OpenAI ha anunciado una rebaja significativa en los precios de dos de sus modelos de inteligencia artificial de la familia GPT-5.6, apenas veinte dĂas despuĂ©s de su lanzamiento oficial. La tecnolĂ³gica ha reducido un 80% el coste de GPT-5.6 Luna y un 20% el de GPT-5.6 Terra, mientras que para el modelo insignia, GPT-5.6 Sol, ha introducido una opciĂ³n mĂ¡s rĂ¡pida en la API. Estos cambios, que entraron en vigor el pasado 30 de julio, buscan mejorar la relaciĂ³n entre coste, velocidad y capacidad, especialmente para empresas que manejan grandes volĂºmenes de tareas automatizadas con inteligencia artificial.
La compañĂa ha explicado que las reducciones de precio se deben a optimizaciones en toda su pila de software, incluyendo un mejor enrutamiento del hardware, software de inferencia mejorado y algoritmos de almacenamiento en cachĂ© de contexto mĂ¡s inteligentes. De hecho, parte de esas mejoras han sido generadas por los propios modelos: durante pruebas supervisadas, GPT-5.6 Sol reescribiĂ³ y optimizĂ³ de forma autĂ³noma nĂºcleos crĂticos de software de producciĂ³n, reduciendo un 20% la sobrecarga del servicio y mejorando la eficiencia de generaciĂ³n de tokens en mĂ¡s de un 15%. Esto permite a OpenAI extraer mayor rendimiento de sus clĂºsteres de servidores existentes.
Nuevos precios de GPT-5.6 Luna y Terra
Con la nueva tarifa, GPT-5.6 Luna pasa a costar 0,20 dĂ³lares por millĂ³n de tokens de entrada y 1,20 dĂ³lares por millĂ³n de tokens de salida, frente al dĂ³lar y los seis dĂ³lares anteriores. Este modelo, el mĂ¡s rĂ¡pido y econĂ³mico de la familia, estĂ¡ diseñado para tareas de gran volumen como clasificaciĂ³n de interacciones con clientes, anĂ¡lisis masivo de documentos y automatizaciones en segundo plano. OpenAI asegura que ofrece un rendimiento comparable al de modelos considerados de frontera hace aproximadamente un año, pero a una fracciĂ³n del coste.
Por su parte, GPT-5.6 Terra, pensado para el trabajo cotidiano, se sitĂºa en 2 dĂ³lares por millĂ³n de tokens de entrada y 12 dĂ³lares por millĂ³n de tokens de salida. Su enfoque busca un equilibrio entre razonamiento, velocidad y coste para asistentes empresariales, programaciĂ³n y consultas relacionadas con espacios de trabajo. La estrategia permite combinar distintos modelos dentro de un mismo proceso: por ejemplo, una empresa podrĂa usar Sol para resolver incertidumbres y elaborar un plan, y despuĂ©s asignar a Luna la implementaciĂ³n, las pruebas y la evaluaciĂ³n de los resultados.
Fast mode: velocidad extra para GPT-5.6 Sol
OpenAI tambiĂ©n ha presentado el modo rĂ¡pido (Fast mode) para GPT-5.6 Sol, que sustituye al anterior Priority Processing en la API. Esta modalidad permite que el modelo insignia funcione hasta 2,5 veces mĂ¡s rĂ¡pido que el procesamiento estĂ¡ndar, aunque su utilizaciĂ³n cuesta el doble. La compañĂa asegura que la velocidad adicional no altera la inteligencia del modelo. Las solicitudes existentes identificadas como prioritarias pasarĂ¡n automĂ¡ticamente a Fast mode, manteniendo la compatibilidad con las implementaciones actuales.
Estos cambios en las tarifas repercuten tambiĂ©n en el crĂ©dito o lĂmite de tiempo de los usuarios u organizaciones en ChatGPT Work y Codex, donde el uso de Luna y Terra consumirĂ¡ menos crĂ©ditos sin que varĂen los niveles de suscripciĂ³n mensual. OpenAI ha comunicado la noticia a travĂ©s de su cuenta en X, afirmando que «con el compromiso de impulsar la frontera de los modelos en cuanto a eficiencia de costes, capacidad y velocidad», han reducido los precios. La rebaja llega en un momento de mĂ¡xima tensiĂ³n competitiva en el sector, con la reciente apariciĂ³n de modelos como Kimi K3 de la startup china Moonshot AI.
Las nuevas tarifas ya estĂ¡n activas desde el 30 de julio y, aunque los datos de rendimiento proceden principalmente de evaluaciones internas de OpenAI y de clientes seleccionados, la compañĂa confĂa en que los ahorros se mantengan en cargas de trabajo diversas y a gran escala. Con esta estrategia, OpenAI refuerza la tendencia de segmentar la inferencia segĂºn la complejidad del problema, permitiendo a las organizaciones calibrar de manera precisa el coste financiero frente a la capacidad de cĂ³mputo requerida para sus operaciones.