GPT-6.2 Astra y Sol en Codex: precios de API, configuración y migración

GPT-6.2 Astra y Sol ya están disponibles en Codex, ChatGPT Work y OpenAI API. Aprende sus identificadores, cambia de modelo en Codex, calcula los costes de API y migra reasoning, llamadas a herramientas y parámetros de solicitudes.

Índice
GPT-6.2 Astra y Sol en Codex: precios de API, configuración y migración

Si utilizas Codex o desarrollas agentes de programación con OpenAI API, ya puedes usar GPT-6.2 Astra o GPT-6.2 Sol. Ambos modelos se lanzaron el 17 de noviembre de 2026 y tienen los identificadores de API gpt-6.2-astra y gpt-6.2-sol. Empieza con Sol para la programación habitual y los flujos de trabajo con agentes. Elige Astra para implementaciones complejas, pruebas y tareas que requieren más razonamiento.

La migración exige varios cambios obligatorios. Ambos modelos rechazan el nivel de razonamiento none. Las llamadas a herramientas requieren Responses API. Además, varios parámetros habituales de muestreo y log-probabilidad no son compatibles. Las solicitudes que superan los 272K tokens de entrada también tienen tarifas más altas, incluidas las escrituras de caché.

¿Qué modelo GPT-6.2 conviene elegir para programar?

Empieza con GPT-6.2 Sol para el desarrollo cotidiano. Elige GPT-6.2 Astra para cambios difíciles en bases de código existentes, depuración compleja y tareas en las que una mayor calidad puede reducir el trabajo de revisión y corrección.

OpenAI presenta Astra como su modelo de frontera para los proyectos profesionales más exigentes. Sol está orientado a la programación diaria y a los flujos de trabajo con agentes. Un modelo más capaz puede reducir el coste por tarea terminada si necesita menos tokens o menos rondas de corrección. Sin embargo, ese resultado depende de tu carga de trabajo.

ModeloID de APIMejor punto de partidaEntrada estándar / entrada en caché / salida por 1M tokens
GPT-6.2 Solgpt-6.2-solProgramación habitual, agentes y tareas sensibles al coste$2 / $0.10 / $10
GPT-6.2 Astragpt-6.2-astraImplementaciones complejas, depuración y razonamiento exigente$8 / $0.40 / $40

Ambos modelos tienen una ventana de contexto de API de 1,050,000 tokens. La entrada máxima es de 922,000 tokens y la salida máxima es de 128,000 tokens.

Codex ofrece un ajuste independiente llamado model_context_window en config.toml para solicitar un contexto más largo. La documentación indica que esta configuración puede utilizar hasta la capacidad de contexto de un millón de tokens de los modelos. El límite de contexto de la API y el contexto configurado para una sesión de Codex son ajustes distintos.

¿Qué demuestran realmente los benchmarks de programación?

El anuncio de OpenAI incluye dos comparaciones que responden a preguntas diferentes.

En FrontierCode 2.0 de Cognition, Sol quedó a solo 0.5 puntos de Astra cuando ambos modelos se ejecutaron con max. El coste de Sol fue aproximadamente una quinta parte del de Astra. FrontierCode evalúa si los cambios en bases de código reales cumplen los estándares de los mantenedores para aceptar una integración. Por eso, esta comparación resulta especialmente útil al elegir un modelo para trabajar con repositorios.

En Agents’ Last Exam, Astra obtuvo 5.5 puntos más que Claude Fable 5.2. OpenAI indicó que el coste de Astra fue aproximadamente el 5% del de Fable en esa evaluación. Sin embargo, la clasificación publicada de Fable 5.2 excluye nueve tareas que utilizaron un modelo de respaldo. Considera este dato un resultado atribuido a OpenAI, no una proporción de costes garantizada para tu agente de programación.

OpenAI también afirma que los primeros evaluadores observaron un estilo de código más limpio, pruebas más específicas y menos rondas de revisión. Estas observaciones justifican evaluar Astra en cambios complejos que requieren implementación y pruebas. No demuestran mejoras universales en todos los lenguajes, repositorios o entornos de programación.

Las primeras reacciones de los desarrolladores no fueron unánimes. Simon Willison compartió una demostración con Three.js y OpenStreetMap que utilizaba ambos modelos. El comentario inicial de Theo expresó su preferencia por el comportamiento de otro modelo, pero no incluyó una tarea reproducible ni una evaluación. Estas publicaciones reflejan expectativas distintas, no resultados de benchmarks comparables.

Antes de decidir, ejecuta la misma tarea de repositorio con ambos modelos. Mantén constantes el prompt, el contexto, las herramientas, el nivel de razonamiento y los criterios de aceptación. Compara los cambios aceptados, la cobertura de pruebas, las rondas de corrección, los tokens de salida y el coste total de API.

Conserva Sol si cumple tus criterios de revisión. Pasa a Astra cuando su calidad adicional cambie el resultado. Para comparar la generación anterior, consulta GPT-6.1 Sol vs GPT-6 Astra vs Claude Opus 5.5: qué modelo elegir.

¿Cuánto cuestan GPT-6.2 Astra y Sol en la API?

Los precios estándar se calculan por millón de tokens de texto. La entrada, la entrada en caché, las escrituras de caché y la salida son categorías de facturación distintas. El precio de la entrada en caché no incluye el coste de escribir en la caché.

Concepto de facturaciónGPT-6.2 SolGPT-6.2 Astra
Entrada$2.00$8.00
Entrada en caché$0.10$0.40
Escritura de caché, retención de 30 minutos$2.50$10.00
Escritura de caché, retención de 12 horas$5.00$20.00
Salida$10.00$40.00

Estas son las tarifas Standard por millón de tokens para solicitudes con contexto corto, según la documentación consultada el 18 de noviembre de 2026.

Los precios de entrada y salida de Astra son un 20% inferiores a los de GPT-6 Astra. Su precio de entrada en caché es un 60% inferior. Sol mantiene las tarifas publicadas de GPT-6.1 Sol.

¿Qué cambia cuando la entrada supera los 272K tokens?

Cuando una solicitud contiene más de 272K tokens de entrada, OpenAI aplica las tarifas de contexto largo a toda la solicitud:

  • La entrada cuesta el doble de la tarifa de contexto corto.
  • La entrada en caché también cuesta el doble.
  • Las escrituras de caché también cuestan el doble.
  • La salida cuesta 1.5 veces la tarifa de contexto corto.

Las tarifas resultantes son:

Concepto de facturación con contexto largoGPT-6.2 SolGPT-6.2 Astra
Entrada$4.00$16.00
Entrada en caché$0.20$0.80
Escritura de caché, retención de 30 minutos$5.00$20.00
Escritura de caché, retención de 12 horas$10.00$40.00
Salida$15.00$60.00

Por ejemplo, considera una solicitud con 300,000 tokens de entrada y 10,000 tokens de salida, sin entrada en caché. Con las tarifas Standard, el coste estimado sería:

  • Sol: 0.3 × $4 + 0.01 × $15 = $1.35
  • Astra: 0.3 × $16 + 0.01 × $60 = $5.40

Estos cálculos aplican las tarifas de contexto largo a toda la solicitud. No incluyen escrituras de caché, otros cargos ni multiplicadores de los niveles de servicio. Si la solicitud contiene entrada en caché, calcula esa parte con la tarifa correspondiente.

¿Cómo afectan Batch, Fast y Ultrafast a la factura?

Las fichas de los modelos documentan tres opciones de procesamiento:

Opción de procesamientoPrecio respecto a StandardCuándo considerarla
Batch0.5×Para trabajos que pueden ejecutarse de forma asíncrona
Fast2×Cuando una respuesta más rápida justifica el coste adicional
Ultrafast3× hasta el 28 de febrero de 2027; 6× desde el 1 de marzo de 2027Para cargas elegibles que necesitan el nivel de procesamiento más alto

El cambio de precio de Ultrafast entra en vigor el 1 de marzo de 2027, según la hora del Pacífico. Cambia el multiplicador de procesamiento, no las tarifas base de tokens del modelo.

Ultrafast solo admite residencia de datos en Estados Unidos. Standard, Fast y Batch admiten residencia de datos en Estados Unidos y la UE. No elijas Ultrafast para una carga de trabajo que requiera residencia en la UE.

Por ejemplo, una solicitud de contexto corto a Astra en Ultrafast cuesta tres veces la tarifa Standard hasta el 28 de febrero de 2027. Sus tarifas de entrada, entrada en caché y salida pasan a ser $24, $1.20 y $120 por millón de tokens.

Desde el 1 de marzo de 2027, el multiplicador de seis veces eleva esas tarifas a $48, $2.40 y $240. Las tarifas de escritura de caché reciben el mismo multiplicador. Aplica el mismo cálculo a las tarifas Standard de Sol.

Un nivel de procesamiento más rápido puede multiplicar los cargos de entrada, entrada en caché, escritura de caché y salida. No reduce automáticamente el número de tokens que consume tu aplicación.

¿Cómo cambiar a GPT-6.2 en Codex?

Puedes elegir un modelo al iniciar Codex, cambiarlo durante una sesión interactiva o establecer un valor predeterminado en config.toml. Los ejemplos utilizan Sol. Sustituye su ID por gpt-6.2-astra si quieres utilizar Astra.

Iniciar Codex con un modelo

Abre el terminal y ejecuta:

codex --model gpt-6.2-sol

También funciona el alias -m. Para una tarea no interactiva, pasa el modelo a codex exec:

codex exec -m gpt-6.2-sol "Review the current changes"

Estos comandos seleccionan el modelo para esa ejecución. No modifican tu valor predeterminado permanente.

Cambiar de modelo durante una sesión interactiva

Con Codex en ejecución, introduce:

/model

En el selector, elige GPT-6.2 Sol o GPT-6.2 Astra. La misma interfaz permite ajustar el nivel de razonamiento.

Esto resulta útil cuando una tarea rutinaria se convierte en un problema de implementación complejo y necesitas cambiar a Astra sin iniciar otra sesión.

Establecer el modelo predeterminado en config.toml

Para utilizar Sol de forma predeterminada, configura:

model = "gpt-6.2-sol"

Para Astra, utiliza:

model = "gpt-6.2-astra"

La referencia de modelos de Codex documenta estos comandos de selección. Si utilizas un proveedor de API personalizado, sigue sus propios requisitos de configuración. Un ID de modelo por sí solo no configura el endpoint ni la autenticación.

¿Cómo migrar una integración de API?

Establece model como gpt-6.2-astra o gpt-6.2-sol. Después, revisa el nivel de razonamiento, las llamadas a herramientas, los parámetros no compatibles y la caché de prompts. La guía oficial de migración a GPT-6.2 documenta estos cambios.

Cambiar el nivel de razonamiento

Para una integración nueva, empieza con medium. Si tu solicitud actual utiliza none o minimal, cambia el valor a low.

El nombre del campo depende del endpoint:

  • Responses API: reasoning.effort
  • Chat Completions: reasoning_effort

Ambos modelos rechazan el nivel de razonamiento none. No conserves ese valor de una configuración anterior.

Para Responses, un cuerpo de solicitud mínimo sería:

{
  "model": "gpt-6.2-sol",
  "reasoning": {
    "effort": "medium"
  },
  "input": "Explain what this function does."
}

Para Chat Completions, utiliza reasoning_effort:

{
  "model": "gpt-6.2-sol",
  "reasoning_effort": "medium"
}

Si tu aplicación utilizaba antes el nivel mínimo de razonamiento, evalúa low en función de la latencia, la calidad de las respuestas y el consumo de tokens.

Enviar una solicitud completa mediante Responses API

El siguiente ejemplo de Bash utiliza tu clave de OpenAI API mediante una variable de entorno. Primero, crea una clave en el panel de OpenAI API. Después, introdúcela cuando el terminal la solicite.

read -rs OPENAI_API_KEY && export OPENAI_API_KEY
response=$(curl -sS https://api.openai.com/v1/responses \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-6.2-sol",
    "reasoning": {
      "effort": "medium"
    },
    "input": "Reply with exactly: GPT-6.2 API is working."
  }')
printf '%s\n' "$response" | jq -e '.status == "completed"' >/dev/null &&
  printf '%s\n' "$response" | jq -r '.output[] | select(.type == "message") | .content[] | select(.type == "output_text") | .text'

La solicitud envía texto mediante v1/responses y utiliza autenticación Bearer. El último comando comprueba que el estado sea completed y extrae el texto de salida del modelo. Si funciona, el terminal debería mostrar la confirmación solicitada.

Este ejemplo se basa en la documentación y no en una prueba ejecutada. Si la solicitud falla, revisa la respuesta HTTP y el cuerpo del error.

Un parámetro rechazado suele indicar que todavía queda algún campo antiguo en la solicitud. Si el modelo no está disponible o la cuenta carece de permisos, comprueba tu organización de API, el acceso al modelo y la facturación. Iniciar sesión correctamente en Codex con una suscripción no demuestra que la facturación ni el acceso a la API estén configurados.

Trasladar las llamadas a herramientas a Responses API

Ambos modelos admiten Responses API y Chat Completions. Sin embargo, las llamadas a herramientas requieren Responses API.

Si tu integración utiliza funciones o herramientas, traslada el flujo de solicitudes a v1/responses. Que Chat Completions sea compatible no significa que ofrezca las mismas funciones de llamada a herramientas.

Para solicitudes básicas sin herramientas, Chat Completions sigue siendo un endpoint compatible. Mantén separados ambos casos en el código para que una futura integración de herramientas no dependa de una ruta no compatible.

Eliminar los parámetros no compatibles

Elimina los campos no compatibles durante la migración:

Tipo de solicitudParámetros que debes eliminar
Chat Completionstemperature, top_p, logprobs, top_logprobs
Responsestemperature, top_p, top_logprobs; elimina message.output_text.logprobs de include

No reutilices una solicitud antigua cambiando únicamente el ID del modelo. Los parámetros no compatibles pueden provocar que la nueva solicitud falle.

Actualizar la configuración de prompt caching

Si migras desde GPT-5.5 o una versión anterior, sustituye prompt_cache_retention por prompt_cache_options.ttl con el valor "30m".

Mantén sin cambios los prefijos de los prompts entre turnos. Añade nuevas instrucciones al final en lugar de editar el contenido anterior de la conversación.

GPT-6.2 puede descartar elementos de razonamiento cuando detecta cambios en el historial de conversación, una degradación del modelo, el usuario final o la organización. Perder esos elementos puede reducir la calidad de las respuestas y hacer que el modelo repita trabajo anterior.

Los prefijos estables también mantienen la entrada anterior como candidata al prompt caching. Esto puede reducir los cargos de entrada repetida y la latencia cuando tu aplicación envía un mismo prompt de sistema o prefijo de conversación.

Comprobar la retención de datos y la residencia

Ambos modelos admiten Zero Data Retention (ZDR) para organizaciones aprobadas, en endpoints y funciones elegibles. Con ZDR activado, Responses API trata store como false.

Ambos modelos admiten residencia de datos en Estados Unidos y la UE con Standard, Fast y Batch. Ultrafast solo admite residencia en Estados Unidos. Antes del despliegue, confirma que tu organización, endpoint y nivel de procesamiento cumplen los requisitos.

¿Qué vía de acceso deberías elegir?

Elige la opción alojada si quieres trabajar directamente en Codex o ChatGPT Work de OpenAI. Utiliza la API si estás desarrollando una aplicación o un agente y necesitas controlar directamente las solicitudes.

Vía de accesoRequisitosCuándo elegirla
ChatGPT WorkPlus, Pro, Business, Enterprise o Edu. Los administradores de Enterprise y Edu deben activar los modelos en la configuración del espacio de trabajo.Cuando quieras utilizar Astra o Sol en el entorno alojado de Work.
CodexUn plan ChatGPT elegible y un cliente de Codex compatible.Cuando quieras utilizar los modelos en la aplicación Codex o en la CLI.
OpenAI APIUna organización de API, una clave de API, facturación de API o créditos de API elegibles y un endpoint compatible.Cuando desarrolles una aplicación o un agente con control directo de la API.
Esperar al reinicio del uso de la suscripciónUna suscripción elegible y acceso disponible al plan después del reinicio.Cuando quieras continuar con Codex o Work sin trasladar el trabajo a la facturación de API.
Pasarela de API de tercerosUna cuenta independiente de la pasarela, su propia clave de API y facturación, y compatibilidad documentada con el modelo y la herramienta elegidos.Cuando necesites otra vía de acceso o pago de API.

ChatGPT Work y Codex tienen diferentes condiciones de disponibilidad según el plan y el cliente. Business está documentado para ChatGPT Work. Antes de planificar el despliegue, consulta la referencia actual de modelos de Codex y los clientes compatibles con tu cuenta.

La disponibilidad de Ultrafast también depende del plan:

  • Pro 500 admite Ultrafast con Astra y Sol.
  • Pro 200 admite Ultrafast con Sol.
  • Los espacios de trabajo Enterprise y Edu elegibles pueden utilizar Ultrafast después de que un administrador lo active.

No des por hecho que Pro 200 incluye Astra Ultrafast. Tanto el modelo como el nivel de procesamiento deben ser elegibles.

Las suscripciones de ChatGPT y la facturación de API son independientes. Una clave de API no concede funciones de suscripción, y una suscripción de ChatGPT no paga automáticamente las solicitudes de API.

Los suscriptores elegibles de Pro y Business pueden reclamar créditos de API independientes como parte de sus beneficios. Se aplican requisitos de activación y de organización. Antes de calcular el presupuesto de una integración de producción, consulta la guía de facturación de OpenAI.

¿Puedes utilizar una pasarela de API de terceros?

Una pasarela es una vía de acceso independiente, no una extensión de tu suscripción de ChatGPT. Antes de cambiar de proveedor, consulta su catálogo de modelos actual y la documentación de configuración de la herramienta.

En el catálogo de BetterToken recuperado el 18 de noviembre de 2026 no aparecían ni gpt-6.2-astra ni gpt-6.2-sol. La misma respuesta incluía gpt-6-astra. Este dato corresponde a una consulta del catálogo en esa fecha y no garantiza la disponibilidad futura. Puedes evaluar el modelo anterior por separado si sus capacidades satisfacen tus requisitos.

Para la integración documentada con Codex, BetterToken utiliza el endpoint compatible con OpenAI https://www.bettertoken.ai/v1 y Responses API. Su guía de configuración especifica model_provider = "bettertoken", wire_api = "responses" y autenticación mediante clave de API en auth.json.

Para utilizar esta vía, crea tu propia cuenta y tu propia clave de API. Consulta las instrucciones para configurar un proveedor personalizado en Codex para completar la configuración.

BetterToken ofrece acceso a la API de pago por uso, no una suscripción a ChatGPT o Codex. Elige esta opción si el modelo que necesitas aparece en el catálogo actual y la configuración documentada del proveedor admite tu flujo de trabajo.

¿Qué debes comprobar antes de cambiar el tráfico de producción?

Realiza una evaluación controlada antes de sustituir el modelo actual de un agente de producción.

Selecciona una tarea representativa de un repositorio y define criterios de aceptación claros. Ejecútala con Sol y Astra usando el mismo commit inicial, prompt, permisos de herramientas, nivel de razonamiento y límites de ejecución. Comprueba si cada modelo produce un parche revisable y supera las mismas pruebas.

Registra estos datos para cada ejecución:

  • Si se completó el cambio solicitado.
  • Si las pruebas generadas cubren los casos de fallo importantes.
  • Cuántas rondas de corrección manual fueron necesarias.
  • El número de tokens de entrada, entrada en caché, escritura de caché y salida.
  • Si la solicitud superó el umbral de contexto largo de 272K.
  • El nivel de procesamiento utilizado y el coste total.

Conserva Sol cuando cumpla tus criterios de aceptación con un coste total menor. Utiliza Astra cuando sus mejoras reduzcan los intentos fallidos, el esfuerzo de revisión o el riesgo de introducir cambios incorrectos.

Comprueba también las rutas de fallo de la migración. Confirma que las solicitudes ya no utilizan none, que las solicitudes con herramientas usan Responses API y que se han eliminado los parámetros no compatibles.

Prueba por separado una solicitud con contexto largo. Cuando la entrada supera los 272K tokens, las tarifas más altas se aplican a toda la solicitud.

En los flujos de trabajo con agentes, conserva un registro visible de los obstáculos. OpenAI afirma que sus evaluaciones detectaron una mayor tendencia de los nuevos modelos a omitir obstáculos en dos pruebas, como un archivo ausente o una herramienta de búsqueda no disponible. OpenAI indica que añadió instrucciones en Codex para reducir estas omisiones y que continúa investigando el comportamiento.

Tu agente debe informar explícitamente de las llamadas a herramientas fallidas y del trabajo incompleto. Una respuesta final convincente no demuestra por sí sola que todas las operaciones se hayan completado.

Para seguir comparando modelos, consulta la comparación de Coding Agent Index v2.1, que explica cómo afecta el nivel de razonamiento a los resultados de los agentes de programación. Si estás eligiendo una interfaz para Codex, también puedes leer la comparación entre Codex CLI, la aplicación de escritorio y la extensión de VS Code.

GPT-6.2 Sol es el primer modelo que conviene evaluar para la programación habitual y los flujos de trabajo con agentes. Astra es la siguiente opción para implementaciones y pruebas complejas. Antes de cambiar el tráfico de producción, verifica la migración de API y compara el coste completo de cada tarea, no solo el precio de los tokens.

¿Quieres optimizar tu flujo de trabajo con LLM?

Conecta modelos mediante una API, gestiona claves y controla el gasto en IA.

Empezar gratis