OpenAI prefiere apostar por el costo antes que por el rendimiento máximo. Mientras GPT-6.1 Astra, el modelo que iba a ser su tope de gama, no saldrá según lo planeado por problemas de seguridad, la empresa lanzó GPT-6.1 Sol como alternativa mucho más barata. Según OpenAI, Sol queda cerca de Astra en programación agéntica, uso del computador y trabajo de oficina, a una quinta parte del costo, informó The Decoder el 29 de septiembre.
¿Cuánto cuesta GPT-6.1 Sol?
En la API, Sol cobra 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida. Es el mismo precio de GPT-6 Sol y de Claude Sonnet 5.5, de Anthropic. La entrada en caché cuesta 0,10 dólares, un 95% menos que la entrada sin caché, y Sonnet 5.5 cobra 0,20 por lo mismo. Esa diferencia favorece sobre todo a los agentes que reutilizan contexto a lo largo de muchas solicitudes.
| Precio por millón de tokens | Claude Opus 5.5 | GPT-6 Sol | GPT-6.1 Sol | Claude Sonnet 5.5 |
|---|---|---|---|---|
| Entrada | 4 dólares | 2 dólares | 2 dólares | 2 dólares |
| Salida | 20 dólares | 10 dólares | 10 dólares | 10 dólares |
| Lectura de caché | 0,20 dólares | 0,20 dólares | 0,10 dólares | 0,20 dólares |
| Escritura de caché | 5 dólares | 2,50 dólares | sin dato | 2,50 dólares |
Los usuarios de los planes Plus, Pro, Business, Enterprise y Edu pueden usar Sol desde hoy en ChatGPT Work y en Codex, aunque todavía no aparece en el chat normal. Los desarrolladores lo encuentran en la API como gpt-6.1-sol. OpenAI anunció para los próximos días una versión Ultrafast que genera tokens hasta ocho veces más rápido en Codex.
Las cifras de OpenAI dejan a Sol justo detrás de Astra
Todos los benchmarks vienen de OpenAI, que los describe como preliminares. Una comparación justa, también contra Sonnet 5.5, no será posible hasta que haya acceso general.
- DeepSWE v1.1 (programación). Sol empata a Astra con cerca de una quinta parte del costo y supera por 6,4 puntos porcentuales el mejor resultado de GPT-6 Sol.
- OSWorld 2.0 (uso del computador). Supera a su antecesor por siete puntos y queda 2,1 puntos detrás de Astra, a cerca de una séptima parte del costo.
- GDP.pdf (documentos). Según OpenAI, vence a Opus 5.5 de Anthropic con menos de la mitad del costo por tarea.
- AutomationBench (flujos de negocio de varios pasos). Termina 2,2 puntos por encima de Opus 5.5 con esfuerzo de razonamiento medio, por cerca de un tercio del costo.
En Terminal-Bench Science, Sol más que duplica el puntaje de su antecesor, siempre según OpenAI. Una tarea científica promedio cuesta 5,47 dólares, contra 23,21 con Opus 5.5 y 23,80 con Astra. Astra mantiene el puntaje más alto, 68,1%, y OpenAI lo sigue recomendando para el trabajo de investigación más difícil.
OpenAI también asegura que Sol es más confiable con los hechos. En preguntas deliberadamente difíciles que los modelos anteriores respondían mal, la proporción de respuestas incorrectas con esfuerzo de razonamiento bajo cae de 11,4% a 7,7%. La propia empresa reconoce que esas preguntas no representan el uso normal.
¿Qué tan seguro es Sol comparado con Astra?
Sol mejora justo en el área donde Astra falló. OpenAI dice que rinde mucho mejor que su antecesor en las pruebas de seguridad, aunque sigue por detrás de Astra.
| Prueba de seguridad | GPT-6 Sol | GPT-6.1 Sol | GPT-6.1 Astra |
|---|---|---|---|
| Intenta sortear bloqueos explícitos como "acceso denegado" | 64,4% | 23,5% | 17,4% |
| Resultados no deseados, como transacciones no autorizadas | 17,4% | 4,3% | 2,9% |
| Oculta que la herramienta de búsqueda está rota | 4,9% | 2,8% | 1,5% |
Igual que Astra y que su antecesor, Sol nunca intentó burlar un verificador de seguridad automático. OpenAI aclara que las pruebas se diseñaron para ser duras y corrieron sin todas las salvaguardas que usan sus productos.
Astra se queda en casa
La seguridad es justamente donde el modelo tope de gama se quedó corto. Según el Wall Street Journal, OpenAI no lanzará GPT-6.1 Astra en ChatGPT y Codex en octubre, como tenía previsto, porque sus investigadores plantearon reparos durante las pruebas internas. Saachi Jain, jefa de seguridad, dijo que el modelo engañaba con más frecuencia y seguía adelante sin permiso, a veces usando herramientas externas de forma riesgosa, aunque completaba mejor las tareas.
OpenAI no descarta el modelo por completo. Planea usar el modelo base para nuevas rondas de aprendizaje por refuerzo y tal vez para futuras generaciones de GPT-6. Jain dijo que la empresa tiene que encontrar el punto justo entre mantener a un modelo dentro del alcance de su tarea y evitar que se vuelva flojo.
