GPT-6.2 Astra cuesta cuatro veces más que Sol. Use Sol por defecto, haga que Astra se gane su sitio y lea las notas de migración antes de cambiar

18 de noviembre de 2026
8 min read

18 de noviembre de 2026
8 min read
Un mes después de que OpenAI retirara el lanzamiento de octubre de GPT-6.1 Astra, ha publicado el siguiente. El 17 de noviembre llegaron GPT-6.2 Astra y GPT-6.2 Sol a ChatGPT Work, Codex y la API. El titular es Astra: OpenAI lo llama un modelo de frontera para «sus proyectos más difíciles». La noticia más útil para la mayoría de las startups es Sol, que cuesta una cuarta parte por token y, según las propias cifras de OpenAI, queda muy cerca en buena parte del trabajo que hacen de verdad las startups. La segunda noticia útil está en la guía de migración, que cambia varias cosas que no darán error cuando se rompan.
Dos modelos, con trabajos distintos y precios distintos:
gpt-6.2-astra, a 8 $ por millón de tokens de entrada y 40 $ por millón de tokens de salida.gpt-6.2-sol, a 2 $ por millón de tokens de entrada y 10 $ por millón de tokens de salida.La diferencia de precio es sencilla: Astra cuesta cuatro veces más que Sol por token, tanto de entrada como de salida. La pregunta interesante es cuánto de eso le compra algo.
Según las propias cifras de OpenAI, a menudo no mucho. En el anuncio, «Sol casi iguala a Astra en cambios listos para fusionar en bases de código reales, a una quinta parte del coste aproximadamente». En la system card, los dos están a un punto en GPQA Diamond (Astra 97,0 %, Sol 96,0 %), y Sol va ligeramente por delante en SEC-Bench Pro (88,34 % frente a 86,75 %).
En el trabajo largo más difícil, la distancia se abre. En las tablas de la system card, Astra resuelve el 36,4 % de los objetivos de Sandbox Bench frente al 25,0 % de Sol, obtiene un 74,79 % en PostTrainBench Lite frente a un 44,89 % y ahorra un 42,87 % del tiempo de referencia en NanoGPT frente a un 14,59 %. Son tareas en las que un modelo tiene que trabajar mucho tiempo, sin ayuda, en un problema técnico difícil.
Ese es el patrón que conviene usar. La mayor parte de lo que una startup envía a un modelo es trabajo diario: redactar, extraer, resumir, llamar a herramientas, escribir código corriente. Para eso, Sol es la opción por defecto. Astra es para las pocas tareas en las que sus propias pruebas demuestran que termina un trabajo que Sol no termina.
Pagar cuatro veces más por token es una decisión, no una opción por defecto.
Cambiar la cadena de model es lo fácil. La guía enumera cambios que no siempre fallan de forma visible:
Los parámetros de muestreo desaparecen. «Al migrar peticiones de Chat Completions, omita temperature, top_p, logprobs y top_logprobs». En Responses, omita temperature, top_p y top_logprobs, y quite message.output_text.logprobs de include. Si su producto depende de temperature: 0 para obtener resultados repetibles, o de las log-probabilidades para puntuaciones de confianza, ese diseño tiene que cambiar.
Las llamadas a herramientas necesitan la Responses API. «GPT-6.2 Astra y GPT-6.2 Sol admiten Chat Completions, pero las llamadas a herramientas requieren Responses». Un agente construido sobre Chat Completions con herramientas no puede limitarse a cambiar el nombre del modelo.
Editar el historial le cuesta el razonamiento. «A partir de GPT-6.2, la Responses API descarta los elementos de razonamiento tras ediciones a mitad de conversación del historial (ediciones de prefijo) y ciertos cambios de modelo (incluidos los cambios a uno inferior)». Cuando eso ocurre, «la calidad de las respuestas puede bajar y el modelo puede usar más tokens para repetir trabajo anterior». Los agentes que recortan o reescriben turnos anteriores para ahorrar tokens, o que empiezan una sesión con Astra y se la pasan a Sol, lo pagan aquí.
El comportamiento también cambia. La guía dice que las instructions de nivel superior se añaden ahora después de input en Responses. Astra es «más conciso y directo por defecto», así que las antiguas instrucciones de «sea conciso» pueden quedarse ahora cortas de más. Y el modelo «puede proponer un siguiente paso y esperar confirmación», algo que un agente sin supervisión interpretará como detenerse. La solución que sugiere OpenAI es pedirle que «haga suposiciones razonables y reversibles para avanzar y las indique». Para el esfuerzo de razonamiento, la guía recomienda empezar con medium y, «si ahora usa none o minimal, use low en su lugar».
Nada de esto exige reescribir el producto. Exige una opción por defecto, una prueba y una lista corta.
# route.py — one place decides which model a task gets
from openai import OpenAI
client = OpenAI()
# Tasks promoted to Astra because your own evals showed a difference
ASTRA_TASKS = {"research_report", "long_refactor"}
def run(task_type: str, prompt: str, tools: list):
model = "gpt-6.2-astra" if task_type in ASTRA_TASKS else "gpt-6.2-sol"
return client.responses.create( # tool calling requires Responses
model=model,
input=prompt,
tools=tools,
reasoning={"effort": "medium"}, # was "none" or "minimal"? use "low"
# no temperature or top_p: not supported on GPT-6.2
)
Haga sus propias evaluaciones con ambos. Tome cincuenta tareas reales de sus registros, ejecútelas con Sol y con Astra y califique los resultados como lo haría un cliente. Pase un tipo de tarea a Astra solo cuando la diferencia sea visible y valga cuatro veces el precio. Todo lo demás se queda en Sol.
Pase las llamadas a herramientas a la Responses API. Si su agente usa herramientas a través de Chat Completions, esa es la primera migración, antes de cualquier cambio de modelo. Quite a la vez temperature, top_p y las opciones de log-probabilidades, y sustituya la lógica que dependía de ellas.
No edite el historial a mitad de conversación. Recortar o reescribir turnos anteriores, o cambiar de modelo a mitad de sesión, descarta ahora el razonamiento y puede costar más tokens de los que ahorra. Elija el modelo al principio de la sesión y manténgalo. Si cambia la configuración de caché durante la migración, nuestra nota sobre la caché de prompts de 12 horas de OpenAI explica el coste.
Relea sus prompts. Quite «sea conciso» si las respuestas se quedan ahora demasiado cortas. Para los agentes que funcionan sin supervisión, pida al modelo que haga suposiciones razonables y reversibles y las indique, en lugar de detenerse a preguntar. Después, vuelva a ejecutar las mismas evaluaciones.
Si su producto toca la seguridad
La system card dice que ambos modelos alcanzan el umbral Critical de OpenAI en capacidades de ciberseguridad, y que OpenAI «endureció las restricciones por defecto sobre la ayuda en ciberseguridad de mayor riesgo y exige una verificación adicional para un acceso más permisivo». Si construye herramientas de seguridad, espere más rechazos por defecto y prevea esa verificación. Los modelos más capaces también hacen que el alcance del agente importe más, y por eso OpenAI frenó el último Astra: escribimos sobre el fallo de alcance que canceló GPT-6.1 Astra.
La ventana de contexto ni la salida máxima. Ni el anuncio, ni la guía, ni la lista de modelos que leí las indican.
Que Sol cueste una quinta parte. Por token cuesta una cuarta parte. «A una quinta parte del coste aproximadamente» es la cifra por tarea de OpenAI para una evaluación de código, no un precio.
Que las pruebas sean independientes. Las cifras de arriba son de la propia OpenAI. Hay índices independientes que han publicado sus propias clasificaciones; no las he comprobado, así que las he dejado fuera.
Cuándo se retiran los modelos anteriores. No encontré una fecha de retirada para GPT-6.1 Sol ni Terra en lo que leí.
El 17 de noviembre de 2026 OpenAI lanzó GPT-6.2 Astra, a 8 $ y 40 $ por millón de tokens de entrada y salida, y GPT-6.2 Sol, a 2 $ y 10 $, en ChatGPT Work, Codex y la API. Según las evaluaciones de la propia OpenAI, Sol se acerca a Astra en buena parte del trabajo diario y de código, y Astra va claramente por delante en las tareas técnicas largas más difíciles. La guía de migración elimina los parámetros de muestreo, exige la Responses API para las llamadas a herramientas y descarta el razonamiento tras ediciones a mitad de conversación o cambios de modelo.
Para los fundadores, la opción por defecto se escribe sola. Use Sol para la mayor parte del trabajo, pase tareas concretas a Astra solo cuando sus propias pruebas muestren la diferencia y corrija los cambios de la API antes de cambiar de modelo.
Esta semana, ejecute cincuenta tareas reales con ambos modelos, pase las llamadas a herramientas a la Responses API, quite temperature y top_p y decida el modelo en un solo lugar de su código.
Fuentes: OpenAI Developer Community, GPT-6.2 Astra and Sol are now available (17 de noviembre de 2026) — las descripciones de ambos modelos, la disponibilidad, Ultrafast, los nombres y precios en la API y la comparación de código entre Sol y Astra; OpenAI, system card de GPT-6.2 Astra y Sol (17 de noviembre de 2026) — las cifras de evaluación, la calificación de ciberseguridad y las restricciones por defecto más estrictas; OpenAI, Using GPT-6.2 — los cambios de migración, el esfuerzo de razonamiento, las pautas de prompts y la residencia de datos. El código de enrutamiento de la sección 4 es una ilustración mía, y la lectura de las secciones 2 a 5 es mía.
IdeaToMVP Academy
4-week live cohort for founders. Learn to ship AI agents, scope MVPs, and automate your business — taught by the same team that writes these guides.