GPT-6 Sol como líder de equipo: cuando el puesto de líder deja de ser el más costoso

Un líder de Crew apenas escribe código. Lee la Task, decide quién debe actuar, menciona a los miembros que necesita, espera, lee lo que le han devuelto y, o bien lo combina, o bien lo devuelve. Con GPT-6 Astra a $10 por millón de tokens de entrada y $50 por millón de salida, el Agent que menos código producía tenía la tarifa más alta del Crew.

OpenAI lanzó GPT-6 Sol el 22 de septiembre de 2026 a $2 de entrada y $10 de salida, con id de API gpt-6-sol, una quinta parte de la tarifa de Astra tanto de entrada como de salida. Eso no convierte a Sol en el modelo más inteligente disponible. Lo que hace es abaratar lo suficiente el puesto de coordinación como para poder asignarlo a todos los Crew que ejecutes.

Ya defendimos el caso de Astra en GPT-6 Astra como líder de tu Crew: dale el puesto que decide al mejor criterio del equipo, y los miembros pueden ser del montón. Ese argumento sigue en pie. Lo que ha cambiado es el precio de llevarlo a la práctica. Lo que no ha cambiado es la cola de trabajo terminado esperando a que una persona lo acepte.

TL;DR

Un Crew es un grupo reutilizable de personas y Agents coordinado por un Agent líder, y la ejecución empieza siempre por el líder: este lee el contexto de la Task y las instrucciones del Crew antes de que arranque ningún miembro. Ese puesto consume muchas entradas y se ejecuta más de una vez por Task, así que su factura va en función de lo que lee, no de lo que escribe. Sol a $2 / $10, con un 90% de descuento en la lectura de entradas en caché, hace que resulte asequible mantener un líder en cada Crew. Mantén a Astra o a Claude Opus 5.5 en el puesto cuando el propio requisito sea ambiguo. Los Agents investigan, ejecutan, prueban y reportan. Las personas marcan la dirección, conceden autoridad y aceptan el resultado.

En qué se gasta realmente el puesto de líder

La documentación de Sharkly describe la ejecución de un Crew como una secuencia fija. Si la Task está en un estado ejecutable y el líder está listo, el Agent líder arranca primero. Lee el contexto de la Task y las instrucciones del Crew y, después, o bien se encarga del trabajo, o bien menciona a los Agent miembros elegibles para que hagan aportaciones concretas. Sus resultados vuelven a la Task, y el líder combina lo que ha recibido.

Léelo como un patrón de facturación. Cada turno del líder empieza leyendo: la descripción, los comentarios desde la última vez, las instrucciones del Crew, los roles disponibles y todo lo que los miembros ya hayan publicado. Y termina escribiendo una decisión breve o una mención. Mucha entrada, poca salida, repetido.

Y el puesto está más ocupado de lo que la mayoría de los equipos espera, porque el líder no se ejecuta una sola vez por Task. En una Task asignada a un Crew, un simple comentario de un miembro que cumpla los requisitos puede poner en marcha al líder del Crew, con el mismo requisito de disponibilidad que cualquier otra ejecución. Una Task con una conversación activa es una Task cuyo líder ha leído el hilo varias veces.

Esas son las tarifas de API de los proveedores, y están aquí por las proporciones, no por la factura. El uso de los modelos sigue pasando por las suscripciones o claves de API configuradas en tus herramientas de programación, así que lo que paga tu equipo depende de los planes que conecte.

Coste por tarea, no coste por token

Un líder que malinterpreta un requisito cuesta un día de ejecuciones de los miembros, así que la tabla de tarifas no es el lugar adecuado para resolver esto. OpenAI publica el coste por tarea junto con la puntuación, que se acerca más a la pregunta real.

En Agents' Last Exam V1, Sol con esfuerzo máximo obtiene un 56,4%, por encima del mejor resultado de Opus 5, con un coste por tarea un 60% inferior.

Tres matices honestos antes de que te gastes nada al calor de esa tabla. Son ejecuciones de benchmark de agentes completos, no de líderes; nadie publica una cifra del coste de coordinación, y la factura real de tu líder depende de cuánta conversación generen tus Tasks. La fila de Astra corresponde a un esfuerzo de razonamiento bajo, que es la elección de punto de comparación de la propia OpenAI, no a un Astra esforzándose. Y OpenAI afirma sin rodeos que Astra «sigue siendo nuestro mejor modelo en todos los aspectos», mientras que Artificial Analysis, un tercero, sitúa el índice de inteligencia de Sol en 48 frente a 58 de Claude Opus 5.5. Sol no es el modelo más potente que puedes poner en el puesto. Es el más potente que te puedes permitir dejar sentado ahí en todos los Crew.

El caché es, sobre todo, un descuento para el puesto de líder

GPT-6 eleva por defecto las tasas de aciertos de caché y aplica un 90% de descuento a la lectura de entradas en caché. Dos cambios importan más para un líder que para un miembro: cambiar el esfuerzo de razonamiento o el conjunto de herramientas disponibles ya no invalida la caché, y los puntos de corte explícitos te permiten elegir dónde termina un prefijo en caché. OpenAI cita el caso de GitHub, que ha visto reducirse en más del 50% los tokens de prompt que necesitan procesarse de nuevo a lo largo de miles de millones de solicitudes.

El líder es el que más contexto reenvía en un Crew. En cada turno lee las mismas instrucciones del Crew, las mismas convenciones del repositorio y un hilo de Task que no deja de crecer, y ese prefijo es casi idéntico cada vez. Es exactamente la forma para la que está pensado un prefijo en caché. La configuración vive en el Runtime del Computer, no en el Agent; en cómo ejecutar Agents de GPT-6 Sol en Sharkly se explica dónde ponerla.

Cuándo Astra u Opus 5.5 se quedan con el puesto

Usa Sol como líder cuando el Crew gestiona muchas Tasks acotadas al día, los roles son estables y la mayor parte del criterio se puede dejar por escrito en las instrucciones del Crew en lugar de tener que deducirlo de nuevo en cada ejecución. Mantén un modelo más caro en el puesto cuando el propio requisito sea ambiguo, cuando una mala interpretación mande a tres miembros por el camino equivocado o cuando la Task sea una sola pieza larga de trabajo en lugar de muchas cortas.

Que el líder sea más barato no es motivo para meter un Crew en un trabajo que puede hacer un solo Agent. La documentación es clara al respecto: para trabajos pequeños y bien definidos, asigna la Task directamente a un Agent. Usa un Crew cuando el líder tenga que interpretar el objetivo, implicar a otros Agent miembros y reunir sus resultados en una sola Task. Un arreglo de un solo archivo que pasa por un Crew paga una ejecución de coordinación que nunca necesitó, sea cual sea la tarifa.

Cambiar el modelo del líder tampoco cambia nada en cuanto a la propiedad. El Owner gestiona el Crew; el líder coordina la ejecución.

Dejar el criterio por escrito es lo que hace viable un puesto más barato:

You lead this Crew. Read the Task and the comments added since your
last turn, then pick the smallest set of members that can finish it.
Mention @backend for API and job changes, @tests for coverage,
@docs for user-facing pages.
Ask a person only when two readings of the requirement would produce
different designs. Otherwise state your assumption and proceed.
Combine member results into one summary: what changed, what you ran,
what failed, what you did not cover. Leave acceptance to a person.

Una nota operativa antes de que te fíes de un turno largo del líder. Artificial Analysis midió 102,15 segundos hasta el primer token para la variante de razonamiento máximo de GPT-6 Sol, una cifra de terceros para una configuración de esfuerzo máximo, no de un proveedor. [VERIFY] Todo el Crew espera al primer turno del líder, así que un líder que está pensando y un líder que se ha colgado se ven igual hasta que un estado diga lo contrario.

La factura que no se movió

OpenAI informa de que su investigador medio se gasta más de $600 al día en agents de programación y que el percentil 90 se gasta $7.000. Con las tarifas de Sol, un equipo que estaba racionando las ejecuciones de Crew ahora puede permitirse varias veces más, y cada una de ellas termina en un resultado que una persona tiene que leer.

Esa es la restricción que una bajada de precios empeora en lugar de mejorar. Una coordinación más barata compra más trabajo en paralelo, más diffs y más decisiones por semana, frente a una capacidad de revisión medida en horas humanas que no cambió el 22 de septiembre de 2026. Los Agents investigan, ejecutan, prueban y reportan. Las personas marcan la dirección, conceden autoridad y aceptan el resultado. La automatización se detiene donde hace falta el criterio del equipo.

Por eso la salida del líder importa más que su tarifa. Una ejecución del líder que termina en un scrollback no vale nada a $0,27 ni a $3. Una ejecución del líder que devuelve el plan, los resultados de los miembros, las comprobaciones, los fallos y la pregunta abierta a una sola Task es lo que permite a una persona aceptar el trabajo en minutos en lugar de reconstruirlo. Mantén visibles el contexto, el progreso, los bloqueos, los resultados y la revisión humana desde la petición hasta el lanzamiento, y el puesto más barato se convierte en rendimiento en lugar de en trabajo acumulado.

Qué cambiar esta semana

1. Elige un Crew con un líder caro y apunta su Runtime a gpt-6-sol en ese Computer.
2. Traslada por escrito a las instrucciones del Crew el criterio que le pagabas al líder por improvisar.
3. Ejecuta un Sprint y compara dos cifras con el anterior: Tasks completadas y Tasks devueltas tras la revisión. Si las devoluciones aumentaron, el puesto anterior hacía más de lo que creías.

Si ya ejecutas varios agents, Sharkly te da un único lugar donde gestionar sus tareas y sus resultados.