**Categoría:** Inteligencia Artificial
**Estilo:** crítico
**Fecha:** 2026-07-31
—
Ayer Sam Altman anunció en X recortes de precio «mayores» en la familia GPT-5.6: Luna cae un 80%, Terra un 20%, y Sol se queda igual pero con un modo Fast que cuesta el doble. El titular es tentador. Si tienes un chatbot, un agente interno o un flujo de automatización montado sobre la API de OpenAI, seguro que has pensado en recalcular el presupuesto. Yo también lo he hecho. Y luego he mirado cómo facturan de verdad estos sistemas y me he vuelto a sentar.
Porque la noticia no es que la IA sea más barata. La noticia es que OpenAI está moviendo las piezas del tablero mientras las empresas empiezan a preguntarse por qué pagan cada mes más por hacer lo mismo. Reuters lo recogió el jueves: los recortes llegan en un momento en que los directivos escrutinan el gasto en IA y la competencia china presiona con modelos casi equivalentes a precios más bajos. Altman lo vende como «la mejor relación precio/inteligencia en cada nivel». Suena bien en un tweet. En una hoja de cálculo, la cosa se complica.
Empecemos por lo que sí ha cambiado. GPT-5.6 Luna pasa de un dólar a 20 céntimos por millón de tokens de entrada, y de seis a 1,20 dólares en salida. Terra baja de 2,50/15 a 2/12. Son cifras reales, publicadas en el changelog de OpenAI y recogidas por medios como Unite.AI. Luna, que salió hace apenas tres semanas, ahora compite en el segmento low-cost con Gemini Flash y compañía. OpenAI dice que parte de la reducción viene de optimizaciones internas: el propio Sol reescribió kernels de GPU y mejoró la decodificación especulativa. Eficiencia real, no magia de marketing.
Pero fíjate en lo que no baja: GPT-5.6 Sol, el modelo tope, sigue en 5/30 dólares por millón de tokens. Y el modo Fast de Sol cuesta el doble por el mismo nivel de inteligencia, solo que más rápido. Es decir, si tu producto depende del modelo más capaz —y muchos lo hacen porque Luna no aguanta razonamiento complejo o cadenas largas de herramientas—, la «guerra de precios» te pasa de largo. Business Insider lo resumió bien: OpenAI marca el último movimiento en una carrera que lleva meses, pero el recorte afecta a los tiers pequeños y medianos, no al flagship.
Aquí es donde entra lo que me preocupa de verdad. El coste por token puede caer, pero el coste por tarea no. Un agente que hace diez llamadas al modelo para completar una acción paga diez veces el input, incluyendo instrucciones del sistema, historial y definiciones de herramientas que se reenvían en cada paso. Unite.AI lo explicó en su análisis: el harness de Codex mantiene el historial append-only y limita la salida de herramientas, pero cada iteración del bucle sigue consumiendo tokens de contexto. Si antes necesitabas Sol para una tarea y ahora Luna la resuelve, genial: pagas una quinta parte. Si Luna no llega y sigues en Sol, o si el agente necesita cinco vueltas más porque el modelo pequeño alucina y hay que corregir, la factura no baja: se desplaza.
Reuters citó el argumento de OpenAI de que los modelos baratos ahora pueden hacer trabajo que antes exigía el tier superior. Puede ser cierto en casos concretos —resumir emails, clasificar tickets, generar borradores cortos—. Pero en mi experiencia con proyectos de clientes, el salto de «funciona en demo» a «funciona en producción con datos sucios» casi siempre empuja hacia arriba en el stack de modelos o hacia arriba en el número de reintentos. Y los reintentos no salen gratis.
Tampoco olvides el cambio de modelo de negocio. Hace un año muchos equipos pagaban suscripción fija en ChatGPT Team o Enterprise. Ahora cada vez más flujos van por API con precio por uso, o por créditos en Codex y ChatGPT Work que se consumen según el tier. OpenAI dice que Luna y Terra consumirán menos créditos en esas suscripciones, lo cual ayuda. Pero si tu arquitectura crece —más usuarios, más contexto, más herramientas conectadas— el consumo crece con ella. El token barato no te protege de escalar mal.
La competencia tampoco duerme. Moneycontrol recogió que Xiaomi, DeepSeek y otros siguen por debajo en precio puro por token. OpenAI no compite solo contra Google: compite contra un ecosistema open source y contra laboratorios chinos que no tienen que rendir cuentas a inversores americanos cada trimestre. El recorte del 80% en Luna huele a posicionamiento estratégico tanto como a eficiencia técnica. Quieren que pruebes su stack low-cost antes de que pruebes el de otro. Nada malo en eso; es mercado. Pero no confundas una oferta agresiva con un regalo.
¿Qué haría yo si gestionara el presupuesto de IA de una pyme hoy? Primero, auditaría cuántas llamadas reales hace cada flujo y cuántos tokens de contexto arrastra. Sin eso, cualquier comparativa de precios es teórica. Segundo, probaría Luna en las tareas de volumen —clasificación, extracción, respuestas cortas— y mediría tasa de error frente a Sol. Tercero, revisaría si mis agentes repiten contexto innecesariamente; a veces el mayor ahorro no está en cambiar de modelo sino en dejar de mandar el mismo prompt gigante quince veces. Cuarto, tendría un techo de gasto mensual con alertas, porque la factura por uso es impredecible por diseño.
Altman dice que quieren la mejor relación precio/inteligencia en cada nivel. Me parece honesto como objetivo comercial. Lo que no te van a decir en el anuncio es que la inteligencia que necesitas y el precio que pagas rara vez coinciden en el mismo tier, y que cuanto más agente montes encima del modelo, menos relevante se vuelve el coste unitario del token.
Si mañana tu proveedor te ofreciera migrar todo tu chatbot de atención al cliente a Luna con un 80% de ahorro garantizado, pero sin SLA de calidad ni posibilidad de volver a Sol en caliente cuando empiecen las quejas, ¿firmarías el cambio antes de probarlo con tus conversaciones reales de los últimos tres meses?