GPT-5.6 Sol entrenó a Luna: La auto-mejora y la eficiencia ya están aquí

El encargo que recibió Sol cabía en un prompt

El 9 de julio, Aidan McLaughlin, investigador de OpenAI, escribió en X algo que hace dos años habría abierto un telediario: «no os podéis imaginar lo rutinario que es para mí que 5.6 haga de principio a fin el llamado reinforcement learning». Un entrenamiento por refuerzo completo, montado y vigilado por el propio modelo, contado con el tono de quien menciona de pasada que ha puesto una lavadora.

Lo que hay detrás de ese mensaje lo desmenuzaron al día siguiente en The Decoder, y me sigue pareciendo lo más gordo que ha pasado este mes: GPT-5.6 Sol, el modelo grande de la casa, se encargó del post-entrenamiento de Luna, el pequeño de la familia. El encargo le llegó por Codex y OpenAI lo describe como «bastante poco especificado»: le pidieron que encontrara las configuraciones de entrenamiento adecuadas, eligiera las GPU convenientes, lanzara el proceso y comprobara que todo estaba corriendo bien. A partir de ahí, solo. Cuando os contamos el lanzamiento de los tres modelos, esta parte todavía no se había contado.

Kathy Shi, de OpenAI, lo dijo sin rodeos: «antes esto era algo en lo que podía haber estado trabajando un equipo de investigadores senior, y ahora la sensación es que el investigador automatizado está bastante cerca».

En el índice interno con el que OpenAI mide justamente eso —la automejora recursiva, o hasta qué punto un modelo sirve para construir el siguiente— Sol saca 16,2 puntos más que GPT-5.5. Y ese salto ya forma parte del día a día de la empresa.

El alumno es más eficiente que el maestro

Aquí es donde la historia se vuelve interesante. Sol cuesta 5 dólares por millón de tokens de entrada y 30 por millón de salida. Terra, el intermedio, se queda en 2,50 y 15. Y Luna, el modelo que salió de aquel encargo, está en 1 dólar de entrada y 6 de salida: una quinta parte exacta de Sol.

En resultados la distancia no es tan grande. En TerminalBench 2.1, la prueba de agentes de terminal que se ha convertido en el termómetro del sector, la tabla que recopila Wikipedia da un 88,8% a Sol y un 82,5% a Luna. El dato que a mí me hizo levantar la ceja está una fila más abajo: GPT-5.5, el buque insignia de hace nada, se queda en un 83,4%. O sea que Luna, costando lo que cuesta, está a nueve décimas del mejor modelo de OpenAI en primavera.

Los números son una cosa, pero ¿y los resultados?

Los porcentajes cansan, así que vale más mirar un encargo concreto. En la presentación, OpenAI les puso a los dos modelos la misma tarea: aquí tienes una diapositiva corporativa, imita su estilo y hazme otra con estos datos. Sin programación de por medio, una tarea de oficina de las que se resuelven un jueves por la tarde.

GPT-5.5 devolvió el gráfico de aquí abajo. Está bien, las barras son correctas, los ejes se leen y los datos están donde tienen que estar. La tipografía de la marca, el color corporativo, la tarjeta blanca sobre la que iba montado el original y las etiquetas con el valor de cada barra se quedaron por el camino.

GPT-5.6 copia hasta el aviso legal del pie

Y esto es lo que devolvió GPT-5.6 con el mismo enunciado. La plantilla de la marca está reproducida entera, con su tarjeta blanca, su franja de color, las etiquetas de valor encima de cada barra y hasta el aviso diminuto del pie. Puestas una encima de la otra, la primera parece un ejercicio de clase y la segunda, una diapositiva que ya podrías mandar sin tocarla.

OpenAI lo resume en una frase: «más inteligencia por cada token, más rendimiento por cada dólar y más capacidad de demanda para tu trabajo más difícil». Suena a folleto, y lo es, pero por debajo hay una cifra que Altman ha repetido varias veces: un 54% de mejora en eficiencia de tokens en tareas de programación con agentes. Menos tokens para el mismo trabajo significa, sencillamente, menos factura a final de mes.

Altman dice que ya estamos en la Singularidad

En su propio anuncio, OpenAI cuenta que el consumo interno de tokens de agente se ha multiplicado por 22 en seis meses, que la potencia de cálculo dedicada a inferencia de programación se ha multiplicado por 100 y que la media diaria de tokens de salida por investigador activo ha superado en más del doble el máximo que habían visto nunca. Los experimentos semanales por investigador se han duplicado desde enero.

Con ese ruido de fondo, la frase que Sam Altman soltó hace unos días en el podcast Relentless —«estamos ya, como, en la singularidad»— se lee distinto que hace un año. En su ensayo de junio de 2025 hablaba de «una versión pequeña de la auto-mejora recursiva». Trece meses después su modelo grande configura y vigila el entrenamiento del pequeño, y el resultado se vende a un dólar el millón de tokens de entrada.

El 14 de julio, Altman avisaba en Axios de que el crecimiento de Sol «es una locura», que van a «mover montañas» para seguir escalando y que aun así «es posible que haya algún tropiezo pronto».

Pero tenemos suerte, de momento, el que responde por lo que salga mal sigue siendo humano.