OpenAI lanzó GPT-5.6 para disponibilidad general el 9 de julio de 2026, y la primera decisión que impone no tiene nada que ver con si actualizar o no. Es una elección de menú. La versión se presenta en tres modelos, gpt-5.6-sol, gpt-5.6-terra y gpt-5.6-luna, ubicados en tres puntos de la curva de costo-capacidad. Elija demasiado alto y pagará tarifas de Sol por trabajos que Terra maneja bien. Elija demasiado bajo y su agente se detendrá en tareas para las que Luna nunca fue diseñada.
Los nombres siguen un sistema: el número marca la generación, mientras que Sol, Terra y Luna son niveles duraderos que avanzan a su propio ritmo. Nuestro explicador de nombres de GPT-5.6 cubre esa estructura en profundidad, por lo que esta guía omite la historia. Lo que encontrará aquí es la decisión de compra: qué hace bien cada nivel, dónde se esconde la trampa de precios y cómo tomar la decisión con sus propias indicaciones en lugar de las tablas del día de lanzamiento.
La respuesta en 30 segundos
| Modelo | Precio por 1M de tokens | Escójalo cuando |
|---|---|---|
gpt-5.6-sol |
$5 entrada / $30 salida | La tarea es genuinamente difícil: codificación agéntica, orquestación de herramientas de varios pasos, investigación profunda |
gpt-5.6-terra |
$2.50 entrada / $15 salida | Casi todo lo demás. El predeterminado para trabajos de producción |
gpt-5.6-luna |
$1 entrada / $6 salida | El volumen y la latencia mandan: clasificación, extracción, enrutamiento, borradores de primera pasada |
Terra es la opción predeterminada sensata. OpenAI lo posiciona como competitivo con GPT-5.5 a aproximadamente la mitad del precio, lo que significa que la clase de modelo en la que se ejecutaron la mayoría de las aplicaciones de producción el mes pasado ahora cuesta la mitad. Sol justifica su prima solo cuando la tarea es lo suficientemente difícil como para mostrar una brecha medible. Luna gana cada vez que se multiplican los precios por token por millones de solicitudes.
Si prefiere probar antes que confiar, buen instinto. Los tres modelos aceptan las mismas llamadas a la API de Respuestas, por lo que puede ejecutar un conjunto de indicaciones contra cada nivel en Apidog y dejar que los resultados resuelvan la discusión. La configuración lleva diez minutos; más sobre ello a continuación.
Para qué está diseñado cada nivel
Los tres modelos están activos en la API para cualquier cuenta. El acceso es de autoservicio sin restricciones de plan, y los ID de modelo anteriores provienen directamente de la documentación para desarrolladores de OpenAI. La cobertura inicial de la documentación informa una ventana de contexto de 1M de tokens, una salida máxima de 128K y una fecha de corte de conocimiento del 16 de febrero de 2026 para toda la familia; trátelos como cifras reportadas hasta que la página de modelos de OpenAI los confirme para su cuenta.
Sol: el buque insignia para problemas difíciles
Sol es el nivel de razonamiento profundo, y los puntos de referencia de lanzamiento concentran sus ganancias exactamente donde cabría esperar: trabajo agéntico de largo alcance. Según OpenAI, Sol obtiene una puntuación de alrededor de 53 en Agents’ Last Exam frente a 46.9 para GPT-5.5, alcanza el 88.8% en Terminal-Bench 2.1 y salta de 47.5 a 62.6 en OSWorld 2.0. Esas son afirmaciones del día de lanzamiento, así que considérelas con cautela. Pero el patrón es consistente: la planificación, el uso de herramientas y la recuperación de errores mejoraron mucho más que la calidad del texto de rutina.
No es una victoria aplastante. En SWE-Bench Pro, Claude Fable 5 lidera con un 80.3% frente al 64.6% de Sol, por lo que “buque insignia” no significa “el mejor en todo”. Desglosamos dónde los números se ven más fuertes y más débiles en nuestro análisis de benchmarks de GPT-5.6 Sol.
Terra: el predeterminado para trabajos de producción
La propuesta de Terra es económica más que heroica. OpenAI lo posiciona como competitivo con GPT-5.5 a aproximadamente 2 veces más barato, y ese encuadre decide por sí mismo la mayoría de las cargas de trabajo reales. Si su producto funcionaba bien con GPT-5.5, Terra le ofrece la misma clase de capacidad a la mitad del gasto. Asistentes de chat, resumen, pipelines de contenido, la mayoría de las configuraciones RAG: este es el nivel por el que debe comenzar, y del que debería tener que argumentar para salirse.
Luna: economía unitaria y velocidad
Luna maneja el trabajo donde nadie lee el razonamiento: clasificación, extracción de entidades, enrutamiento de solicitudes, borradores de primera pasada que un humano o un modelo más grande revisa. Con $1 de entrada / $6 de salida, cuesta una quinta parte de Sol en ambos lados del medidor, y es el más rápido de los tres. El error común es emocional, no técnico: los equipos se saltan Luna porque “el más barato” suena a “el peor”, luego pagan tarifas de Terra por tareas con salidas de una sola palabra.
La trampa en el valor predeterminado
Aquí está el detalle que infla silenciosamente las facturas: el alias simple gpt-5.6 se redirige a Sol. Si opta por la cadena de modelo obvia, ha elegido el nivel más caro sin siquiera decidirlo.
Fije el nivel explícitamente en cada llamada:
{
"model": "gpt-5.6-terra",
"input": "Clasificar este ticket de soporte por urgencia y área de producto.",
"reasoning": { "effort": "medio" }
}
La diferencia se acumula rápidamente. Un servicio que procesa 50M de tokens de entrada y 10M de salida al mes paga alrededor de $275 en Terra, $550 en Sol y $110 en Luna. Mismo tráfico, una diferencia de 5x, decidida por una cadena. Para la tabla de tarifas completa, incluidos los descuentos por caché, consulte nuestro desglose de precios de GPT-5.6. El artículo de lanzamiento de Simon Willison también vale la pena como una primera impresión de la versión por parte de un desarrollador independiente.
Adapte el modelo a su carga de trabajo
Tres escenarios cubren la mayor parte del espacio de decisión.
Un pipeline de codificación agéntica. Elija Sol. Las ganancias de los benchmarks se concentran aquí, al igual que las características GA: la llamada programática de herramientas permite al modelo escribir JavaScript que orquesta sus llamadas a herramientas, ejecutado en un entorno de ejecución V8 aislado sin acceso a la red, y el razonamiento persistente lleva el contexto a través de los turnos. Cuando una ejecución toma 40 pasos y una mala decisión en el paso 12 desperdicia los siguientes 28, la calidad del modelo es el elemento de línea más barato en el pipeline. El perfil completo de Sol cubre qué más cambia el buque insignia.
Un asistente de chat de producción. Elija Terra. Los usuarios juzgan la latencia y la utilidad, no las deltas de los benchmarks, y en preguntas rutinarias no pueden distinguir Sol de Terra. Dirija la consulta difícil rara a Sol detrás de una heurística si sus registros demuestran que lo necesita; no pague tarifas de buque insignia por “cómo restablezco mi contraseña”.
Un pipeline de documentos de alto volumen. Elija Luna, luego agregue almacenamiento en caché. GPT-5.6 admite puntos de interrupción de caché explícitos (prompt_cache_options.mode: "explicit" con un campo ttl); las lecturas de caché mantienen el descuento del 90%, las escrituras se facturan a 1.25 veces la tasa de entrada, y el contenido en caché vive al menos 30 minutos. Para trabajos de extracción que reutilizan un mensaje de sistema largo en miles de documentos, Luna más el almacenamiento en caché explícito se encuentra en una clase de costo diferente a la de cualquiera de sus hermanos. Las nuevas configuraciones de detalle de visión (original y auto) también preservan las dimensiones de la imagen fuente, lo cual es importante cuando se extraen campos de escaneos.
Los niveles de esfuerzo cambian las cuentas
El nivel es solo la mitad del control. GPT-5.6 expone seis niveles de esfuerzo de razonamiento en cada nivel: none, low, medium, high, xhigh y max. Esto convierte tres modelos en una cuadrícula, y la comparación de celdas más interesante no es Sol contra Terra con la misma configuración. Es Terra en high contra Sol en medium. Terra con más tiempo para pensar puede cerrar gran parte de la brecha de calidad a la mitad del precio del token, y si la cierra lo suficiente para sus tareas es una cuestión empírica, no de hoja de especificaciones.
La propia guía de migración de OpenAI apunta en la misma dirección: trate el cambio como un ajuste fino, no como un intercambio de slug de modelo. Primero, compare tareas representativas y pruebe su nivel de esfuerzo actual junto con un nivel inferior. Una nota más sobre las indicaciones de la documentación: GPT-5.6 escribe respuestas notablemente más cortas con menos introducciones genéricas, así que elimine el "sea conciso" de las indicaciones que reutilice, o obtendrá respuestas tan escuetas que resultarán inútiles.
Para trabajos donde la calidad es lo primero y prefiere esperar antes que volver a ejecutar, el modo pro (reasoning.mode: "pro") está disponible en los tres modelos. Es una configuración, no un modelo separado, por lo que puede activarlo en Terra con la misma facilidad que en Sol.
Pruebe los tres antes de comprometerse
La respuesta honesta a “qué modelo debería usar” es: el que gane con sus indicaciones. Los benchmarks son las tareas de OpenAI; su tráfico de producción no lo es.
La prueba es barata de ejecutar. Recopile de 10 a 20 tareas reales de sus registros, incluidas las más difíciles. Descargue Apidog, guarde la URL base y la clave API de OpenAI una vez, luego coloque el ID del modelo en una variable de entorno para que una definición de solicitud cubra los tres niveles. Cambie {{model}} entre gpt-5.6-sol, gpt-5.6-terra y gpt-5.6-luna, ejecute el mismo conjunto de indicaciones y compare dos cosas lado a lado: la calidad de la salida según sus propios estándares y los recuentos de tokens usage en cada respuesta. Multiplique esos recuentos por la tabla de tarifas y la tabla de costos por tarea se escribirá sola.
Dos hallazgos aparecen en la mayoría de estas comparaciones. Terra iguala a Sol en una mayor proporción de tareas de lo que implica la diferencia de precios. Y Luna sobrevive al trabajo de salida estructurada, la vía de clasificación y extracción, mucho más a menudo de lo que sugiere su precio. Solo aprenderá dónde su carga de trabajo rompe ese patrón ejecutándola.
Dónde encaja Ultra
Ultra es la única opción en esta línea que no es un ID de modelo de API. Es una configuración multiagente que ejecuta cuatro agentes en paralelo por defecto, gastando más tokens deliberadamente a cambio de resultados más rápidos en tiempo real en problemas difíciles. Según OpenAI, Ultra eleva la puntuación de Sol en Terminal-Bench 2.1 del 88.8% al 91.9%.
La disponibilidad está sujeta al plan del producto: Ultra vive en ChatGPT Work en los planes Pro y Enterprise, y en Codex desde Plus en adelante. El producto de chat tiene su propio mapa de niveles, según el centro de ayuda de OpenAI:
| Plan de ChatGPT | Acceso a GPT-5.6 |
|---|---|
| Gratis / Go | Terra |
| Plus | Sol, Terra y Luna con control de esfuerzo por modelo (Sol a partir de esfuerzo medio) |
| Pro / Negocios / Empresa | Todo lo anterior, más Sol Pro |
| ChatGPT Work (Pro / Empresa), Codex (Plus y superior) | Ultra |
Si su carga de trabajo de agente paralelo reside en código en lugar de chat, esté atento a la beta multiagente en la API de Respuestas; es el hermano del lado de la API de la misma idea.
Preguntas Frecuentes
¿Es gpt-5.6-terra lo suficientemente bueno para reemplazar GPT-5.5 en producción?
Para la mayoría de las cargas de trabajo, sí. OpenAI posiciona a Terra como competitivo con GPT-5.5 a aproximadamente la mitad del precio, y la misma superficie de la API de Respuestas significa que el cambio es de bajo riesgo. Ejecute sus evaluaciones antes de la transición, y esté atento a la longitud de la salida, ya que las respuestas de GPT-5.6 son más cortas por diseño.
¿Qué sucede si llamo al alias simple gpt-5.6?
Su solicitud se enruta a Sol y se factura a tarifas de Sol, $5 por 1M de tokens de entrada y $30 por 1M de salida. Nada se rompe, que es el problema; el costo aparece más tarde en la factura. Fije gpt-5.6-terra o gpt-5.6-luna explícitamente donde un nivel más barato haga el trabajo.
¿Puedo cambiar de nivel sin modificar mi integración?
Sí. Sol, Terra y Luna comparten la misma superficie de la API de Respuestas, por lo que moverse entre ellos es un cambio de una línea en la cadena del modelo. Los niveles de esfuerzo y el modo pro también funcionan en los tres. Nuestra guía sobre cómo usar la API de GPT-5.6 describe la forma de la solicitud de principio a fin.
¿Necesito un plan específico de ChatGPT para usar estos modelos en la API?
No. El acceso a la API es de autoservicio para cualquier cuenta de API, sin restricciones de plan en ninguno de los tres modelos. Los niveles de plan de ChatGPT controlan solo el producto de chat, y Ultra es la única capacidad que permanece del lado del producto (ChatGPT Work y Codex) en lugar de distribuirse como un modelo de API.
Su primera hora con los niveles
Comience con Terra y deje que los otros niveles demuestren su valía. Escalone a Sol solo donde sus propias evaluaciones muestren una brecha por la que valga la pena pagar el doble, lo que generalmente significa trabajo agéntico y de largo plazo. Baje a Luna donde las salidas sean cortas y el volumen alto. Fije ID de modelo explícitos en todas partes para que el alias predeterminado de Sol nunca elija por usted, y ajuste los niveles de esfuerzo antes de cambiar de nivel, porque Terra en high es la mejora de calidad más barata de la línea.
Luego, deje de leer y mida. Cargue sus diez indicaciones de producción más difíciles en Apidog, apunte una solicitud a los tres ID de modelo con una variable de entorno, y deje que sus propios recuentos de tokens y salidas tomen la decisión. Todo el ejercicio cuesta menos de un dólar en gasto de API y resuelve una decisión que se acumula cada mes.