ทันเอไอ

OpenAI reduce el precio de la API de los modelos GPT-5.6: Terra un 20% y Luna hasta un 80%

OpenAI anuncia una rebaja en el costo de uso de la API de su modelo de gama media Terra del 20% y del modelo pequeño Luna de hasta un 80%, alegando mejoras de eficiencia en el sistema que han reducido los costos operativos

OpenAI ha anunciado una reducción en el precio de uso de la API de dos de sus nuevos modelos de la serie GPT-5.6, vigente desde el 30 de julio. Terra, el modelo de gama media, baja un 20% respecto al precio de lanzamiento, mientras que Luna, el modelo pequeño orientado a la velocidad, se reduce hasta un 80%.

El nuevo precio de Terra es de 2 dólares por millón de tokens de entrada y 12 dólares por millón de tokens de salida, frente a los 2,50 y 15 dólares anteriores, respectivamente. Luna, por su parte, queda en solo 0,20 dólares por millón de tokens de entrada y 1,20 dólares por millón de tokens de salida, desde 1 y 6 dólares: una rebaja muy agresiva para un modelo económico.

En cuanto a Sol, el modelo más potente de la serie, mantiene su precio de 5/30 dólares por millón de tokens de entrada/salida, aunque añade una novedad: el modo Fast, que según la compañía procesa 2,5 veces más rápido a cambio de duplicar el precio estándar, ideal para tareas que requieren respuestas inmediatas.

OpenAI explica que la reducción de precios se debe a mejoras internas de eficiencia: el equipo optimizó el software de GPU y el código de servicio de los modelos de forma automatizada, lo que redujo el costo de servicio (serving cost) en un 20% y mejoró la eficiencia de generación de tokens en más de un 15%. La empresa decidió trasladar ese ahorro a los clientes en forma de precios más bajos, en lugar de quedárselo como beneficio adicional.

Este ajuste de precios refleja una gran tendencia del sector: el costo de usar modelos de IA sigue cayendo gracias a la competencia y al avance tecnológico, lo que permite a desarrolladores y empresas implementar IA real con presupuestos más ajustados. Luna, con una rebaja del 80%, podría convertirse en la opción preferida para tareas que requieren procesar volúmenes masivos de datos.