GPT-5.6 Luna, Terra y Sol: por qué la IA viene en tallas

Nadie saca un tráiler para ir por la leche. Esa es toda la idea detrás de GPT-5.6 Luna, Terra y Sol, las tres tallas que OpenAI lanzó el 9 de julio de 2026: la misma familia, motores distintos, con precios que se separan cinco veces. Luna cuesta US$1 por millón de tokens de entrada, Terra US$2,50 y Sol US$5. Y en el índice independiente de Artificial Analysis, la diferencia entre ellas es de 51, 55 y 59 puntos: real, pero muy lejos de cinco veces.

Para los papás, esa aritmética es la lección. Elegir la herramienta del tamaño correcto es una habilidad de ingeniería, y se puede enseñar a casi cualquier edad.

Puntos clave

• GPT-5.6 salió el 9 de julio de 2026 en tres tallas: Luna (económica), Terra (intermedia) y Sol (tope de línea), después de una vista previa limitada el 26 de junio por restricciones del gobierno estadounidense.
• Los precios de API son US$1/US$6, US$2,50/US$15 y US$5/US$30 por millón de tokens de entrada y salida.
• Artificial Analysis midió 51, 55 y 59 puntos de inteligencia y costos por tarea de US$0,21, US$0,55 y US$1,04: pagar cinco veces más compra unos 8 puntos.
• Sol sacó 80 en el índice de agentes de código, 2,8 puntos sobre Claude Fable 5 usando menos de la mitad de tokens de salida, según OpenAI.
• Para tareas escolares, la talla barata suele ser la correcta; lo que importa es si el chico pide que le expliquen o que le resuelvan.

Qué son GPT-5.6 Luna, Terra y Sol

Un “nivel” de modelo es un mismo sistema de IA ofrecido en varios puntos de capacidad y precio, normalmente entrenando o sirviendo modelos de distinto tamaño. OpenAI lanzó GPT-5.6 el 9 de julio de 2026 con tres: Sol es el tope de línea, que OpenAI llamó su mejor modelo de programación hasta la fecha; Terra queda en medio; Luna es la opción rápida y barata. Las tres llegaron a ChatGPT, Codex y la API. La vista previa limitada había salido el 26 de junio, contenida por lo que la prensa describió como preocupaciones del gobierno de Trump sobre las capacidades de ciberseguridad del modelo. Una variante aparte, GPT-5.6-Cyber, salió el 10 de agosto.

Los nombres son nuevos; la estructura no. Google tiene líneas Flash y Pro. Anthropic vende Fable y Opus. Todos los laboratorios llegaron a la misma conclusión: la mayoría de las solicitudes son fáciles, unas pocas son difíciles, y cobrar un solo precio por las dos desperdicia dinero.

¿Por qué cambia la habilidad entre tallas? Dos mecanismos, y los dos vale la pena explicárselos a un niño. Primero, la cantidad de parámetros: los modelos grandes guardan más patrones del entrenamiento, lo que ayuda en problemas raros. Segundo, cuánto tiempo se le permite pensar al modelo. Estos sistemas pueden gastar cómputo extra antes de responder, y pensar más cuesta más tokens. Por eso el mismo modelo con “razonamiento máximo” puntúa más alto y cobra más que con esfuerzo bajo.

Qué muestran los números independientes

La frase de marketing de Sam Altman es que Sol es “54% más eficiente en tokens” en tareas de programación. La versión precisa que publicó la cuenta de desarrolladores de OpenAI: en el índice de agentes de código de Artificial Analysis, Sol con razonamiento máximo marcó un nuevo récord de 80 “usando 54% menos tokens de salida y completando tareas en 57% menos tiempo que el siguiente modelo mejor puntuado”. Es una afirmación verificable sobre tokens, no un elogio vago de calidad, y por eso sirve tan bien como material de alfabetización mediática. La usamos así en nuestra guía para leer números de marketing de IA con tu hijo.

La evaluación independiente de Artificial Analysis, publicada el mismo día, es donde la comparación entre tallas se vuelve útil. Índice de inteligencia: Sol 59, Terra 55, Luna 51. Costo de correr el índice: US$1,04, US$0,55 y US$0,21 por tarea. Sol también usó unos 15.000 tokens por tarea del índice contra 16.000 de GPT-5.5: una mejora modesta, no una revolución.

Y aquí está lo que importa en casa: el salto de Luna a Sol son ocho puntos por cinco veces el precio. Para un niño preguntando por el ciclo del agua, esos ocho puntos son invisibles. Para un adolescente depurando un proyecto de 400 líneas de Python, quizá no.

Cómo enseñarle esto a tu hijo

De 5 a 8 años: el juego de los vehículos

Pon tres juguetes: una bici, un carro y un volquete. Dale tres trabajos: llevar una carta al vecino, llevar a la familia al parque, mover un montón de tierra. Que empareje vehículo con trabajo y luego pregúntale por qué la bici no sirve para la tierra y el volquete no sirve para la carta. Ahora dilo con palabras: “los ayudantes de IA también vienen en tamaño bici, tamaño carro y tamaño camión”. Con eso ya entendió el concepto, en noventa segundos.

De 9 a 12 años: la misma pregunta en dos tallas

Si tienes acceso a un selector de modelos (ChatGPT, Claude y Gemini lo tienen), haz la misma pregunta en el modelo más barato y en el más capaz. Usa algo con respuesta correcta que requiera pasos, como “un bus sale a las 2:40 y llega a las 6:15, ¿cuántos minutos duró el viaje?”. Que tu hijo califique las dos respuestas y les tome el tiempo. Casi siempre no habrá diferencia, y ese es el punto. Después prueben algo genuinamente difícil y vean aparecer la brecha.

De 13 en adelante: escribir una regla de enrutamiento

Que tu adolescente redacte una “política de enrutamiento” de una página para su propio uso: qué talla para tarjetas de repaso, cuál para retroalimentación de ensayos, cuál para código, y qué dispara la subida al nivel caro. Después que la contraste con la tabla de precios de abajo y calcule un estimado mensual. Los ingenieros de verdad construyen exactamente esto; se llama enrutador de modelos y una versión corre dentro de cada app de IA que usa tu familia.

La pregunta que debes hacer: “Sol saca 8 puntos más que Luna y cuesta cinco veces más. Dime una tarea donde ese cambio valga la pena y una donde no.”

La tabla de tallas: velocidad, costo y para qué sirve cada una

Nivel	Precio por millón de tokens (entrada / salida)	Índice de inteligencia (Artificial Analysis)	Costo por tarea del índice	Mejor para
GPT-5.6 Luna	US$1 / US$6	51	US$0,21	Tarjetas de repaso, definiciones, resúmenes, tomar la lección
GPT-5.6 Terra	US$2,50 / US$15	55	US$0,55	Apoyo de estudio, comentarios a ensayos, problemas de varios pasos
GPT-5.6 Sol	US$5 / US$30	59	US$1,04	Proyectos de programación, demostraciones difíciles, investigación larga
GPT-5.6 Sol (razonamiento máximo)	US$5 / US$30 más tokens de razonamiento	80 en el índice de agentes de código	Más alto	Programación con agentes donde la exactitud pesa más que el costo

Un detalle sobre la última fila: “razonamiento máximo” es una configuración, no un producto aparte. El precio por token es el mismo; la cuenta sube porque el modelo genera más tokens de pensamiento, que se cobran como salida. El papá que ve un límite de uso agotado el miércoles casi siempre está viendo a un hijo que dejó el razonamiento en máximo.

Qué significa esto para el aprendizaje, no solo para la cuenta

La pregunta de la talla y la pregunta del aprendizaje son distintas, y conviene no mezclarlas.

Los resultados de PISA 2025, publicados el 8 de septiembre de 2026 con unos 760.000 estudiantes de 15 años, encontraron que el 46% de los alumnos de países OCDE usa chatbots al menos una vez por semana para aprender. Los que usaban un chatbot más o menos semanalmente y con fines de aprendizaje tuvieron los mejores puntajes en ciencias de todos los grupos, cerca de 500 puntos, mientras que los usuarios diarios de IA para redactar trabajos sacaron 481 contra 509 de quienes nunca la usaban: 28 puntos de brecha tras ajustar por nivel socioeconómico. Andreas Schleicher, director de educación de la OCDE, lo resumió diciendo que la tecnología puede debilitar el aprendizaje cuando “cortocircuita el esfuerzo productivo de aprender”.

Fíjate en lo que no aparece en ese hallazgo: nada sobre el tamaño del modelo. Ningún estudio muestra que un modelo más capaz produzca más aprendizaje. El mejor resultado documentado de tutoría con IA, Kestin et al. (2025) en Scientific Reports, con 194 estudiantes de física de Harvard, salió del diseño pedagógico: andamios escritos por expertos y razonamiento paso a paso obligatorio, no de un modelo más grande.

Así que cuando tu hijo argumente a favor del nivel caro, la respuesta honesta es: para programar, quizá; para aprender, la evidencia es flaca.

¿Y en América Latina?

En la región el cálculo de talla pesa más, porque el presupuesto pesa más. Los datos de PISA 2025 que reportó Pulzo muestran que el 56% de los estudiantes colombianos usa IA semanalmente para aprender, por encima del 46% promedio OCDE, con Perú en 54% y Uruguay en 53%. Al mismo tiempo, Infobae reportó caídas: Argentina a 367 puntos en matemáticas y México a 388, los peores resultados de ambos países desde 2006.

Dos consecuencias. Primero, si en tu casa se paga en pesos o soles, la talla barata no es un ajuste sino la elección correcta: Luna o un Gemini Flash cubren de sobra lo que necesita un estudiante de bachillerato. Segundo, la habilidad de enrutar es en sí misma formación laboral: elegir la herramienta más económica que cumple es exactamente lo que hacen los equipos técnicos que contratan en Bogotá, Santiago o Ciudad de México, y es una conversación mucho más útil que discutir cuál modelo es “el mejor”.

Qué hacer en casa, de verdad

Que la talla barata sea el default

Configura la app en el modelo más rápido y económico, y deja que tu hijo suba de nivel a propósito cuando algo falle. Es el revés de cómo usa la mayoría estas herramientas, y enseña criterio en lugar de costumbre.

Di en voz alta cuál es el disparador para subir

“Sube de nivel cuando ya lo intentaste dos veces y puedes explicar qué sale mal” es una buena regla. Obliga a un diagnóstico antes de cambiar de herramienta, que es como funciona la depuración en cualquier campo técnico.

Revisa la configuración de razonamiento cada mes

Los controles de esfuerzo se reinician con las actualizaciones de las apps. Una mirada a la pantalla de ajustes una vez al mes evita la sorpresa del límite agotado.

Déjalos ver la tabla de precios

Los niños que saben que Luna cuesta la quinta parte de Sol empiezan a hacer argumentos de costo solos, a veces de forma insoportable. Vale la pena la molestia. Acompáñalo con la guía de modelos de IA 2026 para padres.

Lo que no debes hacer

No conviertas “cuál modelo” en la pregunta de seguridad. La talla es una decisión de costo y capacidad. La seguridad vive en la configuración de la cuenta, en las políticas de edad y en las reglas sobre cuándo se puede usar IA.

Qué observar en los próximos 3 meses

• Semana 4: Abre el selector de modelos con tu hijo y mira qué talla usa la app por defecto. Muchas enrutan automáticamente y no te avisan.
• Señales de alerta en el mes 2: Límites de uso agotados a principios de semana; un adolescente que insiste en que solo el tope de línea “funciona”; una caída fuerte en cuántas veces intenta un problema antes de preguntar.
• Autoevaluación del mes 3: Pídele que justifique una subida al nivel caro del mes pasado. Si puede nombrar la falla concreta que la disparó, el hábito de enrutar ya quedó.

Preguntas frecuentes

¿Cuál es la diferencia entre GPT-5.6 Luna, Terra y Sol?

Son tres niveles de capacidad y precio de la misma familia, lanzados el 9 de julio de 2026. Luna es la más barata y rápida (US$1/US$6 por millón de tokens), Terra la intermedia (US$2,50/US$15) y Sol el tope de línea (US$5/US$30), que OpenAI posiciona como su mejor modelo de programación.

¿Vale la pena pagar cinco veces más por Sol para las tareas?

Normalmente no. Las pruebas independientes ubicaron a Sol en 59 puntos del índice de inteligencia de Artificial Analysis contra 51 de Luna. Para definiciones, resúmenes y repaso, esa diferencia casi no se ve. Para programación con agentes, donde Sol sacó 80 en el índice de código, sí puede importar.

¿Qué significa “54% más eficiente en tokens”?

La afirmación precisa de OpenAI es que Sol con razonamiento máximo llegó a 80 en el índice de agentes de código de Artificial Analysis usando 54% menos tokens de salida y 57% menos tiempo que el siguiente mejor modelo. Es una afirmación sobre tokens y tiempo en un benchmark, no sobre calidad en general.

¿Qué talla usa ChatGPT con mi hijo?

La decide la app, muchas veces automáticamente, y cambió varias veces en 2026. Abran juntos el selector de modelos para verlo. Las cuentas colocadas en ChatGPT para adolescentes, del 18 de agosto de 2026, además aplican reglas de comportamiento aparte, sin importar la talla.

¿Por qué las empresas de IA hacen varias tallas?

Porque servir un modelo grande es caro y la mayoría de las solicitudes son fáciles. Los niveles le permiten cobrar menos por esa mayoría fácil. Es la misma lógica del envío estándar y el exprés, o de tener una bici y un camión en el mismo garaje.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. TechCrunch. (2026, 9 de julio). “OpenAI launches its new family of models with GPT-5.6.” https://techcrunch.com/2026/07/09/openai-launches-its-new-family-of-models-with-gpt-5-6/
2. Artificial Analysis. (2026, 9 de julio). “GPT-5.6 benchmarks across Intelligence, Speed and Cost.” https://artificialanalysis.ai/articles/gpt-5-6-has-landed
3. OpenAI. (2026, 9 de julio). “GPT-5.6: Frontier intelligence that scales with your ambition.” https://openai.com/index/gpt-5-6/
4. Wikipedia. (2026). “GPT-5.6.” https://en.wikipedia.org/wiki/GPT-5.6
5. Kestin, G., Miller, K., Klales, A., et al. (2025). “AI tutoring outperforms in-class active learning.” Scientific Reports. https://www.nature.com/articles/s41598-025-97652-6
6. OCDE. (2026, 8 de septiembre). “PISA 2025: Students’ reading and mathematics performance declined sharply across the OECD.” https://www.oecd.org/en/about/news/press-releases/2026/09/pisa-2025-students-reading-and-mathematics-performance-declined-sharply-across-the-oecd.html
7. Pulzo. (2026, 8 de septiembre). “Estudiantes en Colombia lideran uso de IA, según la OCDE.” https://www.pulzo.com/tecnologia/inteligencia-artificial-en-la-educacion-estudiantes-en-colombia-lideran-uso-de-ia-segun-la-ocde-PP5296043A
8. Infobae. (2026, 8 de septiembre). “Pruebas PISA: los países de América Latina profundizan su retroceso educativo.” https://www.infobae.com/america/america-latina/2026/09/08/pruebas-pisa-los-paises-de-america-latina-profundizan-su-retroceso-educativo/