La guerra de precios de los modelos de IA en septiembre de 2026: Grok 4.7, Opus 5.5, GPT-6 Sol y Luna

Si mantienes una hoja de cálculo con los precios de los modelos, esta semana se te ha quedado obsoleta. xAI lanzó Grok 4.7 el 21 de septiembre. Al día siguiente, Anthropic lanzó Claude Opus 5.5 y OpenAI lanzó dos nuevos modelos GPT-6, Sol y Luna. Tres lanzamientos en 48 horas, dos laboratorios de frontera el mismo día, y todas las filas de tu modelo de costes ahora están mal.

Prueba Apidog hoy

Las cifras por token están abajo. La historia más útil es que el precio por token ha dejado de ser la unidad por la que compite nadie, y que una de las afirmaciones más sonadas de la semana caducó a las pocas horas de publicarse.

Todos los precios nuevos en una sola tabla

Tres cosas destacan. Opus 5.5 aterriza en $4/$20 frente a los $5/$25 de Opus 5, así que el buque insignia se abarató un 20% mientras se llevaba el primer puesto del índice de Artificial Analysis con 58. Sol se sitúa a una quinta parte de la tarifa de Astra tanto en entrada como en salida. Y Luna pone una ventana de contexto de 1M a diez centavos por millón de tokens de entrada.

Anthropic también incluye un modo rápido para Opus 5.5 a $8/$40 y una salida máxima de 128k. Si tienes tarifas codificadas a partir de nuestros artículos sobre precios de Claude Opus 5 o precios de GPT-5.6, esas páginas ahora describen la generación anterior.

Lo que realmente ha cambiado: el coste por tarea, no el coste por token

El post de lanzamiento de OpenAI no abre con las tarifas por token. Abre con el coste por tarea completada, y la tabla que publica es el artefacto más interesante de la semana.

Lee con atención la última fila. Sol con razonamiento extra-alto obtiene una puntuación superior a Opus 5 al máximo por aproximadamente el 9% del coste por tarea de Opus 5. El coste por tarea es la unidad honesta porque incorpora lo que el precio por token oculta: tokens de razonamiento, llamadas a herramientas, reintentos y cuántos turnos necesita un modelo antes de detenerse. Un modelo al doble de tarifa nominal que termina en un tercio de los tokens es más barato, y ninguna página de precios te lo dice.

El patrón se repite. En Agents' Last Exam V1, Sol al máximo obtiene un 56,4%, por encima del mejor resultado de Opus 5, con un coste por tarea un 60% menor. En DeepSWE 1.1, Sol al máximo alcanza el 68,8%, a 1,1 puntos de Fable 5 en xhigh (69,9%) y aproximadamente un 80% más barato por tarea; Luna al máximo obtiene un 66,6%, que OpenAI sitúa en la misma banda que Opus 5 y Fable 5 con esfuerzo medio, con un 93% menos por tarea que Opus 5 y un 96% menos que Fable 5. En OSWorld 2.0 offline, Sol en xhigh obtiene un 60,5% frente al 60,3% de Opus 5 en medio, de nuevo alrededor de un 80% más barato por tarea. En factualidad, OpenAI dice que Sol comete aproximadamente la mitad de errores que su predecesor, y Luna con mayor esfuerzo iguala a GPT-5.6 Sol a cerca de una centésima parte del coste.

La consecuencia práctica: la pregunta de compra ya no es «cuál es la tarifa por millón de tokens». Es «cuánto me cuesta una de mis tareas de principio a fin», y solo tu propia carga de trabajo puede responderlo.

La comparación que caducó el mismo día en que se publicó

Todas las afirmaciones anteriores se miden contra Claude Opus 5, porque Opus 5.5 no existía cuando se escribió el post de OpenAI. Anthropic lanzó Opus 5.5 horas después: un 20% más barato que Opus 5, un 40% menos de coste de ejecución según la propia cifra de Anthropic, un 30% más rápido en salida y líder del índice de Artificial Analysis.

Así que «supera a Opus 5 con el 9% del coste por tarea» es una afirmación verdadera sobre un modelo reemplazado esa misma tarde. Nadie ha publicado una cifra de coste por tarea de Sol frente a Opus 5.5, porque todos los harness de estas tablas se ejecutaron antes de que Opus 5.5 existiera. Si estás a punto de mover una carga de trabajo basándote en esa ratio, estás comparando contra un modelo que ya no desplegarías.

Ten cuidado también en la dirección contraria. La propia hoja de Anthropic para Opus 5.5 dice: Terminal-Bench 4.0 66,4%, FrontierCode v1.1 54,4%, CursorBench 4.0 57,8%, GDPval-AA v2.1 con 1846 Elo, AutomationBench 40,0%, Humanity's Last Exam 67,7% con herramientas, OSWorld 2.0 81,8%, Chartography 89,0%. Ese 40,0% de AutomationBench no se puede restar del 33,2% de OpenAI: distinta versión del harness, distintos ajustes de esfuerzo, distinta ejecución, sin línea base común declarada. Que dos proveedores citen el mismo nombre de benchmark no es un cara a cara. La propia postura de OpenAI es que Astra «sigue siendo nuestro mejor modelo en todos los ámbitos», así que la historia de GPT-6 esta semana va de precio y eficiencia, no de un nuevo techo. Las comparaciones que circulan por X que enfrentan cifras concretas de Opus 5.5 con cifras concretas de Astra son tuits, no datos de proveedores.

«50% más barato» se mide contra un descuento, y el recorte real es mayor

OpenAI declara que Sol y Luna son cada uno un 50% más baratos que el precio promocional de GPT-5.6. Promocional es palabra de OpenAI, y es determinante: la base que se reduce a la mitad es una tarifa con descuento, no una tarifa de lista estándar. Gran parte de la cobertura de esta semana omitió el matiz.

Esta es la línea genealógica, usando los precios de lista de GPT-5.6 que documentamos en nuestra propia cobertura del lanzamiento en su momento:

Se deducen dos cosas. Primero, la versión honesta del titular supera al titular: frente a los precios de lista de GPT-5.6, Sol a $2/$10 es un recorte del 60% en entrada y del 67% en salida, y Luna a $0.10/$0.50 es del 90% y el 92%. OpenAI se comparó contra su propia tarifa promocional, lo que subestima el movimiento para cualquiera que presupueste contra la lista.

Segundo, no hay ningún GPT-6 Terra. GPT-5.6 era Sol, Terra y Luna; GPT-6 es Astra, Sol y Luna. Si tienes un nivel intermedio fijado en la configuración, no hay ningún sucesor equivalente esperándolo, y nuestra guía de nombres de GPT-5.6 ahora se lee como historia en lugar de como un mapa actual.

Los modelos baratos no son los modelos rápidos

Artificial Analysis midió los nuevos modelos. Para las variantes de razonamiento máximo, reporta GPT-6 Sol a 115,2 tokens de salida por segundo con un tiempo hasta el primer token de 102,15 segundos, y Luna a 153,9 tokens por segundo con 124,23 segundos hasta el primer token. Estas son cifras de terceros, no de los proveedores, y describen el ajuste de razonamiento más alto, no lo que verías con esfuerzo bajo o medio.

En cuanto a dirección, este es el intercambio que ofrece la guerra de precios: calidad cercana a la frontera a una fracción del coste, pagada en latencia antes de que llegue el primer byte. Está bien para un trabajo por lotes o una ejecución nocturna de agentes. Es fatal para una solicitud con un humano esperando.

Mide esto tú mismo en lugar de heredarlo de una tabla de clasificación, porque varía con tu ajuste de esfuerzo, el tamaño del prompt y la región. Apunta Apidog al endpoint de completions de cada modelo candidato, envía el mismo prompt con el nivel de esfuerzo que realmente desplegarías y registra el tiempo hasta el primer byte y el tiempo total de respuesta junto al cuerpo. Guardado como escenario de prueba, el próximo lanzamiento es una reejecución en lugar de un proyecto de investigación.

El almacenamiento en caché es la otra mitad del recorte de precios de esta semana

Junto con los modelos, OpenAI lanzó una auténtica release de prompt caching para GPT-6: un 90% de descuento en lecturas de entrada en caché, mayores tasas de acierto por defecto, un Prompt Caching Dashboard, una herramienta de diagnóstico y dos correcciones de comportamiento que importan más que el descuento. Cambiar el esfuerzo de razonamiento o la disponibilidad de herramientas ya no invalida la caché, y los puntos de ruptura explícitos te permiten decidir dónde termina un prefijo en caché. OpenAI cita a GitHub viendo más de un 50% menos de tokens de prompt que necesitan procesamiento nuevo en miles de millones de solicitudes. El lado de Anthropic está en la tabla de arriba: las lecturas de caché de Opus 5.5 cuestan $0.20 por millón frente a $4 de entrada nueva, así que una lectura en caché es el 5% de una nueva.

Si tu agente reenvía un prompt de sistema grande y un esquema de herramientas voluminoso en cada turno, y la mayoría lo hace, estos cambios moverán tu factura más que cualquier precio nominal de aquí. Eso convierte el almacenamiento en caché en el elemento más duradero de la semana y en el que merece la pena ingeniar.

Qué hacer esta semana

1. Mueve los ids de modelo a la configuración, no al código. Tres ids cambiaron en dos días. claude-opus-5-5, gpt-6-sol y gpt-6-luna pertenecen a variables de entorno que puedas cambiar, no a literales de cadena en un wrapper de cliente:

 OPUS_MODEL_ID=claude-opus-5-5 SOL_MODEL_ID=gpt-6-sol LUNA_MODEL_ID=gpt-6-luna 

1. Vuelve a ejecutar tu propia evaluación antes de cambiar. Las tablas de coste por tarea de los proveedores se miden en harnesses de proveedores contra tareas de proveedores. Las tuyas serán distintas.
2. Instrumenta el coste por tarea. Registra tokens de entrada, salida y razonamiento frente a unidades de trabajo completadas, reintentos incluidos. Los paneles por token te engañarán durante el resto de este año.
3. Fija un presupuesto de latencia y prueba con el esfuerzo de despliegue. Un modelo que es un 93% más barato por tarea y dos minutos más lento hasta el primer token es un producto distinto, no uno más barato.
4. Audita tu límite de caché. Prefijo estable primero, contenido volátil al final, puntos de ruptura explícitos donde la plataforma los admita.
5. Actualiza las pruebas de contrato para los nuevos límites. Sol tiene 872k de contexto, Luna y Opus 5.5 tienen 1M, y Opus 5.5 limita la salida a 128k. Las aserciones escritas contra los límites del mes pasado pasan en silencio y truncan en producción.
6. Enruta por tarea en lugar de migrar por completo. La diferencia entre $0.10 y $10 por millón de tokens de entrada es de dos órdenes de magnitud. Niveles baratos para extracción y clasificación, niveles caros para el trabajo que los necesita.

Un número para dar escala: OpenAI reveló que su investigador interno medio gasta más de $600 al día en agentes de programación, con el percentil 90 en $7.000. Recortes de esta forma apuntan a cargas de trabajo con ese margen. Si la tuya es más pequeña, básicamente te compran la opción de ejecutar un modelo mejor con el mismo presupuesto.

Disponibilidad, brevemente

Sol y Luna están en ChatGPT Work y Codex para Plus, Pro, Business, Enterprise y Edu. Free y Go reciben Luna en la aplicación de escritorio. Ninguno está todavía en Chat. Los ids de API son gpt-6-sol y gpt-6-luna, junto a la ya existente API de GPT-6 Astra. Opus 5.5 funciona en Claude Platform, AWS, Google Cloud y Azure.

Para detalle modelo por modelo: qué es Claude Opus 5.5, qué es GPT-6 Sol, qué es GPT-6 Luna, el cara a cara entre Sol y Opus 5.5, y la release de prompt caching de GPT-6.

La conclusión

Los precios nominales bajaron, pero el verdadero acontecimiento es que la industria cambió de unidad. El coste por tarea, la tasa de aciertos de caché y el tiempo hasta el primer token deciden ahora cuánto te cuesta un modelo, y ninguno de ellos aparece en una página de precios. Mide los tres sobre tu propio tráfico esta semana, porque las tablas comparativas que todo el mundo cita ya estaban desactualizadas cuando se publicaron.