Lanzamiento completo de GPT-5.6 y lanzamiento simultáneo de un nuevo agente ChatGPT.

Autor: Yang Chen, Wall Street News

OpenAI lanza oficialmente la serie de modelos GPT-5.6, logrando un rendimiento superior a menor costo, enviando una señal clara a la competencia en la industria de IA.

El lanzamiento incluye tres modelos: el flagship Sol, el equilibrado Terra y el económico Luna, disponibles desde hoy para usuarios globales a través de ChatGPT, Codex y la API de OpenAI.

En cuanto a precios, Sol cobra $5/$30 por millón de tokens de entrada/salida, Terra $2.50/$15, y Luna $1/$6.

OpenAI destaca que GPT-5.6 supera a Claude Fable 5 de Anthropic en múltiples benchmarks clave, pero con un consumo de tokens y costos de inferencia significativamente menores, lo que permite a los usuarios realizar más trabajo sustancial con el mismo presupuesto.

Para empresas y desarrolladores, el impacto central de este lanzamiento es una mejora integral en la "relación costo-rendimiento". En la evaluación Agents' Last Exam para flujos de trabajo profesionales, GPT-5.6 Sol obtuvo 53.6 puntos, superando a Claude Fable 5 por 13.1 puntos porcentuales, y con configuraciones de razonamiento medias, su costo es aproximadamente una cuarta parte del de Fable 5.

Aún más impactante, los modelos de gama inferior Terra y Luna, con aproximadamente una dieciseisava parte del costo, aún superan a Fable 5 en las pruebas de benchmark. Esta estrategia de precios "descendente" comprime directamente el espacio de diferenciación de los competidores.

OpenAI, junto con el lanzamiento de GPT-5.6, ha avanzado la integración de múltiples líneas de productos: lanzó oficialmente el agente ChatGPT Work, que permite trabajo continuo entre aplicaciones y entrega directa de resultados, marcando la evolución de la forma del producto de herramienta de conversación a agente sistémico; la aplicación Codex se integró en la aplicación de escritorio de ChatGPT y está disponible en la versión gratuita; el navegador independiente Atlas se retirará gradualmente, y las capacidades del navegador serán asumidas por una extensión de Chrome.

Altman, en una entrevista, señaló que OpenAI "hizo muchos ajustes" durante la comunicación con el gobierno de EE. UU., pero no especificó el contenido; el nuevo modelo de IA logró una mejora del 54% en la eficiencia de tokens en programación de agentes; no sabe si habrá OPI este año; los modelos de código abierto de China se están volviendo "muy buenos".

Lanzamiento de ChatGPT Work, un agente que trabaja continuamente entre aplicaciones, impulsado por GPT-5.6

OpenAI también presentó un nuevo agente de IA — ChatGPT Work. Este producto se posiciona como una fusión de ChatGPT y Codex, diseñado para permitir que usuarios no técnicos aprovechen las capacidades de Codex para tareas no relacionadas con programación, impulsado por la familia de modelos GPT-5.6 (Sol, Terra y Luna).

OpenAI dijo en su blog que ChatGPT Work puede obtener información contextual de aplicaciones, archivos y flujos de trabajo autorizados por el usuario, y generar automáticamente resultados completos, incluyendo documentos, hojas de cálculo, presentaciones y aplicaciones web.

OpenAI también indicó que ChatGPT Work viene con un Directorio de Plugins Unificado (Unified Plugins Directory), que puede conectarse con Slack, Gmail, Google Drive, calendario y CRM, permitiendo la colaboración entre aplicaciones.

OpenAI y su competidor Anthropic PBC están acelerando la competencia por agentes de IA más avanzados, buscando expandir las capacidades de IA más allá de la escritura y depuración automática de código a escenarios de oficina más amplios.

A principios de este año, Anthropic lanzó un producto similar, Claude Cowork, con el objetivo de atraer a más empresas y usuarios profesionales.

Altman: no especifica el contenido de "muchos ajustes", no sabe si habrá OPI este año

El CEO de OpenAI, Sam Altman, reveló que antes del lanzamiento público de GPT-5.6, la compañía mantuvo consultas profundas con funcionarios de la administración Trump, y durante ese proceso realizó "muchos ajustes".

Altman no especificó qué cambios realizó OpenAI durante las consultas, pero señaló que el gobierno está probando el nuevo modelo y evaluando riesgos potenciales. En general, se mostró positivo sobre este mecanismo, pero con condiciones.

"Mientras este proceso sea comprensible, justo y eficiente, creo que es algo bueno. El gobierno parece estar de acuerdo con esos objetivos. Estimo que la próxima vez, el proceso para el próximo modelo será mucho más fluido. Ya entendemos este mecanismo y sabemos cómo cooperar mejor."

Altman también respondió a dos focos de atención recientes del mercado:

Ante informes de que OpenAI planeaba ofrecer al gobierno de EE. UU. un 5% de participación accionaria, Altman respondió claramente que los informes contenían "muchas inexactitudes", pero no dio más detalles. Sobre la OPI, cuando se le preguntó si OpenAI planea salir a bolsa este año, Altman solo dijo: "No lo sé."

Sobre el recién lanzado GPT-5.6, Altman señaló que el nuevo modelo de IA mejoró la eficiencia de tokens en programación de agentes en un 54%. También dijo que los modelos de código abierto de China se están volviendo "muy buenos".

El modelo flagship Sol establece un nuevo estándar de eficiencia

La mejora en capacidad de programación de GPT-5.6 Sol es particularmente notable. En la prueba Artificial Analysis Coding Agent Index, Sol (con configuración de razonamiento máxima) estableció un nuevo récord con 80 puntos, superando a Fable 5 por 2.8 puntos, mientras que la cantidad de tokens de salida fue menos de la mitad, con un tiempo de procesamiento reducido en más de la mitad y un costo aproximadamente un tercio menor.

En la prueba de flujo de trabajo de terminal complejo Terminal-Bench 2.1, Sol obtuvo un 88.8% de puntuación; en la prueba de ingeniería de ciclo largo sobre repositorios de código real DeepSWE v1.1, alcanzó un 72.7%, también a la vanguardia de la industria.

Los datos de usuarios empresariales confirman este rendimiento. Itamar Friedman, cofundador y CEO de la plataforma de revisión de código Qodo, afirmó que GPT-5.6 superó a GPT-5.5 en sus benchmarks internos y externos, y que la cantidad de tokens necesarios por revisión de código se redujo aproximadamente en dos tercios, con una latencia media reducida en un 50%.

Fabian Hedin, cofundador de la plataforma de desarrollo de IA Lovable, señaló:

"Con GPT-5.6, los pasos necesarios para que los usuarios completen tareas se redujeron aproximadamente en un 25%, las llamadas a herramientas en un 35% a 48%, y la tasa de fallos de proyectos disminuyó en un 15%."

Arquitectura multiagente activa modo "ultra"

GPT-5.6 introduce un mecanismo de programación de cómputo en capas, permitiendo a los usuarios elegir la profundidad de razonamiento según las necesidades de la tarea.

Además de la configuración de razonamiento alto estándar, OpenAI agrega dos modos: "max" y "ultra": max da al modelo más tiempo para pensar y corregir soluciones; ultra coordina por defecto cuatro agentes paralelos, sacrificando un mayor consumo de tokens para obtener mejores resultados y tiempos de entrega más cortos.

En la prueba BrowseComp, Sol Ultra estableció un nuevo récord con un 92.2% de puntuación; en OSWorld 2.0, alcanzó un 62.6%, superando a Claude Opus 4.8, que utilizó un 85% más de tokens de salida. En la prueba SEC-Bench Pro (generación de pruebas de concepto de vulnerabilidades para software complejo), Sol alcanzó un 71.2%, mientras que GPT-5.5 solo obtuvo un 45.8%.

A nivel de API, OpenAI lanzó simultáneamente la función Programmatic Tool Calling, que permite a GPT-5.6 escribir y ejecutar programas ligeros en memoria, coordinar herramientas de forma autónoma, procesar resultados intermedios y ajustar dinámicamente el flujo de trabajo durante la ejecución, reduciendo así las llamadas de ida y vuelta entre el modelo y las herramientas, manteniendo al mismo tiempo la compatibilidad con la política de retención de datos cero (ZDR).

Gran salto en capacidades de ciberseguridad e investigación científica

En el ámbito de la ciberseguridad, GPT-5.6 Sol obtuvo un 73.5% en la evaluación ExploitBench, mientras que GPT-5.5 solo alcanzó un 47.9%; en ExploitGym, su tasa de éxito dentro del límite de seis horas pasó del 15.1% de GPT-5.5 al 33.7%.

OpenAI indicó que el modelo también tiene capacidades mejoradas en el lado defensivo, incluyendo revisión de código de seguridad, parcheo de vulnerabilidades, modelado de amenazas y ejercicios de equipo azul.

Para abordar los riesgos de uso dual, OpenAI, a través de su programa "OpenAI Daybreak Trusted Access for Cyber", ofrece funciones defensivas de nivel superior a individuos y organizaciones verificados, e impone restricciones de acceso adicionales a entidades y regiones de alto riesgo.

En el campo de las ciencias de la vida, GPT-5.6 Sol obtuvo un 28.7% en GeneBench Pro (evaluación de genómica y biología cuantitativa de largo plazo), muy por encima del 12% de GPT-5.5; en LifeSciBench obtuvo un 59.9%, frente al 50.4% de GPT-5.5.

OpenAI también indicó que sus pruebas muestran que GPT-5.6 aún no tiene la capacidad de crear o sintetizar de extremo a extremo nuevas amenazas biológicas de alto riesgo.

Actualización simultánea de mecanismos de seguridad, estrategia de implementación conservadora continuada

Con el aumento de las capacidades del modelo, OpenAI ha reforzado la arquitectura de seguridad en este lanzamiento. Las medidas de protección de ciberseguridad de GPT-5.6 Sol interceptan aproximadamente 10 veces más actividades potencialmente dañinas que la generación anterior.

Anteriormente, antes del lanzamiento oficial, OpenAI realizó aproximadamente 700,000 horas GPU A100e de pruebas de red team automatizadas de caja negra, y junto con expertos externos, completó evaluaciones a gran escala en pista dual humana y automatizada.

OpenAI indicó que su sistema de seguridad emplea un diseño de redundancia multicapa: protección integrada en el modelo, verificaciones en tiempo real, monitoreo continuo y mecanismos de ejecución a nivel de cuenta trabajan conjuntamente.

A diferencia de los esquemas de interceptación basados puramente en clasificadores, GPT-5.6 introduce un "monitor de razonamiento" (reasoning monitor) que analiza el contexto de cada diálogo para determinar posibles daños, permitiendo que los límites de seguridad se ajusten dinámicamente según el escenario de uso, y permitiendo parchear vulnerabilidades rápidamente sin necesidad de reentrenar clasificadores.

Ante el posible impacto de la interceptación excesiva en usos legítimos, OpenAI ofrece en ChatGPT y Codex una opción de un solo clic para reintentar con un modelo de menor capacidad, y afirma que continuará optimizando para mantener una alta intensidad de interceptación mientras reduce los falsos positivos en el uso normal.

Aplicaciones internas muestran tendencia de autoaceleración en I+D de IA

El lanzamiento de GPT-5.6 también revela cambios importantes en el propio modelo de I+D de OpenAI. Según OpenAI, durante las pruebas internas de GPT-5.6, el promedio diario de tokens de salida por investigador activo superó el doble del pico histórico de GPT-5.5.

En los últimos seis meses, la potencia computacional de razonamiento utilizada internamente por OpenAI para programación aumentó 100 veces, y el uso de tokens de agentes internos aumentó aproximadamente 22 veces, una tendencia que se ha extendido a los departamentos de ventas, marketing, operaciones de usuarios y finanzas.

En la evaluación de capacidad de auto-mejora (RSI Index), GPT-5.6 Sol obtuvo 57.9 puntos, superando los 41.7 puntos de GPT-5.5, una mejora de 16.2 puntos porcentuales.

OpenAI interpreta esto como evidencia directa de que la IA está acelerando la I+D de IA, y lo posiciona como uno de los impulsores centrales de la eficiencia en la iteración de modelos futuros.