Actualizado en septiembre de 2026. Este artículo se escribió cuando GPT-5.4 era la gran novedad de OpenAI. Desde entonces han llegado GPT-5.5, GPT-5.6 y, el 22 de septiembre de 2026, GPT-6 Astra. Hemos conservado el análisis original y añadido el estado actual del catálogo, los precios vigentes y lo que de verdad cambia para una empresa que quiere meter estos modelos en su operativa.
La idea de fondo no ha cambiado en todo el año: lo interesante no es qué modelo es el más capaz esta semana, sino cómo se conecta con los sistemas que ya usas —CRM, ERP, gestor documental, repositorios de código— y qué controles pones alrededor. Esa parte sobrevive a cada relanzamiento; el nombre del modelo, no. Si estás empezando a ordenar el tema, nuestra comparativa de plataformas de IA para empresas es un buen punto de partida.
GPT-5.4: el salto que abrió 2026 para OpenAI
OpenAI ha presentado GPT-5.4, en aquel momento su modelo de inteligencia artificial más avanzado, diseñado específicamente para tareas profesionales complejas. Con una ventana de contexto que alcanza 1 millón de tokens —frente a los 256.000 de versiones anteriores—, este modelo redefine lo que podemos esperar de un asistente de IA en entornos empresariales y de desarrollo.
La capacidad de procesar documentos extensos de una sola vez tiene implicaciones directas para consultoras y agencias de desarrollo como las que trabajan con sistemas CRM: análisis de contratos completos, revisión de bases de código enteras y procesamiento de históricos de datos de clientes sin perder contexto.
Qué trajo exactamente GPT-5.4
Conviene fijar las fechas, porque el ruido de los lanzamientos las borra enseguida. OpenAI publicó GPT-5.4 el 5 de marzo de 2026 en dos variantes para cuentas de pago, Thinking y Pro; menos de dos semanas después, el 17 y 18 de marzo, llegaron las versiones mini (disponible también para cuentas gratuitas) y nano (solo por API). La ventana de 1 millón de tokens fue el titular, pero el salto medible estaba en otro sitio: una reducción cercana al 33 % en errores factuales respecto a GPT-5.2 y un 75 % en OSWorld-Verified, el banco de pruebas de automatización de escritorio, frente al 47,3 % del modelo anterior.
Ese segundo dato explica el cambio de tono de todo 2026. Pasar del 47 % al 75 % en tareas de escritorio no es una mejora incremental: es la diferencia entre un asistente que te explica los pasos y uno al que le encargas el paso entero y revisas el resultado. También tuvo su cara B, y conviene decirlo: las variantes mini y nano salieron por API a un precio bastante por encima de sus equivalentes de la familia GPT-5, algo que la prensa técnica criticó en su momento.
Si te interesa el contexto competitivo de aquel trimestre, lo analizamos frente a la propuesta de Anthropic en Claude Opus frente a GPT-5 para desarrollo de software y frente a la de Google en Gemini 3, Deep Think y Workspace para empresas.
El modelo que usa tu ordenador
Una de las funcionalidades más disruptivas de GPT-5.4 es su capacidad de operar software de terceros directamente. El modelo puede navegar por aplicaciones, rellenar formularios, generar hojas de cálculo y crear presentaciones de forma autónoma. Esto lo convierte en un verdadero «empleado digital» capaz de ejecutar flujos de trabajo completos.
Para equipos que gestionan plataformas como SuiteCRM, esto significa que la IA puede interactuar directamente con el CRM: buscar contactos, actualizar oportunidades, generar informes y hasta preparar campañas de email marketing sin intervención manual.
Qué significa de verdad «que usa tu ordenador»
Detrás de la expresión hay algo muy concreto: el modelo recibe capturas de pantalla del entorno, decide dónde hacer clic o qué escribir, ejecuta la acción y vuelve a mirar el resultado. Ese bucle —ver, actuar, comprobar— es lo que permite que rellene un formulario en una aplicación web antigua que no tiene API, que descargue un informe de un panel y lo cruce con otro, o que actualice fichas en un CRM heredado sin que nadie programe una integración específica.
También es donde están los límites. Una interfaz que cambia de sitio un botón rompe el flujo; un diálogo de confirmación inesperado lo detiene; y cada paso cuesta tiempo y tokens, así que automatizar por pantalla sale caro comparado con llamar a una API cuando la API existe. La regla práctica que aplicamos en proyectos es sencilla: si hay API, se usa la API; el uso de ordenador se reserva para el software sin integración posible, que en la mayoría de empresas es justo el más viejo y el más crítico.
Y hay una tercera cuestión, la de permisos. Un agente que maneja el escritorio actúa con las credenciales de alguien. Eso obliga a decidir con qué usuario corre, a qué sistemas llega, qué operaciones necesitan aprobación humana y dónde queda registrado lo que hizo. Lo vimos con el primer agente de este tipo que analizamos, Perplexity Computer, y sigue siendo el punto que más tiempo lleva en cualquier despliegue serio. En agentes de IA en 2026 desarrollamos el salto del chatbot al «empleado digital», y en casos reales de agentes en empresa recogemos qué ha funcionado y qué no.
Mejoras concretas en productividad
GPT-5.4 destaca especialmente en cinco áreas clave que impactan directamente en el trabajo diario de equipos técnicos y comerciales:
Código frontend pulido: genera componentes React, Vue o Angular listos para producción, con estilos, accesibilidad y responsive design incluidos. Creación de presentaciones: desde un briefing, produce slides con estructura narrativa profesional. Hojas de cálculo avanzadas: modelos financieros, dashboards y análisis con fórmulas complejas. Comprensión de documentos: extrae información clave de PDFs, contratos y documentos técnicos extensos. Matemáticas y razonamiento: resuelve problemas analíticos complejos con precisión mejorada.
Dónde sigue sin compensar
Ninguno de estos modelos ha resuelto tres cosas: el trabajo que depende de datos internos mal estructurados, las tareas donde un error pequeño es caro y no se detecta a simple vista, y todo lo que exige responsabilidad legal sobre el resultado. En esos casos el patrón que funciona es el asistido: el modelo prepara el 80 % y una persona firma. Para el resto, el ahorro de tiempo es real y medible desde la primera semana, como detallamos en diez usos de IA en una agencia de desarrollo y en IA aplicada a testing y QA.
Qué ha pasado desde GPT-5.4: 5.5, 5.6 y GPT-6 Astra
Siete meses después, el catálogo de OpenAI es otro. Estos son los tres saltos que importan si estás decidiendo sobre qué modelo construir.
GPT-5.5 (23 de abril de 2026): el modelo agéntico
GPT-5.5 mantuvo el millón de tokens de contexto —400.000 dentro de Codex— y llegó en tres variantes: estándar, Thinking y Pro. Su discurso ya no era «responde mejor», sino «trabaja mejor»: depurar código, investigar en la web, analizar datos y manejar varias herramientas seguidas. Los números que publicó OpenAI van en esa línea: 82,7 % en Terminal-Bench 2.0 (flujos de línea de comandos) y 84,9 % en GDPval, un banco de pruebas de trabajo profesional real. Lo relevante para una factura de API es que mantuvo la latencia de GPT-5.4 gastando bastantes menos tokens para el mismo resultado.
GPT-5.6 (9 de julio de 2026): tres tamaños y modos de razonamiento
Con GPT-5.6 OpenAI abandonó el modelo único y pasó a una familia de tres: Sol (el más capaz), Terra (equilibrado, para trabajo del día a día) y Luna (el económico). A la vez separó el esfuerzo de razonamiento en tres modos —medio por defecto, max para problemas que requieren explorar más, y ultra, que coordina cuatro agentes en paralelo—. También reforzó el uso de ordenador en tareas de diseño: el modelo revisa el resultado renderizado antes de darlo por bueno, en lugar de limitarse a generar el código y confiar.
GPT-6 Astra (22 de septiembre de 2026): el turno de las tareas tediosas
Astra se anunció ayer mismo respecto a la última revisión de este artículo, con despliegue escalonado por organizaciones. Su carta de presentación es explícitamente administrativa: rellenar formularios online, actualizar fichas de cliente en un CRM y organizar la agenda. En el banco de pruebas OSWorld 2.0 alcanza un 72,6 % resolviendo cada tarea en unos 40 minutos, un 47 % más rápido que su antecesor. Se ofrece en versión estándar y Pro (planes Pro, Business y Enterprise), y llega por API, Microsoft Azure y AWS Bedrock; en Enterprise viene desactivado por defecto, algo que conviene tener presente si tu organización usa ese plan y alguien te dice que «no está disponible».
Dicho de otro modo: entre marzo y septiembre de 2026 el foco se ha movido del contexto largo al trabajo administrativo autónomo. Para una pyme, el caso de uso que antes era experimental —que la IA toque el CRM— es justo el que las últimas versiones ponen en el centro. Si es tu escenario, tenemos un artículo dedicado a IA aplicada al CRM.
Cuánto cuesta cada modelo y cómo elegir
Los precios de la API, por millón de tokens y en dólares, a septiembre de 2026:
- GPT-5.5: 5 de entrada / 30 de salida. La versión Pro sube a 30 / 180.
- GPT-5.6 Sol: 5 / 30.
- GPT-5.6 Terra: 2,50 / 15.
- GPT-5.6 Luna: 1 / 6.
- GPT-6 Astra: 10 / 50. El modo rápido duplica velocidad y precio.
Sobre esas tarifas hay dos descuentos que cambian mucho la factura y que casi nadie aplica desde el principio. El primero es el procesamiento por lotes: un 50 % menos si aceptas que el trabajo se resuelva de forma diferida, lo cual encaja perfectamente con procesos nocturnos —clasificar tickets del día, enriquecer registros, generar resúmenes—. El segundo es la caché de prompts: escribir en caché cuesta 1,25 veces la tarifa normal, pero las lecturas posteriores bajan un 90 % durante al menos 30 minutos. Si tu aplicación repite el mismo contexto largo (un manual de producto, un catálogo, unas instrucciones de sistema extensas) en muchas llamadas seguidas, ahí está el ahorro grande.
El criterio de elección que damos a nuestros clientes es de tres pasos. Uno: empieza por el modelo barato (Luna o Terra) y mide la tasa de acierto en tus datos reales, no en ejemplos de demostración. Dos: sube de modelo solo en los puntos concretos donde falle, no en toda la aplicación. Tres: reserva los modos de razonamiento extendido y las variantes Pro para las decisiones caras, porque multiplican el coste por un factor de seis. La mayoría de las cargas de trabajo reales de una pyme se resuelven con el modelo intermedio.
Lo que OpenAI ha retirado en 2026 (y por qué te afecta)
La otra cara de un catálogo que se mueve rápido son las bajas. Durante 2026 OpenAI ha retirado GPT-4o, GPT-4.1 y o4-mini el 13 de febrero, la serie GPT-5.1 el 11 de marzo y o3 el 26 de agosto. Si alguna integración tuya apunta a uno de esos identificadores, ya no funciona o funciona redirigida a otro modelo con un comportamiento distinto al que validaste.
Esto no es un detalle menor de mantenimiento: es la razón por la que una integración de IA necesita el mismo tratamiento que cualquier otra dependencia externa. Inventario de qué modelo usa cada proceso, un conjunto de pruebas que puedas relanzar cuando cambie el modelo, y alguien mirando el calendario de retiradas del proveedor. Es exactamente el tipo de trabajo que cubre un contrato de mantenimiento de software, y el motivo por el que conviene revisarlo en una auditoría técnica antes de que un proceso crítico se caiga un martes por la mañana.
Cómo integrar modelos que cambian cada trimestre
Si algo enseña 2026 es que amarrar un proyecto a un modelo concreto sale caro. Estos son los cuatro puntos que marcan la diferencia entre una integración que aguanta el próximo lanzamiento y una que hay que rehacer.
Una capa de abstracción propia. El código de negocio no debería llamar directamente a un identificador de modelo. Entre medias va una capa fina —apenas un módulo— que decide qué modelo atiende cada tipo de tarea, gestiona reintentos y registra coste y latencia. Cambiar de GPT-5.6 Terra a GPT-6 Astra en un proceso concreto tiene que ser tocar una línea de configuración, no un despliegue.
Conexión estandarizada con tus herramientas. El patrón que se ha impuesto este año para que un modelo hable con sistemas internos es el protocolo MCP: en lugar de escribir un conector a medida por cada modelo y cada herramienta, expones tus sistemas una vez y cualquier modelo compatible los consume. Para un ERP o un CRM propios, eso convierte un trabajo de integración recurrente en uno que se hace una sola vez.
Un conjunto de pruebas con tus datos. Treinta o cuarenta casos reales, con la respuesta correcta anotada, que puedas relanzar en diez minutos. Sin eso, la decisión de cambiar de modelo se toma por intuición y por titulares. Con eso, es una tabla de aciertos y de coste. Es la práctica que más rentabiliza el tiempo de un equipo técnico, y una de las que recogemos en las cinco habilidades de IA que necesita un equipo técnico.
Control de gasto desde el día uno. Límites por proceso, alertas por consumo y registro del coste de cada llamada. Un agente con uso de ordenador en bucle puede multiplicar por veinte el consumo previsto de un día para otro si una pantalla cambia y el modelo reintenta. Y conviene escribir bien las instrucciones de sistema: una buena parte del ahorro sale de ahí, como explicamos en nuestra guía de prompt engineering para desarrolladores.
¿Quieres integrar IA en tus sistemas sin rehacerlo en cada lanzamiento?
En Keliam conectamos modelos como los de OpenAI con el CRM, el ERP y las aplicaciones que ya usas, con una capa de abstracción que aguanta los cambios de versión, control de coste y pruebas propias. Empezamos revisando lo que tienes.
Seguridad y gobierno antes de dar acceso a un agente
Un modelo que lee documentos internos y opera aplicaciones es, a efectos prácticos, un usuario más con permisos amplios y sin criterio propio sobre qué es confidencial. Antes de conectarlo a nada que importe, hay cuatro decisiones que no se pueden dejar para después.
La primera es qué datos salen de tu infraestructura y hacia dónde. Un contexto de un millón de tokens invita a pegar el contrato entero, el volcado del CRM o el histórico de tickets; eso convierte una decisión técnica en una decisión de tratamiento de datos personales. La segunda es con qué identidad actúa el agente: usuario dedicado, permisos mínimos y nunca las credenciales de un administrador «porque es más rápido». La tercera es qué queda registrado: si mañana hay que explicar por qué se modificó un registro, tiene que constar qué proceso lo hizo y con qué instrucción. Y la cuarta es qué requiere aprobación humana: enviar comunicaciones a clientes, borrar, facturar o firmar, nunca en automático.
Si tu organización trabaja con administración pública o con clientes que exigen certificación, esto no es opcional y encaja directamente en marcos que ya conoces: lo desarrollamos en nuestra guía de certificación ISO 27001 y, para el ámbito público español, en ENS frente a ISO 27001: diferencias y sinergias. Un agente autónomo sin control de accesos ni trazabilidad es un hallazgo de auditoría garantizado.
Preguntas frecuentes
¿Sigue teniendo sentido usar GPT-5.4 hoy?
Solo si tienes una integración estable, validada y con un coste que te encaja. No aporta nada frente a GPT-5.6 Terra, que es más barato y más capaz. Si tu aplicación funciona, no hay urgencia; si vas a tocarla, migra.
¿Un millón de tokens de contexto sustituye a una base de datos vectorial?
No. Meter todo el corpus en cada llamada es lento y caro, y la precisión cae cuando el dato relevante está enterrado entre cientos de páginas irrelevantes. El contexto largo sirve para trabajar con un documento completo en una sesión; la recuperación selectiva sigue siendo la forma sensata de consultar un repositorio grande.
¿Qué modelo elijo para empezar en una pyme?
GPT-5.6 Terra para la mayoría de tareas, Luna para volumen alto y poco crítico, y Astra o Sol solo donde el fallo cueste dinero. Mide antes de subir de gama: es habitual descubrir que el modelo intermedio resuelve el 90 % de los casos.
¿Puede un agente trabajar directamente sobre nuestro CRM?
Sí, y es justo lo que las últimas versiones hacen mejor. Con un CRM que tenga API —SuiteCRM, por ejemplo— se integra por API, que es más rápido y más barato; el uso de ordenador se reserva para aplicaciones sin integración posible. En ambos casos, con usuario propio y permisos acotados.
¿Cada cuánto habrá que revisar esto?
Por el ritmo de 2026, cada tres o cuatro meses. No para migrar cada vez, sino para comprobar que ningún modelo que uses está en la lista de retirada y que no hay una opción equivalente a la mitad de precio.
Qué significa para tu negocio
La evolución de GPT-5.4 señala un cambio de paradigma: la IA ya no es solo un chatbot que responde preguntas, sino una herramienta que ejecuta trabajo real. Para empresas que ya utilizan CRM y herramientas de gestión comercial, la integración de modelos como GPT-5.4 a través de APIs permite automatizar tareas repetitivas y liberar tiempo del equipo para actividades de mayor valor.
En Keliam ayudamos a empresas a integrar estas tecnologías en sus flujos de trabajo, conectando IA con plataformas como SuiteCRM y herramientas de prototipado con IA para maximizar la productividad de los equipos.
