OpenAI lleva semanas fuera del primer puesto en los benchmarks que más importan al sector. GPT-5.5, lanzado el 23 de abril, ha sido superado en codificación por el modelo chino GLM-5.2 y en razonamiento por Claude Opus 4.8 de Anthropic. La respuesta de la compañía: GPT-5.6, anunciado por el Chief Scientist de OpenAI para antes de que acabe junio.
Qué ha pasado exactamente
GPT-5.5, lanzado el 23 de abril de 2026, puntúa 58,6 en SWE-bench Pro — el benchmark estándar de reparación autónoma de código en repositorios reales. GLM-5.2 de Zhipu AI, lanzado el 13 de junio, anota 62,1 en el mismo test con licencia MIT y a 1,40€ por millón de tokens, seis veces más barato. Claude Opus 4.8 de Anthropic lidera el Artificial Analysis Intelligence Index con 61,4 puntos. OpenAI está, por primera vez desde el lanzamiento de GPT-4 en 2023, fuera del primer puesto en los dos rankings de referencia simultáneamente.
El Chief Scientist de OpenAI avanzó el 21 de junio en X (antes Twitter) que GPT-5.6 supone "una mejora significativa" sobre GPT-5.5 y que el lanzamiento se produciría antes del 30 de junio. Las filtraciones internas atribuidas a testers de OpenAI apuntan a tres áreas concretas de mejora: mayor precisión en razonamiento para flujos agénticos de múltiples pasos, una reducción estimada del 20-30% en tokens necesarios para outputs equivalentes (reducción directa de coste por tarea), y capacidades multimodales ampliadas, especialmente en comprensión de imágenes técnicas.
El contexto del equipo también es relevante: el 18 de junio, OpenAI confirmó el fichaje de Noam Shazeer — co-autor del paper "Attention Is All You Need" de 2017, la base teórica de todos los transformers modernos — como Lead for Architecture Research, procedente de Google DeepMind. Shazeer no habrá influido en GPT-5.6 (el ciclo de entrenamiento ya estaba cerrado cuando se incorporó), pero su llegada señala la dirección arquitectónica de GPT-6.
Por qué importa
La pérdida del liderazgo técnico de OpenAI no es solo un problema de ego corporativo: tiene consecuencias comerciales directas. ChatGPT acaba de caer por primera vez por debajo del 50% de cuota global de asistentes de IA (al 46,4%), con Claude subiendo al 10,3% y Gemini al 27,7%. En un mercado donde los desarrolladores eligen modelo en función de benchmarks, quedarse fuera del podio durante más de un ciclo de lanzamiento acelera la pérdida de cuota en el segmento enterprise, que es el de mayor margen.
La eficiencia de tokens también importa más de lo que parece. Un modelo que necesita un 25% menos de tokens para la misma tarea no solo es más barato: es más rápido, lo que impacta directamente en los tiempos de respuesta de aplicaciones agénticas donde un agente hace docenas de llamadas al modelo en un solo flujo de trabajo. Para los equipos que tienen Codex u otros flujos agénticos en producción, la reducción de tokens puede traducirse en un 20-25% de reducción en el coste total mensual.
El fichaje de Shazeer es la señal más interesante a largo plazo. "Attention Is All You Need" es el paper más citado de la historia de la IA moderna — más de 100.000 citas según Google Scholar — y Shazeer ha trabajado en arquitecturas que mejoran la eficiencia de la atención por un factor de 4-8x respecto a la arquitectura estándar. Su influencia en GPT-6 podría ser estructuralmente diferenciadora.
Qué significa en España
Para los usuarios de ChatGPT en España — que es el asistente de IA más usado según datos de SimilarWeb para el mercado español — GPT-5.6 llegará automáticamente como actualización del modelo disponible en los planes Plus (24€/mes) y Pro (200€/mes). No requiere ninguna acción por parte del usuario. Lo que sí conviene hacer: probar GPT-5.6 en los casos de uso concretos donde GPT-5.5 te haya dado resultados subóptimos, especialmente en tareas de codificación y razonamiento largo.
Para desarrolladores que acceden vía API: el precio de GPT-5.5 es de 10$/1M tokens de entrada y 30$/1M de salida. Si la promesa de 20-30% menos de tokens se confirma en la práctica, el coste efectivo por tarea de GPT-5.6 podría ser comparable o inferior a GPT-5.5 incluso con los mismos precios de lista. Pero hasta que se publiquen benchmarks de eficiencia reales en casos de uso empresariales, la estimación de ahorro es especulativa.
Para equipos en España que evalúan qué modelo usar en producción: el ciclo de lanzamientos es cada vez más rápido. GPT-5.5 se lanzó en abril, GPT-5.6 llega en junio. Comprometerse con una versión específica de modelo en contratos o en código sin un mecanismo de actualización ágil es un error que muchos equipos están pagando ahora al tener que reescribir integraciones cada trimestre. La recomendación práctica es usar los alias de modelo (gpt-5-5 vs gpt-5-latest) en lugar de versiones fijas, y tener tests de regresión automatizados que verifiquen que el comportamiento del modelo en tus casos de uso no cambia cuando OpenAI actualiza.
Desde el punto de vista del AI Act europeo: los sistemas de IA basados en GPT-5.6 que se usen en sectores de alto riesgo en España (fintech, salud, administración) tendrán que actualizar su documentación técnica cuando cambien el modelo subyacente. El AI Act exige que cualquier cambio material en el sistema de IA se documente y, si aplica, se notifique al organismo notificado. Un cambio de GPT-5.5 a GPT-5.6 puede ser "cambio material" si afecta al comportamiento en las tareas críticas del sistema.
Análisis
OpenAI tiene que resolver dos problemas diferentes con GPT-5.6, y es difícil hacerlo bien con el mismo modelo. El primero es recuperar el liderazgo en benchmarks de codificación, donde GLM-5.2 le ha ganado terreno con un modelo de código abierto. El segundo es mantener la ventaja en razonamiento general, donde Claude Opus 4.8 lidera. Esos dos objetivos no van necesariamente en la misma dirección de entrenamiento.
La reducción de tokens es la apuesta más inteligente de las tres anunciadas. Recuperar el primer puesto en SWE-bench frente a GLM-5.2 es difícil porque Zhipu AI puede iterar rápido con un modelo open source; mejorar en benchmarks de razonamiento frente a Anthropic requiere meses de entrenamiento. Pero ser el modelo más eficiente en tokens — el que hace el mismo trabajo con menos — es un argumento comercial que ningún competidor puede copiar rápido.
La métrica definitiva será el precio efectivo por tarea en los benchmarks de agentes: cuánto cuesta completar una tarea de SWE-bench en dólares reales (tokens de entrada + tokens de salida × precio). Si GPT-5.6 baja ese coste por debajo de lo que cuesta el mismo benchmark con Claude Opus 4.8 o con GLM-5.2 a través de la API, OpenAI recupera el argumento comercial más importante. Si no lo consigue, la presión competitiva seguirá aumentando.
Herramientas relacionadas
- ChatGPT / GPT-5.5 — ficha completa de la familia GPT con precios y benchmarks actualizados; referencia para comparar cuando GPT-5.6 esté disponible.
- Claude Opus 4.8 — el modelo que actualmente lidera el Intelligence Index de Artificial Analysis y que GPT-5.6 tiene que superar para recuperar el primer puesto.
- Cursor — editor de código IA donde la eficiencia de tokens de GPT-5.6 tendrá impacto directo en el coste por sesión de trabajo si usas GPT como modelo subyacente.