GPT-6.1 Sol: trabajo casi a nivel Astra al quinto del precio

OpenAI presentó GPT-6.1 Sol, una mejora del GPT-6 Sol que la empresa lanzó la semana pasada junto a GPT-6 Luna. La promesa: se acerca al GPT-6 Astra, su modelo flagship, en agentic coding, computer use y trabajo profesional, a un quinto del precio estándar de tokens de Astra. Los precios estándar en API son USD 2 por millón de tokens de input, USD 10 por millón de output y USD 0,10 por millón de input cacheado.

El número de input cacheado es el que más importa. El cacheado de Astra cuesta USD 1,00 por millón de tokens, así que los USD 0,10 de Sol son una décima de eso y, según OpenAI, un 50% menos que el precio cacheado del GPT-6 Sol anterior. Si corrés agentes que reusan contexto entre requests, la diferencia entre input estándar y cacheado es donde se va gran parte de la factura: una brecha diez veces mayor en el precio cacheado es lo que cambia la cuenta en workloads de agentes de alto volumen.

Los números de benchmark, con las salvedades de siempre

Todo lo que sigue viene del propio anuncio de OpenAI; la empresa aclara que los scores de la competencia provienen de informes públicos.

• Coding. En DeepSWE v1.1, que evalúa tareas complejas de software engineering en codebases reales, GPT-6.1 Sol iguala a Astra con alrededor de una quinta parte del costo, y supera en 6,4 puntos porcentuales el mejor score del GPT-6 Sol anterior, con menos reasoning effort.
• Documentos profesionales. En GDP.pdf, que mide respuestas a preguntas profesionales sobre PDFs complejos con tablas, gráficas y letra chica, saca más que Opus 5.5 con fallbacks con menos de la mitad del costo por tarea, y se acerca al state of the art de Astra con alrededor de una quinta parte del costo.
• Workflows de negocio. En AutomationBench, anota 2,2 puntos más que Opus 5.5 con reasoning effort medio, con alrededor de un tercio del costo, y 4,8 puntos más que el GPT-6 Sol en el mismo setting.
• Computer use. En el set offline de OSWorld 2.0, supera al GPT-6 Sol por siete puntos porcentuales con reasoning effort máximo, con menos de la mitad del costo, y queda a 2,1 puntos de Astra con alrededor de una séptima parte del costo por tarea.
• Trabajo científico. En Terminal-Bench Science 0.1, más que duplica el score del GPT-6 Sol con esfuerzo máximo, con menos de la mitad del costo por tarea: USD 5,47 por tarea en promedio, contra USD 23,21 de Opus 5.5 y USD 23,80 de Astra. Astra igual lidera con 68,1%, y OpenAI dice que sigue siendo el modelo para las tareas científicas más difíciles.

En factualidad, su mayor salto frente al GPT-6 Sol aparece con reasoning effort bajo, donde baja el porcentaje de respuestas con algún error factual de 11,4% a 7,7%, una reducción de alrededor del 32%. En todos los settings probados, su tasa de error se mantiene a 1,9 puntos porcentuales de la de Astra, con menos de una quinta parte del costo. OpenAI aclara que estos prompts vienen de conversaciones anonimizadas donde el usuario marcó un error de un modelo anterior, así que son más difíciles que el uso típico.

Safety y disponibilidad

El addendum de la system card reporta mejoras de alignment frente al GPT-6 Sol, acercándolo a Astra. Según OpenAI, el modelo es más transparente sobre sus limitaciones, respeta mejor las restricciones explícitas y no mostró intentos de esquivar su safety reviewer automatizado, el mismo comportamiento que Astra y el Sol anterior.

GPT-6.1 Sol ya está disponible en ChatGPT Work y Codex para usuarios Plus, Pro, Business, Enterprise y Edu, y por API como gpt-6.1-sol. Todavía no está en Chat. OpenAI dice que en los próximos días llega una variante GPT-6.1 Sol Ultrafast, con hasta 8x más velocidad de generación de tokens en Codex.

Qué hacer con esto

Para un equipo que decide a dónde apunta el tráfico de sus agentes, la lectura práctica: si tu workload es coding, trabajo profesional sobre documentos o computer use, y hoy estás en Astra o un modelo frontier comparable, esto es un paso real hacia abajo en costo con un trade-off de capacidad modesto, según los números de OpenAI. Si corré las tareas de investigación científica más difíciles, quedate con Astra para esas. Y como pasa con cualquier set de benchmarks de un vendor, la brecha se cierra o se abre cuando lo probás en tus workloads; el precio del input cacheado es la parte que conviene verificar primero, porque ahí es donde se concentra el ahorro.