Enruta GPT-5.6 al nivel más barato que supera el umbral
Define un umbral de capacidad específico por tarea, estima los tokens y la reutilización de caché, y aplica las tarifas por nivel para elegir el modelo más barato que lo supere.
Al asignar una tarea a un nivel de GPT-5.6, el equilibrio es capacidad por dólar. En el lanzamiento, Sol costaba $5 de entrada y $30 de salida por millón de tokens, Terra $2.50 y $15, y Luna $1 y $6, por lo que Sol era cinco veces más caro que Luna en ambas tarifas. Una tarea de producción con alta reutilización puede hacer que el nivel más barato gane incluso cuando es menos capaz. GPT-5.6 se hizo público el 9 de julio de 2026 como Luna, Terra y Sol. La regla de enrutamiento es: definir un umbral de capacidad específico por tarea, estimar los tokens y la reutilización de caché, aplicar esas tarifas y elegir el nivel más barato que supere el umbral.
Define un umbral verificable antes de elegir un nivel
Expresa la calidad mínima como un número que puedas medir. Para una tarea de código, usa una tasa de acierto en una evaluación representativa; para una tarea de soporte, usa una tasa de aprobación humana. Elige una muestra que se ajuste al tráfico de producción. Si el umbral es la latencia, inclúyela en el mismo criterio. El objetivo debe ser un valor de panel, no una etiqueta como «suficientemente bueno».
La capacidad es específica de cada tarea. En SWE-Bench Pro, Sol obtuvo 64.6 %, 15.4 puntos por detrás del 80 % de Claude Fable 5; en Agents' Last Exam, Sol registró 53.6, 13.1 puntos por delante de Claude Fable 5. Esa diferencia es por lo que el umbral debe provenir de tu propia evaluación, no de un ranking de modelos.
Mide los tokens de entrada, los tokens de salida y la proporción de entrada que se repite entre llamadas. Un bloque de sistema largo, un esquema de herramientas o un fragmento de documento pueden hacer que las lecturas de caché dominen. Registra la entrada media, la salida media y la proporción de lecturas de caché por tarea. Si la tarea reutiliza un prefijo extenso, divide el presupuesto en entrada nueva, entrada en caché, escrituras en caché y salida. Las lecturas de caché no son gratuitas, pero son mucho más baratas que la entrada nueva.
Calcula el coste del nivel a partir de la mezcla de tokens medida
Usa las tarifas de lanzamiento del inicio para la entrada nueva y la salida. Para GPT-5.6 y modelos posteriores, las escrituras en caché se facturan al 1.25 veces la tarifa de entrada sin caché, y las lecturas de caché obtienen un descuento del 90 % sobre la tarifa de entrada. Multiplica cada grupo de tokens por la tarifa correspondiente y suma el resultado. Registra una línea por nivel: coste de entrada nueva, coste de caché, coste de salida y total.
OpenAI posicionó Terra como el modelo de uso diario, con un rendimiento cercano al de GPT-5.5 a la mitad del coste. Esa presentación no es una decisión de enrutamiento. La decisión proviene de tu umbral medido y de tu mezcla de tokens medida.
Convierte la factura de tokens en un coste unitario: divide el coste total de la solicitud entre el número de tareas completadas. Síguelo por tipo de tarea, no por nombre de modelo. Mantén una tabla recurrente que muestre el coste por tarea, la proporción de lecturas de caché y la tasa de superación del umbral.
Prueba la misma tarea en los niveles bajo, medio y alto solo hasta que se cumpla el umbral. Despliega el nivel bajo cuando supere el umbral. Pasa al nivel medio tras un fallo medido en el nivel bajo, y despliégalo cuando lo supere. Paga la tarifa del nivel alto solo tras un fallo medido en el nivel medio, y registra la razón. Mantén una tabla de enrutamiento con el nombre de la tarea, el umbral, la tasa de acierto medida y el nivel seleccionado.
Trata el modo Pro como una decisión de coste independiente
En una configuración de alto volumen con nivel medio y cómputo extendido, Terra Pro obtuvo 28.5 % en GeneBench-Pro, 0.2 puntos por debajo del 28.7 % de Sol estándar en su configuración de razonamiento más alta; el modo Pro de OpenAI elevó Sol al 31.5 %. Cuando el razonamiento se configuró al máximo, Sol resolvió casi seis veces más problemas de GeneBench-Pro que en el mínimo, y aun así usó solo dos tercios de los tokens.
La ganancia de Luna en modo Pro en GeneBench-Pro fue de 7.1 puntos, 2.5 veces la ganancia de 2.8 puntos de Sol. El cómputo extendido puede aumentar las tasas de acierto y cambiar la factura de tokens al mismo tiempo. OpenAI no reveló el uso de tokens en esas ejecuciones de referencia Pro. Calcula el coste del cómputo adicional antes de enrutarle tráfico.
Verifica el acceso y vuelve a ejecutar el umbral
Antes de construir una ruta de producción, confirma que tu cuenta puede llamar realmente al nivel. A fecha del 2 de julio de 2026, los modelos no estaban en ChatGPT, y el acceso se realizaba a través de la API y Codex para unas 20 organizaciones verificadas por el gobierno. Verifica tu punto de conexión, los límites de tasa y los IDs de modelo en el entorno donde facturarás.
Vuelve a ejecutar la evaluación cuando cambien el prompt, las herramientas o la distribución de datos. Una tarea que superaba el umbral puede fallar tras un cambio de esquema. Haz que la comprobación de regresión programada emita una recomendación de nivel, no solo una bandera de éxito/fallo.
Mantén la tabla de enrutamiento visible para el equipo. Cuando una tarea pasa del nivel bajo al nivel medio, la razón debe ser un fallo medido, no una intuición. Cuando regrese, la razón debe ser un acierto medido al menor coste.