Antes de redirigir Codex a GPT-6.1 Sol, ejecuta cuatro tareas de la cola

Tus agentes de Codex ya están pagando por cada token en la cola de fondo. GPT-6 Astra se lista a $10 por millón de tokens de entrada y $50 por millón de tokens de salida, y las tarifas estándar de GPT-6.1 Sol son una quinta parte de ambas líneas.

No redirijas solo por esa diferencia. La decisión es si tu propio trabajo de alto volumen se abarata tras el cambio, sin perder calidad ni velocidad.

La diferencia de precio de Sol es real, pero no es tu coste

GPT-6.1 Sol se lanzó el 29 de septiembre de 2026, con tarifas estándar de API de $2 por millón de tokens de entrada, $0,10 por millón de tokens de entrada en caché y $10 por millón de tokens de salida. El precio de entrada en caché es un 95 % inferior al precio estándar de entrada y la mitad del precio de entrada en caché de GPT-6 Sol. La ventana de contexto es de 1,05 millones de tokens y la longitud máxima de respuesta es de 128.000 tokens.

En la comparación del 29 de septiembre de Artificial Analysis, GPT-6.1 Sol obtuvo 51,8 en el Índice de Inteligencia con esfuerzo máximo, frente a 52,7 de Astra, con costes estimados por tarea de $0,72 y $3,26. En DeepSWE v1.1, Sol igualó a Astra con aproximadamente una quinta parte del coste y superó la mejor puntuación de GPT-6 Sol por 6,4 puntos porcentuales. En el conjunto offline de OSWorld 2.0, Sol superó a GPT-6 Sol por siete puntos porcentuales con menos de la mitad del coste; Astra solo lideró por 2,1 puntos porcentuales, y el coste por tarea de Sol fue aproximadamente una séptima parte.

El caso de GPT-6 Sol se construyó sobre el precio de una tarea exitosa, no sobre los totales de benchmark en sí mismos. GPT-6 Sol y Luna se compararon con Claude Fable 5.1 y Claude Opus 5, por lo que los dos lanzamientos no se alinearon como un enfrentamiento directo. Un resultado público con el mismo arnés aún no había determinado cuál de GPT-6 Sol o Claude Opus 5.5 ofrece la tarea exitosa más barata.

Ejecuta el mismo arnés con cuatro tareas de la cola

La prueba es pequeña a propósito. Es una verificación de costes para el trabajo que realmente pagas y una prueba en condiciones reales para los modelos de código en tu cola.

Mantén la regla: compara el coste por tarea completada, no por token.

• Elige cuatro tareas de la cola que representen tu volumen. Hecho significa una lista breve con IDs de tarea, salida esperada y una regla de éxito/fallo.
• Congela el prompt, las herramientas, la configuración de esfuerzo y el timeout. Estás listo cuando el mismo arnés ejecuta ambos modelos, sin ajustes manuales.
• Ejecuta cada tarea con el modelo actual y con GPT-6.1 Sol. Termina cuando cada tarea tenga dos ejecuciones completadas o un fallo registrado.
• Registra tokens de entrada facturados, entrada en caché, tokens de salida, tiempo real, reintentos y éxito/fallo. Tu tabla está completa cuando cada fila tiene un número o una razón de fallo.
• Calcula el consumo de tokens por tarea y luego el coste por tarea completada. Tienes una cifra en dólares para cada tarea y modelo. Las ejecuciones fallidas permanecen en el registro, pero se excluyen de la tasa de éxito.
• Decide solo si la calidad y la velocidad se mantienen.

Si una tarea es una anomalía, vuelve a ejecutarla una vez antes de confiar en el número. Si el modelo falla de una manera nueva, anota el modo de fallo. Un modelo más barato que rompe tu pipeline de compilación no es más barato.

El precio de lista no es la decisión

Anthropic afirmó que Claude Sonnet 5.5 puede reducir el coste total por tarea hasta un 30 % mediante menos tokens y llamadas a herramientas, no a través de un precio de API más bajo. Base44 descubrió que, en 118 compilaciones reales de aplicaciones, Claude Sonnet 5.5 igualó a Claude Opus 5 con una media de 3,6 iteraciones por compilación, frente a 7,7 de Opus 5, y tuvo las menos llamadas a herramientas fallidas entre los modelos comparados. Yashodha Bhavnani, VP de Productos de IA de Box, dijo que el nuevo Sonnet 5.5 era más preciso, 2,4 veces más rápido y usaba un 12 % menos de tokens totales que el modelo anterior.

Para los agentes, el precio de entrada en caché importa porque el mismo repositorio, las pruebas y la salida de las herramientas pueden reenviarse muchas veces. El precio estándar de API de GPT-6 Sol se listaba a $2 por millón de tokens de entrada y $10 por millón de tokens de salida, el mismo precio de lista que Claude Sonnet 5.5. Con GPT-6.1 Sol en las mismas líneas estándar, Sonnet 5.5 frente a GPT-6.1 Sol es un empate en precio. Si tu arnés reutiliza contexto, la línea de caché puede mover el coste más que la tarifa de entrada destacada.

Si el registro de las cuatro tareas no muestra un menor coste facturado por tarea completada para Sol, mantén el modelo actual. Vuelve a ejecutar la prueba tras tu próximo cambio de prompt o de arnés.