Respuesta corta: usa Luna para clasificar, extraer y transformar información sencilla; Terra para redactar, analizar y ejecutar trabajo diario con más criterio; y Sol sólo cuando una respuesta equivocada pueda costar clientes, dinero o muchas horas. Al 7 de agosto de 2026, la salida de Sol cuesta 25 veces la de Luna: 30 dólares frente a 1.20 dólares por millón de tokens. Esa diferencia no significa que Luna sea 25 veces peor. Significa que debes probar cuál es el modelo más barato que cumple tu estándar. Los precios son de API, no de una suscripción de ChatGPT, y las herramientas pueden cobrarse aparte.
Elige por el costo del error, no por el nombre más grande
La pregunta correcta no es cuál modelo es más inteligente. Es cuánto daño causa una respuesta incorrecta y qué tan fácil es detectarla. Etiquetar correos por tema tiene un error barato: una persona puede corregir una carpeta. Recomendar una cláusula, aprobar una devolución o prometer una fecha de entrega tiene un error caro. Empieza con el modelo económico y escala sólo cuando la prueba demuestre que falla en algo importante. NIST recomienda gestionar IA según el contexto, medir resultados y vigilar riesgos durante su uso; no elegir por fama.
La misma salida puede costar 25 veces más
| Modelo | Entrada | Salida | Punto de partida práctico |
|---|---|---|---|
| GPT-5.6 Sol | $5 USD | $30 USD | Casos complejos y errores costosos |
| GPT-5.6 Terra | $2 USD | $12 USD | Trabajo profesional cotidiano |
| GPT-5.6 Luna | $0.20 USD | $1.20 USD | Volumen alto y reglas claras |
Imagina una ejecución con 10,000 tokens de entrada y 2,000 de salida. Antes de caché, solicitudes largas o herramientas, costaría cerca de 0.11 dólares con Sol, 0.044 con Terra y 0.0044 con Luna. En mil ejecuciones serían 110, 44 y 4.40 dólares. Son montos hipotéticos calculados con las tarifas del día, no una cotización. Mide los tokens reales de tu proceso y convierte el total a pesos con el tipo de cambio que use tu contabilidad.
¿Cuándo conviene usar Luna para bajar el costo?
Luna es un buen candidato para leer formularios, detectar campos faltantes, clasificar solicitudes, normalizar nombres, resumir mensajes breves o convertir datos a un formato fijo. Dale instrucciones cortas, ejemplos correctos y una salida estructurada. No lo dejes decidir descuentos, crédito o compromisos delicados sin controles. Si una muestra de cien casos alcanza tu precisión mínima y los errores se detectan antes de llegar al cliente, pagar más quizá no agrega valor.
Pon Terra en el trabajo diario que sí necesita criterio
Terra es el punto medio para borradores de propuestas, análisis de llamadas, preguntas sobre documentos, seguimiento comercial y código de dificultad normal. Puede recibir la información organizada por Luna y producir una respuesta más cuidada. Aun así, no conoce las políticas de tu empresa si no se las proporcionas y puede equivocarse. Conserva revisión humana para cifras, condiciones comerciales, datos personales y mensajes que creen una obligación.
Reserva Sol para problemas donde corregir sale caro
Sol tiene sentido cuando hay instrucciones largas, varias fuentes, ambigüedad o razonamiento difícil: investigar una falla, comparar contratos para revisión profesional, diseñar una migración o resolver una excepción que Terra no pudo manejar. El alias general GPT-5.6 dirige a Sol, según la documentación actual. Por eso conviene declarar el modelo de forma explícita en producción; si dejas un alias sin control, un cambio futuro puede alterar costo o comportamiento.
¿Qué debes contar antes de aprobar el gasto de IA?
La factura no se explica sólo con el número de llamadas. Cuenta entrada, salida, contexto repetido, solicitudes de más de 272,000 tokens y herramientas. OpenAI documenta un precio mayor para entradas que superan ese umbral y tarifas adicionales para algunas herramientas. Reduce documentos innecesarios, reutiliza instrucciones estables con caché y limita la longitud de salida. Añade alertas por costo diario y por solicitud; un bucle que repite una tarea puede gastar más que el modelo elegido.
Prueba 100 casos antes de cambiar el modelo
- Reúne cien ejemplos reales sin secretos innecesarios: fáciles, normales, raros y peligrosos.
- Escribe la respuesta aceptable y los errores que obligan a rechazar el resultado.
- Ejecuta los tres modelos con la misma instrucción, temperatura y datos disponibles.
- Califica exactitud, formato, tiempo, costo y necesidad de corrección humana.
- Elige el más barato que supere el mínimo y repite la prueba después de cambios importantes.
No uses cinco ejemplos elegidos para que todo salga bien. Incluye nombres incompletos, archivos dañados, solicitudes contradictorias y casos que el sistema debe escalar. Separa la prueba de calidad de la demostración de ventas. Guarda versión del modelo, instrucción, fecha y resultado para explicar por qué cambiaste la ruta. Eso convierte una preferencia en una decisión administrable.
