto, no en adoptar un único modelo para todo.
Antes de procesar datos personales, contratos, historiales de clientes o información regulada, revisá las condiciones del producto y de tu organización. Un modelo nuevo no reemplaza controles de privacidad, permisos ni revisión especializada. Tampoco conviertas un benchmark en garantía para tu idioma, sector o conjunto de datos.
Qué conviene observar ahora
Las preguntas importantes son cómo se comportan Sol y Luna en tareas reales, qué opciones llegan a cada plan y región, y cómo se aplican las tarifas cuando el contexto supera los 272.000 tokens. También habrá que observar si el ahorro de Luna se mantiene después de incluir herramientas, reintentos y supervisión.
Para quien administra costos, el paso inmediato es sencillo: no migres por el nombre. Prepará una evaluación con criterios, ejecutá ambos modelos sobre la misma muestra y decidí según calidad suficiente, riesgo y costo total. La nueva familia amplía las opciones; también obliga a elegir con más disciplina.
Opciones de titular evaluadas
1. OpenAI estrena GPT-6 Sol y Luna con una brecha de precio de 20 veces en la API — elegida por mostrar actor, novedad y consecuencia verificable. 2. OpenAI divide GPT-6 entre Sol para tareas complejas y Luna para trabajo de alto volumen. 3. GPT-6 Luna cuesta US$0,10 por millón de tokens de entrada y desafía a Sol en tareas masivas.