OpenAI ha lanzado GPT-5.6 en tres variantes, Sol, Terra y Luna, con Sol posicionado como el modelo más potente del mundo tras resolver una conjetura matemática que llevaba tres años sin solución. La pregunta que de verdad importa para una empresa no es cuál es el modelo más inteligente, sino cuál es lo bastante inteligente para la tarea al menor coste.

Tres modelos, un mismo lanzamiento

Sol es la variante de mayor potencia, Terra la más equilibrada entre capacidad y coste, y Luna la más eficiente. OpenAI presentó a Sol como el primer modelo frontera capaz de resolver uno de los puzzles de ARC-AGI 3, el benchmark diseñado para medir razonamiento abstracto fuera del entrenamiento habitual. En las evaluaciones de Artificial Analysis, Sol también superó a Fable 5, el modelo de Anthropic con el que se le compara de forma directa. El lanzamiento llega acompañado de mejoras en programación y en el uso de herramientas agénticas desde terminal, el tipo de tarea que hoy define la competencia entre laboratorios de IA.

Una semana cargada de lanzamientos

GPT-5.6 no llegó solo. La misma semana, SpaceXAI presentó Grok 4.5 y Meta lanzó Muse Spark 1.1, su propio modelo multimodal para codificación agéntica, con el que busca competir en precio frente a OpenAI y Anthropic. OpenAI aprovechó el momento para lanzar también ChatGPT Work, una herramienta pensada para tareas de oficina, y para destacar que Sol supera a Fable 5 en el índice Artificial Analysis Coding Agent. El patrón se repite en cada ciclo de lanzamientos: varios laboratorios anuncian su modelo más potente casi al mismo tiempo, cada uno reclamando el primer puesto en algún benchmark distinto. Para una empresa que solo mira los titulares, el resultado es ruido. Para una empresa que mira qué tarea concreta necesita resolver, el ruido no cambia la respuesta correcta.

El problema que sí necesitaba el mejor modelo

El caso que OpenAI usa para justificar la potencia de Sol es el de un matemático polaco que llevaba tres años atascado en una conjetura sin resolver. Con GPT-5.6 Sol logró que se desvelara una idea completamente nueva para su investigación. Su valoración resume el argumento a favor del modelo más caro: "si tienes esa clase de audacia de probar a hacer algo realmente grande, no te asustará la capacidad de computación". Es un ejemplo real de un problema que llevaba años sin moverse y que necesitaba más potencia bruta que cualquier alternativa disponible.

La pregunta que de verdad importa en una empresa

El contraste llega con los otros dos ejemplos de uso que se citan junto al del matemático: un invernadero automatizado con una Raspberry Pi y un negocio de cereales. En ninguno de los dos casos el artículo encuentra que se necesite el mejor modelo del mundo. Son proyectos que llevan meses resolviéndose con modelos bastante más baratos que Sol. La conclusión práctica es que la mayoría de tareas rutinarias, desde automatizar un proceso interno hasta responder consultas de clientes, no exige el modelo de mayor coste computacional. Pagar por Sol para resolver lo mismo que resuelve Luna es pagar de más por una capacidad que nunca se llega a usar.

Qué mirar antes de elegir modelo

La decisión correcta no es técnica, es económica. Antes de contratar el modelo más potente disponible, conviene preguntarse qué modelo es lo bastante capaz para resolver la tarea concreta al menor coste posible. Esa lógica de ajuste, y no la de perseguir siempre el último lanzamiento, es la que determina si una empresa gasta de más en infraestructura de IA sin necesidad. Un negocio que automatiza la clasificación de correos, la respuesta a preguntas frecuentes o la extracción de datos de facturas no compite con un matemático resolviendo una conjetura de tres años. Compite con el coste por consulta multiplicado por el volumen diario, y ahí es donde el modelo más caro suele perder frente al que basta. La tabla siguiente resume qué tipo de tarea encaja mejor con cada variante según los datos del lanzamiento.

Variante	Perfil	Tipo de tarea que encaja
Sol	Máxima potencia de razonamiento	Problemas de investigación sin resolver, matemáticas avanzadas, retos que llevan años atascados
Terra	Equilibrio capacidad/coste	Trabajo empresarial general, codificación compleja, análisis que requieren precisión pero no frontera
Luna	Máxima eficiencia	Automatizaciones rutinarias, atención al cliente, tareas repetitivas de bajo riesgo

Preguntas frecuentes

Qué diferencia hay entre GPT-5.6 Sol, Terra y Luna

Sol es la variante más potente y cara, pensada para problemas de investigación y razonamiento extremo. Terra equilibra capacidad y coste para trabajo empresarial general. Luna prioriza la eficiencia para tareas rutinarias de bajo riesgo.

Necesita mi empresa el modelo más potente de IA disponible

En la mayoría de los casos no. Las tareas repetitivas o de automatización interna suelen resolverse con modelos más baratos que el modelo frontera, sin pérdida de resultado práctico.

Qué es ARC-AGI 3

Es un benchmark diseñado para medir razonamiento abstracto en modelos de IA fuera de los patrones habituales de entrenamiento. GPT-5.6 Sol fue el primer modelo frontera en resolver uno de sus puzzles.