OpenAI presenta GPT-6 Sol y Luna con precios reducidos y mejoras en rendimiento
Redactado con inteligencia artificial.
OpenAI ha lanzado los modelos GPT-6 Sol y Luna, diseñados para ofrecer un mejor rendimiento a un costo reducido, con un enfoque en tareas profesionales y de alto volumen. Estos modelos ya están disponibles para varios planes de ChatGPT y mediante API para desarrolladores.
Nuevos modelos de inteligencia artificial
OpenAI ha presentado dos nuevos modelos de inteligencia artificial: GPT-6 Sol y GPT-6 Luna. Estos modelos están diseñados para reducir costos y facilitar el uso de la IA en aplicaciones profesionales y a gran escala. El GPT-6 Sol se orienta a tareas complejas y programación, mientras que el Luna se centra en trabajos de alto volumen como resúmenes y extracción de información.
Disponibilidad y precios
Los modelos están accesibles en ChatGPT Work y Codex para usuarios de los planes Plus, Pro, Business, Enterprise y Edu. Para los planes Free y Go, el GPT-6 Luna se puede utilizar en la aplicación de escritorio. En cuanto a precios, el GPT-6 Sol está disponible a 2 USD por 1 millón de tokens de entrada y 10 USD por salida, mientras que el GPT-6 Luna cuesta 0,10 USD por entrada y 0,50 USD por salida. Esto representa una reducción del 50% respecto a los precios promocionales de la línea GPT-5.6.
Mejoras en rendimiento
Los modelos han mostrado mejoras significativas en diversas pruebas de rendimiento. El GPT-6 Sol superó a competidores en tareas profesionales y programación, logrando un costo de solo el 9% por tarea en comparación con el Claude Opus 5. Por su parte, el Luna también mostró avances, con un costo por tarea 58% menor que su predecesor. Además, ambos modelos han sido diseñados para ofrecer respuestas más claras y concisas, reduciendo la cantidad de jergas.
Nuevas herramientas para desarrolladores
OpenAI ha introducido herramientas como el Prompt Caching Dashboard, que permite a los desarrolladores optimizar el uso de los modelos y mejorar el rendimiento de sus aplicaciones. Estas herramientas ayudan a identificar oportunidades de optimización y ajustan parámetros de raciocinio sin perder el contexto almacenado, mejorando la eficacia en flujos de trabajo prolongados.