GPT-5.6 Sol Ultra estará en Codex

Recortes en el coste de inferencia y “multiplicadores de cómputo”

• El hilo conecta GPT‑5.6 Sol / Ultra con informes de que OpenAI encontró una forma de reducir a la mitad los costes de inferencia.
• La gente especula sobre técnicas: almacenamiento en caché compartido de KV/prefijos, speculative decoding, arquitecturas más eficientes, trucos al estilo DeepSeek (modelos borrador, sistemas tipo DSpark).
• Varios argumentan que el simple almacenamiento en caché de respuestas o de prefijos no ayudará mucho en cargas de trabajo de cola larga y contexto largo (p. ej., programación), donde los costes importan más.
• Los “multiplicadores de cómputo” se consideran el secreto comercial central de los laboratorios; mantenerlos en secreto se compara con los algoritmos de trading cuantitativo. Otros critican este secretismo por ser anticientífico y socialmente dañino.

Sol Ultra, Pro, subagentes y flujos de trabajo

• Sol Ultra en Codex se describe (basado en el código fuente) como: el mismo modelo / esfuerzo “max”, más un empujón en el prompt para usar subagentes de forma proactiva. No se expone ningún modo especial de backend.
• Se cree que GPT‑5.5 Pro usa cómputo paralelo en tiempo de prueba (múltiples pasadas + un modelo de selección/síntesis), lo que explica su coste efectivo mucho mayor.
• Se hacen comparaciones con los flujos de trabajo dinámicos / “ultracode” de Claude Code: scripts que orquestan determinísticamente muchos subagentes, con cierto desacuerdo sobre lo maduros o “rotos” que están.

Calidad del modelo, competencia y acceso

• Muchos ven a Fable/Mythos como los líderes actuales en programación, especialmente en tareas complejas de varios pasos (p. ej., ingeniería inversa de hardware).
• GPT‑5.5 Pro es elogiado por su calidad, pero criticado por ser prohibitivamente caro en uso de API; algunos esperan que 5.6 Sol Ultra cierre la brecha a precios de suscripción.
• Algunos usuarios informan que 5.5 se ha vuelto “más perezoso”/peor recientemente en Codex, posiblemente como preparación para 5.6, pero esto es anecdótico.
• La investigación abierta y los bajos precios de DeepSeek se citan repetidamente como presión sobre los laboratorios estadounidenses; hay debate sobre si los laboratorios chinos van por delante en eficiencia o si simplemente están estructuralmente obligados a optimizar.

Uso empresarial, costes y preocupaciones por la burbuja

• Usuarios corporativos informan que ya están viendo 5.6‑Sol Ultra; la dirección primero gamificó “el mayor uso de tokens”, y luego giró bruscamente hacia advertencias sobre el alto gasto en tokens y la recomendación de usar modelos más baratos.
• Varios comentaristas ven esto como una señal temprana de que la burbuja económica podría desinflarse: las herramientas son útiles, pero demasiado caras para reemplazar el trabajo humano a escala.
• Estrategias mencionadas: usar modelos potentes para la planificación, y modelos más pequeños para el “trabajo pesado”; usar modelos locales para la mayoría de las tareas y LLMs en la nube solo cuando uno se queda atascado.

Fiabilidad, seguridad y automatización

• Hay un fuerte escepticismo sobre incrustar LLMs estocásticos directamente en procesos empresariales críticos y automatizados: las empresas quieren determinismo, capacidad de auditoría y comportamiento estable.
• Algunos sostienen que se pueden construir sistemas fiables a partir de partes estocásticas con retroalimentación y pruebas; otros replican que los LLMs actuales no pueden aprender realmente de la retroalimentación en tiempo de despliegue y siguen siendo opacos.

Marca, nombres y UX

• Confusión e irritación por nombres no descriptivos (“Sol”, “Ultra”, “Codex”) frente a etiquetas técnicas; otros señalan que el marketing y la facilidad de uso a menudo pesan más que los nombres descriptivos.