Elegir entre los modelos de ChatGPT en 2026 se ha vuelto bastante más complicado que hace unos años. Ya no tenemos simplemente una versión nueva que sustituye a la anterior. Ahora aparecen nombres como Sol, Luna, Terra o Astra, diferentes niveles de razonamiento y, además, modelos distintos dependiendo de si estamos utilizando Chat, Work o Codex.
El problema es que una persona puede entrar en ChatGPT buscando una respuesta sencilla y encontrarse con Instant, Media, Alta, Pro, Sol o Astra sin tener demasiado claro qué cambia realmente. Tampoco ayuda que OpenAI esté actualizando su catálogo con mucha frecuencia y que algunos modelos lleguen de forma progresiva según el plan o el tipo de cuenta.
En esta guía voy a ordenar el panorama de ChatGPT a fecha de octubre de 2026. La idea no es comparar benchmarks por comparar, sino entender qué modelo tiene sentido para una pregunta cotidiana, cuál conviene para trabajar, cuándo merece la pena activar más razonamiento y en qué situaciones tiene sentido utilizar Astra.
La primera idea importante es que ChatGPT ya no tiene un único catálogo de modelos idéntico en todas partes. OpenAI diferencia entre la experiencia conversacional de Chat, el entorno de trabajo más autónomo de Work y Codex, orientado principalmente al desarrollo de software y tareas técnicas.
Esto significa que dos usuarios pueden hablar de “Sol” y estar utilizando versiones diferentes. En Chat, el modelo principal de los planes de pago es actualmente GPT-5.6 Sol. En Work y Codex ya aparecen modelos de la familia GPT-6, entre ellos GPT-6.1 Sol, GPT-6 Sol y GPT-6 Luna, mientras GPT-6 Astra ocupa la parte más alta de capacidad.
La disponibilidad concreta depende del plan, de la configuración de cada espacio de trabajo y del despliegue progresivo de OpenAI. Por eso es normal que dos cuentas no muestren exactamente las mismas opciones el mismo día.
Si eliminamos parte del ruido, actualmente hay cinco nombres que ayudan a entender casi toda la gama.
A esto se suma GPT-6.1 Sol, que tiene especial importancia en Work y Codex porque se acerca al rendimiento de Astra en muchos trabajos complejos con un consumo inferior.
Una interpretación demasiado sencilla sería pensar que Luna es malo, Terra es normal, Sol es bueno y Astra es excelente. La realidad es bastante más interesante.
OpenAI está segmentando sus modelos según una combinación de inteligencia, velocidad, coste computacional y tipo de trabajo. Un modelo pequeño puede ser mucho más adecuado para clasificar miles de elementos que otro mucho más potente. Del mismo modo, utilizar Astra para corregir una frase de tres líneas sería desaprovechar capacidad.
GPT-5.6 Luna es actualmente el modelo que impulsa la experiencia predeterminada de ChatGPT para usuarios Free y Go. OpenAI lo define como la alternativa más rápida y eficiente de la familia GPT-5.6.
Eso no significa que solo sirva para preguntas básicas. Luna puede buscar información, analizar archivos, trabajar con imágenes y resolver muchas consultas habituales. Los usuarios de los planes gratuitos también pueden activar la función Pensar para dedicar más razonamiento a problemas difíciles.
En entornos profesionales, el perfil Luna resulta especialmente interesante para tareas repetitivas, extracción de información, clasificación de datos, modificaciones pequeñas o trabajos donde prima la velocidad.
Terra ocupa una posición entre Luna y Sol. OpenAI lo plantea como un equilibrio entre capacidad, velocidad y coste para el trabajo cotidiano.
No es el modelo protagonista del Chat convencional, aunque puede aparecer en Work, Codex y otros entornos. Tiene sentido cuando necesitamos algo más de capacidad que Luna pero tampoco queremos dedicar los recursos de Sol o Astra a cada operación.
Puede encajar bien en análisis rutinarios, redacción de informes sencillos, procesamiento documental, transformaciones de contenido o tareas empresariales repetibles.
Sol es probablemente el nombre que más usuarios profesionales necesitan entender. GPT-5.6 Sol está diseñado para programación, investigación, trabajo del conocimiento, ciencia, análisis y tareas profesionales complejas.
En ChatGPT, los planes de pago compatibles utilizan GPT-5.6 Sol en diferentes niveles de razonamiento. Esto permite mantener el mismo modelo y decidir cuánto esfuerzo debe dedicar a cada pregunta.
Para una gran parte del trabajo profesional diario, Sol ofrece el equilibrio más interesante. Redacción, análisis, investigación, estrategia, interpretación de documentos, programación, marketing, planificación o explicación de conceptos complejos entran perfectamente dentro de su terreno.
Sol Pro lleva esa misma familia hacia tareas de mayor exigencia. OpenAI lo plantea para problemas difíciles y flujos de trabajo largos donde merece la pena dedicar más recursos a encontrar una respuesta.
La diferencia resulta importante porque Pro no debería entenderse como el modo que hay que utilizar para absolutamente todo. Tiene sentido cuando el coste de equivocarse es mayor, el problema tiene muchas variables o una respuesta superficial resulta insuficiente.
Analizar una situación empresarial compleja, revisar una arquitectura técnica, estudiar una gran cantidad de documentación o resolver un problema científico complicado son escenarios donde puede aportar más valor.
Astra representa actualmente el techo de capacidad de OpenAI. La compañía lo orienta especialmente a uso de ordenadores, navegación web, ingeniería de software, investigación, ciencia, ciberseguridad y trabajo profesional complejo.
También está especialmente preparado para tareas de varios pasos. Puede trabajar con información, utilizar herramientas, navegar por aplicaciones, organizar materiales y generar documentos, hojas de cálculo o presentaciones.
En el Chat convencional podemos encontrarlo bajo la denominación GPT-6 Pro en los planes compatibles. En Work y Codex aparece asociado directamente a GPT-6 Astra.
Esta diferencia de nombres provoca bastante confusión. GPT-6 Pro en Chat está impulsado por Astra. Astra es el modelo subyacente, mientras que GPT-6 Pro es la opción que el usuario encuentra dentro de determinadas experiencias y planes de ChatGPT.
En Work aparece otra pieza importante, GPT-6.1 Sol. OpenAI lo presenta como un modelo capaz de aproximarse al rendimiento de Astra en trabajos complejos manteniendo un coste y consumo inferiores.
Esto lo convierte en una opción especialmente interesante para profesionales. No siempre necesitamos utilizar el modelo más potente disponible. Muchas veces necesitamos un modelo suficientemente potente para terminar correctamente un trabajo y suficientemente eficiente para poder utilizarlo durante toda la jornada.
Astra mantiene un techo de capacidad superior, especialmente cuando el trabajo exige mucho razonamiento, investigación, uso del ordenador o resolución de situaciones desconocidas.
GPT-6.1 Sol intenta reducir esa distancia. Está diseñado para programación compleja, uso del ordenador y trabajo profesional, ofreciendo lo que OpenAI describe como un rendimiento cercano a Astra con menor coste.
Para informes, análisis de documentos, investigación profesional, preparación de presentaciones, tareas empresariales o flujos con varias aplicaciones, GPT-6.1 Sol puede convertirse en el modelo lógico por defecto dentro de Work cuando está disponible.
El selector de Work y Codex también puede mostrar GPT-6 Sol y GPT-6 Luna. GPT-6.1 Sol es una evolución posterior de Sol y está siendo desplegado progresivamente, por lo que la combinación exacta de modelos todavía puede variar según la cuenta.
También pueden mantenerse modelos de la familia GPT-5.6 en determinados espacios de trabajo durante la transición. Por este motivo conviene fijarse más en la función de cada modelo que en memorizar una lista cerrada que probablemente vuelva a cambiar.
La forma más sencilla de ordenar todas estas opciones es relacionarlas con el tipo de tarea.
| Modelo | Perfil | Usos recomendados |
|---|---|---|
| Luna | Rápido y eficiente | Preguntas cotidianas, clasificación, extracción, pequeñas ediciones y tareas repetitivas |
| Terra | Equilibrio para trabajo cotidiano | Informes sencillos, análisis documental, redacción y procesos empresariales rutinarios |
| Sol | Alta capacidad y buena eficiencia | Investigación, estrategia, análisis, programación, contenidos y trabajo profesional |
| GPT-6.1 Sol | Trabajo profesional avanzado | Work, tareas multietapa, investigación, ordenador, archivos, análisis y entregables |
| Sol Pro | Mayor computación dentro de Sol | Problemas muy difíciles, análisis profundos y flujos de larga duración |
| Astra / GPT-6 Pro | Máxima capacidad | Investigación compleja, desarrollo avanzado, uso del ordenador, problemas nuevos y trabajo profesional crítico |
Aquí aparece otro de los cambios que más confusión provoca. Elegir Sol o Astra determina qué modelo estamos utilizando. Elegir Instant, Media, Alta o Muy alta determina cuánto razonamiento dejamos que ese modelo dedique a la tarea.
Son dos decisiones distintas.
Un modelo más potente con un nivel de razonamiento moderado puede superar a otro modelo inferior utilizando un razonamiento mayor. La propia documentación de OpenAI utiliza un ejemplo muy significativo: Astra con esfuerzo Bajo puede superar a Sol con esfuerzo Alto en determinadas tareas.
Instant está pensado para responder con rapidez. Es adecuado para dudas cotidianas, explicaciones sencillas, pequeñas correcciones, lluvia de ideas, búsquedas rápidas o conversaciones donde no necesitamos resolver un problema especialmente complejo.
En los planes de pago compatibles, Instant utiliza GPT-5.6 Sol. En Free y Go, la experiencia se basa en GPT-5.6 Luna.
Media suele ser una elección muy razonable cuando necesitamos analizar algo con más profundidad sin entrar todavía en el máximo nivel de razonamiento.
Es especialmente útil para análisis, investigación, planificación, comparación de alternativas, programación, estrategia o problemas profesionales con varias variables.
También resulta un buen punto de partida en Work. Utilizar un modelo potente con razonamiento Medio suele ofrecer una relación muy buena entre calidad, velocidad y consumo.
Los niveles superiores tienen sentido cuando el problema realmente necesita más análisis. Matemáticas, programación compleja, investigación extensa, planificación con muchas restricciones o decisiones apoyadas en documentación amplia son ejemplos razonables.
Aumentar el razonamiento no garantiza automáticamente una respuesta mejor. Si falta información, archivos, contexto o permisos, hacer que el modelo piense durante más tiempo no va a solucionar ese problema.
Esta idea es especialmente importante. Muchas respuestas flojas no necesitan un modelo superior. Necesitan mejores instrucciones.
Para el usuario habitual, la elección puede simplificarse bastante.
Los usuarios de Free y Go trabajan principalmente con GPT-5.6 Luna. Para una pregunta más complicada pueden activar Pensar, que permite dedicar más razonamiento al problema manteniendo Luna como modelo.
Los usuarios de planes de pago compatibles utilizan GPT-5.6 Sol como modelo principal. En este caso podemos ajustar el nivel de razonamiento según la dificultad.
Una gran parte de las consultas no necesita razonamiento extendido. Preguntas generales, explicaciones, escritura, traducción, ideas, revisión de textos o consultas rápidas funcionan perfectamente con Instant.
Utilizar siempre el nivel máximo puede ralentizar el trabajo sin aportar una mejora proporcional.
Cuando la petición cambia de “dime algo” a “analiza esto”, merece la pena aumentar el razonamiento.
Comparar estrategias, revisar un contrato, interpretar datos, estudiar documentación, preparar una estrategia de marketing o analizar un problema técnico son ejemplos donde Media o Alta pueden aportar bastante.
Los planes compatibles pueden acceder a GPT-6 Pro, impulsado por Astra. Tiene sentido cuando queremos elevar el techo de capacidad ante un problema especialmente complicado.
No debería convertirse automáticamente en el modelo para contestar cualquier pregunta. Su valor aparece cuando la complejidad justifica utilizarlo.
La elección cambia cuando pasamos de conversar a ejecutar un trabajo. En mi artículo sobre las diferencias entre Chat y Work explico con más detalle cuándo tiene sentido utilizar cada entorno.
Work está pensado para tareas más largas, varios pasos, archivos, aplicaciones conectadas y entregables terminados. Aquí la inteligencia del modelo tiene más impacto porque no estamos valorando únicamente una respuesta, sino todo un proceso.
Cuando GPT-6.1 Sol está disponible, tiene mucho sentido utilizarlo como opción de referencia para una gran parte de las tareas profesionales.
Puede trabajar con archivos, preparar informes, investigar, analizar información, usar herramientas, realizar tareas con ordenador y desarrollar trabajos con múltiples pasos sin pagar siempre el coste de utilizar Astra.
Un nivel de razonamiento Medio puede ser suficiente para una gran parte de esos encargos.
Astra cobra sentido cuando el trabajo reúne varios factores de dificultad. Muchas fuentes, información contradictoria, herramientas diferentes, decisiones complejas, investigación profunda o un entregable donde necesitamos maximizar la calidad.
También destaca especialmente cuando Work tiene que interactuar con aplicaciones y navegar por interfaces. OpenAI ha entrenado Astra específicamente para uso del ordenador y trabajo profesional.
En estos escenarios empezar con Astra en nivel Medio suele ser una estrategia razonable. Podemos aumentar el razonamiento únicamente cuando la dificultad lo justifique.
No todo lo que hacemos en Work necesita inteligencia máxima. Extraer datos de cientos de registros, clasificar elementos, modificar pequeños fragmentos o aplicar cambios repetitivos puede resolverse con modelos más eficientes.
Ahí aparece el valor de Luna. Ahorrar recursos en las tareas sencillas permite reservar modelos más potentes para los momentos en los que realmente aportan diferencia.
Para escribir artículos, publicaciones, correos, documentación o materiales de comunicación, GPT-5.6 Sol ofrece capacidad más que suficiente en la mayoría de casos.
La calidad de un contenido depende mucho más del contexto, las instrucciones, las fuentes y la revisión que de utilizar automáticamente el modelo más potente disponible.
Sol funciona bien para estructurar información, adaptar tono, reescribir, desarrollar ideas o trabajar textos largos. Media puede resultar útil cuando el contenido exige investigación o una estructura compleja.
En contenidos profesionales también interesa proporcionar ejemplos anteriores para que el modelo comprenda el estilo. Una buena referencia editorial suele aportar más que subir directamente al nivel máximo de razonamiento.
El escenario cambia cuando el artículo requiere revisar documentación, comparar fuentes, estudiar contenidos previos, analizar una web y después preparar una pieza completa.
Ahí Work tiene más sentido porque el encargo ya no consiste únicamente en escribir. Existe una fase de investigación, una fase de análisis y una fase de producción.
Esta separación también resulta importante en SEO. El modelo puede ayudar con el contenido, aunque antes conviene entender intención de búsqueda, arquitectura y relación con el resto de páginas. Como consultor SEO, cada vez utilizo más la inteligencia artificial como una capa de apoyo dentro del proceso y menos como un simple generador de textos.
La investigación es uno de los casos donde más se nota la diferencia entre modelos. No basta con redactar bien. Hay que buscar información, distinguir fuentes fiables, comparar datos, detectar contradicciones y construir una respuesta coherente.
Sol con razonamiento Medio o Alto puede resolver mucha investigación convencional. Astra gana interés cuando la investigación es especialmente compleja o cuando Work debe realizar un proceso largo y autónomo.
Modelo y búsqueda también son conceptos diferentes. ChatGPT puede consultar información actualizada cuando la tarea lo necesita. En mi guía sobre cómo busca ChatGPT en internet explico con más detalle cómo funciona esta parte.
Un modelo potente puede razonar mejor sobre las fuentes, pero necesita disponer de fuentes correctas. Del mismo modo, una búsqueda excelente pierde valor si después la información se interpreta mal.
Los mejores resultados aparecen cuando combinamos buen modelo, búsqueda actualizada, fuentes fiables y una instrucción clara.
Marketing y SEO mezclan tareas extremadamente diferentes. Podemos pasar de corregir una frase a analizar una caída de tráfico, comparar campañas, preparar una estrategia anual o estudiar cientos de consultas de Search Console.
GPT-5.6 Sol resulta perfectamente adecuado para copies, planificación, análisis de métricas, interpretación de datos, preparación de contenidos, segmentación de audiencias o investigación.
Cuando el análisis es más complejo podemos aumentar el razonamiento sin necesidad de cambiar de modelo.
Si la tarea consiste en cruzar documentos, Search Console, Analytics, campañas, información de cliente y datos históricos para preparar un informe, entramos claramente en terreno de Work.
GPT-6.1 Sol ofrece un equilibrio muy interesante para ese trabajo porque puede mantener un flujo más largo y utilizar herramientas sin recurrir siempre al modelo más caro.
Una auditoría compleja puede incluir datos contradictorios, cambios de mercado, decenas de páginas, información técnica y objetivos comerciales distintos. En ese escenario Astra puede aportar valor adicional.
También puede ser interesante cuando estamos trabajando cuestiones relacionadas con visibilidad en inteligencia artificial, donde SEO, reputación, contenidos, entidades y fuentes externas empiezan a mezclarse. Ese trabajo forma parte de lo que desarrollo actualmente como agencia GEO.
La programación tiene su propio entorno dentro de ChatGPT, Codex. Aquí encontramos una lógica parecida a Work, aunque especializada en desarrollo de software y trabajo técnico.
GPT-6.1 Sol está especialmente preparado para programación agentiva y tareas donde el modelo debe mantener contexto, modificar archivos, utilizar herramientas y comprobar resultados.
Astra aumenta el techo cuando el problema es realmente complicado, por ejemplo depuración difícil, arquitecturas desconocidas, problemas de seguridad, grandes repositorios o situaciones donde hay que investigar antes de modificar código.
Luna o Terra pueden seguir teniendo sentido en modificaciones sencillas y repetitivas.
La evolución de ChatGPT está llevando hacia una idea que en informática lleva décadas funcionando. La herramienta correcta depende del trabajo.
Utilizar siempre Astra sería parecido a utilizar una estación de trabajo de máxima potencia para escribir una nota. Puede hacerlo perfectamente, pero no existe una ventaja proporcional.
OpenAI utiliza sistemas de cupos diferentes según el modelo y el producto. Astra consume la asignación de Work y Codex más rápidamente que Sol o Luna.
El consumo tampoco depende únicamente del número de mensajes. Influyen el tamaño de los archivos, la longitud de entrada y salida, el nivel de razonamiento, el número de pasos y las herramientas utilizadas.
Por eso tiene más sentido optimizar por tarea terminada que por modelo utilizado.
Una instrucción incompleta seguirá siendo incompleta aunque utilicemos Astra. Si queremos analizar una campaña y el modelo no tiene acceso a los datos, aumentar el razonamiento no inventará esos datos correctamente.
Definir objetivo, contexto, fuentes, restricciones y formato esperado sigue siendo una parte fundamental del trabajo con inteligencia artificial.
Si algunos de estos conceptos resultan demasiado técnicos, tengo también un glosario de Inteligencia Artificial donde explico la terminología básica de forma más sencilla.
Después de toda esta nomenclatura podemos reducir la decisión a una lógica bastante sencilla.
Esta regla evita una parte importante de la confusión. Primero elegimos la herramienta según la tarea. Después decidimos cuánto razonamiento necesita.
Hace menos de un año la conversación giraba alrededor de GPT-5.1 y GPT-5.2. En mi anterior comparativa entre GPT-5.2 y GPT-5.1 ya aparecía una tendencia clara. Los modelos estaban dejando de evolucionar únicamente por la calidad de la respuesta para mejorar también en ejecución, herramientas, contexto y trabajos de varios pasos.
La llegada de las familias Sol, Terra y Luna, seguida por GPT-6 Astra y GPT-6.1 Sol, consolida esa dirección.
ChatGPT está pasando de ser una interfaz donde preguntamos cosas a convertirse en un sistema donde seleccionamos diferentes niveles de inteligencia para diferentes tipos de trabajo.
La misma lógica se está trasladando al producto. Chat se centra en conversar y resolver cuestiones. Work está preparado para ejecutar tareas profesionales más largas. Codex se especializa en programación.
Dentro de cada entorno podemos elegir el nivel de inteligencia y razonamiento adecuado. Por eso cada vez tiene menos sentido preguntar simplemente cuál es “el mejor ChatGPT”.
La pregunta correcta es qué combinación de entorno, modelo y razonamiento resuelve mejor el trabajo que tenemos delante.
Mi impresión es que OpenAI está acertando al separar velocidad, inteligencia y esfuerzo de razonamiento, aunque para el usuario normal la nomenclatura se ha vuelto bastante confusa.
Durante mucho tiempo elegir modelo consistía básicamente en utilizar la versión más reciente. En 2026 esa lógica empieza a quedarse corta. Luna, Terra, Sol y Astra responden a necesidades distintas y el nivel de razonamiento añade una segunda capa a la decisión.
En mi uso profesional, Sol me parece el punto lógico para la mayoría del trabajo conversacional. Tiene capacidad de sobra para analizar, investigar, redactar y trabajar cuestiones complejas sin necesidad de recurrir continuamente al modelo más potente.
En Work la situación cambia. Cuando estoy trabajando con datos, diferentes fuentes, archivos, aplicaciones y un entregable final, modelos como GPT-6.1 Sol o Astra tienen mucho más sentido. Para trabajos importantes, Astra en razonamiento Medio ofrece un equilibrio especialmente interesante. Utilizaría niveles superiores únicamente cuando el problema realmente lo necesite.
También creo que esta evolución cambia la forma en la que debemos aprender a usar inteligencia artificial. Saber escribir prompts seguirá ayudando, aunque cada vez será más importante saber dividir problemas, seleccionar fuentes, elegir herramientas y decidir cuánto nivel de inteligencia merece cada tarea.
Ese cambio conecta directamente con la evolución que estamos viendo en marketing digital, SEO y GEO. Las herramientas son cada vez más capaces, pero el valor profesional sigue estando en saber qué problema estamos intentando resolver y cómo convertir toda esa capacidad en un resultado útil.
Si quieres conocer mi trabajo o consultar opiniones de clientes, puedes encontrarme en Google Maps.
Para preparar esta guía he revisado documentación oficial de OpenAI actualizada a octubre de 2026 sobre GPT-5.6, GPT-6 Astra, GPT-6.1 Sol, ChatGPT Work, Codex, niveles de razonamiento y disponibilidad de modelos.
Mi experiencia con ChatGPT Work local y Work Cloud: diferencias de archivos, navegador, autonomía y contexto en proyectos de SEO,… Leer más
Leave a Comment