La semana dejó dos anuncios que redibujan el mapa de los modelos de frontera: OpenAI presentó GPT-6, con su nuevo sistema dual bautizado “Sol y Luna”, y Anthropic respondió pocos días después con Claude Opus 5.5. Los dos apuntan al mismo problema —cuándo pensar rápido y cuándo pensar despacio— pero lo resuelven de formas muy distintas. Aquí te contamos qué cambia para quienes construimos software con estos modelos.
OpenAI GPT-6: “Sol y Luna”
La gran apuesta de GPT-6 no es un número más grande de parámetros, sino una arquitectura de dos modos explícitos que OpenAI llama Sol y Luna.
- Sol es el modo de respuesta inmediata: baja latencia, pensado para chat, autocompletado y tareas de alto volumen donde importa el tiempo de respuesta.
- Luna es el modo de razonamiento profundo: dedica más cómputo por token, expande cadenas de razonamiento internas y está orientado a matemática, código complejo y planificación de agentes.
Lo interesante es que el ruteo entre ambos deja de ser una decisión manual del usuario. GPT-6 estima la dificultad de cada consulta y decide solo si “amanece” (Sol) o “anochece” (Luna). Para el desarrollador, esto significa una sola llamada a la API en lugar de tener que elegir entre un modelo rápido y uno de razonamiento como pasaba hasta ahora.
Qué mirar como dev
- El control de presupuesto se vuelve central: si el modelo decide entrar en modo Luna, el costo por respuesta sube. Habrá que vigilar los límites de razonamiento por request.
- El ruteo automático es cómodo, pero para pipelines deterministas conviene poder forzar el modo. OpenAI dice exponer un parámetro para fijarlo.
Anthropic Claude Opus 5.5
Anthropic tomó otro camino. En lugar de dos modos separados, Opus 5.5 integra el razonamiento extendido dentro de un mismo modelo, con un control de esfuerzo continuo en vez de un interruptor binario.
Los puntos que Anthropic destaca:
- Esfuerzo graduable: puedes pedirle que “piense más” subiendo un parámetro de effort, sin cambiar de modelo ni de endpoint.
- Agentes de larga duración: mejoras fuertes en tareas que corren durante horas manteniendo el hilo —justo el terreno donde vive Claude Code.
- Uso de herramientas y código: sigue apretando en los benchmarks de programación agéntica, que es donde Anthropic viene marcando la cancha.
Qué mirar como dev
- Un solo modelo con esfuerzo ajustable es más simple de razonar que dos modos: menos ramas en tu código.
- Para trabajo agéntico sostenido (refactors grandes, migraciones, revisión de repos completos) es la propuesta más directa.
Dos filosofías, un mismo objetivo
| GPT-6 “Sol y Luna” | Opus 5.5 | |
|---|---|---|
| Estrategia | Dos modos explícitos con ruteo automático | Un modelo, esfuerzo continuo |
| Decisión de “cuánto pensar” | La toma el router del modelo | La controlas tú con un parámetro |
| Punto fuerte | Latencia baja en volumen + razonamiento bajo demanda | Agentes largos y coding sostenido |
| Complejidad de integración | Media (hay que gestionar el modo y el costo) | Baja (una sola perilla) |
Ninguna de las dos es “la correcta”. Si tu producto mezcla mucho tráfico barato con picos ocasionales de razonamiento, el ruteo automático de GPT-6 te ahorra decisiones. Si construyes agentes que corren largo y quieres control fino y predecible, la perilla única de Opus 5.5 es más fácil de domar.
Cómo probarlos sin quemar el presupuesto
- Mide antes de migrar. Corre tu propio set de tareas reales, no benchmarks públicos. Lo que rankea alto en un leaderboard no siempre es lo que tu producto necesita.
- Fija los modos al principio. Desactiva el ruteo automático mientras evalúas, así comparas peras con peras.
- Vigila el costo del razonamiento. Los dos modelos pueden gastar mucho más cómputo por respuesta que sus antecesores. Ponles techos.
Conclusión
GPT-6 y Opus 5.5 confirman hacia dónde va todo: modelos que deciden cuánto pensar según la tarea. OpenAI lo hace visible con Sol y Luna; Anthropic lo esconde detrás de una sola perilla. Para nosotros, la buena noticia es que ya no hay que elegir entre “rápido” y “listo”: ahora se puede tener ambos en la misma llamada. La mala, que gestionar el costo del razonamiento va a ser la nueva habilidad que todos vamos a tener que aprender.