GPT-5.6 Sol vs Terra vs Luna: cuál elegir en Codex
Terra es el valor predeterminado adecuado para la mayor parte del trabajo de código del día a día en Codex - Sol solo vale la pena cuando la complejidad realmente lo pide, y Luna encaja con el trabajo de alto volumen y especificación clara. Si acabas de ver el menú de modelos en Codex (o leíste sobre Sol/Terra/Luna en algún sitio) y quieres una respuesta directa en lugar de un análisis a fondo de benchmarks, aquí tienes la guía para elegir nivel y cómo definir el modelo en config.toml.
- Los precios, las tarifas de créditos y los nombres de los modelos cambian rápido; las cifras de abajo se contrastaron con la documentación oficial en el momento de escribir esto (08/2026) - verifica la documentación en vivo antes de depender de ellas.
Los tres niveles, de un vistazo
Codex enruta cada tarea a uno de los tres niveles de modelo GPT-5.6: Sol, Terra, Luna - reemplazando la antigua nomenclatura por versión numerada. Los tres niveles se diferencian en cuánto "razonamiento profundo" gasta el agente por tarea, lo que determina tanto la velocidad como el coste en créditos.
| Nivel | Pensado para | Velocidad relativa | Coste relativo | Mejor para programar |
|---|---|---|---|---|
| Sol | Razonamiento complejo y de largo alcance | El más lento | El más alto (~2,5x Terra) | Refactorizaciones en varios archivos, especificaciones ambiguas, decisiones de arquitectura |
| Terra | Valor predeterminado equilibrado del día a día | Medio | Base | Trabajo de funciones del día a día, depuración, pruebas, cambios en un solo módulo |
| Luna | Trabajo de alto volumen y especificación clara | El más rápido | El más bajo (~1/10 de Terra) | Código repetitivo, scaffolding, tareas repetitivas bien especificadas |
Las cifras exactas de créditos están en la sección "Créditos, no solo dólares" más abajo.
Elige este nivel cuando - una decisión de 10 segundos
Elige Sol cuando:
- La tarea abarca muchos archivos o una decisión de arquitectura aún no está clara.
- Estás depurando un bug difícil y todavía no conoces la causa raíz.
- Una respuesta equivocada sale cara - cambios en producción, código sensible a la seguridad.
Elige Terra cuando:
- Trabajo de funciones del día a día: implementar una función, montar una ruta de API.
- Arreglar una prueba que falla, una refactorización limpia dentro de un archivo o módulo.
- Quieres un valor predeterminado "suficientemente bueno, suficientemente rápido" sin tener que pensarlo.
Elige Luna cuando:
- Código repetitivo: generar scaffolding de CRUD, configuración repetitiva.
- La especificación ya está completamente clara - tú misma escribiste el plan y el agente solo lo sigue.
- Ejecutar un gran volumen de tareas pequeñas y parecidas (renombrados masivos, esbozos de documentación).
Nota práctica: ejecuté la misma tarea pequeña en los tres niveles solo para sentir la diferencia, no para producir cifras precisas de benchmark - y el resultado coincidió con la división de arriba: Terra basta la mayor parte del tiempo, Sol justifica su coste cuando una tarea es genuinamente enrevesada, y Luna es rápida, pero sus límites se notan pronto en cuanto tiene que seguir muchos archivos a la vez.
Terra - el valor predeterminado para programar a diario
Terra es el nivel equilibrado - lo bastante potente para la mayor parte del trabajo de código real (implementación de funciones, corrección de bugs, refactorización de un módulo, escritura de pruebas) sin pagar el coste de Sol. Es el nivel que Codex debería usar por defecto si no especificas otra cosa, y un punto de partida razonable para la mayoría de las sesiones.
Si una tarea en Terra se sale del camino una y otra vez, o estás haciendo demasiada limpieza manual después, esa es la señal para probar Sol - no para seguir forzando Terra en una tarea que no le encaja.
Sol - cuando la complejidad justifica el coste
Sol es el nivel más potente, y el más caro - según la tabla de créditos de abajo, Sol cuesta aproximadamente 2,5x Terra para el mismo volumen de tokens. Úsalo cuando el problema es ambiguo, abarca muchos archivos, o el coste de equivocarse es demasiado alto para arriesgarse.
Según benchmarks de terceros (agregados de Artificial Analysis, no una publicación directa de OpenAI), Sol obtiene alrededor del 63,7% en pruebas de finalización de tareas complejas, frente a aproximadamente el 40,7% de Terra - una diferencia lo bastante amplia para justificar el gasto extra de créditos cuando una tarea es genuinamente difícil. También se ha citado a OpenAI diciendo que GPT-5.6 es notablemente más eficiente en tokens que la generación anterior para programar - pero trata eso como una cifra "reportada" por fuentes secundarias, no una cita directa de OpenAI, y verifícala si necesitas una cita exacta.
Luna - rápida, barata, con un límite real
Luna es el nivel más barato y rápido - ideal para trabajo de alto volumen y bien especificado: código repetitivo, scaffolding repetitivo, cambios masivos en archivos parecidos. Su coste en créditos queda un orden de magnitud entero por debajo del de Terra, así que, para trabajo simple, ejecutar Luna primero y subir solo si hace falta tiene más sentido que usar Terra o Sol por defecto.
El límite real: según esa misma fuente de benchmark de terceros, la precisión de recuperación de contexto largo de Luna ronda el 41,3%, frente a aproximadamente el 90% de Sol/Terra. No le encargues trabajo que exija entender una base de código grande entera de una vez - tiende a olvidar o pasar por alto detalles que quedan más lejos.
Cómo definir el modelo en Codex
Hay tres maneras de definir el nivel, según quieras un valor predeterminado duradero o un cambio puntual.
1. Define un valor predeterminado persistente en config.toml - añade esta línea a ~/.codex/config.toml (se aplica a todos los proyectos) o al .codex/config.toml de un proyecto (se aplica solo a ese proyecto):
model = "gpt-5.6-terra"Cambia terra por sol o luna según el nivel que quieras como predeterminado.
2. Cambia temporalmente con una opción de CLI - útil cuando solo necesitas un nivel distinto para una única ejecución:
codex --model gpt-5.6-sol
# or
codex -m gpt-5.6-sol3. Cambia a mitad de sesión con /model - escribe /model mientras una sesión está en marcha para cambiar de nivel sin salir de ella.
Trampa habitual: escribir solo gpt-5.6 sin el sufijo de nivel - según algunas fuentes técnicas de terceros - toma Sol por defecto a su tarifa premium, no Terra. Especifica siempre el sufijo de nivel (-sol/-terra/-luna) para evitar una factura de Sol no deseada. Esto no se decía explícitamente en el fragmento de documentación primaria que leí - conviene verificarlo en vivo antes de depender de ello.
Codex también tiene una clave model_reasoning_effort que ajusta "cuánto piensa" de forma independiente a la elección de nivel - la lista completa de niveles no quedó del todo confirmada en el fragmento de documentación oficial que leí en el momento de escribir esto, así que revisa la documentación en vivo si necesitas un nivel concreto.
Créditos, no solo dólares
La mayoría de las comparaciones de Sol/Terra/Luna en internet ponen precio a las cosas en dólares por millón de tokens de API - pero si usas Codex a través de un plan de ChatGPT (sin clave de API aparte), el número que ves de verdad son créditos descontados de la asignación de tu plan, no dólares puros.
| Nivel | Créditos / M tokens (entrada) | Créditos / M tokens (caché) | Créditos / M tokens (salida) |
|---|---|---|---|
| Sol | 125 | 12.5 | 750 |
| Terra | 50 | 5 | 300 |
| Luna | 5 | 0.5 | 30 |
(Fuente: la página oficial de precios en créditos, contrastada en el momento de escribir esto.) Según esa misma página de precios, un solo mensaje de GPT-5.6 suele consumir aproximadamente entre 5 y 40 créditos, según la complejidad de la tarea y el nivel en uso - una forma rápida de estimar cuánto rinde la asignación de tu plan sin convertir a dólares. Si pagas con una clave de API aparte en lugar de la asignación de un plan, el precio en dólares - según algunas fuentes de terceros, tras el recorte de precios de finales de julio de 2026 - ronda Sol 5/30 USD, Terra 2/12 USD, Luna 0,20/1,20 USD por millón de tokens (entrada/salida). Esa cifra no está confirmada directamente en la propia página de OpenAI, así que trátala como punto de referencia. Para el desglose completo por plan de ChatGPT, lee el desglose completo de precios de Codex.
Preguntas frecuentes (FAQ)
¿Qué son Sol, Terra y Luna en Codex?
Son los tres niveles de modelo GPT-5.6 a los que Codex enruta tareas, reemplazando la antigua nomenclatura por versión numerada. Sol es el más potente y caro, Terra es el valor predeterminado equilibrado del día a día, y Luna es el más rápido y barato pero más flojo en recuperación de contexto largo.
¿Qué nivel de GPT-5.6 debería usar para programar a diario en Codex?
Terra. Es el valor predeterminado equilibrado para el trabajo de funciones del día a día, la depuración y las refactorizaciones - lo bastante potente para la mayoría de las tareas sin el coste de Sol ni la debilidad de contexto largo de Luna.
¿Cuándo vale la pena cambiar a Sol?
Cuando la tarea abarca muchos archivos, la especificación aún es ambigua, o una respuesta equivocada sale cara - cambios en producción, código sensible a la seguridad. Sol cuesta aproximadamente 2,5x Terra en créditos, así que solo vale la pena cuando el razonamiento más profundo de verdad cambia el resultado.
¿Luna es suficiente para trabajo de código real, o solo para código repetitivo?
Luna maneja bien el trabajo de alto volumen y bien especificado - código repetitivo, scaffolding, cambios repetitivos. Pero, según benchmarks de terceros, es notablemente más floja en recuperación de contexto largo, así que no le encargues trabajo que exija entender una base de código grande de una vez.
¿Cómo cambio el modelo en Codex - archivo de configuración o un comando?
Los tres funcionan: define model = gpt-5.6-terra en config.toml (~/.codex/config.toml para un valor predeterminado global, o el .codex/config.toml de un proyecto) para un predeterminado persistente, pasa --model gpt-5.6-sol (o -m) como opción de CLI para una ejecución, o escribe /model a mitad de sesión para cambiar temporalmente.
Conclusión
Empieza con Terra - sigue siendo la decisión más rápida para la mayoría de las tareas. Sube a Sol cuando la complejidad de verdad lo merezca, baja a Luna cuando el trabajo sea claro y de alto volumen. Define un nivel predeterminado en config.toml y deja siempre explícito el sufijo de nivel para evitar una factura de Sol no deseada. Los nombres de modelos, los precios y las tarifas de crédito de aquí cambian rápido - contrástalos con learn.chatgpt.com/codex/pricing y learn.chatgpt.com/docs/models antes de depender de una cifra concreta. Si necesitas entender qué es Codex antes de profundizar en los niveles, lee qué es OpenAI Codex.