La respuesta se divide en dos partes, al igual que la factura. La partida de la plataforma puede ser auténticamente cero: Sharkly es gratuito para organizaciones de hasta 5 personas y no vende tokens de modelos. En cambio, la partida de los modelos nunca puede ser cero para un Crew que sigue trabajando mientras tú haces otra cosa. De los tres modelos lanzados por los laboratorios el 22/09/2026, solo uno ofrece una opción gratuita: GPT-6 Luna para usuarios de los planes Free y Go en la aplicación de escritorio de ChatGPT. Sin embargo, una aplicación de escritorio está pensada como un puesto para una persona, no como una credencial que una ejecución pueda utilizar. Coordinar no cuesta nada, ejecutar cuesta unos céntimos y revisar el trabajo no es gratis en ningún caso.
El coste de un Crew consta de dos partidas que a menudo se fusionan en una sola: la partida de usuarios de la plataforma —donde el trabajo se asigna, supervisa y valida— y la partida de tokens del Runtime encargado de la ejecución. Ambas evolucionan por separado. La partida de usuarios se rige por un precio público disponible hoy mismo. La partida de tokens es variable, depende de tus propias cuentas con los proveedores y, el 22/09/2026, cayó en picado.
En resumen
La partida de usuarios en Sharkly es de 0 $ hasta 5 personas y de 7 $ por usuario al mes con facturación anual a partir de esa cifra, bajo un modelo de uso de modelos con clave propia (bring-your-own-key). En la partida de modelos, GPT-6 Luna es gratuito para usuarios Free y Go en la aplicación de escritorio de ChatGPT, GPT-6 Sol no es gratuito y Claude Opus 5.5 no está disponible en absoluto en Claude Free. Un acceso de escritorio no puede iniciar una ejecución desatendida. La alternativa verdaderamente económica es la API: Luna a 0,10 $ y 0,50 $ por millón de tokens, Sol a 2 $ y 10 $, y lecturas de entradas en caché con un 90 % de descuento. Nada de esto afecta a la única partida que jamás ha tenido un nivel gratuito: la persona que valida el trabajo.
La partida de usuarios: qué significa «gratis» en la plataforma
Los precios de Sharkly dependen de una sola variable: el número de personas. El plan Free cuesta 0 $ para organizaciones de hasta 5 personas. El plan Team cuesta 7 $ por usuario al mes con facturación anual para equipos más grandes. La opción Self-hosted se presupuesta caso por caso. Free y Team ofrecen el mismo producto, por lo que el plan no restringe funciones.
El detalle clave para un Crew: los invitados, Agents, Crews, Computers y Runtimes no ocupan asientos. Un asiento corresponde a una persona dentro de la organización. Añadir un sexto Agent, un segundo Computer o un tercer Runtime no incrementa la partida de usuarios. Un sexto compañero de equipo, sí.
Dos aclaraciones honestas. Sharkly se puede usar gratis a día de hoy y la tarifa de Team es el precio de lista por usuario; por tanto, «gratis actualmente» es la expresión exacta, no «gratis para siempre». Además, Sharkly no vende tokens: una ejecución se factura con cargo al plan de Claude Code, Codex o API ya vinculado al Runtime que la procesa. Por esa razón, ambas partidas se mantienen independientes y los costes de los modelos detallados a continuación no dependen de la plataforma de orquestación elegida. Detalles de los planes: explicación de las tarifas de Sharkly.
La partida de tokens: a qué modelos nuevos puedes acceder sin coste
| Modelo | Vía gratuita | Lo que no permite esta vía | Acceso de pago |
|---|---|---|---|
| GPT-6 Luna | Usuarios Free y Go, en la aplicación de escritorio de ChatGPT | Aún no disponible en Chat y no es una clave API | API gpt-6-luna, 0,10 $ / 0,50 $ por 1M |
| GPT-6 Sol | Ninguna | Solo para Plus, Pro, Business, Enterprise y Edu, en ChatGPT Work y Codex | API gpt-6-sol, 2 $ / 10 $ por 1M |
| Claude Opus 5.5 | Ninguna. Claude Free incluye Sonnet y Haiku | Claude Code está incluido en planes de pago, no en Free | Pro a 17 $/mes con pago anual (200 $ por adelantado) o 20 $ mensuales; Max desde 100 $/mes; API claude-opus-5-5, 4 $ / 20 $ por 1M |
Dos de las tres respuestas son negativas, y la tercera viene acompañada de una condición que lo cambia todo.
Un acceso de escritorio no es una clave API
Esta es la diferencia que la mayoría de los análisis sobre planes gratuitos pasan por alto, y es la que determina si un modelo gratuito resulta útil para un Crew.
Sharkly separa las funciones: el Agent define cómo debe gestionarse el trabajo, el Computer proporciona el entorno de ejecución, el Runtime lleva a cabo la sesión propiamente dicha y la Task permanece como el registro compartido. Una ejecución comienza cuando una Task con un Agent listo llega a un Computer con un Runtime disponible, y dicho Runtime se autentica mediante la suscripción o la clave API configurada en la herramienta de ese Computer.
El acceso gratuito a la versión de escritorio de ChatGPT no es una de esas credenciales. Se trata de una persona que ha iniciado sesión en una app desde su portátil y está escribiendo. Nada en ella se conecta a un Runtime y nada se inicia mientras su dueño duerme. Un modelo gratuito en una aplicación de escritorio te permite evaluarlo, pero no le proporciona a un Crew un entorno sobre el que ejecutarse.
Aun así, la vía gratuita sigue siendo valiosa; aquí tienes el criterio para decidir cuándo usar cada una.
Utiliza el acceso de escritorio gratuito cuando haya una persona presente y se trate de aplicar criterio: analizar cómo razona un modelo sobre tu base de código, comprobar si un enfoque es viable antes de dedicarle un Sprint o evaluar si el modelo encaja en tu regla de enrutamiento. Eso equivale a una tarde entera de pruebas reales a coste cero.
Utiliza una suscripción de pago o una clave API cuando la ejecución deba iniciarse sin tu intervención: Tasks en cola, tareas nocturnas o cualquier proceso que un compañero de equipo active mientras estás en una reunión. Las ejecuciones desatendidas que ocurren en tu ausencia exigen una credencial, no una licencia de escritorio.
Una nota de planificación: OpenAI señala que estos modelos aún no están disponibles en Chat. Una alternativa gratuita disponible hoy en una interfaz concreta podría cambiar de ubicación el próximo mes, lo que justifica definir las reglas de enrutamiento por escrito en lugar de diseñar los flujos de trabajo en función del plan gratuito disponible este trimestre.
La vía económica que sí hace funcionar a un Crew
| Modelo de Runtime | Entrada / salida por 1M | Ventaja de caché | Otras ventajas |
|---|---|---|---|
gpt-6-luna |
0,10 $ / 0,50 $ | 90 % de descuento en lecturas de entrada en caché | Mayor tasa de aciertos por defecto, panel de control de caché y herramienta de diagnóstico |
gpt-6-sol |
2 $ / 10 $ | 90 % de descuento en lecturas de entrada en caché | Puntos de interrupción de caché explícitos |
claude-opus-5-5 |
4 $ / 20 $ | Lecturas en caché a 0,20 $, escrituras en caché a 5 $ | Batch API con un 50 % de descuento; el modo rápido cuesta 8 $ / 40 $, por lo que conviene evitarlo |
OpenAI presenta Sol y Luna como un 50 % más económicos que el precio promocional de GPT-5.6. El matiz proviene de la propia OpenAI y es relevante: la comparativa se realiza frente a una tarifa promocional, no frente al precio de lista.
De cualquier modo, el almacenamiento en caché representa una ventaja mucho mayor. GPT-6 incrementa la tasa de aciertos predeterminada, aplica un 90 % de descuento a las lecturas de entrada en caché, incluye un panel de control de caché y una herramienta de diagnóstico, y ya no invalida la caché cuando se modifica el nivel de esfuerzo de razonamiento o la disponibilidad de herramientas. GitHub señala una reducción de más del 50 % en tokens de prompt que requieren procesamiento nuevo a lo largo de miles de millones de peticiones. Por su parte, Opus 5.5 procesa entradas en caché a 0,20 $ frente a los 4 $ de la entrada estándar. Para un Crew que consulta el mismo repositorio una y otra vez durante el día, la factura final se decide aquí y no en la tarifa de portada.
Cuánto cuesta realmente una semana
OpenAI publicó un dato que permite estimar un presupuesto: Sol con razonamiento extra alto alcanza un 33,2 % en AutomationBench 1.0.6 a un coste de 0,27 $ por tarea. Según nuestros propios cálculos, un Crew que complete 40 tareas de este tipo en una semana gastaría alrededor de 11 $ en la partida de modelos. Es evidente que tu repositorio no es AutomationBench y tus cifras variarán, pero con el volumen de trabajo de un equipo pequeño, la partida de modelos supone ahora un simple error de redondeo frente al coste de una hora de ingeniería.
Las comparaciones en las que se basa son elocuentes: Sol con razonamiento extra alto supera a Claude Opus 5 con razonamiento al máximo por solo el 9 % de su coste por tarea, mientras que Luna al máximo alcanza un 66,6 % en DeepSWE 1.1 con un 93 % menos de coste por tarea que Opus 5. Conviene hacer una aclaración importante: OpenAI utiliza Opus 5 como base de referencia en todo momento, ya que Anthropic presentó Opus 5.5 a 4 $ y 20 $ apenas unas horas después de dicha publicación, situándose un 20 % por debajo de los 5 $ y 25 $ de Opus 5 y con un coste de ejecución un 40 % menor. Dado que ninguno de los dos laboratorios evaluó el modelo actual de su rival, conviene interpretar ambas tablas como orientativas y elegir según la función de cada Runtime, no por una tabla de clasificación.
En el extremo opuesto del espectro, OpenAI indica que el gasto medio diario de sus propios investigadores en agentes de programación supera los 600 $, alcanzando los 7.000 $ en el percentil 90. Nada impide que un Crew llegue a desembolsar cantidades semejantes, salvo una regla de enrutamiento explícita y un límite de gasto acordado, lo que constituye una decisión de gestión y no un plan que se contrate. Si el gasto ya se reparte entre varias herramientas, el control de costes entre agentes debe ser la prioridad antes de cualquier comparativa de precios.
Dónde deja de ser suficiente el plan gratuito
Al sumar ambas partidas a pequeña escala, el total resulta verdaderamente reducido: 0 $ en licencias para un máximo de 5 personas y apenas unas decenas de dólares semanales en tokens utilizando los niveles más económicos. Sin embargo, ninguna de las dos partidas contempla el paso más costoso.
Los Agents investigan, ejecutan, prueban y reportan. Las personas definen la dirección, conceden autorizaciones y validan los resultados. La validación no dispone de un nivel gratuito, ni de tarifas reducidas, ni de descuentos: escala en función del factor humano y no del dinero. La revisión humana constituye el verdadero cuello de botella, al margen de lo que cobre el Runtime. Un plan gratuito para 5 personas y una tarifa de 0,10 $ por millón de tokens de entrada facilitan lanzar diez ejecuciones esta misma tarde a muy bajo coste; pero no abaratan en absoluto la tarea de revisar diez entregables al final de la jornada. Lo que aporta la capa de gestión no es alterar el precio de una ejecución, sino canalizar su destino: la ejecución, los bloqueos, los resultados y las conversaciones de seguimiento se centralizan en la Task. Así, el contexto, el avance, los impedimentos, los entregables y la revisión humana permanecen visibles desde la solicitud hasta el despliegue, y el trabajo pendiente de validación se convierte en una métrica clara en lugar de esa vaga incertidumbre que surge los viernes por la tarde.
La partida que nunca fue gratis
Lo «gratuito» y lo «económico» son hoy dos cuestiones distintas. En lo relativo a la plataforma, la respuesta ya es pública: 0 $ para un máximo de 5 personas, 7 $ por usuario al mes con facturación anual a partir de ahí, y claves o suscripciones aportadas por el propio usuario. En cuanto a los modelos, la respuesta es más modesta de lo que sugieren los titulares: la única opción gratuita opera a través de una aplicación de escritorio que ninguna ejecución desatendida puede aprovechar, y las otras dos alternativas ni siquiera existen.
La conclusión más valiosa no radica en qué plan elegir, sino en entender que el coste de los modelos ya no es el factor que limita el ritmo de entrega de tu Crew, y que ninguna novedad presentada por los laboratorios el 22/09/2026 va a revisar un diff por ti.
Si ya estás utilizando varios agentes de programación, Sharkly ofrece un punto de encuentro único para comprobar qué Runtime generó cada resultado, qué pruebas adjuntó y cuánto trabajo se encuentra actualmente pendiente de revisión humana. Conecta un Computer, crea un Agent y asígnale una tarea monótona. Para equipos de cinco personas o menos, ese paso inicial no cuesta nada.
