Grok 4.6 a la altura de los modelos punteros con precios un 60% inferiores: la carrera se traslada al costo de cálculo

La comparación entre los grandes modelos lingüísticos está cambiando de terreno. Durante dos años la pregunta fue qué sistema respondía mejor; en el verano de 2026 la pregunta es cuánto cuesta obtener esa respuesta. El caso más claro es Grok 4.6: en las mediciones de Artificial Analysis retomadas por la reseña de MarketingProfs, el modelo obtiene 61 puntos en el índice de inteligencia, el mismo nivel que GPT-5.6 Sol, con un rendimiento considerado sólido incluso en las tareas que requieren la ejecución autónoma de secuencias de acciones.

La diferencia está en la lista de precios. Los precios declarados son 2 dólares por millón de unidades de texto procesadas en entrada y 6 dólares por millón en salida: más de un 60% por debajo de las ofertas comparables de Anthropic y OpenAI. Es un dato que debe leerse por lo que es —un precio de lista anunciado por el fabricante, no un costo industrial verificable desde el exterior— mientras que la puntuación proviene de un evaluador tercero. La distinción importa: sobre el primer número el proveedor tiene plena discrecionalidad, y nada garantiza que la brecha se mantenga cuando la capacidad de cálculo se vuelva más cara o más escasa.

El contexto es el de un mercado que se satura rápidamente. El registro de lanzamientos recopilado por LLM Gateway contabiliza doce nuevos modelos distribuidos por siete proveedores solo en el mes de agosto de 2026; el último censado es GLM-5.2 Turbo, de la empresa china Z.AI, publicado el 17 de agosto. Con tantos sistemas ubicados a pocos puntos unos de otros en las escalas de evaluación, la palanca competitiva que queda es el precio por volumen procesado: quien compra capacidad para integrarla en un producto elige según cuánto gasta por cada millón de unidades, no según medio punto de índice.

En el mismo mes, sin embargo, llegó un recordatorio sobre los límites. La prueba comparativa llamada «Reconstruction», señalada por AI Weekly, pide a los modelos remontarse a las ideas contenidas en un artículo científico partiendo únicamente de la bibliografía. Los sistemas punteros usados individualmente lo logran en una proporción de entre el 3 y el 15% de los casos; una arquitectura que hace trabajar a varios agentes en secuencia llega al 42%. Son dos cifras que hay que manejar con cautela: una prueba mide lo que fue diseñada para medir, y la reconstrucción de una hipótesis a partir de las fuentes citadas es una tarea artificial, no la actividad de un investigador. Queda el hecho de que, en el tipo de razonamiento generativo que más a menudo se invoca en las promesas comerciales, la brecha entre un modelo aislado y una estructura organizada es de un orden de magnitud.

En el frente de los ingresos, la misma reseña registra la segunda pata de la estrategia: OpenAI incorporará publicidad a ChatGPT en 31 mercados europeos a partir del 24 de agosto de 2026, ampliando una actividad iniciada en Estados Unidos seis meses antes. Al principio los espacios se comprarán a través de los grandes grupos de agencias, con venta directa prevista en un momento posterior. La empresa declara haber adaptado sus normas sobre privacidad al reglamento europeo de protección de datos y sostiene que las conversaciones no se comparten con los anunciantes; afirma además que alrededor del 20% de las solicitudes de los usuarios tiene una finalidad comercial directa. Son declaraciones de la parte interesada, no verificaciones independientes, y como tales deben considerarse hasta que una autoridad o un sujeto tercero las confirme.

Las dos noticias describen la misma presión desde lados opuestos: el precio de acceso a los modelos baja, y la búsqueda de ingresos se traslada al contenido mostrado a los usuarios. El calendario está fijado: el 24 de agosto la publicidad aparece en 31 países europeos.

Fuentes: MarketingProfs, AI Weekly, LLM Gateway.