GPT‑6.1 Sol en Codex: cinco veces más barata que Astra, ¿pero igual de buena en la práctica?

Una misma solicitud sobre un repositorio puede requerir varios intentos: el agente propone un parche, ejecuta pruebas y luego corrige los errores. El bajo precio de los tokens, por sí solo, no responde a la pregunta principal: cuánto cuesta obtener un cambio que se pueda aceptar.

A 2 de octubre de 2026, la respuesta es esta: las tarifas estándar de API de GPT‑6.1 Sol para los tokens de entrada y salida son cinco veces más bajas que las de GPT‑6 Astra. OpenAI también afirma que Sol igualó a Astra en una prueba de programación con agentes. Pero eso no demuestra una paridad general en Codex ni garantiza un ahorro de cinco veces en un parche listo para aceptar.

Primero, distingamos la API de la suscripción a Codex

La API se paga según los tokens utilizados. En Codex a través de ChatGPT se aplica el límite incluido en el plan de trabajo, por lo que no se pueden trasladar a este los precios de la API. OpenAI explica que el consumo del límite depende del modelo, la tarea y la configuración, y que la API se paga por separado, tal como se describe en la guía de uso de Work y Codex.

La tabla muestra las tarifas estándar de la API por millón de tokens para solicitudes con un contexto de entrada de hasta 272.000 tokens:

Con las tarifas normales de entrada y salida, Sol cuesta cinco veces menos que Astra, y la entrada en caché cuesta diez veces menos. Sin embargo, frente a GPT‑6 Sol, la nueva versión no es más barata para la entrada y salida normales: su ventaja tarifaria está en la entrada en caché, cuyo precio se redujo a la mitad. Luna cuesta mucho menos que los otros tres modelos, pero un precio bajo, por sí solo, no indica hasta qué punto el modelo resolverá bien una tarea compleja. Estas tarifas aparecen en los precios de la API de OpenAI.

Cuánto cuesta un mismo intento

Para ilustrarlo, tomemos una solicitud hipotética: 20.000 tokens nuevos de entrada, 80.000 en caché y 10.000 de salida. Supongamos que la caché funciona; no contamos la escritura en caché, las llamadas a herramientas ni los reintentos.

Con esta composición de la solicitud, un intento con Sol cuesta aproximadamente 5,3 veces menos que con Astra. Frente a GPT‑6 Sol, la diferencia es de $0,008, alrededor del 5,1% del coste del intento. Es un ejemplo aritmético, no una medición de una tarea típica de Codex: el consumo de tokens, el número de llamadas a herramientas y la cantidad de reintentos pueden variar entre modelos.

También hay un umbral tarifario: para solicitudes con más de 272.000 tokens de entrada en el contexto, las tarifas de entrada y caché se duplican y la de salida aumenta una vez y media, para toda la solicitud. Por eso, el cálculo anterior no sirve para un contexto largo sin ajustes; las condiciones se indican en la página del modelo GPT‑6.1 Sol.

Qué confirma exactamente la comparación con Astra

En el anuncio de GPT‑6.1 Sol, OpenAI afirmó que Sol igualó a Astra en DeepSWE v1.1, una prueba de tareas de ingeniería complejas en bases de código reales, por aproximadamente una quinta parte del coste. La formulación correcta es «en DeepSWE v1.1, según OpenAI».

En OSWorld 2.0, que evalúa la realización de tareas con un ordenador, Sol quedó 2,1 puntos porcentuales por debajo de Astra con el nivel máximo de razonamiento. Según OpenAI, el coste por tarea fue aproximadamente siete veces menor. La empresa advierte que sus evaluaciones se realizaron en un entorno de investigación o mediante la API y pueden diferir del uso en interfaces de producción por las instrucciones del sistema, las herramientas y la configuración.

Son resultados publicados por el propio proveedor, no una evaluación independiente de los modelos con el mismo flujo de trabajo en Codex. Los materiales consultados para este artículo no ofrecen una prueba independiente y comparable de Sol y Astra con las mismas tareas de Codex.

Qué dicen los desarrolladores

Las primeras conversaciones tras el lanzamiento son un motivo para probar el modelo en el propio entorno, pero no constituyen una evaluación representativa. En un hilo de Reddit sobre velocidad y consumo del límite, los usuarios se quejan de la lentitud de generación. Un autor afirma que una acción sencilla o la compactación del contexto le llevaba al menos dos minutos. Son observaciones aisladas, sin tareas iguales ni condiciones controladas.

En otro debate sobre la velocidad de Sol, los participantes discrepan: algunos consideran que la generación lenta es un problema, mientras que otros señalan que la velocidad de salida de tokens, por sí sola, no indica cuánto tardará la tarea completa. Son métricas distintas, y el hilo no ofrece mediciones controladas de ninguna de las dos.

También hay una opinión negativa aislada sobre un intento de crear una demo de videojuego: el autor cuenta que el modelo pasó por alto requisitos y no corrigió deficiencias importantes después de recibir aclaraciones. Esto no mide la calidad general del modelo ni lo compara directamente con Astra.

Por último, en un issue de GitHub sobre la selección de modelos en la extensión de VS Code, un usuario informó el 30 de septiembre que Sol aparecía en Codex de escritorio, pero no en la lista de modelos de la extensión para Windows. Es la descripción de una configuración concreta; no determina ni la causa ni el alcance del problema.

Los autores verificables de estas publicaciones usan seudónimos, por lo que aquí no se incluyen citas textuales atribuidas a nombres reales confirmados. La conclusión práctica de estas primeras opiniones es más modesta: hay que medir por separado la calidad, el tiempo para completar la tarea y el consumo del límite.

Cronología breve

1. 3 de septiembre de 2026. OpenAI presentó GPT‑6 Astra.
2. 22 de septiembre de 2026. GPT‑6 Sol y GPT‑6 Luna llegaron a la API.
3. 29 de septiembre de 2026. OpenAI anunció el lanzamiento de GPT‑6.1 Sol para la API, ChatGPT Work y Codex.
4. 30 de septiembre de 2026. Apareció en GitHub un informe sobre la ausencia de Sol en la lista de modelos de la extensión de VS Code para Windows.

Las fechas de lanzamiento figuran en el registro de cambios de la API de OpenAI, y el informe sobre VS Code, en el issue correspondiente de GitHub. Esta es una cronología inicial, no una evaluación de la disponibilidad del modelo para todos los usuarios.

Cuándo elegir Sol y cuándo Astra

Para Plus y Standard Business, OpenAI indica un rango orientativo de 15–160 mensajes locales en una ventana de cinco horas para Sol y de 5–45 para Astra. No se trata de una cantidad garantizada de tareas: el consumo depende del modelo, la tarea y la configuración; las tareas en la nube pueden gastar más del límite y también pueden aplicarse límites semanales. Estas estimaciones no deben convertirse en un coeficiente de ahorro ni compararse directamente con los precios de la API; las condiciones se explican en la guía sobre los límites de Work y Codex.

La elección práctica depende del coste de equivocarse y del tiempo de espera:

• Vale la pena probar Sol en tareas repetitivas cuyo resultado sea fácil de comprobar, por ejemplo, cuando hay pruebas y criterios de aceptación claros. Sus tarifas estándar de API son mucho más bajas que las de Astra.
• Se puede reservar Astra para tareas complejas o arriesgadas, en las que la calidad del resultado importe más que el coste de un intento. Hay que comprobar en la práctica cuánto mejor resuelve las tareas concretas del equipo.
• Luna puede servir para operaciones sencillas y repetitivas si su calidad es suficiente. El precio mínimo de los tokens no demuestra que el trabajo complejo vaya a salir más barato con este modelo.

Para compararlos, ejecuta el mismo conjunto pequeño de tareas en los modelos y define de antemano qué resultado se considera aceptable: por ejemplo, superar las pruebas, cumplir los requisitos y obtener la aprobación en la revisión. Registra el número de intentos, el consumo de tokens, las llamadas a herramientas y el tiempo hasta conseguir un parche listo. Así evaluarás el coste del resultado, no el precio de una respuesta.

Veredicto: Sol cuesta realmente cinco veces menos que Astra por los tokens normales de entrada y salida de la API; OpenAI informa de un resultado equivalente en una prueba de programación con agentes. Pero no hay pruebas suficientes de una paridad general en Codex. En una suscripción, el ahorro de la API no se aplica directamente, y las primeras opiniones de los desarrolladores siguen siendo dispersas y contradictorias. Sol es una candidata razonable como opción más económica, pero que sustituya o no a Astra dependerá de cómo resuelvan ambas los problemas concretos del equipo.