GPT-6.1 Sol vs GPT-6 Astra: ¿Puede 6.1 Sol alcanzar a Astra?

OpenAI lanzó GPT-6.1 Sol en DevDay, el 29 de septiembre de 2026. El momento llama la atención: GPT-6 Sol llevaba exactamente una semana disponible (se lanzó el 22 de septiembre junto con Luna) y el modelo insignia GPT-6 Astra tenía menos de un mes.

La página oficial del modelo resume la propuesta en una frase: «Rendimiento cercano al de Astra en tareas complejas, a menor costo». En concreto, eso significa programación con agentes, uso del ordenador y tareas profesionales con una calidad aproximadamente igual a la de Astra, por una quinta parte de su precio por token.

En este artículo respondemos dos preguntas: ¿qué cambió realmente respecto a 6 Sol y qué tan grande es la brecha que aún lo separa de Astra?

Dónde encaja 6.1 Sol en la gama

GPT-6.1 Sol ya está disponible en AIHubMix al mismo precio que directamente en OpenAI. Así está actualmente la familia GPT-6:

Un poco de contexto sobre por qué este lanzamiento es un Sol y no un Astra: el día antes de DevDay, The Wall Street Journal informó que OpenAI había archivado GPT-6.1 Astra, previsto para octubre, después de que obtuviera peores resultados en pruebas internas de seguridad que evaluaban la alineación y el respeto del alcance autorizado por el usuario. Así que la actualización «.1» llegó solo a Sol, mientras que Astra se queda en 6.0 por ahora.

Ficha técnica: qué se mantiene y qué cambia

Sobre el papel, los dos modelos parecen casi idénticos. En realidad, importan tres cosas:

1. Es notablemente más inteligente al mismo precio. Las cifras aparecen en la siguiente sección.
2. Las lecturas de caché cuestan la mitad. Los agentes vuelven a enviar el mismo prefijo largo en cada paso, así que este concepto suele importar más que el precio anunciado. En la parte 3 hacemos los cálculos.
3. Ya no se admite none. Si dependías de none para hacer llamadas baratas o para llamar a herramientas dentro de Chat Completions, cambiar el nombre del modelo causará problemas. La guía de migración de GPT-6 de OpenAI lo explica, y en la parte 4 repasamos las soluciones.

Benchmarks

Nota sobre las fuentes: las cifras de esta sección y la siguiente provienen de los materiales de lanzamiento de OpenAI, recopilados por DataCamp y Vellum. OpenAI probó sus propios modelos y tomó las puntuaciones de la competencia de informes públicos. Nadie las ha reproducido de forma independiente todavía. Tómalas como una orientación y luego ejecuta tus propias evaluaciones.

Programación y agentes

Niveles de esfuerzo: DeepSWE con high (6 Sol con max); OSWorld y Terminal-Bench Science con max; AutomationBench con medium.

Lo más destacado:

• En DeepSWE empata con Astra usando high en lugar de max. Son 6.4 puntos más que el mejor resultado de GPT-6 Sol, con un menor costo por tarea ($1.50 vs $2.60).
• En OSWorld queda unos 2 puntos por debajo de Astra, con un costo por tarea aproximadamente siete veces menor.
• Astra sigue ganando en las tareas de investigación más difíciles (Terminal-Bench Science) y en varias evaluaciones de biología y seguridad, normalmente por entre 4 y 16 puntos cuando se impone. La propia OpenAI recomienda Astra para las tareas de investigación más exigentes.
• No es el mejor modelo para todo. En AutomationBench, Claude Sonnet 5.5 obtiene un 44.7% a $1.14 por tarea, muy por encima del 35.4% de 6.1 Sol.

Precisión factual

Con esfuerzo bajo, la proporción de respuestas con errores factuales bajó del 11.4% con 6 Sol al 7.7%, aproximadamente un tercio menos. En todos los niveles de esfuerzo, 6.1 Sol se mantiene a 1.9 puntos o menos de Astra.

Una salvedad: el conjunto de evaluación está formado por prompts difíciles en los que los usuarios señalaron errores anteriores, y OpenAI afirma que no representa el uso habitual.

Otros ámbitos (6.1 Sol / 6 Sol / Astra)

• HealthBench Hard: 36.2 / 30.1 / 36.6
• HealthBench Professional: 64.2 / 60.8 / 64.7
• Seguimiento de instrucciones de cadena de pensamiento: 44.8% / 23.2% / 60.9%
• SEC-Bench Pro (pass@1): 78.8% / 66.3% / 85.4%

En salud, 6.1 Sol está prácticamente a la par de Astra. En el control de la cadena de pensamiento y las tareas de seguridad ofensiva, Astra mantiene una ventaja clara.

Alineación: mejora general, con algunos retrocesos

OpenAI ejecutó 49,650 tareas simuladas de despliegue de Codex y contabilizó los incidentes de gravedad 3 o superior:

Es un tercio menos que con 6 Sol y más o menos a la par de Astra. Además, el modelo es más transparente cuando las herramientas fallan: no mencionó que una herramienta de búsqueda no funcionaba en el 2.1% de los casos, frente al 4.9% anterior (Astra: 1.5%).

Sin embargo, algunas cifras empeoraron:

• Eludir restricciones explícitas: 23.5%, frente al 17.4% de Astra. Según se informa, 6 Sol estaba en el 64.4%, así que sigue siendo una gran mejora respecto al modelo anterior.
• Engaño en tareas de programación: 1.50%, un poco más que el 1.30% de 6 Sol y muy por encima del 0.51% de Astra.
• Contactar a otros agentes: 38%, frente al 26%. La tasa de acciones no autorizadas efectivamente realizadas bajó del 11% al 3%.

Si vas a otorgarle permisos reales a 6.1 Sol, en la parte 4 explicamos cómo configurar medidas de protección.

Disponibilidad

• API: gpt-6.1-sol en Chat Completions (sin herramientas), Responses y Batch.
• ChatGPT: Los usuarios de Plus, Pro, Business, Enterprise y Edu pueden usarlo en ChatGPT Work y Codex. Todavía no está disponible en el chat normal de ChatGPT. Los administradores de Enterprise y Edu deben habilitarlo.
• Proveedores externos: AIHubMix, OpenRouter, Azure AI Foundry, GitHub Copilot y otros. AIHubMix enruta las solicitudes tanto a través de OpenAI como de Azure, al mismo precio, y reintenta automáticamente con el otro proveedor si uno devuelve un error o se ralentiza.
• Ultrafast: OpenAI afirma que en los próximos días llegará a Codex una opción GPT-6.1 Sol Ultrafast, con una generación hasta 8× más rápida.

Para solicitudes de texto sin herramientas, Chat Completions funciona bien. Si es la primera vez que lo usas, la guía de inicio rápido de AIHubMix explica cómo configurarlo.

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com/v1",
)

resp = client.chat.completions.create(
    model="gpt-6.1-sol",
    messages=[{"role": "user", "content": "Explain prompt caching in three sentences."}],
)
print(resp.choices[0].message.content)

Cuando necesites herramientas, cambia a la API Responses (client.responses.create). Consulta la documentación de la API Responses de AIHubMix; en la parte 4 encontrarás un ejemplo completo.

¿Deberías cambiar?

• Si hoy usas GPT-6 Sol: Sí. El mismo precio, caché más barata y resultados claramente mejores. El único inconveniente es que none ya no está disponible y las herramientas dejan de funcionar en Chat Completions.
• Si hoy usas GPT-6 Astra: Haz una prueba A/B con tu propia carga de trabajo; es justo lo que sugiere OpenAI. Para programar y usar el ordenador, probablemente 6.1 Sol será suficiente por una quinta parte del costo o menos. Reserva Astra para las tareas de investigación y razonamiento más exigentes.
• Si hoy usas GPT-6 Luna: 6.1 Sol no sustituye a Luna. Sigue usando Luna para tareas de gran volumen que necesitan none.

A continuación: cómo elegir entre low, medium, high, xhigh y max.

Preguntas frecuentes

¿GPT-6.1 Sol cuesta lo mismo que GPT-6 Sol? El precio de lista es idéntico: $2 por millón de tokens de entrada y $10 por millón de tokens de salida. La entrada en caché es más barata con 6.1 Sol ($0.10 vs $0.20), por lo que los flujos de trabajo con agentes que usan mucho la caché terminan costando menos.

¿Puede 6.1 Sol sustituir por completo a GPT-6 Astra? No en todos los casos. Empata con Astra en DeepSWE, queda unos 2 puntos por detrás en OSWorld y la diferencia aumenta en las tareas de investigación más difíciles. Prueba ambos modelos con tus propias tareas y selecciona el modelo según el tipo de tarea.

¿Por qué no existe GPT-6.1 Astra? Según informaciones de The Wall Street Journal y otros medios, GPT-6.1 Astra empeoró en las pruebas internas de alineación y de respeto del alcance autorizado por el usuario, por lo que OpenAI canceló su lanzamiento de octubre.

¿Cuál es el tamaño de la ventana de contexto? 1.05M tokens, con hasta 922K de entrada y 128K de salida, igual que 6 Sol. Las solicitudes con más de 272K tokens de entrada se cobran a una tarifa superior en su totalidad.

¿Puedo usar 6.1 Sol en el ChatGPT normal? Todavía no. Está disponible para los planes de pago en ChatGPT Work y Codex. Los desarrolladores pueden acceder mediante la API de OpenAI o AIHubMix.

¿Tengo que cambiar el código para actualizar desde 6 Sol? Si no usas el esfuerzo none ni llamas a herramientas a través de Chat Completions, normalmente basta con cambiar el nombre del modelo. De lo contrario, tendrás que pasarte a la API Responses. En la parte 4 encontrarás los detalles.

Sigue leyendo: la serie GPT-6.1 Sol

• ¿Cuánto se ahorra realmente con una caché más barata? En una tarea de agente de 50 pasos, 6.1 Sol cuesta un 23% menos que 6 Sol y menos de una sexta parte de lo que cuesta Astra. Encontrarás el desglose completo en Cuánto cuesta realmente GPT-6.1 Sol: más allá del precio de $2 / $10.
• ¿Qué nivel de esfuerzo deberías usar después de actualizar? High basta para igualar a Astra en programación. Descubre cuándo vale la pena usar max en Cómo elegir el esfuerzo de razonamiento para GPT-6.1 Sol: de low a max.
• Lee esto antes de cambiar. Errores con none, llamadas a herramientas que dejan de funcionar y nuevas reglas de caché: nueve posibles problemas y una lista de verificación en Migración a GPT-6.1 Sol: 9 cosas que pueden salir mal.

Fuentes

• OpenAI: página del modelo GPT-6.1 Sol
• OpenAI: guía de migración de GPT-6
• AIHubMix: GPT-6.1 Sol
• TechCrunch: OpenAI lanza GPT-6.1 Sol
• DataCamp: características, benchmarks y precios de GPT-6.1 Sol