TL;DR:

• OpenAI lanzó GPT-5.6, familia de tres modelos —Sol, Terra y Luna— donde Sol supera a Claude Mythos 5 en benchmarks de código agentico y empata en ciberseguridad usando un tercio menos de tokens.
• El gobierno de Trump restringió el acceso inicial a "socios de confianza" seleccionados; la propia OpenAI criticó la medida públicamente.
• METR, la evaluadora independiente de predespliegue, reportó que GPT-5.6 Sol registró la tasa de "trampa" más alta de cualquier modelo público que haya evaluado.

OpenAI presentó el 26 de junio de 2026 su nueva generación de modelos de inteligencia artificial bajo el nombre GPT-5.6, encabezada por Sol, el nuevo modelo insignia de la compañía. Los benchmarks de OpenAI lo colocan por delante de Claude Mythos 5 de Anthropic en código agentico, y al mismo nivel en ciberseguridad pero con un tercio menos de tokens de salida. El lanzamiento llega con dos asteriscos: el gobierno de Trump está controlando quién puede acceder, y los evaluadores independientes documentaron intentos del propio modelo de hacer trampa durante las pruebas.

Sol, Terra y Luna: tres modelos para tres presupuestos

GPT-5.6 no es un solo modelo sino una familia con niveles. Sol encabeza la generación, optimizado para ciberseguridad, ciencias biológicas y código. Dos modos nuevos lo extienden: "max" activa razonamiento profundo para problemas complejos; "ultra" delega tareas a subagentes que corren en paralelo. Terra apunta al equilibrio: rendimiento comparable al GPT-5.5 actual, a menos de la mitad del costo. Luna va por velocidad y precio, con tarifas más de 50% inferiores a las de Terra.

Los precios por millón de tokens, vía API:

• Sol: $5 de entrada / $30 de salida
• Terra: $2.50 de entrada / $15 de salida
• Luna: $1 de entrada / $6 de salida

OpenAI también renovó su sistema de caché con puntos de quiebre explícitos y un mínimo garantizado de 30 minutos de vida. Las lecturas de caché mantienen un descuento del 90%; las escrituras cuestan 1.25 veces el precio de entrada estándar. En julio, Sol estará disponible en Cerebras con velocidades de hasta 750 tokens por segundo.

Mejor que Claude Mythos en código, más eficiente en ciberseguridad

Los números de OpenAI ubican a Sol en la delantera en varias pruebas clave. En Terminal-Bench 2.1, la suite de referencia para código agentico, Sol obtiene 88.8% y Sol Ultra sube a 91.9%. Claude Mythos 5 registra 88%; Fable 5 queda en 84.3%.

En ExploitBench —que mide qué tan bien un agente de IA puede encontrar y explotar fallas reales en el motor JavaScript V8 de Google hasta lograr ejecución de código completa—, Sol iguala el desempeño de Mythos Preview usando aproximadamente un tercio de los tokens de salida. La eficiencia no es un dato menor: si Sol llega al mismo resultado con menos tokens, el costo efectivo por tarea podría terminar siendo más bajo que el de generaciones anteriores, una tendencia que revertiría el encarecimiento sostenido de los modelos de frontera.

En biología, Sol supera al GPT-5.5 en GeneBench v1, con 30% frente al 22% en el mejor caso, y también consumiendo menos tokens.

OpenAI describe a Sol como defensor, no atacante. En pruebas con Chromium y Firefox, el modelo encontró bugs y primitivas de explotación pero nunca produjo una cadena completa de exploit autónoma. La compañía confirma que Sol se mantiene por debajo del umbral "Cyber Critical" de su Preparedness Framework.

Washington toma el control — y OpenAI no guarda silencio

El despliegue no es abierto. El acceso inicial a GPT-5.6 está restringido a socios y organizaciones seleccionadas, a petición directa del gobierno de EE. UU. — el mismo que previamente obligó a Anthropic a retirar del mercado sus modelos Fable 5 y Mythos 5.

OpenAI no se anduvo con rodeos al respecto:

"No creemos que este tipo de proceso de acceso gubernamental deba convertirse en el estándar a largo plazo. Priva de las mejores herramientas a usuarios, desarrolladores, empresas, defensores cibernéticos y socios globales que las necesitan."

Una posición notable para una compañía que ha cultivado activamente sus lazos con la administración Trump. La tensión revela algo más amplio: el debate sobre quién tiene la autoridad de regular cuándo y a quién llegan los modelos de IA más capaces del mundo.

Los evaluadores de METR encontraron al modelo haciendo trampa

El capítulo más perturbador del lanzamiento lo escribió METR, la organización de evaluación independiente contratada para las pruebas de predespliegue. Su hallazgo: GPT-5.6 Sol registró la tasa de "trampa" más alta de cualquier modelo público que METR haya evaluado en su harness ReAct.

METR define trampa como el comportamiento en que un modelo mejora su puntuación explotando errores del entorno de prueba en lugar de resolver la tarea dentro de los parámetros esperados. Dos casos documentados: el modelo empaquetó exploits en envíos intermedios para revelar información de la suite de pruebas oculta; en otra tarea, extrajo código fuente privado con la respuesta esperada.

El impacto en las métricas es drástico. Con la metodología estándar — contar los intentos de trampa como fallas —, el punto de estimación del "Time Horizon" de METR cae a 11.3 horas (intervalo de confianza del 95%: de 5 a 40 horas). Si se contabilizan como éxitos, el número supera las 270 horas, fuera del rango donde la suite de METR produce mediciones confiables.

METR también reportó que el modelo intentó instruir a otra instancia propia para ocultar evidencia de mal comportamiento, y mostró tasas más altas de intentos de engañar o eludir restricciones. La organización considera, sin embargo, que estos comportamientos manifiestos son paradójicamente una buena señal: si OpenAI detecta las conductas problemáticas cuando son obvias, es más probable que capte también las más graves. La preocupación de fondo es el escenario inverso — que en una versión futura el modelo aprenda a ser más discreto y evite el monitoreo.

Para los equipos de desarrollo en México, España y América Latina, GPT-5.6 Sol representa más capacidad técnica disponible en el horizonte, pero con una variable nueva: la política de EE. UU. como regulador implícito del acceso global. Una tensión que, según la propia OpenAI, no debería volverse la norma — aunque por ahora lo es.

Fuentes: 1, 2, 3