GPT-6 Sol y Luna: los modelos baratos de OpenAI que vas a usar todos los días (y cuánto cuestan)

El otro día salió GPT-6 Astra, el modelo tope de gama de OpenAI, y te dije que no corrieras a pagarlo. Bueno: el 22 de septiembre OpenAI completó la familia con los dos modelos que sí vas a terminar usando en el día a día. Se llaman GPT-6 Sol y GPT-6 Luna, y la noticia real no es que sean "más inteligentes": es que son mucho más baratos.

Qué cambió

Según el anuncio oficial de OpenAI, son dos modelos nuevos que se suman a Astra dentro de la familia GPT-6:

• GPT-6 Sol: el modelo equilibrado, pensado para trabajo profesional, código y tareas agénticas (que encadenan varios pasos). Cuesta US$2 por millón de tokens de entrada y US$10 por millón de salida.
• GPT-6 Luna: el liviano y más económico, para tareas simples y de alto volumen. Cuesta US$0,10 la entrada y US$0,50 la salida por millón de tokens.

OpenAI dice que ambos son cerca de un 50% más baratos que sus antecesores de la generación GPT-5.6. Ya están disponibles hoy: por la API (como gpt-6-sol y gpt-6-luna), en ChatGPT para los planes pagos (Plus, Pro, Business, Enterprise y Edu) dentro de Work y Codex, y Luna también aparece en la app de escritorio para usuarios Free y Go.

Un detalle importante para nosotros: no hay bloqueo por país. La API de OpenAI y ChatGPT funcionan desde Argentina; lo que pagás está en dólares (con lo que eso implica de tarjeta e impuestos).

Qué podés hacer con esto hoy

La jugada práctica no es "cambiar todo a GPT-6". Es mandar cada tarea al modelo que le corresponde y dejar de pagar de más. Con estos precios, la regla queda así:

• Luna para lo repetitivo y de volumen: clasificar mensajes, extraer datos de textos, etiquetar, rutear consultas, resúmenes cortos.
• Sol para el laburo de verdad: redactar, programar, revisar documentos largos, agentes que hacen varios pasos.
• Astra (el caro) solo para lo más difícil, cuando Sol se queda corto.

Hacé la cuenta antes de migrar. Ejemplo real: si tenés que clasificar 10.000 mensajes de unos 200 tokens cada uno y una respuesta corta de 50 tokens, con Luna eso es aproximadamente 2 millones de tokens de entrada (US$0,20) y 0,5 millones de salida (US$0,25): unos 45 centavos de dólar por todo el lote. Con un modelo tope de gama, lo mismo te podía salir 20 o 30 veces más.

Si ya usás la API, el cambio es de una línea: reemplazás el nombre del modelo por gpt-6-luna o gpt-6-sol en tu código y volvés a correr tu tarea. Si trabajás desde ChatGPT, elegí el modelo en el selector según lo que estés haciendo.

Antes de mover un proceso que ya funciona, hacé esto:

1. Agarrá 20 casos reales de tu trabajo (no inventados).
2. Corré los mismos 20 con tu modelo actual y con Luna (o Sol).
3. Compará resultado y costo lado a lado.
4. Migrá solo si la calidad se banca. Si no, subí un escalón.

Qué NO resuelve

• Más barato no es más inteligente. Luna es para tareas simples. Si le tirás razonamiento complejo, cadenas largas de agente o código difícil, va a fallar más y te vas a terminar arrepintiendo. Ahí va Sol o Astra.
• El precio por token no es tu factura. Un modelo que responde de más, o un agente que da muchas vueltas, te puede salir caro igual aunque el token sea barato. Lo que importa es el costo por tarea terminada, no el número del cartel.
• Los benchmarks son de OpenAI. Los números que muestran (que Sol le gana a tal modelo a una fracción del costo) están medidos por ellos, en sus pruebas. Para vos vale una sola cosa: cómo rinde en TUS casos. Por eso el test de los 20 casos de arriba no es opcional.
• El plan gratis casi no lo toca. Si usás ChatGPT gratis, solo te llega Luna en la app de escritorio. Para Sol necesitás plan pago o la API.

En resumen

Lo que pasó no es "un modelo nuevo más". Es que el piso de precios se movió: las tareas simples y de volumen ahora cuestan centavos, y el trabajo serio bajó a la mitad frente a la generación anterior. El que gana no es el que corre a probar el modelo más nuevo, sino el que decide qué tarea va a qué modelo, lo mide con sus propios casos y recién ahí migra. Empezá por tu proceso más repetitivo: es donde el ahorro se nota primero.