> ## Documentation Index > Fetch the complete documentation index at: https://docs.tess.im/llms.txt > Use this file to discover all available pages before exploring further. # GPT-6 Sol y Luna > Conoce GPT-6 Sol y GPT-6 Luna para coding, automatización, uso de computadora y trabajo profesional. OpenAI amplió la línea GPT-6 con dos modelos para el trabajo de todos los días: **GPT-6 Sol** y **GPT-6 Luna**. Los dos se entrenaron con métodos similares a los de GPT-6 Astra y llevan ese avance a coding, automatización, uso de computadora y trabajo profesional. Astra sigue siendo el modelo de OpenAI para el trabajo más exigente. Sol cubre tareas profesionales difíciles. Luna es el modelo para alto volumen y tareas enfocadas. | | GPT-6 Sol | GPT-6 Luna | | - | - | - | | ID en la API | `gpt-6-sol` | `gpt-6-luna` | | Papel | Coding y flujos agénticos complejos | Alto volumen y tareas enfocadas | | Contexto / max output | 1,05M / 128K | 1,05M / 128K | | Entrada → salida | Texto + imagen → texto | Texto + imagen → texto | | Knowledge cutoff | 20 abr 2026 | 18 may 2026 | Las tools nativas de OpenAI, como web search, code interpreter, computer use y MCP, entran por la Responses API. ## Qué cambia respecto a GPT-5.6 | | GPT-5.6 Sol | GPT-6 Sol | GPT-5.6 Luna | GPT-6 Luna | | - | - | - | - | - | | Posicionamiento | Flagship de la familia 5.6 | Coding y trabajo profesional | Alto volumen | **Alto volumen, con métodos de la generación Astra** | | Contexto / max output | 1,05M / 128K | 1,05M / 128K | 1,05M / 128K | 1,05M / 128K | OpenAI también llevó a Sol y Luna el estilo de comunicación de Astra: menos jerga, menos detalle de bajo valor y respuestas un poco más cortas, sobre todo en conversaciones técnicas. ## Qué muestran los benchmarks Los números siguientes salen del anuncio de OpenAI. El nivel entre paréntesis es el usado en la medición. | Benchmark | GPT-6 Sol | GPT-6 Luna | Lectura | | - | - | - | - | | AutomationBench 1.0.6 | **33,2%** (xhigh) | +5,4 puntos vs el antecesor (high) | Sol quedó por delante de Astra en low (30,3%) y de Opus 5 en max (26,9%) | | Agents' Last Exam V1 | **56,4%** (max) | no publicado | Por encima de la mejor puntuación publicada de Opus 5 | | DeepSWE v1.1 | **68,8%** (max) | **66,6%** (max) | Sol queda a 1,1 punto de Fable 5 en xhigh (69,9%). Luna se acerca a Opus 5 y Fable 5 en medium | | OSWorld 2.0 offline | **60,5%** (xhigh) | sin puntuación absoluta | Sol empata con Opus 5 en medium (60,3%). Luna en max supera a GPT-5.6 Sol en medium | | FrontierCode 1.1 | sin puntuación absoluta | no publicado | Sol se acerca a Fable 5.1 en xhigh | En la evaluación interna de factualidad de OpenAI, Sol se equivoca cerca de la mitad de lo que se equivocaba su antecesor. Luna, en los niveles más altos, se acerca a GPT-5.6 Sol. > [!NOTE] > > Estos resultados fueron publicados por OpenAI y dependen del harness, las tools y el nivel usado en la medición. La comparación con Fable 5.1 en AutomationBench no incluye el fallback a Opus 5, que ocurrió en cerca del 40% de las tareas. Valida el modelo en tu propio flujo antes de cambiar una configuración en producción. ### Dónde Astra sigue adelante Sol y Luna no sustituyen a Astra en el trabajo más difícil. OpenAI mantiene a Astra como el mejor modelo de la familia, incluso en uso de computadora. Usa Sol o Luna cuando Astra es más de lo que la tarea necesita. ## Dónde cada uno genera más valor ### Sol, cuando la tarea es difícil y todavía va a iterar Coding de varios archivos, automatización entre aplicaciones y análisis profesional que el equipo va a revisar y ajustar. **Resultado esperado:** un cambio o un análisis revisable, con una verificación explícita de lo que se comprobó. ### Luna, cuando el volumen es el problema Clasificación, extracción, triaje y agentes que repiten el mismo tipo de tarea todo el día. En los niveles más altos, OpenAI posiciona a Luna cerca de modelos más grandes en coding y uso de computadora. **Resultado esperado:** la misma operación, a escala. ### Cache, cuando el agente reutiliza el mismo contexto Las sesiones largas y los agentes que reenvían instrucciones, archivos e historial reaprovechan más el prefijo. Se pueden cambiar las tools a mitad de la conversación sin perder lo ya procesado. **Resultado esperado:** respuestas más rápidas en sesiones que repiten el mismo contexto. ## Cómo aplicarlo en Tess **1. Elige el modelo según el trabajo** Luna para volumen y tareas enfocadas. Sol para coding y flujos profesionales difíciles. Astra cuando la calidad de Sol todavía no cierra el entregable. **2. Entrega contexto y limita las tools** Adjunta solo el material necesario y habilita las herramientas que la tarea realmente usa. Pide confirmación antes de publicar, enviar o cambiar producción. **3. Pide la verificación antes de concluir** Indica al agente que compruebe tests, fuentes y números, y que diga lo que no verificó. ## Dos playbooks para empezar ### 1. Un cambio de código con Sol **Entrada:** repositorio, comportamiento esperado y comandos de test. ```text theme={null} Localiza el flujo responsable, explica la causa antes de editar y haz el cambio más pequeño que resuelva el problema. Ejecuta los tests relevantes y concluye solo con el diff, los tests ejecutados y lo que quedó sin cobertura. ``` **Listo cuando:** el cambio está en el repositorio y los tests relevantes pasan. ### 2. Triaje de alto volumen con Luna **Entrada:** una cola de ítems, el criterio de clasificación y el formato de salida. ```text theme={null} Clasifica cada ítem con el criterio informado. Devuelve solo la etiqueta, la confianza y el fragmento que sostiene la decisión. No reescribas el ítem y no inventes un campo ausente: márcalo como inconcluso. ``` **Listo cuando:** cada ítem tiene una etiqueta rastreable y los casos ambiguos quedan separados para revisión humana. ## Limitaciones * Un contexto de 1,05M tokens no sustituye la selección. Envía solo el material relevante. * Las tools nativas de OpenAI entran por la Responses API. * Sol y Luna todavía no están en el Chat de OpenAI. En la API, los IDs son `gpt-6-sol` y `gpt-6-luna`. * Revisa código, números y citas antes de publicar. Mantén aprobación humana en acciones irreversibles. Ver también: [Modelos y Costos](/es/models-and-cost) · [GPT-6 Astra](/es/gpt-6-astra) · [Introducing GPT-6 Sol and Luna](https://openai.com/index/introducing-gpt-6-sol-and-luna/) · [GPT-6 Sol](https://developers.openai.com/api/docs/models/gpt-6-sol) · [GPT-6 Luna](https://developers.openai.com/api/docs/models/gpt-6-luna). This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.