OpenAI puso a disposición general su modelo GPT-5.6 el 9 de julio de 2026, pero con un giro respecto de sus lanzamientos anteriores: en lugar de un único modelo, ofrece tres versiones diferenciadas por precio y capacidad, llamadas Sol, Terra y Luna. La novedad más relevante para quienes construyen aplicaciones no está en la potencia bruta, sino en una función que promete recortar de forma notable el costo de operar agentes de IA.

Según el anuncio oficial de la compañía, cada nivel apunta a un uso distinto. Sol, el tope de gama, cuesta 5 dólares por millón de tokens de entrada y 30 por millón de salida. Terra se ubica en 2,50 y 15 dólares, y Luna, la opción más económica, en 1 y 6 dólares. Los tokens son las unidades en que los modelos de lenguaje procesan y cobran el texto, de modo que esa escalera de precios permite elegir entre desempeño máximo y gasto contenido.

Qué mide y dónde destaca Sol

Sol encabeza el Coding Agent Index de Artificial Analysis con 80 puntos, 2,8 por encima de Claude Fable 5, el modelo de Anthropic con el que compite en tareas de programación autónoma. En OSWorld 2.0, una prueba que evalúa la capacidad de un agente para operar un entorno de escritorio real, alcanza 62,6% usando, según OpenAI, un 85% menos de tokens de salida que Opus 4.8. La eficiencia en el consumo de tokens es, precisamente, el argumento comercial que atraviesa todo el lanzamiento.

Conviene tomar los números con contexto. Fable 5 sigue liderando el Artificial Analysis Intelligence Index, así como las evaluaciones GDPval-AA v2 y Toolathlon. Y en SWE-Bench Pro, una referencia habitual para medir resolución de problemas de ingeniería de software, Claude Mythos 5 aventaja a Sol por unos 15 puntos. La familia GPT-5.6 no domina todos los frentes: gana en algunos y cede en otros.

Llamadas programáticas a herramientas

El cambio de fondo para desarrolladores es lo que OpenAI llama Programmatic Tool Calling. En lugar de que el modelo pida usar una herramienta, reciba el resultado, lo procese y vuelva a pedir la siguiente —devolviendo cada resultado intermedio al modelo—, ahora el modelo escribe código JavaScript que se ejecuta en un entorno aislado basado en el motor V8 y orquesta varias herramientas por su cuenta. Solo el resultado final vuelve al modelo.

La consecuencia directa es menos texto circulando y, por lo tanto, menos costo. OpenAI cita dos casos de sus primeros usuarios: Clio reportó una reducción del 38% en los tokens de instrucciones y PlayCo, un recorte del 63,5% en el total de tokens. Para equipos que ejecutan miles de tareas automatizadas al día, ese ahorro se traduce en facturas notablemente más bajas. La documentación técnica de la función está publicada en el portal para desarrolladores de OpenAI.

El movimiento llega en un momento de competencia intensa. Anthropic, Google y varios laboratorios chinos vienen empujando modelos orientados a tareas de programación y agentes, un terreno donde también se han metido jugadores como xAI con su reciente Grok 4.5. La estrategia de OpenAI de segmentar por niveles y atacar el costo operativo sugiere que la disputa ya no se juega solo en quién tiene el modelo más inteligente, sino en quién lo hace más barato de usar a escala.