Anthropic y OpenAI abaratan Opus y GPT-6: la carrera ya no es solo por inteligencia, es por precio

Por Zendoric · 23 de septiembre de 2026.

Anthropic ha presentado Opus 5.5, la nueva versión de su modelo de referencia para programación y trabajo de conocimiento complejo, y OpenAI ha respondido con GPT-6 Sol y Luna, las variantes intermedia y económica de su familia GPT-6. Según el anuncio de Anthropic, los precios de Opus 5.5 son de 4 y 20 dólares por millón de tokens de entrada y salida respectivamente —un 20% menos que Opus 5—, mientras que las lecturas de caché (la reutilización de contexto ya procesado, que según la propia Anthropic supone la mayoría del coste en tareas agénticas y de código) bajan un 60%, hasta 0,20 dólares por millón de tokens. Anthropic añade que, contando también que Opus 5.5 necesita menos tokens para completar una tarea, el ahorro real en cargas de trabajo típicas ronda el 40% frente a Opus 5.

OpenAI ha seguido el mismo guion con GPT-6 Sol (2 dólares de entrada y 10 de salida por millón de tokens) y GPT-6 Luna (0,10 y 0,50 dólares), según los precios publicados por la compañía: aproximadamente la mitad que sus predecesores, con mejoras de solo unos pocos puntos porcentuales en ciertos benchmarks, de acuerdo con OpenAI. Ninguna de las dos empresas vende estos lanzamientos como un salto de capacidad. Los venden como una rebaja.

El contexto importa. A principios de septiembre OpenAI ya había lanzado GPT-6 Astra, su modelo más potente y caro, que en algunos benchmarks y en la percepción de los usuarios superaba a Opus 5, según recoge Ars Technica. Anthropic sostiene ahora, con sus propios benchmarks y los de sus socios, que Opus 5.5 rinde mejor que Astra en código y trabajo de conocimiento «en algunos casos», aunque de forma modesta. Es una escaramuza más en una guerra de posicionamiento: OpenAI ha renombrado su gama con las etiquetas Astra, Sol, Terra y Luna —de más a menos potente y caro—, que se corresponden de forma aproximada, aunque imperfecta, con Fable, Opus, Sonnet y Haiku en el catálogo de Anthropic.

Hay un detalle que conviene no pasar por alto: Anthropic describe a Opus 5.5 como especialmente capaz en «áreas de alto riesgo» como ciberseguridad y biología, y aplica las mismas salvaguardas que ya llevaba Fable 5.1 — las peticiones que se detecten como territorio sensible se redirigen de forma automática y transparente a un modelo anterior. Es un recordatorio de que ganar eficiencia y potencia no está exento de fricciones de seguridad, y de que los laboratorios frontera siguen tratando ciertas capacidades como algo a contener, no solo a vender.

La razón de fondo de esta ola de rebajas la explica bien el propio análisis de Ars Technica: empresas y desarrolladores están usando enrutadores de modelos —sistemas que dirigen cada petición al modelo más barato capaz de resolverla— para dejar de pagar precios de modelo frontera en tareas que no lo necesitan, y los modelos de peso abierto (de Alibaba y otros) presionan por abajo. Esto encaja con algo que llevamos tiempo señalando en Zendoric: la frontera abierta —GLM, Qwen, DeepSeek, Kimi— ha subido lo bastante rápido como para obligar a los laboratorios cerrados a competir en coste, no solo en inteligencia. La reacción de Anthropic y OpenAI no es generosidad: es defensa de cuota frente a una alternativa cada vez más competitiva y barata.

Nuestra lectura es que esta fase de «más por menos» marca un cambio de conversación en la industria. Durante dos años el marcador ha sido casi exclusivamente de benchmarks: quién saca la puntuación más alta. Ahora el cliente empresarial, que es quien paga las facturas reales de estos modelos, empieza a mandar sobre una variable distinta: el coste por tarea resuelta, no el coste por token bruto. Eso favorece a quien resuelve más barato aunque no sea el más listo del aula, y penaliza a los laboratorios que solo saben competir subiendo el precio de la inteligencia de frontera. Es una dinámica de comoditización clásica, y es sana: reduce el margen de los líderes actuales, pero acelera exactamente el abaratamiento de la inteligencia artificial que, sostenido en el tiempo, es la condición necesaria para la abundancia que defendemos como horizonte de esta tecnología. Sin bajadas de precio como esta, la IA se queda como un lujo corporativo; con ellas, se convierte en infraestructura al alcance de cualquiera.

A corto plazo, sin embargo, esto también es una señal de que el ritmo de mejora bruta de capacidad se está desacelerando frente al ritmo de mejora en eficiencia — algo que Ars Technica apunta con acierto al final de su pieza: la capa de orquestación y los harnesses (el software que envuelve y dirige al modelo) importa ya tanto como el modelo mismo, y las empresas están menos interesadas en la frontera y más en desplegar de forma predecible y barata lo que ya funciona. Eso no es estancamiento: es maduración de un mercado que empieza a parecerse a cualquier otro sector tecnológico, donde el precio por unidad de valor entregado acaba pesando más que el récord de laboratorio.