OpenAI anunció el jueves reducciones drásticas de precios en la familia GPT-5.6, solo unas semanas después del lanzamiento. El Luna, el modelo más barato de la línea, cayó un 80%: el costo por millón de tokens de entrada bajó de $1 a $0,20, y el de salida, de $6 a $1,20. El Terra, el modelo intermedio, tuvo un recorte del 20%, mientras que el Sol ganó un modo Fast que entrega hasta 2,5 veces más rendimiento por el doble de precio, dirigido a cargas sensibles a la latencia. Los nuevos valores ya se aplican automáticamente a Codex y a la contabilidad de uso en ChatGPT Work.
La decisión no surgió de la nada. Llega en un momento en que el mercado de modelos desplazó su enfoque de la capacidad bruta al costo por unidad de inteligencia. Los modelos de peso abierto, muchos producidos en China, ahora ofrecen un rendimiento competitivo por una fracción del precio — y la presión sobre las APIs propietarias más caras se volvió inevitable. El recorte también es una respuesta a la resistencia de las empresas: los clientes corporativos, que empezaron a cuestionar el costo real de ejecutar agentes y automatizaciones a escala, empujaron a OpenAI a reducir la barrera para el uso intensivo.
Un detalle técnico hace el anuncio aún más interesante: parte de la reducción fue financiada por ganancias de eficiencia que el propio GPT-5.6 Sol obtuvo al reescribir de forma autónoma la infraestructura de inferencia de OpenAI. En otras palabras, el modelo ayudó a optimizar el sistema que lo sirve — y el ahorro se trasladó al cliente en forma de precios más bajos. Esto invierte una lógica antigua de la industria, donde las mejoras de calidad casi siempre venían acompañadas de precios más altos.
La guerra de precios no es nueva, pero el ritmo está cambiando. Antes, los recortes ocurrían cuando un competidor lanzaba algo mejor; ahora ocurren cuando la brecha de costos se vuelve demasiado grande para ignorarla. Si un modelo de peso abierto entrega el 80% del rendimiento por el 10% del precio, la fijación de precios propietaria debe justificarse de otra manera — por confiabilidad o por funciones exclusivas del ecosistema. OpenAI eligió claramente competir en costo y experiencia integrada.
La pregunta que queda es hasta dónde puede llegar esta caída. Los precios de tokens aún tienen margen para encogerse, pero en algún punto el costo marginal de inferencia se convierte en el piso. Y cuando el modelo más barato se vuelve lo bastante barato como para usarse sin pensarlo dos veces, todo el mercado cambia de naturaleza — lo que se disputa ya no es el precio, sino la utilidad de lo que se construye encima. Quizá esa sea la verdadera revolución que señala el recorte de hoy.
Para los desarrolladores que construyen productos sobre APIs, el recorte de precios es más que una noticia favorable: es un cambio en la ecuación económica de lo que es viable construir. Las aplicaciones que antes dependían del caché agresivo o de un modelado cuidadoso para reducir el número de llamadas ahora pueden permitirse ser más generosas, y los agentes que corren en bucles largos se vuelven de repente más baratos de operar. El movimiento también señala la dirección que las grandes empresas de IA están tomando para defenderse de la competencia de los modelos de peso abierto: en lugar de intentar vender exclusividad a un precio superior, apuestan por el volumen y la integración, entregando el costo bajo que el mercado ya ha llegado a considerar normal. La pregunta es si esta carrera hacia el fondo en los precios dejará suficiente margen para financiar la próxima generación de investigación.
Fuentes: VentureBeat, ExplainX AI, ZeroHedge
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
