A 25 de agosto de 2026, la familia general de texto y código más reciente de OpenAI para la API está formada por GPT-5.6 Sol, Terra y Luna. No son tres generaciones consecutivas: son tres niveles de la misma familia. Sol ocupa la gama insignia, Terra busca el equilibrio entre capacidad y coste, y Luna está orientado a trabajos de gran volumen sensibles al precio.
Para una aplicación nueva, una base sensata es gpt-5.6-terra con reasoning.effort: "medium". Conviene comparar Sol solo cuando las tareas difíciles dejan una diferencia de calidad relevante, y probar Luna cuando la salida sea fácil de validar y exista una alternativa segura ante fallos. Elegir por el nombre del nivel o por el precio del token, sin medir el trabajo terminado, conduce a una ruta frágil.
Esta comparación trata de la API. Los nombres y el acceso que aparecen en Chat, ChatGPT Work o Codex dependen de cada producto y plan; no equivalen automáticamente a un ID, un límite o una tarifa de API. Imagen, voz, Realtime, embeddings, ciberseguridad y modelos de pesos abiertos son categorías distintas, no un cuarto candidato comparable en esta decisión.
Los tres IDs que importa copiar bien
El catálogo vigente de modelos de OpenAI sitúa Sol en tareas de razonamiento y programación más exigentes, Terra como opción equilibrada y Luna en cargas de alto rendimiento donde el coste es prioritario.
| Modelo | ID de API | Buen primer caso de prueba | No basta para elegirlo |
|---|---|---|---|
| GPT-5.6 Sol | gpt-5.6-sol | Código complejo, cadenas largas de herramientas, análisis especializado, errores caros | Que sea el modelo insignia |
| GPT-5.6 Terra | gpt-5.6-terra | Aplicaciones nuevas, salidas estructuradas, herramientas y trabajo general | Que sea el nivel intermedio |
| GPT-5.6 Luna | gpt-5.6-luna | Clasificación, extracción, transformación y lotes verificables | Que tenga el token más barato |
gpt-5.6 no identifica un cuarto modelo: es un alias que enruta a Sol. Si una aplicación necesita comportamiento reproducible y un cambio de alias podría afectarla, resulta más claro registrar el ID efectivo junto a cada evaluación.
Los tres modelos admiten las intensidades de razonamiento none, low, medium, high, xhigh y max; el valor predeterminado es medium. El nivel del modelo y la intensidad son variables diferentes. Una comparación útil mantiene una de ellas fija mientras cambia la otra, en lugar de enfrentar Sol con mucho razonamiento contra Luna con poco y atribuir toda la diferencia al modelo.
Comparten contexto, pero no el coste de resolver una tarea
Las fichas oficiales muestran para los tres una ventana de contexto de 1.050.000 tokens, hasta 128.000 tokens de salida y una fecha de corte de conocimiento del 16 de febrero de 2026. Aceptan texto e imagen como entrada, producen texto y ofrecen streaming, function calling, salidas estructuradas y herramientas de Responses API.
Por tanto, el tamaño de contexto público no decide entre Sol, Terra y Luna: es igual en esta familia. La diferencia útil aparece en las tareas del producto: cuántas respuestas pasan a la primera, cuánto corrige una persona, si el modelo elige la herramienta adecuada, cuántos reintentos genera, qué latencia introduce y cuántos tokens de razonamiento y salida consume.
OpenAI publica en el anuncio de GPT-5.6 resultados de programación, trabajo del conocimiento, navegación, uso de herramientas y ciencia. Son evaluaciones comunicadas por el proveedor, no pruebas independientes de este sitio ni una garantía sobre una carga concreta. Sirven para acotar candidatos; la ruta de producción debe decidirse con el mismo conjunto de tareas representativas.
Precios directos de API en agosto de 2026
Las fichas de Sol, Terra y Luna muestran estas tarifas de texto por millón de tokens:
| Modelo | Entrada | Entrada en caché | Salida | Situación |
|---|---|---|---|---|
| GPT-5.6 Sol | $4,00 | $0,40 | $20,00 | Precio promocional al menos hasta el 21-11-2026 |
| GPT-5.6 Terra | $2,00 | $0,20 | $12,00 | Precio estándar actual |
| GPT-5.6 Luna | $0,20 | $0,02 | $1,20 | Precio estándar actual |
Con 100.000 tokens de entrada y 10.000 de salida, sin caché, herramientas ni multiplicador por contexto largo, el cálculo sería:
- Sol:
0,1 × $4 + 0,01 × $20 = $0,60 - Terra:
0,1 × $2 + 0,01 × $12 = $0,32 - Luna:
0,1 × $0,20 + 0,01 × $1,20 = $0,032
Es una comparación para el mismo volumen de tokens, no para el mismo resultado. Si Luna obliga a repetir, ampliar el prompt o revisar manualmente más casos, la diferencia por tarea aceptada se estrecha. Si Sol evita una corrección costosa en un entregable profesional, su prima puede ser menor que el coste del fallo.
Hay además reglas que cambian el presupuesto. Cuando la entrada supera 272.000 tokens, toda la solicitud factura la entrada al doble y la salida a 1,5 veces. Una escritura explícita de caché cuesta 1,25 veces la entrada no almacenada; una lectura de caché correcta recibe un descuento del 90 %. Herramientas como web search o computer use pueden añadir cargos por llamada. El precio promocional de Sol también exige una fecha de revisión antes de proyectar gasto a largo plazo.
Qué nivel probar según el trabajo
Sol: cuando el fallo cuesta más que la prima
Sol merece una evaluación para cambios de código en varios archivos, análisis con muchas restricciones, agentes de larga duración, coordinación compleja de herramientas o entregables especializados cuyo error provoca retrabajo caro. También puede funcionar como techo de calidad para medir cuánto se aproxima Terra en la carga real.
No aporta una ventaja observable por el mero hecho de ser insignia. Si una clasificación cerrada o una normalización corta ya pasan el validador con un nivel inferior, pagar Sol por defecto no mejora el resultado aceptado.
Terra: la línea base para sistemas nuevos
Terra conserva la superficie actual de razonamiento y herramientas con una tarifa inferior a Sol. Es un punto de partida útil cuando todavía no existe un benchmark interno fiable: permite descubrir el límite de calidad y coste sin empezar en los extremos.
Cuando falla, conviene aislar la causa. Puede faltar un contrato de herramienta claro, un esquema mejor, más intensidad de razonamiento o capacidad de modelo. Cambiar una sola variable revela si debe corregirse la implementación, subir el esfuerzo o comparar Sol.
Luna: optimización con verificación y alternativa segura
Luna encaja en clasificación, extracción, conversión de formatos, preprocesamiento y lotes con esquema explícito, validador programático, salida corta y fallback seguro. Ahí el ahorro puede mantenerse a gran escala.
En tareas abiertas donde un error sutil es difícil de detectar, parte del ahorro puede convertirse en revisión humana. El requisito no es solo que Luna responda, sino que el sistema sepa rechazar una respuesta incorrecta y reenviarla por una ruta segura.
Una política de selección que se puede mantener
Use el mismo conjunto de aceptación para todos los candidatos y registre:
- tasa de aprobación a la primera y volumen de correcciones humanas;
- tokens de entrada, entrada en caché, salida y razonamiento;
- elección de herramientas, exactitud de argumentos y reintentos;
- latencia P50/P95, timeouts y errores operativos;
- coste total por tarea aceptada, no solo coste por solicitud.
La ruta queda entonces expresada como una regla medible: Terra es la base; Sol es una escalada de calidad cuando supera el umbral que compensa su coste; Luna es una optimización cuando mantiene la aceptación y el fallback limita el riesgo. El tráfico no debe saltar de golpe: un canario pequeño, observabilidad y posibilidad de volver a la configuración anterior reducen la incertidumbre.
Migrar desde GPT-5.4 o GPT-5.5 sin mezclar variables
La guía de modelos más recientes recomienda conservar primero la intensidad de razonamiento de la base y comparar el GPT-5.6 correspondiente con esa misma intensidad y con una inferior.
- Fije prompt, instrucciones del sistema, herramientas, esquema, conjunto de aceptación, timeout y política de reintento/fallback.
- Registre el comportamiento del modelo y esfuerzo actuales.
- Pruebe el nivel GPT-5.6 correspondiente con el mismo esfuerzo.
- Pruebe ese mismo nivel con un grado menos de esfuerzo.
- Cambie entre Sol, Terra y Luna solo si todavía existe un problema de calidad o coste.
Las comparativas GPT-5.4 frente a GPT-5.2 y GPT-5.4 frente a GPT-5 mini aportan contexto sobre la rama anterior, pero no sustituyen las fichas actuales para una integración nueva.
Petición inicial con Responses API
bashcurl https://api.openai.com/v1/responses \ -H "Authorization: Bearer $OPENAI_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-5.6-terra", "reasoning": {"effort": "medium"}, "input": "Extrae la fecha de renovación, el plazo de preaviso y la responsabilidad de cancelación; devuelve JSON." }'
En producción, guarde el modelo efectivo, el esfuerzo, el uso, la latencia, los resultados de herramientas, la validación de esquema, los reintentos y las correcciones humanas en el mismo registro de evaluación. Un puñado de respuestas plausibles no basta para fijar la ruta predeterminada.
Conclusión
La comparación no produce un ganador universal. Terra es el punto de partida, Sol la escalada de calidad y Luna la optimización de coste verificable. Esta política sobrevive mejor que un ranking fijo porque obliga a volver a medir cuando cambian el precio, un alias, las herramientas, el prompt o los criterios de aceptación.
Para una carga nueva, empiece con gpt-5.6-terra y esfuerzo medium. Compare Sol si las tareas difíciles conservan una brecha de aceptación valiosa; pruebe Luna si la validación automática es sólida y el coste domina. Después decida por el coste de cada trabajo aceptado, no por el nombre del nivel.
