OpenAI lanzó GPT-6 Sol y GPT-6 Luna, dos modelos que llegan con una particularidad que hasta hace poco hubiera sonado rara en el mundo de la inteligencia artificial: no se venden como los más inteligentes del mercado, sino como los más baratos de la casa. El anuncio se concretó entre el 22 y el 24 de septiembre de 2026 y la letra chica es contundente: son los asistentes más económicos de todos los modelos que la empresa puso en circulación hasta hoy.
El movimiento no es aislado. Según consignó El País el 23 de septiembre, “Anthropic y OpenAI vuelven a la pelea con modelos de IA más baratos tras la polémica sobre los riesgos para la seguridad”. Traducido: la competencia entre las dos empresas más grandes del sector se mudó de lugar. Ya no se dirime en quién razona mejor, sino en quién cobra menos por hacerlo.
Dos modelos, una sola idea: bajar el costo
GPT-6 Sol y GPT-6 Luna son, según la información disponible, los dos asistentes más económicos de todo el catálogo de OpenAI. La empresa redujo los precios de su API a la mitad del precio promocional que tenía GPT-5.6. Vale aclarar el término: la API es la puerta por la que los programas y las aplicaciones se conectan a un modelo de IA para pedirle cosas. No es la interfaz donde uno escribe a mano, sino la tubería que usan las empresas para meter IA dentro de sus propios productos.
Cuando esa tubería sale menos, cambia la matemática de todo un negocio. Una startup que antes podía atender a mil usuarios con IA ahora puede atender al doble con la misma plata. Una empresa que dudaba en sumar un asistente a su sistema interno ahora tiene un motivo menos para dudar.
| Aspecto | Qué cambió |
|---|---|
| Precio de la API | A la mitad del precio promocional de GPT-5.6 |
| Errores en tareas de código | También a la mitad |
| Posición en el catálogo | Los más económicos de todos los modelos de OpenAI |
| Fecha de lanzamiento | Entre el 22 y el 24 de septiembre de 2026 |
Por qué los precios bajaron justo ahora
La respuesta corta es que el costo de usar IA es lo que estaba frenando a las empresas. Durante los primeros años de esta ola, la conversación giró alrededor de la capacidad: qué modelo escribía mejor, cuál resolvía problemas más difíciles, cuál aprobaba exámenes que antes eran territorio humano. Eso sirvió para demostrar que la tecnología funcionaba. Pero una demostración no es un negocio.
El problema aparece cuando una compañía hace números. Si cada consulta a un modelo cuesta una fracción de centavo, parece barato. Si esa compañía tiene miles de empleados haciendo cientos de consultas por día, o un producto con millones de usuarios que conversan con un asistente, la cuenta se transforma. Ahí es donde el precio deja de ser un detalle técnico y se vuelve la variable que decide si un proyecto avanza o se archiva.
Durante ese período, muchas empresas hicieron lo que se conoce como pruebas de concepto: armaron prototipos, vieron que funcionaban y después los dejaron en un cajón porque escalarlos costaba demasiado. Bajar el precio a la mitad ataca directamente ese cuello de botella. Es la diferencia entre “esto está buenísimo” y “esto lo podemos pagar todos los meses”.
Hay un segundo motivo, menos elegante pero igual de real: si los modelos de las distintas empresas ya son bastante buenos para la mayoría de las tareas cotidianas, la inteligencia adicional deja de ser un argumento de venta. Nadie paga el doble por un asistente que escribe un correo un 5% mejor. Sí paga el doble por uno que cuesta la mitad y comete la mitad de errores en el trabajo que le importa.
Qué significa “la mitad de errores en código”
Acá conviene frenar y explicar bien, porque la frase suena a marketing y en realidad dice bastante.
Cuando un modelo de IA escribe código, no siempre acierta. Puede producir un bloque que parece perfecto y no funciona. Los errores típicos son de varios tipos: el programa no compila, o sea, ni siquiera arranca porque hay un error de escritura; el programa arranca pero se cuelga cuando le pasás ciertos datos; el programa hace algo distinto de lo que se le pidió; o el programa funciona hoy pero se rompe cuando los datos cambian de forma.
Para alguien que programa, la diferencia entre tener que revisar y corregir la mitad de esos problemas no es un número abstracto. Es tiempo de trabajo. La IA generativa se volvió una herramienta habitual para escribir código, pero su gran promesa —ahorrar horas— se desinfla cuando el programador tiene que leer con lupa todo lo que el modelo produjo para cazar el error escondido. A eso se le dice revisar línea por línea, y es agotador.
Si de cada diez errores que cometía el modelo anterior ahora comete cinco, el ahorro se siente en dos lugares:
- Menos tiempo de corrección. El programador pasa menos horas arreglando lo que la IA rompió.
- Más confianza para delegar. Se anima a pedirle tareas más grandes, porque sabe que la probabilidad de terminar con un desastre es menor.
Hay un efecto menos visible pero importante: la mitad de errores también significa menos frustración. Mucha gente que probó asistentes de código los abandonó, no porque no sirvieran, sino porque corregirlos llevaba más tiempo del que ahorraban. Un modelo con la mitad de fallas cambia esa ecuación.
ChatGPT Voice también se actualizó
Junto con los dos modelos nuevos, OpenAI actualizó ChatGPT Voice para mejorar la interacción por voz. El dato importa porque la conversación hablada es una forma de uso distinta a la de escribir: es más rápida, más natural y más difícil de sostener bien desde el punto de vista técnico, porque el sistema tiene que escuchar, entender y responder sin los silencios incómodos que arruinan la experiencia.
Un dato para leer con cuidado
Sobre el precio hay un punto que conviene dejar en claro. La fuente del dato de precios es OpenAI: fue la empresa la que informó que la reducción llega a la mitad del precio promocional de GPT-5.6. Sin embargo, un medio tituló que el precio de la API bajaba a la mitad “según Anthropic”, atribuyendo la información a la empresa competidora. Esa atribución no coincide con el origen del dato y conviene tomarla con pinzas. Cuando una cifra tan específica circula con dos fuentes distintas, lo prudente es mirar de dónde salió originalmente antes de repetirla.
Qué significa para nosotros
Para quien usa estas herramientas todos los días, el cambio más importante no es el precio en sí, sino lo que habilita. Hasta ahora, la IA de primera línea era algo que se consumía con cuidado, como un recurso caro: se la usaba para lo importante y se la reservaba para lo demás. Cuando el costo baja a la mitad y los errores también, esa administración de la escasez empieza a aflojar.
En el trabajo cotidiano, eso se traduce en cosas concretas. Un equipo chico puede automatizar tareas que antes no justificaban la inversión. Un freelance puede ofrecer servicios que antes no le cerraban económicamente. Una pyme puede animarse a probar un asistente interno sin pedir un presupuesto especial.
También hay una lectura más incómoda: si todos tienen acceso al mismo modelo barato, la ventaja competitiva deja de estar en la herramienta y vuelve a estar en quien la usa. La IA se está pareciendo cada vez más a la electricidad: nadie gana una discusión por tener el enchufe más caro.
Y queda una pregunta abierta. Durante años, la carrera fue por arriba. Ahora, la carrera es por abajo, y eso plantea un dilema que el sector todavía no resolvió: si el precio es el campo de batalla, ¿qué pasa con la calidad? La respuesta que ensayan OpenAI y Anthropic con estos lanzamientos es que se puede bajar el precio sin resignar precisión. La mitad de errores en código, en ese sentido, es la promesa central: más barato, sí, pero no peor. Habrá que ver si el mercado lo confirma con el uso.
📷 Imagen de portada: imagen creada o editada con inteligencia artificial con fines ilustrativos. No es una fotografía oficial del evento ni de las personas retratadas.
