Resumen ejecutivo — TL;DR / BLUF
- Sol High es la ruta de descubrimiento. Usalo cuando todavia no sabes cual es el camino, el subsistema responsable o la causa de la falla. Dale una meta de evidencia y una condicion de salida.
- Terra Medium es la ruta de ejecucion. Usalo cuando la decision ya esta tomada y el trabajo tiene archivos, limites, comportamiento esperado y gates de aceptacion.
- Luna es la ruta de procesamiento. Usalo para tareas estrechas, repetibles y de alto volumen que un schema, prueba determinista o auditoria por muestra pueda verificar.
- Max es una escalada diagnosticada. En DeepSWE, el salto observado desde High fue modesto frente a un costo estimado por tarea unas 2.4 veces mayor, con intervalos de confianza que se superponen ligeramente.
- Fast y Ultra son controles distintos. Fast no esta documentado actualmente para GPT-5.6. Ultra coordina varios agentes; no es otro nivel de razonamiento.
- Nota de uso actual: la restriccion de cinco horas para Codex y ChatGPT Work esta suspendida temporalmente para Plus, Business y Pro, aunque siguen los limites semanales. OpenAI dice que revirtio los “juice values” internos reducidos que estaba probando.
BLUF: no elijas el modelo por prestigio. Elige segun la incertidumbre del trabajo y el costo de demostrar que el resultado es correcto.
El ruteo es un problema de contratos de finalizacion
Sol, Terra y Luna no son solamente tres escalones de “mas potente” a “mas barato”. Cada uno funciona mejor con una definicion de terminado diferente. Sol necesita una frontera de investigacion. Terra necesita una especificacion. Luna necesita un validador.
| Modelo | Trabajo | Contrato de finalizacion | Falla a prevenir |
|---|---|---|---|
| Sol | Descubrir | Pregunta, meta de evidencia, limites protegidos y condicion de parada | Seguir despues de encontrar la respuesta o ampliar el alcance sin evidencia |
| Terra | Ejecutar | Plan aprobado, archivos nombrados, gates y pruebas requeridas | Tratar incertidumbre pendiente como si fuera un detalle de implementacion |
| Luna | Procesar | Schema exacto, ejemplos, validador determinista y regla de reintento | Permitir que un error barato y silencioso se propague por el pipeline |
La guia actual de modelos de OpenAI presenta una jerarquia de capacidad y costo parecida. Para un sistema agentico, el paso importante es convertirla en una arquitectura de contratos y verificadores.
Lo que cambio despues de una semana de uso
Probamos las tres rutas en investigacion, evaluaciones, sitios y herramientas. Fue observacion operativa, no un benchmark controlado; por eso estas son notas de campo y no un ranking universal.
Sol rindio mejor cuando el trabajo tenia que descubrir su propia ruta. Sostuvo investigaciones largas y encontro errores importantes que un pase mas estrecho podia perder. Su falla caracteristica fue la persistencia sin salida: podia seguir explorando aun despues de tener la respuesta util. La mejora fue definir evidencia requerida, limites protegidos y una regla clara para parar.
Terra rindio mejor cuando el contrato de aceptacion ya estaba escrito. Con un alcance acotado produjo hallazgos adversariales concretos y decisiones limpias de aprobar o detener. Cuando todavia habia descubrimiento escondido, el supuesto trabajo de ejecucion habia sido ruteado demasiado pronto.
Luna fue consistente cuando el borde de salida se podia verificar por maquina. JSON con schema exacto, extraccion, metadata y tareas parecidas llegaron repetidamente con la forma pedida. Algunas corridas necesitaron un recordatorio explicito de cierre. El sistema de control no era solamente el modelo: era el modelo mas el schema y el validador.
Router de referencia para agentes de codigo
def rutear(tarea):
if tarea.incierta or tarea.cruza_subsistemas:
return ("Sol", "high", "evidencia + condicion de salida")
if tarea.especificada and tarea.acotada:
return ("Terra", "medium", "gates de aceptacion")
if tarea.repetible and tarea.barata_de_verificar:
return ("Luna", "minimo suficiente", "schema + validador")
return ("Sol", "high", "evidencia + condicion de salida")El fallback a Sol High es intencional. Si una tarea no esta acotada y tampoco es barata de verificar, probablemente todavia contiene trabajo de descubrimiento. Conviene resolver esa incertidumbre antes de pagarle a un ejecutor para adivinar.
Primero limita el router a la superficie real
Una politica no puede seleccionar un modelo que el producto actual no expone. “GPT-5.6” ofrece controles distintos en ChatGPT, Codex y el API, asi que la superficie debe formar parte de la decision.
- ChatGPT estandar: la documentacion actual indica que GPT-5.6 usa Sol para Medium, High y Extra High. Terra y Luna no se eligen ahi.
- ChatGPT Work y Codex: los planes elegibles pueden mostrar Sol, Terra y Luna. Max y Ultra dependen del producto y del plan.
- API: los tres modelos soportan
none,low,medium,high,xhighymax.
Revisa GPT-5.6 en ChatGPT y las paginas actuales del API al implementar el router. Una captura del selector no es un contrato de arquitectura: la disponibilidad puede cambiar por producto y por plan.
Escala el esfuerzo solo despues de diagnosticar la falla
El esfuerzo de razonamiento es una segunda dimension del ruteo. Un nivel mayor deja mas espacio para explorar, usar herramientas y revisar, pero no corrige una premisa equivocada, permisos faltantes, un entorno de pruebas roto o un entregable ambiguo.
| Esfuerzo Sol | DeepSWE v1.1 | Costo estimado por tarea |
|---|---|---|
| High | 69.4% | $3.47 |
| Extra High | 70.7% | $4.70 |
| Max | 72.7% | $8.39 |
Los valores del 9 de julio de 2026 vienen del artefacto crudo de DeepSWE v1.1 de DataCurve. De High a Max hay 3.3 puntos porcentuales observados, mientras el costo estimado pasa de $3.47 a $8.39 por tarea, unas 2.4 veces mas. Son 113 tareas y los intervalos de confianza de 95% para High y Max se superponen ligeramente.
Eso convierte a Max en una escalada diagnosticada: usalo cuando High fallo porque abandono demasiado pronto una rama dificil o no exploro lo suficiente. El benchmark aporta evidencia de un harness; no promete la misma ganancia en un repo particular.
Manten separados los tres sistemas de costo
Precio del API, costo estimado por un benchmark y creditos Codex no son unidades intercambiables. OpenAI publica actualmente $5/$30 por millon de tokens de entrada/salida para Sol, $2.50/$15 para Terra y $1/$6 para Luna. Para la mayoria de planes, la tabla Codex asigna 125/750 creditos a Sol, 62.5/375 a Terra y 25/150 a Luna por la misma cantidad de entrada/salida, con tasas menores para entrada en cache.
El numero en dolares de un benchmark pertenece a su propio harness. Una corrida real tambien paga contexto, cache, salida de herramientas, reintentos, validacion y ramas paralelas. Usa la tabla Codex vigente y mide costo hasta una finalizacion verificada dentro del sistema.
P. D. Limites actuales y el cambio reportado de “juice”
Al 12 de julio de 2026, la ventana de uso de cinco horas para Codex y ChatGPT Work no aplica actualmente a Plus, Business o Pro. Tibo Sottiaux escribio que el cambio es temporal; un reporte contemporaneo accesible reproduce el anuncio. Los limites semanales siguen vigentes. Es una condicion operativa actual, no un derecho permanente ni uso ilimitado.
En otro seguimiento publico reproducido en este hilo con captura, Sottiaux hablo de los presupuestos internos de razonamiento mas bajos que circularon como “juice values”. Dijo que OpenAI los probo mientras investigaba un consumo mayor al esperado y luego revirtio el experimento. Esos numeros reducidos no son una interfaz documentada actual ni un contrato estable.
Para un router de produccion, ambos datos son notas de estado presente. Usa controles publicados, observa la superficie de consumo en vivo y vuelve a medir antes de codificar limites temporales o presupuestos internos inferidos.
No conviertas Max, Fast y Ultra en una sola escalera
- Max da mas tiempo de razonamiento a un modelo GPT-5.6.
- Fast es una opcion de inferencia de Codex que consume mas creditos, pero la documentacion actual de Speed lista GPT-5.5 y GPT-5.4, no GPT-5.6.
- Ultra es una configuracion multiagente separada que coordina cuatro agentes por defecto. No es otro nivel de razonamiento de un solo agente por encima de Max.
Ultra justifica su overhead cuando cada rama puede producir evidencia independiente: revisar subsistemas separados, comparar implementaciones o investigar preguntas sin estado mutable compartido. Desperdicia contexto y genera colisiones cuando todos necesitan los mismos archivos, la misma decision o una dependencia secuencial.
El verificador tambien pertenece a la tabla de ruteo
| Ruta | Evidencia requerida | Verificador tipico |
|---|---|---|
| Descubrimiento con Sol | Reproduccion, investigacion citada o registro de decision | Prueba, auditoria de fuentes o revision independiente |
| Ejecucion con Terra | Diff acotado mas los gates nombrados en el plan | Pruebas, lint, tipos y revision del diff |
| Procesamiento con Luna | Salida estructurada que cumple el contrato | Schema, chequeo determinista, muestra o revision con modelo mas fuerte |
El modelo economico es el que minimiza el costo total hasta un resultado verificado, no el que cobra menos por token.
Checklist de implementacion
- Clasifica la tarea por incertidumbre: descubrimiento, ejecucion acotada o procesamiento repetible.
- Nombra la superficie y confirma que el modelo y el control de esfuerzo existan ahi.
- Adjunta el contrato correcto: evidencia y salida, gates de aceptacion, o schema y validador.
- Empieza trabajo incierto y dificil en Sol High. Escala a Max solo despues de diagnosticar exploracion insuficiente.
- Entrega decisiones cerradas a Terra y unidades de volumen verificable a Luna.
- Mide finalizaciones verificadas, reintentos, tiempo de revision, latencia y consumo, no solamente cantidad de salida.
Esta politica vuelve auditable la seleccion. Una falla puede rastrearse hasta la ruta, el contrato, el entorno o el verificador, en vez de resumirse como “el modelo no fue suficientemente inteligente”. Para la version orientada a costo, aprobacion y riesgo del dueño, lee la guia complementaria de PuenteWorks: usa el modelo de IA mas barato que pueda terminar bien el trabajo.
Preguntas frecuentes
¿Sol siempre es el mejor GPT-5.6 para codigo?
No. Sol es la mejor ruta de descubrimiento cuando el camino es incierto. Terra suele ser mejor cuando el plan ya esta acotado y Luna cuando la transformacion es estrecha y tiene validacion determinista.
¿Debo usar Sol High o Max por defecto?
Empieza el trabajo dificil e incierto en Sol High. Escala a Max solo despues de identificar que la causa fue exploracion insuficiente, no un brief o entorno defectuoso.
¿Ultra es mas inteligente que Max?
No. Max aumenta el esfuerzo de un modelo. Ultra coordina varios agentes. El paralelo ayuda solo cuando el trabajo puede separarse sin duplicar contexto ni chocar sobre estado compartido.
¿Codex y ChatGPT Work tienen actualmente una ventana de uso de cinco horas?
Al 12 de julio de 2026, OpenAI dice que la restriccion de cinco horas para Codex y ChatGPT Work no aplica temporalmente a Plus, Business o Pro. Los limites semanales siguen vigentes; no es acceso ilimitado ni un contrato permanente.
¿Los juice values de GPT-5.6 se redujeron permanentemente?
No hay una especificacion publica actual que diga eso. Tibo Sottiaux dijo que los experimentos internos con presupuestos de razonamiento fueron revertidos. Usa los controles publicados y verifica el comportamiento en tu propio workload.
Fuentes y limites
- OpenAI: GPT-5.6
- OpenAI: preview de GPT-5.6 Sol
- OpenAI Help Center: GPT-5.6 en ChatGPT
- OpenAI Help Center: tabla de creditos Codex
- OpenAI: Codex Speed
- OpenAI API: modelos y seleccion
- DataCurve: DeepSWE v1.1
- DataCurve: artefacto crudo de DeepSWE v1.1
- Tibo Sottiaux: retiro temporal de la restriccion de cinco horas
- All-AI: reporte accesible que reproduce el anuncio del limite temporal
- Seguimiento de Tibo Sottiaux sobre uso y experimentos de juice revertidos
Verificado el 12 de julio de 2026. Disponibilidad, precios, limites, tablas de uso y benchmarks pueden cambiar. Las notas de campo son observacionales; valida la politica contra tus propios repos y costos de verificacion.