Modelos y LLM · EDICIÓN 08
GPT-6.1 Sol busca acercar el trabajo avanzado de IA a un coste menor
En breve
- API: 2 dólares por millón de tokens de entrada y 10 de salida.
- La comparación de rendimiento procede de las evaluaciones del fabricante.
- Disponible mediante API, ChatGPT Work y Codex.
Qué cambia
OpenAI presentó GPT-6.1 Sol en el DevDay del 29 de septiembre. Actualiza la familia Sol para programación, manejo de aplicaciones y trabajo profesional. Su API publica tarifas de 2 dólares por millón de tokens de entrada y 10 por millón de salida; la entrada reutilizada en caché cuesta 0,10 dólares. InfoQ confirmó el lanzamiento y su disponibilidad en API, ChatGPT Work y Codex.
La empresa afirma que se acerca a Astra en varias evaluaciones con una quinta parte de sus tarifas estándar. Es una comparación del fabricante bajo condiciones concretas: no demuestra que ambos modelos resuelvan igual cualquier tarea ni que la factura final de cada usuario vaya a reducirse en esa proporción.
El contexto y los límites
Para quien utiliza agentes, el coste de una respuesta aislada cuenta poco si después hay que repetirla o corregirla. Nuestra recomendación editorial es medir el coste del trabajo terminado: documentos revisados, cambios que superan las pruebas y tiempo de supervisión. Un precio por token más bajo resulta útil cuando la calidad se mantiene en las tareas que realmente hacemos.
La caché merece atención porque permite reutilizar contexto. Por ejemplo, un agente que consulta repetidamente las mismas instrucciones puede beneficiarse si su integración cumple las condiciones del servicio. No debe darse por hecho que todo el texto enviado recibe esa tarifa.
El anuncio tampoco convierte el modelo en un trabajador sin supervisión. Antes de darle acceso a archivos o herramientas, conviene definir qué puede leer, qué puede modificar y qué acciones necesitan revisión. Una respuesta convincente sigue necesitando comprobación cuando afecta a dinero, salud o datos personales.
Para decidir si merece un cambio de herramienta, proponemos comparar un conjunto pequeño de encargos propios. Incluye casos fáciles y difíciles, registra los fallos y valora también la claridad de la respuesta. Una clasificación pública ayuda a orientarse, pero esa prueba con trabajo real suele ser más útil para elegir.
Cómo llevarlo a la práctica
Elige cinco tareas repetidas de tu trabajo, usando datos que puedas compartir. Guarda la respuesta esperada y repítelas con las mismas instrucciones. Anota tiempo, consumo, errores y correcciones. Cambia de modelo si mejora el resultado completo, no únicamente porque parezca más rápido.
Comprueba las fuentes
El anuncio y su contraste están enlazados para que puedas consultar el alcance original. Las valoraciones pertenecen a la síntesis editorial.
Fuente original · OpenAI ↗Segunda referencia · InfoQ ↗Sigue leyendo
Claude Sonnet 5.5 mantiene las tarifas y busca resolver tareas con menos consumo →
Gemini 4 Argon llega primero a defensores de ciberseguridad, con acceso limitado →
GPT-6.1 Terra lleva el uso del ordenador a un modelo más rápido y barato →
← Volver a la edición · Archivo · Cómo seleccionamos las noticias