TL;DR
El 17 de noviembre de 2026, OpenAI lanzó GPT-6.2 Astra (modelo de frontera para los proyectos profesionales más difíciles) y GPT-6.2 Sol (modelo eficiente para el día a día). Ambos están disponibles en ChatGPT Work, Codex y la API de OpenAI (gpt-6.2-astra y gpt-6.2-sol). Astra es un 20% más barato que GPT-6 Astra ($8 / $40 por millón de tokens de entrada/salida) y ofrece mejores resultados con un costo por tarea mucho menor. Sol mantiene el precio anterior ($2 / $10) y casi iguala a Astra en benchmarks clave de programación a aproximadamente una quinta parte del costo. Ambos modelos usan menos tokens de salida, cuentan con una ventana de contexto de ~1.05M tokens y admiten el modo Ultrafast en planes superiores. CometAPI ya ofrece acceso a ambos modelos, con un endpoint unificado compatible con OpenAI, una sola clave de API y precios competitivos para desarrolladores.
Conclusiones clave
- Lanzados, no rumores: OpenAI anunció ambos modelos el 17 de noviembre de 2026.
- Flujos profesionales más sólidos: Astra gana 5.2 puntos en Agents’ Last Exam y 6.2 puntos porcentuales en GDPval v2 frente a GPT-6 Astra.
- La eficiencia importa: Astra usa un 22% menos de tokens de salida en GDPval v2 en la evaluación de OpenAI.
- Resultados independientes de programación mixtos: Artificial Analysis observa a Astra sin cambios en su Coding Agent Index y a Sol tres puntos por debajo de GPT-6.1 Sol.
- Acceso disponible vía CometAPI: Las páginas de ambos modelos listan tarifas de entrada, salida y entrada en caché un 20% por debajo de las tarifas estándar correspondientes de OpenAI.
- La migración requiere atención: Las llamadas a herramientas exigen Responses API y no se admite
reasoning_effort="none".
¿Qué son GPT-6.2 Astra y Sol?
Ambos modelos aceptan entradas de texto e imagen y devuelven texto. Comparten una gran ventana de contexto de aproximadamente 1,050,000 tokens (con entrada máxima alta y 128,000 de salida máxima, según la cobertura). Los knowledge cutoffs figuran como 18 de mayo de 2026 para Astra y 1 de junio de 2026 para Sol en informes secundarios.
OpenAI enfatiza la eficiencia en el mundo real: ambos modelos completan tareas exigentes con menos tokens de salida, de modo que los usuarios logran más dentro del mismo límite de uso o presupuesto.
GPT-6.2 Astra: el modelo para proyectos exigentes
OpenAI describe a GPT-6.2 Astra como su modelo más capaz para proyectos difíciles de principio a fin. Sus capacidades documentadas incluyen construir y revisar software, usar una computadora y trabajar con documentos. La carga de trabajo prevista va más allá de responder una pregunta: incluye comprender el material fuente, elegir herramientas, realizar cambios, verificar resultados y producir un entregable utilizable.
Esa propuesta hace que Astra sea relevante para ingeniería a nivel de repositorio, análisis financiero detallado, documentos profesionales y flujos de trabajo de investigación. Su valor depende de si mejora el resultado final o reduce el número de ciclos de corrección lo suficiente como para justificar su prima frente a Sol. Fuente: documentación del modelo Astra.
GPT-6.2 Sol: trabajo cotidiano a menor precio por token
GPT-6.2 Sol es el modelo de referencia de OpenAI para el trabajo diario, incluida la programación y los agentes a escala. Sus tarifas estándar de entrada y salida son un cuarto de las de Astra, mientras que sus límites de contexto y salida coinciden con los de Astra.
OpenAI reporta que Sol queda a 0.5 puntos de Astra en FrontierCode 2.0 de Cognition a aproximadamente una quinta parte del costo por tarea, con ambos en Max reasoning effort. Esto es una razón útil para probar primero Sol, aunque ese resultado no establece un rendimiento equivalente en todas las cargas de trabajo de programación. Fuente: anuncio de lanzamiento.
Características clave de GPT-6.2: ¿qué cambió?
Investigación científica mejorada y uso de la computadora
Astra mejora notablemente en benchmarks de ciencia (p. ej., ~+9 puntos en Terminal-Bench Science) y en capacidades avanzadas de uso de computadora, incluyendo trabajo más fino dentro de herramientas CAD, simulaciones y modelado 3D (piezas, ensamblajes, interacciones físicas).
Documentos, hojas de cálculo y presentaciones más útiles
OpenAI enfatiza un mejor apego a convenciones profesionales en derecho, ventas, finanzas y contabilidad. Astra está diseñado para producir documentos más claros, hojas de cálculo más utilizables y presentaciones que sigan plantillas suministradas, incluyendo diseño, color y tipografía.
Para un usuario empresarial, la prueba práctica es si un libro de trabajo sigue siendo editable, si sus cálculos pueden rastrearse y si sus conclusiones coinciden con la evidencia subyacente. Para una presentación, compare la fidelidad de la plantilla y la cantidad de edición manual requerida. Estos resultados importan más que si una captura inicial luce pulida. Fuente: ejemplos de resultados profesionales.
Mejor selección de herramientas y uso de la computadora
Ambos modelos admiten herramientas mediante la Responses API, incluyendo búsqueda web, búsqueda de archivos, code interpreter, shell alojado, uso de computadora, MCP y búsqueda de herramientas. OpenAI también documenta un beta de multiagente para delegar trabajo.
Estas capacidades permiten a los desarrolladores conectar el razonamiento con flujos de trabajo de aplicaciones. Un modelo podría inspeccionar informes, calcular cifras y preparar un memo, siempre que la aplicación proporcione las herramientas y permisos necesarios. La salida nativa sigue siendo texto; la generación de imágenes es una herramienta compatible aparte. Las herramientas hospedadas por el proveedor también requieren soporte específico del endpoint cuando se accede a través de una pasarela. Fuente: documentación del modelo.
Razonamiento más eficiente y código más limpio
OpenAI indica que Astra toma mejores decisiones sobre herramientas y esfuerzo, escribe código más limpio y necesita menos rondas de revisión en pruebas tempranas. Su guía de migración también describe un estilo de escritura predeterminado más conciso.
Para aplicaciones existentes, esto significa que merece la pena revisar los prompts. Un system prompt que exija repetidamente brevedad ahora podría suprimir detalles útiles. Por el contrario, pedir explícitamente referencias a fuentes, criterios de finalización y evidencias de validación puede facilitar la revisión de la salida. Fuente: Using GPT-6.2.
¿Cómo rinde GPT-6.2 en pruebas comparativas?
GPT-6.2 ofrece resultados sólidos en trabajo profesional, razonamiento científico y desarrollo 3D interactivo. Astra brinda la mayor capacidad general, mientras que Sol ofrece un rendimiento competitivo con un costo medido por tarea inferior. Sin embargo, las evaluaciones independientes de programación muestran que las mejoras no son uniformes en todas las cargas.
Resultados clave oficiales / informados por OpenAI
Estos provienen principalmente del material de lanzamiento de OpenAI (a menudo con razonamiento en Max o xhigh):
| Benchmark | Qué evalúa | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | Notas / Contexto de costos |
|---|---|---|---|---|---|
| Agents’ Last Exam v1.1 | Flujos de trabajo profesionales multietapa | 78.3% | 73.1% | 73.0% | +5.2 pts vs Astra previa a <⅓–½ del costo; +5.5 pts vs Claude Fable 5.2 a ~5% del costo |
| GDPval v2 (internal) | Trabajo de conocimiento de largo horizonte (consultoría, finanzas, diseño) | 50.4% (+6.2 pts) | 44.2% | 46.9% (+5.3 pts) | 22% menos tokens de salida para Astra |
| Terminal-Bench-Science 0.1 | Investigación científica en terminal | 77.1% (+9 pts) | 68.1% | 68.0% | <⅓ del costo de la Astra previa |
| FrontierCode 2.0 | Cambios listos para merge en bases de código reales | 44.2% | 42.8% | 43.8% | Sol a ~0.5 pts de Astra a ~⅕ del costo |
| Vals Science Index | Datos biológicos + experimentos simulados | 68.4% | 65.1% | 58.5% | Astra lidera |
| Harvey LAB-AA v1.1 | Entregables legales estrictos | 15.0% | 8.6% | 11.1% | Fuerte ganancia relativa; más que duplica a Fable 5.2 en algunos reportes |
| BenchCAD 2.1 Core | Modelado CAD / ensamblajes desde planos | 82.5% | 62.6% | 73.1% | Muy cerca de Claude Fable 5.2 (~83.5%) a ~1/9–1/10 del costo |
| ExploitBench Internal Port (cyber) | Éxito de explotación | 53.5% (+22 pts) | 31.5% | 50.5% | Salto grande; salvaguardas más estrictas aplicadas |
Astra también lidera o se sitúa muy alto en AA-3D (experiencias 3D interactivas, ~1,318 Elo) y muestra resultados sólidos en AutomationBench y evaluaciones internas de código de seguridad (SecureSWE, PatchBench).
Programación: gran eficiencia de costos, mejoras mixtas
En FrontierCode 2.0 de Cognition, OpenAI reporta que GPT-6.2 Sol queda dentro de 0.5 puntos de GPT-6.2 Astra, a aproximadamente una quinta parte del costo por tarea, con ambos modelos usando Max reasoning effort. Este benchmark evalúa si los cambios en repositorios reales cumplen los estándares de merge de los mantenedores.
Eso hace que Sol sea un candidato convincente para aplicaciones de programación donde el costo importa. Sin embargo, la evaluación independiente de Artificial Analysis muestra un cuadro más matizado:
- GPT-6.2 Astra está plano frente a GPT-6 Astra en su Coding Agent Index.
- GPT-6.2 Sol cae tres puntos frente a GPT-6.1 Sol en el mismo índice.
- La caída de Sol se debe a 14 puntos menos en SWE-Atlas-QnA-AA, donde el evaluador observó más hechos omitidos.
La implicación práctica es evaluar por separado la implementación de código y la explicación del repositorio. Un modelo puede producir parches efectivos y aun así omitir información importante al responder preguntas sobre una base de código.
Resultados independientes en inteligencia, 3D y robótica
Las evaluaciones independientes también identifican fortalezas más allá de la programación.
| Evaluación | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Artificial Analysis Intelligence Index | Segundo detrás de Claude Fable 5.2; gana cinco puntos sobre GPT-6 Astra | Puntúa 57, dos puntos más que GPT-6.1 Sol |
| AA-3D | 1,318 Elo | 1,259 Elo |
| AA-Robotics v0.1 | 79 | 78 |
Fuente: Análisis del lanzamiento del 17 de noviembre de Artificial Analysis.
- Por separado, Epoch AI lista a Astra con 174 ECI, empatado con Claude Fable 5.2. Las diferencias entre clasificaciones reflejan suites de evaluación distintas.
- Vals Index: Astra ~67.7% (#7), Sol ~66.1% (#9). Quedan detrás de varios modelos de Anthropic y Google aquí (mayor ponderación hacia finanzas/programación).
- Coding Agent Index (Artificial Analysis, harness de Codex): Astra aproximadamente plana vs GPT-6 Astra; Sol ligeramente por debajo de GPT-6.1 Sol en algunas corridas. Pruebas de terceros de programación (p. ej., sesiones difíciles multi-turno) a menudo sitúan a ambos detrás de Claude Opus 5.5 / Fable 5.2 por varios puntos, aunque Sol sigue siendo muy rentable.
Resumen de fortalezas y compromisos
- Grandes logros: Eficiencia de costos + flujos profesionales/agentic, investigación científica, documentos/diapositivas sensibles a plantillas, CAD/3D y capacidad de ciberseguridad.
- Ganancias más modestas: Rendimiento puro de agentes de programación (Sol está extremadamente cerca de Astra en FrontierCode con una fracción del costo).
- Posicionamiento: Astra es la opción de alta capacidad para proyectos difíciles; Sol es el predeterminado práctico para la mayoría del trabajo diario y de programación debido a su cuasi paridad en benchmarks clave de código a una fracción del precio.
Precios de la API de GPT-6.2: OpenAI vs CometAPI
Precios estándar por token
Todas las cifras a continuación son USD por un millón de tokens, verificadas el 19 de noviembre de 2026. Las tarifas de OpenAI son tarifas estándar de contexto corto; las cifras de CometAPI son las listadas actualmente en las páginas del modelo.
| Modelo y proveedor | Entrada | Entrada en caché | Salida |
|---|---|---|---|
| GPT-6.2 Astra, OpenAI | $8.00 | $0.40 | $40.00 |
| GPT-6.2 Astra, CometAPI | $6.40 | $0.32 | $32.00 |
| GPT-6.2 Sol, OpenAI | $2.00 | $0.10 | $10.00 |
| GPT-6.2 Sol, CometAPI | $1.60 | $0.08 | $8.00 |
Fuentes: OpenAI Astra, OpenAI Sol, CometAPI Astra, y CometAPI Sol.
Las tarifas listadas de CometAPI están un 20% por debajo de sus tarifas correspondientes de OpenAI. Esta es una comparación específica de listas de precios, no un alegato de que CometAPI sea siempre la opción más barata en todos los niveles de procesamiento o condiciones contractuales.
Contexto largo, escrituras en caché y niveles de velocidad
OpenAI aplica tarifas más altas cuando una solicitud supera los 272,000 tokens de entrada: las tarifas de entrada y caché se duplican y las tarifas de salida aumentan 1.5 veces para toda la solicitud. Las tarifas estándar resultantes de Astra son $16/$60; las de Sol son $4/$15.
Las lecturas y escrituras de caché tienen cargos separados. OpenAI lista escrituras de caché de 30 minutos a $10 por millón de tokens para Astra y $2.50 para Sol. Las escrituras de 12 horas cuestan $20 y $5, respectivamente, antes de multiplicadores por contexto largo.
Batch cuesta el 50% de Standard, mientras que Fast cuesta el doble de Standard. Ultrafast cuesta tres veces Standard hasta el 28 de febrero de 2027, luego seis veces Standard desde el 1 de marzo de 2027, hora del Pacífico. Verifique el soporte de la pasarela y la facturación por separado
Cómo acceder a GPT-6.2 Astra y Sol
ChatGPT Work, Codex y API de OpenAI
El anuncio de lanzamiento de OpenAI pone ambos modelos a disposición en ChatGPT Work y Codex para usuarios Plus, Pro, Enterprise y Edu. El acceso Enterprise y Edu puede depender de la configuración del administrador. Los desarrolladores pueden usar gpt-6.2-astra y gpt-6.2-sol a través de la API. El acceso por suscripción y el uso de la API tienen disposiciones de facturación distintas; consulte el plan correspondiente y la documentación de la API. Fuente: anuncio de disponibilidad.
Acceso a través de CometAPI
CometAPI ofrece una ruta práctica para equipos que quieren estos modelos junto a modelos de otros proveedores bajo una integración de API unificada. Sus páginas actuales de modelo listan ambas variantes de GPT-6.2 como disponibles.
- Inicie sesión en la consola de CometAPI y cree una clave de API.
- Guarde la clave en una variable de entorno del lado del servidor.
- Configure el SDK de OpenAI con
https://api.cometapi.com/v1. - Seleccione el ID del modelo, envíe una solicitud pequeña e inspeccione el uso y la salida.
El siguiente ejemplo básico de texto adapta el quickstart de CometAPI y la guía de parámetros específicos del modelo de OpenAI.
Use Responses API para flujos de herramientas. Verifique las herramientas hospedadas requeridas, el comportamiento de streaming y los límites en la documentación de la API de CometAPI; la disponibilidad del modelo por sí sola no establece soporte para todas las funciones hospedadas por el proveedor.
Consejos de migración para aplicaciones GPT existentes
OpenAI recomienda iniciar nuevas integraciones con razonamiento en Medium. Reemplace none o minimal por low. Para Chat Completions, omita temperature, top_p, logprobs y top_logprobs; estas opciones antiguas de solicitud son incompatibles con la ruta de migración documentada.
El manejo de conversaciones también cambia. Editar el historial anterior, ciertos cambios de modelo incluidos los downgrades, o cambiar el usuario final u organización pueden descartar elementos de razonamiento anteriores. Esto puede reducir la calidad e incrementar el trabajo repetido.
Mantenga las instrucciones estables en un mensaje de developer al inicio de Responses input, y preserve el prefijo de la conversación. A partir de GPT-6.2, las instructions de nivel superior se anexan después de input, lo que cambia sus implicaciones de caché. Fuente: guía de migración de GPT-6.2.
Mejores casos de uso para GPT-6.2 Astra y Sol
Equipos de software: separe implementación de explicación
Use Sol como candidato inicial para cambios rutinarios y asistencia de programación repetible. Pruebe Astra en decisiones de arquitectura, depuración difícil y cambios que abarquen varios servicios. Dado los resultados independientes de programación, mantenga también GPT-6.1 Sol en evaluaciones de explicación de repositorios. Exija evidencia concreta: cambios ejecutables, verificaciones relevantes y referencias de archivos que un revisor pueda comprobar.
Finanzas y operaciones: evalúe el entregable
Los resultados de trabajo profesional de Astra hacen que valga la pena probarlo en libros editables, conciliaciones e informes de gestión. Proporciónele los informes fuente y la plantilla requerida, luego verifique fórmulas, supuestos y vínculos entre cifras. Sol puede ser suficiente para resúmenes recurrentes una vez establecido el flujo. Elija en función de salidas correctas y verificables y del tiempo de edición, más que del pulido de la presentación.
Producto y diseño: prototipe y luego inspeccione
AA-3D aporta evidencia para probar Astra en experiencias interactivas en navegador y prototipos 3D. Proporcione un brief específico, imágenes de referencia y requisitos de interacción. Revise el resultado en el navegador, incluyendo controles y diseño, antes de adoptarlo. Un benchmark de preferencia respalda la exploración; no establece accesibilidad, rendimiento o preparación para producción de una aplicación generada en particular.
Limitaciones y consideraciones de despliegue
Ninguno de los modelos ofrece entrada nativa de audio/video ni fine-tuning. Una ventana de contexto grande tampoco garantiza una recuperación perfecta de cada documento; verifique afirmaciones importantes contra pasajes fuente.
La system card de GPT-6.2 reporta mejoras en comportamiento simulado en el lugar de trabajo junto con regresiones en la divulgación de obstáculos conocidos de la tarea. OpenAI dice que el developer prompt de Codex reduce sustancialmente esas omisiones. Las aplicaciones deben exigir reportes claros cuando archivos, herramientas o fuentes no estén disponibles.
Artificial Analysis también reporta tasas de alucinación AA-Omniscience de 59% para Astra y 55% para Sol en Max effort. Esa métrica mide suposiciones en su evaluación factual; no significa que esos porcentajes de todas las respuestas en producción sean falsas. Refuerza el valor de la recuperación y las citas verificables. Fuente: análisis independiente.
¿Debería elegir GPT-6.2 Astra o Sol?
Elija Sol primero para redacción diaria, procesamiento de documentos y flujos de agentes sensibles al presupuesto. Sus tarifas más bajas lo convierten en una base accesible, y varias evaluaciones muestran gran capacidad para su costo medido.
Pruebe Astra en ingeniería difícil, entregables financieros detallados, diseño interactivo y flujos donde los errores impliquen retrabajo sustancial. Compárelo con su modelo actual usando resultados aceptados, en lugar de asumir que una versión más nueva mejora todas las tareas.
Para usuarios de CometAPI, un punto de partida útil es un conjunto fijo de prompts representativos ejecutados contra ambos modelos mediante la misma integración. Compare corrección, omisiones, latencia y gasto, luego asigne cada carga de trabajo al modelo que cumpla sus requisitos. Explore GPT-6.2 Astra en CometAPI o GPT-6.2 Sol en CometAPI para consultar tarifas actuales y empezar las pruebas.
Conclusión y recomendaciones
GPT-6.2 Astra y Sol representan un claro enfoque de OpenAI en la eficiencia sin sacrificar capacidad. La combinación de mejores resultados en benchmarks, menos tokens de salida y precios más bajos (o estables) hace que ambos modelos sean más atractivos para uso en producción que sus predecesores inmediatos.
Para la mayoría de desarrolladores y equipos:
- Por defecto, use GPT-6.2 Sol para programación, escritura y loops de agentes.
- Recurra a GPT-6.2 Astra para investigación compleja, entregables profesionales de alto riesgo o cuando se requiera la máxima calidad.
- Use CometAPI para la integración más simple, flexibilidad multimodelo y facturación unificada—especialmente valiosa mientras evalúa estos nuevos modelos junto a Claude, Gemini y otros sistemas.
Los modelos ya están disponibles. La adopción temprana y las pruebas independientes aclararán exactamente dónde son mayores las ganancias en el mundo real.


