Cristian Tala_

// comparación

GPT-5.6 Luna vs GPT-5.6 Sol: foto histórica de su comparación

Cómo rindieron GPT-5.6 Luna y GPT-5.6 Sol cuando se midieron, en los 4 pilares del emprendedor (coding, contenido, razonamiento, agentes), con costo y velocidad. Evaluados con LLM-as-Judge Phi-4 vía OpenRouter.

Versiones que entran en esta comparación GPT-5.6 Luna: GPT-5.6 Luna, GPT-5.6 Luna Pro GPT-5.6 Sol: GPT-5.6 Sol Página congelada: entran los modelos medidos de cada familia, con su etiqueta si no rankean. Ordenados por calidad, no por precio.

Última actualización: 2026-11-12 · datos abiertos en GitHub

// tabla

GPT-5.6 Luna vs GPT-5.6 Sol: tabla comparativa

Calidad es la nota publicada (examen más tareas reales de agente) y ordena la tabla. Los pilares van al lado, en la misma escala. Costo y velocidad, en sus propias columnas.

#ModeloCalidad CodingContenidoRazon.Agentes US$ in / out por MVelocidad
1 GPT-5.6 Lunano rankea 8.94 9.78.98.68.1 $0.20 / $1.20 105 tok/s
2 GPT-5.6 Solno rankea 8.86 9.58.88.37.9 $2.00 / $10.00 78 tok/s
3 GPT-5.6 Luna Prono rankea — 9.89.08.08.0 $0.20 / $1.20 163 tok/s

Medido en (proveedor que sirvió los runs, cuantización y razonamiento): el mismo modelo rinde distinto según quién lo sirva.

Filtra por presupuesto, calidad mínima o tarea en la calculadora interactiva.

// metodología

¿Qué mide este benchmark?

No es un benchmark académico. Es un benchmark aplicado para emprendedores hispanohablantes: mide qué modelo conviene poner en producción para casos reales, con lo que los benchmarks oficiales no cubren: costo en un proveedor real, velocidad, español neutro y agentes de varios turnos.

Hay 244 modelos catalogados, 193 medidos y 88.000+ runs reales evaluados por un LLM-as-Judge (Phi-4, de Microsoft, vía OpenRouter, sin conflicto de interés), en 4 pilares:

Dos números distintos. La tabla se ordena por calidad, sin mezclar precio: responde «¿quién lo hace mejor?». El score global de la calculadora pondera calidad (70 %), costo (15 %), velocidad (7.5 %) y latencia (7.5 %): responde «¿qué conviene poner en producción?».

Límite conocido: el juez es un modelo chico y varios evaluados son más capaces que él. Ordena bien, pero comprime las diferencias en la cima: un empate quiere decir que el juez no los distingue, no que sean idénticos. Metodología y tests completos.

// antes de migrar

Antes de migrar, haz esto

No cambies de modelo a ciegas: toma el mejor de cada familia y pásales unos cuantos prompts reales tuyos, de los que ya corres en producción. Una comparación general dice quién arranca adelante; tu caso decide quién gana.

Este resultado se recalcula con cada lote de modelos nuevos: el ganador de hoy puede no serlo el mes que viene.

Ver la comunidad →

// preguntas

Preguntas frecuentes

¿GPT-5.6 Luna o GPT-5.6 Sol es mejor en 2026?

Esta página es una foto histórica: al menos uno de los dos se midió con el examen anterior, y sus notas no son comparables con el ranking de hoy. Para elegir hoy, usa la calculadora con el ranking vigente.

¿Estos datos de dónde salen?

De un benchmark abierto con 88.000+ runs reales y LLM-as-Judge (Phi-4, Microsoft, vía OpenRouter, sin conflicto de interés). Código y resultados en GitHub.

¿Cuál es más barato para agentes con volumen?

Mira la columna de costo en la tabla. Con volumen alto, el costo por millón de tokens pesa más en el retorno que una diferencia chica de calidad. Fíltralo por tu presupuesto en la calculadora.

// calculadora

Prueba la calculadora con tu caso real

Filtra GPT-5.6 Luna, GPT-5.6 Sol y 193 modelos más por presupuesto, calidad y tipo de tarea.

Ir a la calculadora →