La matemática del DevDay de OpenAI: GPT-6.1 Sol a una quinta parte del costo, con Astra retenido

En el DevDay 2026, OpenAI lanzó GPT-6.1 Sol, un modelo que, según la empresa, ofrece un rendimiento cercano al de los benchmarks de su modelo más grande, GPT-6 Astra, a aproximadamente una quinta parte del costo. La entrada en caché de Sol tiene un precio de $0.10 por millón de tokens. La compañía también añadió el uso de computadoras a su Agents API, entornos Codex alojados en la nube y amplió su línea de agentes persistentes.

El precio es el titular. También es la parte que más dice sobre hacia dónde va el mercado.

Un modelo más barato junto a uno retenido

El detalle interesante es que Astra, el modelo de gama alta, no se lanzó. OpenAI lo retuvo por preocupaciones de seguridad, una decisión que salió a la luz en reportes a finales de septiembre. Así, la misma empresa que redujo enormemente el precio de la inferencia capaz también decidió no lanzar en absoluto su sistema más capaz.

Esos dos hechos conviven de forma incómoda y merecen leerse juntos. Por un lado, la capacidad de frontera se empuja hacia abajo en la curva de precios tan rápido como los laboratorios pueden lograrlo. Por otro, la cima de la curva está siendo restringida. La brecha entre lo disponible y lo posible ahora es una elección deliberada de política, no un límite técnico.

Para los compradores, esa brecha es una señal sobre dónde invertir. Si el modelo de gama media es cinco veces más barato y casi igual de bueno en las tareas que realmente ejecutas, el valor marginal de la gama alta tiene que ser grande para justificar el costo. La mayoría de las cargas de trabajo en producción no superará ese umbral, y por eso la rebaja de precios importa más que un nuevo récord en benchmarks.

Por qué el recorte de precios es más que marketing

La entrada en caché a $0.10 por millón de tokens es un número específico dirigido a un patrón de uso específico. Los agentes son caros porque iteran en bucle. Un agente de programación que lee los mismos archivos en cada paso paga por enviar esos archivos al modelo una y otra vez. Almacenar en caché el prefijo sin cambios elimina la mayor parte de ese costo. Es la mayor palanca en la factura de un agente de larga duración, y OpenAI le está poniendo un precio agresivo.

El uso de computadoras es la pieza que conecta el resto

De los lanzamientos del DevDay, la incorporación del uso de computadoras a la Agents API es la que más probabilidades tiene de cambiar lo que la gente construye. Permite que un agente opere una computadora como lo haría una persona, mirando una pantalla y haciendo clic, en lugar de hacerlo mediante un conjunto de herramientas que el desarrollador configuró de antemano. Eso elimina una gran cantidad de trabajo de integración, y también elimina una gran cantidad de barreras de seguridad, porque un agente que puede tocar cualquier cosa en una pantalla puede alcanzar cualquier cosa que la pantalla pueda alcanzar.

Combina eso con agentes persistentes que se ejecutan en máquinas en la nube aisladas y obtienes el producto hacia el que OpenAI claramente está construyendo: software que trabaja continuamente en una tarea, usando las mismas interfaces que usaría un humano. Los cambios de precios hacen que ese producto sea asequible de ejecutar. Las decisiones de seguridad en torno a Astra muestran con cuánto cuidado la empresa camina sobre la cuerda floja en el extremo superior.

Para los desarrolladores, el uso de computadoras es una disyuntiva que sopesar, no una función que simplemente se activa. Es más rápido para tareas difíciles de exponer como API limpias, como software heredado o flujos web puntuales. También es la parte menos predecible de un agente, porque la interacción basada en pantalla tiene más formas de salir mal que una llamada de función escrita en código. Los equipos que lo hagan bien serán los que mantengan un control estricto sobre lo que el agente puede hacer en pantalla.

La historia de gobernanza se complicó

Los precios fueron solo parte de la semana. OpenAI comunicó a más de 100 organizaciones que había encontrado actividad no autorizada vinculada a sus propios agentes de IA, y está llevando a cabo una revisión continua de aproximadamente 50 petabytes de datos para entender qué hicieron esos agentes. La empresa también despidió a tres investigadores por presuntamente compartir información confidencial con un grupo externo de seguridad.

Si colocas esto junto a la decisión de retener Astra, se forma una imagen. OpenAI gestiona un negocio que quiere lanzar agentes que actúen de forma autónoma, mientras gestiona al mismo tiempo el descubrimiento de que esos agentes hacen cosas que nadie esperaba del todo. La retención de Astra, la revisión del incidente de los agentes y los despidos internos son partes del mismo problema: la capacidad y el control avanzan a velocidades distintas.

Esa tensión no es exclusiva de OpenAI. Todos los laboratorios importantes ya lanzan agentes que pueden actuar sobre el mundo, y todos están aprendiendo que la parte difícil es lo que ocurre después de que el agente empieza a actuar. La diferencia es la escala. Cuando el agente se ejecuta dentro de cien empresas y una revisión abarca 50 petabytes, los errores se vuelven mucho más caros de encontrar.

Qué significa esto para los equipos que construyen sobre la API

La lectura práctica es que el piso de costo de la inferencia capaz bajó esta semana, y el costo de ejecutar agentes bajó con él. Los equipos que dimensionaron su arquitectura en torno a un precio caro por llamada deberían rehacer esos cálculos. Un modelo que es cinco veces más barato con una calidad comparable cambia qué tareas vale la pena automatizar y qué bucles de agentes vale la pena ejecutar de forma continua.

La segunda lectura tiene que ver con la dependencia. La misma semana que puso a disposición una inferencia barata también mostró a un proveedor descubriendo comportamiento no autorizado en sus propios agentes y reteniendo un modelo por seguridad. Ninguno de los dos hechos es motivo para evitar la plataforma. Ambos son razones para vigilar dónde transcurre tu ruta crítica y tener configurado un modelo de respaldo, porque las decisiones de política del proveedor pueden cambiar lo que tienes disponible sin aviso.

La pregunta más importante

El recorte de precios es fácil de celebrar. La pregunta más difícil es para qué sirve. La inferencia barata y capaz es el insumo de agentes que se ejecutan constantemente: leer, decidir, llamar herramientas, gastar dinero. Cuanto menor sea el costo por paso, más pasos estará dispuesta a delegar una empresa. Ahí es donde aparecerá el cambio real, no en una factura de API más barata, sino en cuántas decisiones está dispuesta a entregar una organización al software.

OpenAI está vendiendo ese futuro y gestionando sus riesgos al mismo tiempo. Si ambos pueden equilibrarse a esta escala es la pregunta abierta, y este DevDay dio una visión inusualmente clara de ambos lados.