GPT-6.2 Astra y Sol: precio, benchmarks y críticas
Tabla de contenidos
El 17 de noviembre de 2026 OpenAI lanzó GPT-6.2 Astra y GPT-6.2 Sol. Dos meses y medio después de GPT-6 Astra y siete semanas después de GPT-6.1 Sol.
Sobre el papel, el lanzamiento es redondo: Astra baja un 20 % de precio, sube al segundo puesto del índice de Artificial Analysis, solo por detrás de Claude Fable 5.2, y Sol se queda a medio punto de Astra en FrontierCode 2.0 cobrando una cuarta parte por token.
Y sin embargo, el titular de VentureBeat el día del lanzamiento fue otro: “Essentially unusable”. Inutilizable, sin más. Así lo describió uno de los primeros testers, y no fue el único que salió escaldado.
¿Cómo encajan las dos cosas? Lo que vas a encontrar aquí:
- Qué son Astra y Sol 6.2, cuánto cuestan y dónde está la letra pequeña del precio.
- Los benchmarks de OpenAI frente a los de Artificial Analysis, Vals y Epoch.
- Qué dicen Theo, Ethan Mollick, Matt Shumer y Dan Shipper, y qué ha respondido OpenAI.
- Por qué Astra es el primer modelo de OpenAI con nivel “High” en automejora de IA, y qué regresión de honestidad reconoce su propia system card.
- Cómo queda frente a Fable 5.2 y Opus 5.5, y qué tocar en tu código para migrar.
¿Qué son GPT-6.2 Astra y GPT-6.2 Sol? ¶
GPT-6.2 Astra es el nuevo modelo frontera de OpenAI y sustituye a GPT-6 Astra; GPT-6.2 Sol es el modelo intermedio y sustituye a GPT-6.1 Sol. En la API se llaman gpt-6.2-astra y gpt-6.2-sol, y están disponibles desde el día del lanzamiento.
OpenAI los coloca así:
- Astra para trabajo especializado y exigente: ciencia, derecho, finanzas, cambios en bases de código complejas y aplicaciones web enteras.
- Sol para el día a día: programación rutinaria, escritura y flujos de varios pasos. Según VentureBeat, muchos empleados de OpenAI ya lo usan como modelo por defecto.
Los dos comparten ficha técnica: ventana de contexto de 1,05 millones de tokens y hasta 128.000 tokens de salida, según la tabla de VentureBeat (Latent Space lo redondea a “1M”).
Un detalle de numeración antes de seguir: no ha existido un GPT-6.1 Astra público. OpenAI lo canceló en septiembre, un día antes del DevDay, porque en las pruebas internas mentía más sobre lo que había hecho y avanzaba sin pedir permiso. Lo contamos en el post de GPT-6.1 Sol. Así que Astra salta de 6 a 6.2, y es la primera vez que el grande y el mediano vuelven a ir sincronizados.
🔑 Si vienes de GPT-6 Astra, este es su relevo directo. Si vienes de GPT-6.1 Sol, el cambio es de versión, no de precio.
¿Cuánto cuestan GPT-6.2 Astra y GPT-6.2 Sol? ¶
GPT-6.2 Astra cuesta 8 dólares por millón de tokens de entrada y 40 por millón de salida; GPT-6.2 Sol, 2 y 10. Astra baja un 20 % frente a GPT-6 Astra y la lectura de caché cae un 60 %. Sol se queda con la misma tarifa de GPT-6.1 Sol.
| Modelo | Entrada | Caché (lectura) | Salida |
|---|---|---|---|
| GPT-6 Astra | $10 | $1,00 | $50 |
| GPT-6.2 Astra | $8 | $0,40 | $40 |
| GPT-6.1 Sol | $2 | $0,10 | $10 |
| GPT-6.2 Sol | $2 | $0,10 | $10 |
| Claude Fable 5.2 | $8 | — | $40 |
| Claude Opus 5.5 | $4 | — | $20 |
| Claude Sonnet 5.5 | $2 | — | $10 |
Precios por millón de tokens, hasta 272.000 tokens de entrada. Fuentes: OpenAI vía The Decoder, VentureBeat y Requesty.
Fíjate en la fila de Fable 5.2: Astra y Fable cuestan ahora lo mismo por token. La pelea entre los dos modelos frontera ya no va de tarifa, va de cuántos tokens gasta cada uno para terminar.
Ahora la letra pequeña, que es donde se va la factura:
- Contexto largo con recargo. Por encima de 272.000 tokens de entrada, la entrada y la caché se duplican y la salida se multiplica por 1,5, para toda la petición. Astra pasa a 16/60 y Sol a 4/15.
- Fast cuesta el doble. Astra en Fast sale a 16/80 y Sol a 4/20 (VentureBeat).
- Ultrafast en la API arranca en 3 veces el precio estándar y sube a 6 veces el 1 de marzo de 2027. Es un dato que solo publica VentureBeat; tómalo como provisional hasta que lo veas en la página de precios.
- Batch, a mitad de precio. Si tienes evaluaciones, clasificaciones o migraciones masivas que pueden esperar unas horas, esta es la palanca más fácil.
⚠️ El recargo de 272K se aplica a toda la petición, no solo a los tokens que pasan del límite. Un agente que mete el repositorio entero en cada vuelta puede pagar el doble sin darte cuenta. Compacta antes de llegar ahí.
¿Y qué significa el “20 %-600 % más barato” del titular de Latent Space? El 20 % es la rebaja de tarifa de Astra. El 600 % no lo explican en el texto, pero cuadra con otro dato de Artificial Analysis: Sol llega al nivel de inteligencia de GPT-6 Astra por alrededor del 15 % de su coste por tarea. Eso es entre seis y siete veces menos.
¿Qué dicen los benchmarks oficiales de OpenAI? ¶
Según OpenAI, GPT-6.2 Astra mejora a GPT-6 Astra en todas las pruebas que publica, y GPT-6.2 Sol mejora a GPT-6.1 Sol en casi todas. La tabla completa la reprodujo VentureBeat:
| Benchmark | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | GPT-6.1 Sol |
|---|---|---|---|---|
| Agents’ Last Exam v1.1 | 78,3 % | 73,1 % | 73,0 % | 72,5 % |
| FrontierCode 2.0 | 44,2 % | 42,8 % | 43,8 % | 39,0 % |
| Terminal-Bench-Science | 77,1 % | 68,1 % | 68,0 % | 57,0 % |
| AutomationBench | 52,4 % | 41,4 % | 41,2 % | 36,1 % |
| BenchCAD 2.1 Core | 82,5 % | 62,6 % | 73,1 % | 52,6 % |
| Vals Science Index | 68,4 % | 65,1 % | 58,5 % | 59,6 % |
| Harvey LAB-AA (estricto) | 15,0 % | 8,6 % | 11,1 % | 6,9 % |
| LifeVal | 86,1 % | 79,8 % | 83,8 % | 79,5 % |
Fuente: OpenAI, vía VentureBeat.
Tres lecturas rápidas:
FrontierCode 2.0 es la fila que más te importa si programas. Es el benchmark de Cognition que mide cambios listos para merge en bases de código reales (lo explicamos en el post de Fable 5.2). Ahí Sol se queda a 0,4 puntos de Astra por una quinta parte del coste por tarea. Esa es la frase del lanzamiento, y apunta a Sol como el modelo de trabajo diario.
Agents’ Last Exam viene con asterisco. OpenAI compara a Astra 6.2 en xhigh contra GPT-6 Astra en max, como señaló Latent Space. La mejora de 5,2 puntos llega “a menos de la mitad del coste por tarea” según el anuncio que se reprodujo en el foro de desarrolladores de OpenAI; The Decoder y Crypto Briefing hablan de “menos de un tercio”. OpenAI también dice que Astra supera a Fable 5.2 por 5,5 puntos a alrededor del 5 % de su coste, con otra cautela: nueve tareas de Fable usaron un modelo de respaldo y se excluyeron (Implicator).
Sol no mejora en todo. En Vals Science Index baja un punto respecto a GPT-6.1 Sol. Es pequeño, pero confirma algo que veremos en Artificial Analysis: Sol 6.2 es un ajuste, no un salto.
Hay más cifras fuera de la tabla. En GDPval v2, la prueba interna de trabajo profesional, Astra sube 6,2 puntos con un 22 % menos de tokens de salida, y Sol sube 5,3. En FrontierMath Erdős, Astra resolvió con verificación formal 7 de 68 problemas, frente a 3 de GPT-6.1 Sol, y uno de ellos no tenía solución conocida (The Decoder).
💡 Lo que más vas a notar en la factura no es la tarifa, es el 22 % menos de salida en GDPval. Si se confirma en tu código, Astra 6.2 sale bastante más barato que el 20 % que anuncian.
Herramienta · Selector
¿Astra, Sol o te quedas donde estás?
Las tablas de OpenAI comparan modelos entre sí. Lo que no te dicen es cuál encaja con la tarea que tienes hoy y con lo que ya estás pagando.
Le das
Tu tarea y las suscripciones que ya pagas
Te devuelve
El modelo que te conviene, con alternativa barata
¿Qué dice Artificial Analysis, la medición independiente? ¶
Artificial Analysis coloca a GPT-6.2 Astra segundo en su Intelligence Index, con 62 puntos, detrás de Fable 5.2 (65) y por delante de Gemini 4 Carbon (60) y Opus 5.5 (59). GPT-6.2 Sol saca 57, lo mismo que GPT-6 Astra.
| Modelo (máximo esfuerzo) | Intelligence Index v5.0.1 | Coste aprox. por tarea del índice |
|---|---|---|
| Claude Fable 5.2 | 65 | ~$27 |
| GPT-6.2 Astra | 62 | ~$4 |
| Gemini 4 Carbon (high) | 60 | ~$5,50 |
| Claude Opus 5.5 | 59 | ~$10 |
| GPT-6.2 Sol | 57 | menos de $1 (high) |
| GPT-6 Astra | 57 | — |
Fuente: Artificial Analysis, vía OfficeChai y The Decoder. Los costes están leídos de una gráfica y son aproximados.
Ojo con un detalle de versiones: en septiembre GPT-6 Astra tenía 61 puntos, pero en la versión v5.0.1 del índice saca 57. No compares números de versiones distintas.
Mira la columna de la derecha. Astra consigue el 95 % de la puntuación de Fable por alrededor de una séptima parte del coste por tarea. Según Artificial Analysis, OpenAI ocupa la mayor parte de la frontera de Pareto entre coste e inteligencia, compartida solo con Anthropic y Meta.
¿Todo bien, entonces? No del todo. Antes de emocionarte, mira estos dos números:
El Coding Agent Index no se mueve. Medido dentro de Codex en max, Astra 6.2 saca 53, lo mismo que GPT-6 Astra, aunque por unos 4,80 dólares por tarea frente a 7,60. Y Sol baja 3 puntos, de 52 a 49, por una caída de 14 puntos en SWE-Atlas-QnA-AA. Para comparar: Fable 5.2 en medium iguala a Astra por menos de 3 dólares por tarea.
Alucina más. En AA-Omniscience, que mide cuántas veces el modelo se inventa una respuesta en vez de reconocer que no sabe, Astra 6.2 da un 59 % de alucinación y Sol un 55 %. GPT-6 Astra estaba en el 50 % según Requesty. Astra mejora en la puntuación neta de ese índice (sabe más cosas), pero cuando no sabe, se la juega más a menudo.
Otras mediciones independientes que conviene tener a mano:
- Vals Index: Astra 7.º y Sol 9.º, separados por 1,6 puntos. Astra sale a 10,68 dólares por tarea, Sol a 3,18 y GPT-6 Astra a 21,28 (The Decoder).
- Terminal-Bench 4: Astra 5.º, Sol 7.º.
- Epoch Capabilities Index: Astra empata con Fable 5.2 a 174, frente a 169 de GPT-6 Astra. Pero Epoch añade que Astra queda por detrás de Fable en tareas reales de investigación.
- Mercor OpenWorldEngineer: Astra 67,2 %, Fable 54,6 % y GPT-6 Astra 44,2 % (Latent Space).
🔑 En inteligencia general y coste por tarea, Astra 6.2 es un salto. En programación agéntica dentro de Codex, es GPT-6 Astra más barato. Si tu caso de uso es el segundo, no esperes milagros.
Un flujo con agentes que no depende del modelo que salga esta semana
Astra, Sol, Fable u Opus: el modelo cambia cada mes, el método no. En la lección 4 el agente te pregunta por rondas hasta convertir un requisito de una línea en decisiones claras, antes de escribir una sola línea de código.
Entra en el curso →¿Por qué los primeros testers dicen que es “inutilizable”? ¶
Porque Astra es más difícil de dirigir: entra en bucles improductivos, abandona tareas antes de terminarlas y escribe resúmenes difíciles de leer. No es que sepa menos. Es que cuesta más trabajar con él.
Las críticas más sonadas del día del lanzamiento:
- Matt Shumer, inversor y exCEO de HyperWrite: “I had a terrible experience testing them. They were essentially unusable”. No escribirá su reseña larga habitual. Contó que sus supervisores de Claude acabaron rehaciendo el trabajo de un subagente con Astra.
- Theo Browne lo llamó “el peor modelo que OpenAI ha lanzado” en un artículo en X titulado Why I hate GPT-6.2 Astra. Su caso estrella: reescribir un compilador de TypeScript en Rust. Astra estuvo siete días sin cerrar el trabajo y el resultado era un 56 % más lento. Sigue prefiriendo Opus 5.5 para programar, aunque reconoce que Astra le hizo un proxy inverso con el que espera ahorrar unos 25.000 dólares al mes y que detecta fallos que otros modelos no ven.
- Ethan Mollick, de Wharton, lo describió como “very uneven & weird” y “harder to steer & work with than other models”. En una prueba con un videojuego, Astra lo construyó funcionando pero se lanzó a ideas propias sin preguntar y se dejó la mecánica de disparo hasta que él se lo señaló.
- Dan Shipper, CEO de Every: la escritura es “a step back”. En los benchmarks de programación de Every iguala a su predecesor, pero en construcciones de principio a fin se para antes de tiempo.
No todo fue negativo. Ben Hylak y Ashe Magalhaes destacaron los visuales animados y la edición de vídeo, Peter Gostev (Arena) se quedó con un pavo real en SVG, y en AA-3D Astra lidera con 1.318 de Elo frente a 1.271 de Fable 5.2. Pietro Schirano atribuyó parte de sus problemas al harness, no al modelo.
¿Y OpenAI? Thibault Sottiaux, responsable de Codex, reconoció en X que “some of the criticisms are valid” y que algunos artefactos del entrenamiento por refuerzo son “downright bizarre”. También defendió que “some of this is overreacting” y que dentro de OpenAI lo siguen usando para automatizar trabajo. Según Android Authority, añadió que hicieron cambios importantes en los tres o cuatro últimos días antes del lanzamiento que algunos revisores no llegaron a probar.
Cuadra con lo que mide Artificial Analysis: un modelo que puntúa más alto en conocimiento y razonamiento, pero que en el bucle de agente no mejora. Si has trabajado con agentes, sabes que lo segundo pesa más que lo primero. Un agente que se pierde en bucles te cuesta horas, no tokens.
⚠️ Casi todas las críticas vienen de pruebas con versiones previas al lanzamiento. OpenAI dice que cambió cosas al final. Antes de descartar Astra, pruébalo tú en una tarea acotada con la versión actual.
Un modelo que saca 62 en un índice y otro tester que lo llama inutilizable, todo el mismo día. Cada domingo contamos a +7.200 developers lo que aprendemos al trabajar con agentes de verdad, con 12 recursos elegidos para no perderse entre lanzamientos. Gratis, desde 2018.
Apúntate gratis →¿Es GPT-6.2 Astra más seguro que GPT-6 Astra? ¶
En capacidades peligrosas sube de nivel, y en honestidad sobre los obstáculos empeora. Son las dos noticias de seguridad del lanzamiento, y la segunda la reconoce la propia OpenAI.
Según el Preparedness Framework de OpenAI:
- Ciberseguridad: nivel “Critical” para Astra y Sol, igual que GPT-6 Astra. OpenAI dice que Astra es su modelo más capaz en ciberseguridad hasta la fecha y lo lanza con salvaguardas más estrictas, que pueden bloquear también investigación legítima.
- Automejora de IA: nivel “High” para Astra. Es el primer modelo publicado por OpenAI que llega a ese umbral, que la compañía describe como el equivalente a darle a cada investigador un ingeniero de investigación muy capaz adicional.
Para entender ese nivel, mira ExploitBench: en la prueba interna con las salvaguardas desactivadas, Astra consiguió ejecución de código arbitrario en el 53,5 % de los intentos, frente al 31,5 % de GPT-6 Astra (Implicator; The Decoder lo resume como “más del 50 %”). En la prueba de descubrimiento de vulnerabilidades del UK AISI, 88,6 % frente a 81,7 %, con intervalos de confianza solapados.
La parte incómoda está en la system card. En la prueba Blocker Deception, que comprueba si el modelo te avisa cuando hay un obstáculo que le impide terminar, Astra 6.2 omitió un obstáculo conocido en el 22,28 % de los intentos, frente al 11,09 % de GPT-6 Astra. El doble. OpenAI lo dice sin rodeos: “We are concerned by this regression”.
¿Te suena? Es el mismo tipo de fallo por el que se canceló GPT-6.1 Astra: un agente que no te cuenta lo que no ha podido hacer. Y hay un detalle práctico: el prompt que OpenAI usa en Codex para reducir esas omisiones no se aplica a las peticiones directas a la API. Si construyes tu propio agente sobre gpt-6.2-astra, ese trabajo te toca a ti.
🛡️ Si delegas tareas largas en Astra 6.2, añade una verificación final que no dependa de lo que el agente dice: tests ejecutados por tu pipeline, un
git diffrevisado o un segundo modelo que compruebe el resultado.
Sobre Daybreak, el programa de OpenAI para investigadores de seguridad verificados, las fuentes no coinciden: The Decoder dice que OpenAI planea ofrecer ahí los modelos nuevos, mientras que VentureBeat señala que de momento Daybreak sigue usando GPT-6 Astra y GPT-6 Cyber.
Tu IA puede mentirte
Si el modelo oculta lo que no ha podido hacer, necesitas un método para comprobarlo
Con un Astra que omite obstáculos el doble de veces que su predecesor, revisar lo que entrega el agente deja de ser opcional. Verás cómo verificarlo con skills, pruebas en navegador con Playwright y revisión adversarial entre modelos.
Ver el método entero →Masterclass · métodos en directo + casos Gherkin
¿GPT-6.2 Sol es el modelo que vas a usar de verdad? ¶
Para la mayoría de developers, sí: Sol 6.2 da casi el resultado de Astra en programación por una cuarta parte del precio por token. Latent Space lo resume en su titular: “6.2 Sol likely main workhorse”.
Los datos que lo sostienen:
- En FrontierCode 2.0, 43,8 % frente a 44,2 % de Astra.
- En el índice de Artificial Analysis iguala a GPT-6 Astra (57) por alrededor del 15 % de su coste por tarea.
- En Perplexity WANDR, Sol saca 0,746 por unos 2,65 dólares por tarea frente a 0,783 de Astra por 12,54 (Latent Space).
- En un benchmark casero publicado en el foro de OpenAI, Sol 6.2 ganó las dos pruebas usando 1,4 y 9 millones de tokens, frente a 3,5 y 10,8 de GPT-6.1 Sol. Es una muestra pequeña y no oficial, pero apunta a lo mismo: menos tokens para llegar al mismo sitio.
¿Las pegas? El Coding Agent Index le baja 3 puntos frente a GPT-6.1 Sol, su tasa de alucinación es del 55 % y en Vals Science Index retrocede un punto. Y en ChatGPT Work, un usuario del foro recordaba que para escritura de prosa y ficción el modelo recomendado sigue siendo GPT-6.1 Terra.
Mi lectura: si ya usabas GPT-6.1 Sol en Codex, cambia a 6.2 sin miedo para el trabajo diario, pero vigila las tareas de preguntas y respuestas sobre código, que es justo donde AA ha visto la caída.
GPT-6.2 Astra vs Fable 5.2 vs Opus 5.5: ¿cuál elegir? ¶
Fable 5.2 sigue siendo el modelo más inteligente según Artificial Analysis; GPT-6.2 Astra es el que más inteligencia da por dólar; Opus 5.5 es el que la mayoría de testers prefiere para programar cada día. Con el mismo precio por token entre Astra y Fable, la decisión depende de tu tarea y de cómo tengas montado tu harness.
| Escenario | Por dónde empezaría yo |
|---|---|
| Programación diaria en Codex | GPT-6.2 Sol |
| Programación diaria en Claude Code | Opus 5.5 |
| Tareas largas y autónomas, multiagente | Fable 5.2, que lidera el índice y la investigación real |
| Razonamiento científico, legal o financiero | GPT-6.2 Astra, con buen coste por tarea |
| Prototipos visuales, 3D, SVG y animación | GPT-6.2 Astra, líder en AA-3D |
| Volumen alto con presupuesto ajustado | GPT-6.2 Sol o Sonnet 5.5, mismo precio por token |
| Revisión de código y caza de fallos | GPT-6.2 Astra como segundo revisor |
Frente a Fable 5.2. Cuestan lo mismo por token (8/40), pero Artificial Analysis mide un coste por tarea mucho menor en Astra. Fable gana en el índice general por 3 puntos, en investigación real según Epoch y en el Coding Agent Index en niveles de esfuerzo equivalentes. Astra gana en Agents’ Last Exam (según OpenAI), en Terminal-Bench-Science, en OpenWorldEngineer y en 3D. Si haces tareas de días con un orquestador, me quedaría con Fable.
Frente a Opus 5.5. Opus cuesta la mitad por token y saca 3 puntos menos en el índice. Pero casi todos los testers que criticaron Astra volvieron a Opus para el trabajo de cada día, y Theo llega a usar Opus para resumir lo que hace Astra en ejecuciones largas. Astra gana en seguimiento de instrucciones y eficiencia de tokens; Opus, en facilidad de trabajo y en tareas largas de ingeniería en producción.
Frente a Gemini 4 Carbon. Según The Decoder, Carbon es el único modelo que aguanta el ritmo de Astra en Agents’ Last Exam, pero queda 2 puntos por detrás en el índice de AA y sigue con disponibilidad limitada.
Si quieres poner orden en todo esto con más calma, en qué modelo GPT usar tienes la guía por tareas de la familia, y en el ranking de modelos para programar la comparativa con el resto de laboratorios.
¿Qué tienes que cambiar en tu código para migrar a GPT-6.2? ¶
En la mayoría de casos, solo el identificador del modelo. OpenAI no ha anunciado cambios de parámetros ni una retirada inmediata de los modelos anteriores, así que la migración es directa. Lo que sí cambia es cómo se comporta el modelo, y eso hay que medirlo.
El cambio básico con la Responses API:
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
# Antes: model="gpt-6.1-sol"
model="gpt-6.2-sol",
reasoning={"effort": "high"},
input="Revisa este diff y dime qué tests faltan.",
)
print(response.output_text)
Y si vienes de GPT-6 Astra:
response = client.responses.create( model="gpt-6.2-astra", # Astra 6.2 en xhigh supera a GPT-6 Astra en max según OpenAI: # prueba a bajar un nivel antes de dejarlo en max reasoning={"effort": "xhigh"}, input=task_prompt,)Lo que revisaría antes de dar el cambio por bueno:
- Prueba un nivel de esfuerzo por debajo. Las comparativas oficiales enfrentan a Astra 6.2 en
xhighcon GPT-6 Astra enmax. Si te da el mismo resultado con menos razonamiento, ahorras tiempo y dinero. - Mide coste por tarea terminada, no precio por token. Ejecuta el mismo lote de tareas con el modelo viejo y el nuevo, y compara cuántas se completan y cuánto cuesta cada una. Es lo primero que recomienda Requesty.
- Mantén estables los prefijos cacheables. La caché de Astra baja a 0,40 dólares; si tu system prompt y tus herramientas cambian en cada llamada, no la aprovechas.
- Vigila el límite de 272K tokens. Por encima, toda la petición sale más cara.
- Añade tu propia instrucción contra omisiones. El prompt de Codex que reduce el Blocker Deception no viaja a la API. Pide en tu system prompt que el modelo informe de forma explícita de cualquier paso que no haya podido completar, y verifícalo con tests.
Si usas Codex con tu cuenta de ChatGPT, actualiza la CLI y la app de escritorio: según el anuncio, son los dos pasos que hacen falta para que aparezcan los modelos nuevos en el selector.
Cambiar el identificador del modelo es fácil; saber si el cambio te compensa, no tanto. Cada domingo compartimos con +7.200 developers cómo estamos adoptando la IA en el trabajo diario y 12 recursos para poner orden. Gratis, cada domingo.
Apúntate gratis →¿Dónde puedes usar GPT-6.2 Astra y Sol hoy? ¶
En ChatGPT Work y en Codex para los planes Plus, Pro, Enterprise y Edu, y en la API. Hay una sorpresa: no llegan al chat normal de ChatGPT. La nota de despliegue lo dice tal cual: “This rollout does not add either model to regular Chat”.
Ultrafast cambia según el plan:
| Plan | GPT-6.2 Sol Ultrafast | GPT-6.2 Astra Ultrafast |
|---|---|---|
| Plus | No | No |
| Pro de 200 $/mes | Sí, por primera vez | No |
| Pro de 500 $/mes | Sí | Sí |
| Enterprise y Edu | Si el admin lo activa | Si el admin lo activa |
Según 9to5Mac, Ultrafast va hasta 4,5 veces más rápido que la velocidad estándar en cualquiera de los dos modelos, a cambio de gastar más cuota. Para sesiones interactivas en las que tú eres quien espera, compensa. Para agentes en segundo plano, no.
Requesty añade que los modelos también llegan a GitHub Copilot y Amazon Bedrock, y que existe una configuración específica, Astra for Law, para clientes Enterprise, con un índice de búsqueda legal (20,8 % en Harvey LAB-AA según Artificial Analysis). El despliegue es gradual: en el foro de OpenAI hay usuarios que el primer día todavía no tenían acceso, y OpenAI respondió que depende del plan, de los permisos del espacio de trabajo y del avance del despliegue.
Lo que todavía no sabemos ¶
- La fecha de corte de conocimiento de los dos modelos. No aparece en ninguna de las fuentes que hemos podido contrastar.
- El nivel de Preparedness de Sol en automejora. Solo se ha publicado el de Astra.
- Si los cambios de última hora arreglan los bucles. Las críticas de Theo, Shumer y Mollick son de versiones previas. Habrá que ver las reseñas de la próxima semana.
- Cuándo se retira GPT-6 Astra de la API. Por ahora no hay aviso formal de deprecación.
- El precio definitivo de Ultrafast en la API. Solo lo ha publicado un medio.
GPT-6.2 en una frase ¶
GPT-6.2 Astra es el modelo con más inteligencia por dólar del mercado y uno de los más difíciles de dirigir; GPT-6.2 Sol es el que acabarás usando cada día.
TL;DR ¶
- 🚀 OpenAI lanzó GPT-6.2 Astra y GPT-6.2 Sol el 17 de noviembre de 2026, en ChatGPT Work, Codex y la API, pero no en el chat normal.
- 💸 Astra baja a $8/$40 (un 20 % menos) y la caché a $0,40; Sol se queda en $2/$10.
- 📊 Artificial Analysis pone a Astra segundo (62) detrás de Fable 5.2 (65), por alrededor de una séptima parte del coste por tarea, pero su Coding Agent Index en Codex no mejora.
- ⚠️ Los primeros testers lo llaman difícil de dirigir, con bucles y tareas abandonadas, y su system card reconoce que oculta obstáculos el doble de veces que GPT-6 Astra.
- 🎯 Para programar cada día, GPT-6.2 Sol es la opción sensata en el ecosistema OpenAI: medio punto por debajo de Astra en FrontierCode 2.0 por una cuarta parte del precio.
Preguntas frecuentes ¶
¿Cuándo salió GPT-6.2? ¶
OpenAI lanzó GPT-6.2 Astra y GPT-6.2 Sol el 17 de noviembre de 2026. Llegaron el mismo día a ChatGPT Work, a Codex y a la API, con despliegue gradual según el plan.
¿Cuánto cuesta GPT-6.2 Astra en la API? ¶
8 dólares por millón de tokens de entrada, 0,40 por millón de lectura de caché y 40 por millón de salida, hasta 272.000 tokens de entrada. Por encima de ese umbral pasa a 16 y 60 dólares para toda la petición.
¿Cuánto cuesta GPT-6.2 Sol? ¶
2 dólares por millón de entrada, 0,10 de caché y 10 de salida, el mismo precio que GPT-6.1 Sol. Por encima de 272.000 tokens de entrada sube a 4 y 15 dólares.
¿Cuál es la ventana de contexto de GPT-6.2? ¶
Los dos modelos admiten unos 1,05 millones de tokens de contexto y hasta 128.000 tokens de salida. A partir de 272.000 tokens de entrada se aplica el recargo de contexto largo.
¿Qué diferencia hay entre GPT-6.2 Astra y GPT-6.2 Sol? ¶
Astra es el modelo frontera, pensado para trabajo especializado en ciencia, derecho, finanzas y bases de código complejas. Sol es el modelo de uso diario: cuesta cuatro veces menos por token y en programación (FrontierCode 2.0) se queda a menos de medio punto de Astra.
¿Es GPT-6.2 Astra mejor que Claude Fable 5.2? ¶
Depende de la medición. Fable 5.2 lidera el índice de Artificial Analysis (65 frente a 62) y la investigación real según Epoch; Astra gana en coste por tarea, en Agents’ Last Exam según OpenAI y en pruebas visuales y 3D. Los dos cuestan lo mismo por token.
¿Es GPT-6.2 Astra mejor que Opus 5.5 para programar? ¶
En el índice general de Artificial Analysis, Astra saca 3 puntos más. Pero la mayoría de los primeros testers, como Theo o Matt Shumer, siguen prefiriendo Opus 5.5 para programar porque Astra es más difícil de dirigir y tiende a entrar en bucles.
¿Por qué dicen que GPT-6.2 Astra es inutilizable? ¶
Varios testers con acceso anticipado describieron bucles improductivos, tareas abandonadas antes de tiempo y resúmenes confusos. OpenAI reconoce que algunas críticas son válidas, pero asegura que hizo cambios importantes en los últimos días antes del lanzamiento que esos testers no llegaron a probar.
¿GPT-6.2 está disponible en ChatGPT gratis? ¶
No. Está en ChatGPT Work y Codex para los planes Plus, Pro, Enterprise y Edu. OpenAI aclara que el despliegue no añade ninguno de los dos modelos al chat normal de ChatGPT.
¿Qué es el nivel “High” en automejora de IA de GPT-6.2 Astra? ¶
Es una clasificación del Preparedness Framework de OpenAI. Astra es el primer modelo publicado por la compañía que alcanza ese umbral, que equivale a darle a cada investigador un ingeniero de investigación muy capaz adicional. Además, Astra y Sol están en nivel “Critical” en ciberseguridad.
Fuentes ¶
- Introducing GPT-6.2 Astra and Sol (OpenAI)
- GPT-6.2 Astra and Sol are now available (OpenAI Developer Community)
- ‘Essentially unusable’: OpenAI launches GPT-6.2 Astra and Sol (VentureBeat)
- OpenAI launches GPT-6.2 Astra and Sol with lower API prices and some benchmark gains (The Decoder)
- GPT-6.2 Astra places second on Artificial Analysis Intelligence Index (OfficeChai)
- GPT-6.2 Astra, the #2 frontier model (Latent Space)
- GPT-6.2 Astra and Sol: what OpenAI’s new models can do (Implicator)
- GPT-6.2 Sol and Astra: pricing, benchmarks and reactions (Requesty)
- OpenAI upgrades ChatGPT and Codex with new GPT-6.2 Astra and Sol models (9to5Mac)
- OpenAI launches GPT-6.2 Astra and Sol, but not everyone is sold (Android Authority)
- Why I hate GPT-6.2 Astra (Theo Browne en X)
🧨 Última oportunidad para recibir la dinamita que mereces sobre programación con IA el próximo domingo: Suscríbete gratis a Web Reactiva en https://webreactiva.com/newsletter
12 recursos para developers cada domingo en tu bandeja de entrada
Además de una skill práctica bien explicada, trucos para mejorar tu futuro profesional y una pizquita de humor útil para el resto de la semana. Gratis.