Hay productos tecnológicos que fracasan porque no funcionan. Otros porque llegan demasiado pronto, porque son demasiado caros o porque nadie termina de entender para qué sirven. Pero existe una posibilidad bastante más extraña: que un producto funcione tan bien que empiece a plantear un problema para el propio negocio que lo ofrece.
No sabemos si eso es lo que está ocurriendo con GPT-5.5. Conviene dejarlo claro desde el principio porque OpenAI no ha dicho nada parecido. Pero hay algo suficientemente curioso en su breve historia como para hacerse la pregunta.
GPT-5.5 fue presentado el 23 de abril de 2026. OpenAI lo definió entonces como su modelo más inteligente e intuitivo hasta la fecha, especialmente preparado para programación, investigación, análisis y trabajos complejos realizados mediante agentes. Menos de seis meses después, la compañía ha anunciado que el próximo 14 de octubre desaparecerá de ChatGPT, ChatGPT Work y Codex. Sin embargo, GPT-5.5 no desaparecerá del todo: continuará disponible mediante API.
Y ese pequeño detalle cambia bastante la historia.
Porque la API tiene una peculiaridad fundamental: allí se paga por consumo. En una suscripción a ChatGPT o Codex, en cambio, el usuario paga fundamentalmente por acceder al servicio dentro de determinados límites, como por ejemplo, una tarifa plana. Desde el punto de vista económico son dos relaciones completamente distintas.
Por eso resulta tentador plantear una hipótesis: ¿y si GPT-5.5 es extraordinariamente bueno para quien lo utiliza, pero no necesariamente igual de cómodo para quien tiene que servirlo dentro de una tarifa relativamente plana?
Hay algo en GPT-5.5 que los benchmarks explican mal
He utilizado muchos modelos durante los últimos años y, especialmente desde que trabajamos de forma intensiva con agentes de IA en desarrollo de plataformas online, he aprendido a desconfiar un poco de las tablas que pretenden resumir su inteligencia en un porcentaje.
Son útiles. Pero no cuentan toda la historia.
Con GPT-5.5 he percibido algo bastante más difícil de medir: la fluidez.
Lo he notado especialmente trabajando con Codex y con entornos agénticos como Verdent. Hay modelos que parecen inteligentes cuando responden una pregunta y, sin embargo, cuando deben desenvolverse durante varios minutos dentro de un proyecto real empiezan a mostrar fricción. Abren demasiados archivos, exploran caminos que no conducen a ninguna parte, vuelven sobre decisiones anteriores, ejecutan pruebas innecesariamente, pierden contexto o necesitan más instrucciones para continuar.
GPT-5.5, en cambio, tiene en ocasiones esa desconcertante capacidad de mirar el problema, entender muy pronto por dónde va y ponerse a trabajar.
Recientemente vi cómo resolvía en alrededor de cuarenta segundos una tarea que, planteada en condiciones similares con otro modelo, había requerido más de un cuarto de hora de interacción. Naturalmente, una experiencia aislada no es un benchmark y sería absurdo presentarla como tal. Pero cuando este tipo de situaciones empieza a repetirse, aparece una intuición interesante: quizás estamos midiendo mal cuánto cuesta realmente una inteligencia artificial.
Porque aquel modelo que trabajó durante media hora podía ser más barato por token; pero necesitó muchísimos más y además, también necesitó algo todavía más caro: nuestro tiempo.
Curiosamente, la propia OpenAI destacó este comportamiento cuando presentó GPT-5.5. La compañía aseguró que el modelo necesitaba significativamente menos tokens para completar las mismas tareas de Codex que GPT-5.4 y que conseguía mejores resultados utilizando menos recursos de interacción.
Hasta aquí todo parece estupendo.
Salvo por una cosa.
Ser rentable para el usuario no significa ser rentable para el proveedor
Imaginemos dos modelos. El primero es relativamente barato de ejecutar. Pero necesita quince minutos para resolver una tarea: inspecciona numerosos archivos, hace varios intentos, utiliza herramientas repetidamente y genera una larga secuencia de razonamiento y respuestas.
El segundo utiliza una infraestructura computacional considerablemente más cara, pero entiende el problema rápidamente y lo resuelve en dos minutos.
¿Quién es más barato?
La respuesta depende de quién pague la factura.
Para el profesional que espera delante del ordenador, el segundo puede resultar extraordinariamente rentable. Ha convertido quince minutos de espera, supervisión y correcciones en dos minutos de trabajo prácticamente autónomo.
Pero para la compañía que proporciona esa inteligencia dentro de una suscripción mensual, la ecuación puede ser muy diferente.
Esta distinción me parece cada vez más importante porque llevamos años hablando del precio de la inteligencia artificial en una unidad que podría acabar resultando algo rudimentaria: el coste por millón de tokens.
GPT-5.5 cuesta actualmente (septiembre de 2026) mediante API 5 dólares por millón de tokens de entrada y 30 dólares por millón de tokens de salida. Su sucesor recomendado en Codex, GPT-5.6 Sol, figura actualmente a 4 y 20 dólares respectivamente, aunque OpenAI especifica que parte de los precios actuales de GPT-5.6 Sol son promocionales. (Ojo, Sol es genial, pero personalmente lo siento menos fluido; aunque creo que tiene que ver con otra cosa que trataré en otro artículo que estoy preparando sobre la fricción en los procesos de IA)
Las cifras son interesantes, pero creo que el asunto importante está en otro sitio.
Cuando utilizamos IA profesionalmente no compramos tokens; compramos problemas resueltos.
El coste por problema resuelto
Esta diferencia se entiende muy bien construyendo sistemas con agentes de IA. Es algo con lo que me encuentro continuamente trabajando en proyectos donde distintos modelos pueden realizar una misma tarea.
Un modelo barato que se equivoca tres veces puede terminar costando más que uno caro que acierta a la primera. Y no solamente porque consuma más tokens. Cada error provoca nuevas lecturas, llamadas a herramientas, ejecuciones, verificaciones, contexto adicional y, en muchos casos, intervención humana.
A medida que los agentes adquieren autonomía, esta diferencia se multiplica.
El precio importante deja de ser cuánto cuesta producir mil palabras y empieza a ser cuánto cuesta terminar correctamente un trabajo.
Es una transformación parecida a la que vivimos en muchos otros sectores tecnológicos. Durante años medimos las telecomunicaciones por minutos, el almacenamiento por gigabytes y la informática por capacidad de proceso. Con el tiempo, aquellas unidades fueron perdiendo protagonismo porque al cliente no le interesaba realmente comprar minutos, gigabytes o ciclos de CPU. Quería comunicarse, guardar sus cosas o ejecutar una aplicación. ¿Os acordáis de las tarifas de telefonía? De minutos o Gb hemos pasado a tarifa plana ilimitada. Es lo que las personas quieren y entienden.
Con la IA probablemente sucederá lo mismo.
El token es una unidad técnica fantástica para facturar infraestructura; pero es una unidad bastante mediocre para medir valor y GPT-5.5 resulta especialmente interesante porque parece moverse precisamente en esa frontera.
La paradoja de la inteligencia demasiado eficiente
Aquí aparece una paradoja curiosa.
Supongamos que una empresa consigue crear un modelo muchísimo mejor. No solamente responde mejor, sino que permite delegarle tareas cada vez más importantes. Programa durante horas, investiga, administra sistemas, analiza documentación o maneja herramientas sin supervisión constante.
¿Qué hace entonces el usuario?
Usarlo más. Muchísimo más.
Antes consultábamos a una IA unas cuantas veces al día. Ahora podemos dejar un agente trabajando durante largos periodos. Y muy pronto será normal tener varios agentes trabajando simultáneamente. Es decir, cuanto mejor funciona el producto, más incentivo tenemos para consumirlo.
Para un negocio basado estrictamente en consumo, esto puede ser fantástico. Cada nueva tarea genera nueva facturación. Pero dentro de una tarifa plana o semiplana aparece un problema económico mucho más delicado: el mejor cliente puede convertirse también en el cliente más caro.
Y posiblemente sean precisamente los usuarios profesionales quienes descubran primero cómo exprimir estos modelos.
Un desarrollador que utiliza Codex ocasionalmente tiene un comportamiento relativamente previsible. Otro que convierte el modelo en un programador casi permanente, lo integra en su flujo de trabajo y le encarga tareas una detrás de otra puede consumir una cantidad radicalmente distinta de infraestructura pagando la misma suscripción.
Por eso resulta tan sugerente que GPT-5.5 vaya a desaparecer de ChatGPT y Codex pero continúe disponible mediante API. Ya sé que no demuestra absolutamente nada sobre las razones internas de OpenAI; pero económicamente tiene sentido hacerse la pregunta.
Conviene no convertir una buena hipótesis en una falsa certeza
Existe también una explicación mucho más sencilla: GPT-5.6 es más reciente.
OpenAI puede estar simplemente racionalizando su catálogo, concentrando recursos de infraestructura y soporte alrededor de una generación nueva que ofrece mejor relación entre precio y rendimiento. De hecho, la compañía ha trabajado explícitamente durante los últimos meses en mejorar la eficiencia económica de GPT-5.6 y presenta GPT-5.6 Sol como el reemplazo para quienes todavía estén utilizando GPT-5.5 en Codex.
Tampoco conocemos cuánto le cuesta realmente a OpenAI ejecutar GPT-5.5; porque el precio de una API no revela el coste marginal del modelo. Ahí están mezclados infraestructura, amortización, investigación, márgenes, capacidad disponible y estrategia comercial. Pretender calcular desde fuera si GPT-5.5 “pierde dinero” sería pura especulación.
Pero no hace falta que nuestra hipótesis concreta sobre GPT-5.5 sea cierta para que el problema económico que pone sobre la mesa sea real; puesto que toda la industria de la IA se dirige hacia modelos capaces de realizar una cantidad creciente de trabajo y eso puede cambiar completamente aquello por lo que terminaremos pagando.
Tal vez acabemos pagando por "trabajadores", no por tokens
La primera generación de inteligencia artificial comercial ha heredado una métrica propia de la informática: pagamos por consumo.
La siguiente podría parecerse mucho más al mercado laboral o de suscripciones de tarifa plana.
No resultaría extraño que dentro de unos años una empresa pagara una determinada cantidad mensual por disponer de un agente financiero, otro dedicado a comunicación, otro a programación y otro a atención al cliente, cada uno con ciertas capacidades, disponibilidad y autonomía.
En ese escenario, contar tokens parecería casi tan extraño como calcular el salario de una persona contando las palabras que pronuncia durante su jornada.
Lo relevante sería el resultado.
Cuántos trabajos termina. Con qué calidad. Cuántas veces necesita supervisión. Cuántos errores provoca. Cuánto tiempo ahorra. Cuánto valor crea.
Eso también obligará a los fabricantes de modelos a resolver una cuestión incómoda. Si cada generación de IA necesita menos intervención humana y completa más trabajo, probablemente tendrán que encontrar fórmulas comerciales que capturen una parte de ese valor sin penalizar precisamente aquello que hace interesante la tecnología: utilizarla mucho.
GPT-5.5 quizá no tenga absolutamente nada que ver con este problema.
Puede que dentro de OpenAI su retirada sea simplemente una transición técnica perfectamente ordinaria entre generaciones.
Pero no deja de resultar curioso que un modelo presentado el 23 de abril como una nueva clase de inteligencia para el trabajo real abandone ChatGPT y Codex el 14 de octubre mientras permanece accesible allí donde cada token consumido tiene un precio.
Y después de haber trabajado con él, entiendo perfectamente que haya usuarios a quienes les cueste despedirse. No porque siempre sea el mejor en una tabla; sino porque, en determinadas tareas, sucede algo bastante más importante: parece entender antes lo que quieres conseguir y se pone menos en medio para conseguirlo.
Quizás esa sea una de las grandes batallas de la próxima etapa de la inteligencia artificial. Ya no consistirá únicamente en fabricar modelos más inteligentes. Habrá que conseguir también que esa inteligencia sea económicamente sostenible cuando millones de personas descubran que pueden delegarle una parte significativa de su trabajo.
Porque puede llegar un momento en el que el mayor problema de un modelo extraordinario no sea que nadie quiera utilizarlo.
Sea exactamente el contrario.
Que todo el mundo quiera utilizarlo demasiado.
Fuentes: OpenAI, presentación de GPT-5.5 (23 de abril de 2026); notas oficiales de producto sobre su retirada de ChatGPT, ChatGPT Work y Codex el 14 de octubre de 2026; documentación oficial de precios de GPT-5.5 y GPT-5.6 Sol.
