GPT-6 Sol vs. Claude Opus 5.5: Evaluación de costes, velocidad y consistencia

OpenAI lanzó GPT-6 Sol el 22 de septiembre de 2026, posicionando el modelo frente al ecosistema de Anthropic con afirmaciones de puntuaciones más altas en tareas de flujos de trabajo empresariales a una fracción del coste por tarea, según un informe de The New Stack. Anthropic presentó su modelo competidor Claude Opus 5.5 ese mismo día, lo que impulsó pruebas comparativas para evaluar los modelos más allá de la precisión en un único intento, midiendo la consistencia a lo largo de ejecuciones repetidas.

Precios y afirmaciones iniciales de capacidad

Según las cifras de lanzamiento de OpenAI, GPT-6 Sol tiene un precio de 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida, lo que representa la mitad del coste de GPT-5.6 Sol. Por su parte, Claude Opus 5.5 de Anthropic cuesta 4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida. Los materiales de marketing de OpenAI señalaron que Sol obtiene un 33,2 % en el benchmark AutomationBench de Zapier en comparación con el 26,9 % de Opus 5. En las tareas iniciales de un solo intento orientadas a flujos de trabajo de desarrollo estándar —como solucionar errores en un servicio de facturación en Python, clasificar tareas de integración continua (CI) y responder preguntas sobre un SDK simulado—, tanto GPT-6 Sol como Claude Opus 5.5 empataron con puntuaciones perfectas.

Pruebas de consistencia en múltiples ejecuciones

Para diferenciar los modelos en puntos donde la precisión empataba, la evaluación mediante cinco llamadas a la API repetidas con la máxima configuración de esfuerzo reveló diferencias operativas. En la clasificación de registros de CI, ambos modelos obtuvieron puntuaciones perfectas en los cinco intentos; Sol promedió 18 segundos y 0,02 dólares por ejecución, lo que supuso aproximadamente el 8 % del coste de Opus 5.5. Sin embargo, en tareas de mayor complejidad que involucraban un registro de incidentes de 3664 líneas y la especificación de un resolvedor de dependencias, Opus 5.5 logró un pleno perfecto de 15 ejecuciones exitosas de 15, mientras que GPT-6 Sol completó con éxito 12 de 15, introduciendo errores como la omisión de detalles en reembolsos de clientes o fallos sintácticos que impidieron la importación del código.

Compromisos entre coste, velocidad y operativa

A lo largo del conjunto de las 15 ejecuciones de prueba, GPT-6 Sol acumuló un total de 2,68 dólares, lo que representa aproximadamente el 16 % del coste total de 16,72 dólares alcanzado por Claude Opus 5.5, al tiempo que ofreció tiempos de finalización más rápidos en cada evaluación. Los hallazgos sugieren que Sol se adapta a tareas de alto volumen en las que una revisión humana o suites de pruebas automatizadas verifican los resultados, mientras que Opus 5.5 resulta idóneo para escenarios donde las respuestas incorrectas conllevan altos costes y se carece de supervisión humana.

Ilustración editorial generada con IA; no es una fotografía documental.

Fuente: GPT-6 Sol vs. Claude Opus 5.5: Is cheaper important when results aren’t consistent?