Modelos recomendados y su costo

Modelos por fase explica cómo se elige: tres clases, un modelo por clase, y kbspec mide si se cumplió. Esta página dice con qué llenarlas hoy y cuánto cuesta. Las reglas de reparto duran; los nombres y los precios caducan en semanas, así que van fechados —2 de octubre de 2026— y al final está cómo refrescarlos. Los importes siguen la regla de Qué es cada número: sin separador de miles y con punto decimal; un crédito son US$ 0.01.

Lo que no caduca

El costo está en la implementación. En un requerimiento M son unas 556 llamadas al modelo y 280 son de la fase 5 (el 68 % con las pruebas). Pasar la fase 5 de Sonnet 5.5 a GPT-5.6 Luna, con reintentos, ahorra 481 créditos; pasar las fases 1 a 4 de Opus 5.5 a GPT-6.1 Sol, 195.
Las fases 1 a 4 son pocas llamadas, y un error ahí se propaga. El 02, el 03 y el 04 son el contrato y el plan; todo lo demás se ejecuta contra ellos, y con kb lote correr --todo el plan se ejecuta solo hasta el tope de créditos autorizado. Ahí vale la pena un modelo de la categoría más alta de GitHub (Powerful).
Los controles miran la forma, no el contenido. kb spec verifica que cada requisito tenga su criterio Dado/Cuando/Entonces, que cada regla con fórmula traiga su ejemplo y que no haya palabras vagas dentro de un criterio; no recalcula si el ejemplo da lo que dice la fórmula. Un modelo flojo cumple la forma con relleno y el hueco aparece en la fase 5 o en la validación del usuario, cuando corregirlo cuesta más. El escalamiento tampoco lo ve: solo actúa sobre tareas T-NN que fallan. Por eso no bajes de categoría en las fases 1 a 4 sin probarlo (más abajo, «Cómo comprobarla antes de adoptarla»).
En un lazo de agente manda el precio de la caché leída. En las 953 llamadas medidas, el 91 % de la entrada era caché leída. GPT-5.6 Sol cuesta lo mismo que Opus 5.5 en entrada y salida (4 / 20) pero cobra la caché leída al doble (0.40 contra 0.20): con la misma carga sale un 22 % más caro. GPT-6.1 Sol, que la cobra a 0.10, sale un 18 % por debajo de Sonnet 5.5 con el mismo precio de lista. Mirá esa columna antes que la de entrada.
El contexto largo cambia la cuenta. Pasado un umbral de entrada, varios modelos de OpenAI se cobran con otra tarifa: GPT-5.6 Luna sobre 200 mil tokens y los demás sobre 272 mil. La tabla de precios de los modelos de Claude no muestra recargo. Un chat por tarea, como arma kbspec desde 3.148 (Menos tokens), mantiene el contexto lejos de esos umbrales.
Empezar barato es poco riesgoso porque kbspec escala. Una tarea de clase rápida que falla dos veces (compilación o kb validar) se reintenta con la clase equilibrada; una equilibrada que falla tres veces la compilación, con la de razonamiento. kb modelo --escalar T-NN dice cuál y por qué.
Dentro de una opción, un modelo va en una sola clase, y sin «Auto». kbspec reconoce la clase de un modelo por su nombre: si el mismo está en dos listas, los avisos de «modelo más caro que el de la fase» se confunden. «Auto» tampoco: el consumo mostraría modelos que no están en la tabla y no se podría cruzar con la fase.
Con el selector en «Auto», kbspec lo dice en el chat. Desde 3.198 el agente empieza su respuesta con un aviso: qué modelo usó Copilot, cuál recomienda kbspec para la fase y dónde se cambia —también en la ventana de agentes, que no siempre muestra el modelo—. En VS Code, la barra de estado dice «Auto → el que respondió».

Cuatro recomendaciones

El criterio común: donde un error se propaga (fases 1 a 4) conviene un modelo de la categoría Powerful, porque son pocas llamadas; donde está el volumen (fase 5) y donde el resultado se comprueba solo (fase 6), el más barato que siga siendo adecuado. Las opciones difieren en qué modelo ocupa cada lugar. Entre paréntesis, US$ por millón de tokens de entrada / salida.

Fase	A · Claude de referencia	B · Plan fuerte, ejecución eficiente	C · Todo OpenAI	D · Mínimo costo adecuado
1 Captura	Claude Opus 5.5 (4 / 20)	Claude Opus 5.5 (4 / 20)	GPT-6.1 Sol (2 / 10)	GPT-6.1 Sol (2 / 10)
2 Requerimiento	Claude Opus 5.5 (4 / 20)	Claude Opus 5.5 (4 / 20)	GPT-6.1 Sol (2 / 10)	GPT-6.1 Sol (2 / 10)
3 Análisis técnico	Claude Opus 5.5 (4 / 20)	Claude Opus 5.5 (4 / 20)	GPT-6.1 Sol (2 / 10)	GPT-6.1 Sol (2 / 10)
4 Plan de tareas	Claude Opus 5.5 (4 / 20)	Claude Opus 5.5 (4 / 20)	GPT-6.1 Sol (2 / 10)	GPT-6.1 Sol (2 / 10)
5 Implementación	Claude Sonnet 5.5 (2 / 10)	GPT-6.1 Sol (2 / 10)	GPT-6.1 Sol (2 / 10)	GPT-5.6 Luna (0.2 / 1.2)
6 Pruebas	GPT-5.6 Luna (0.2 / 1.2)	GPT-5.6 Luna (0.2 / 1.2)	GPT-5.6 Luna (0.2 / 1.2)	GPT-5.6 Luna (0.2 / 1.2)
7 Validación del usuario	Claude Sonnet 5.5 (2 / 10)	GPT-6.1 Sol (2 / 10)	GPT-6.1 Sol (2 / 10)	GPT-6.1 Sol (2 / 10)
8 Entrega	Claude Sonnet 5.5 (2 / 10)	GPT-6.1 Sol (2 / 10)	GPT-6.1 Sol (2 / 10)	GPT-5.6 Luna (0.2 / 1.2)
Utilidades (explorar, evidencias, exportar, publicar)	GPT-5.6 Luna (0.2 / 1.2)	GPT-5.6 Luna (0.2 / 1.2)	GPT-5.6 Luna (0.2 / 1.2)	GPT-5.6 Luna (0.2 / 1.2)
Auditoría de fondo (opcional)	Claude Opus 5.5 (4 / 20)	Claude Opus 5.5 (4 / 20)	GPT-6.1 Sol (2 / 10)	GPT-6.1 Sol (2 / 10)
Si una tarea falla (el reintento)	Claude Opus 5.5 (4 / 20)	Claude Opus 5.5 (4 / 20)	GPT-5.6 Sol (4 / 20)	Claude Sonnet 5.5 (2 / 10)
Tamaño XS (una sola conversación)	Claude Sonnet 5.5 (2 / 10)	GPT-6.1 Sol (2 / 10)	GPT-6.1 Sol (2 / 10)	GPT-5.6 Luna (0.2 / 1.2)

A · Claude de referencia. La escalera de un solo proveedor para pensar y ejecutar: Opus 5.5 donde un error se propaga y Sonnet 5.5 donde está el volumen; GPT-5.6 Luna en lo que se comprueba solo. Se gana: ambos operan con retención cero de datos y cada clase tiene como primer respaldo la versión anterior (Opus 5 y Sonnet 5), con más historial. Se arriesga: es la más cara de las cuatro (la mitad del gasto está en la fase 5) y Opus 5.5 y Sonnet 5.5 salieron hace menos de tres semanas. Elegila si querés un solo proveedor y el costo no es el criterio principal. Con solo Anthropic habilitado, usá Claude Haiku 4.5 en la clase rápida: sube el costo de A en unos 9 %.
B · Plan fuerte, ejecución eficiente. Gasta donde se propaga el error (el plan, con Opus 5.5) y ahorra donde está el volumen: GPT-6.1 Sol cobra la caché leída a la mitad que Sonnet 5.5. Se gana: el mismo plan que A con una ejecución más barata; lo escribe una familia de modelos y lo ejecuta otra, una diversidad que no se midió. Se arriesga: GPT-6.1 Sol salió el 29 de septiembre; si no pasa la prueba, se vuelve a A cambiando una lista de MODELOS.md. Elegila cuando GPT-6.1 Sol haya pasado la prueba de «Cómo comprobarla».
C · Todo OpenAI. GPT-6.1 Sol (Powerful según GitHub) para todo lo que pide criterio y GPT-5.6 Luna para pruebas y utilidades. Se gana: un solo proveedor, con retención cero acordada con GitHub y hospedaje en la infraestructura Azure de GitHub, y menos cambios de modelo. Se arriesga: todo el ciclo depende de un modelo nuevo y de un solo proveedor en la clase de razonamiento. Elegila si la organización solo tiene OpenAI habilitado o prefiere un solo proveedor.
D · Mínimo costo adecuado. Nada por debajo de la categoría Powerful donde se decide (fases 1 a 4 y 7); GPT-5.6 Luna donde el resultado se comprueba (compilación, pruebas, entrega); Sonnet 5.5 si hay que reintentar. Se gana: es la de menor costo que mantiene un modelo Powerful donde un error se propaga. Se arriesga: depende de que el escalamiento absorba lo que Luna no resuelva —el 30 % de las tareas en el supuesto—. Luna es Lightweight, «tareas pequeñas y rápidas» para GitHub: con un 50 % de reintentos, D sube a 660 créditos en un M, y deja de ser más barata que C recién cerca del 97 %. Además, el plan de la fase 3 lo escribe un modelo nuevo y el escalamiento solo actúa sobre tareas T-NN, no sobre el análisis: la red es tu revisión y kb deriva. Elegila si el presupuesto manda y podés revisar el 03.

Todo Opus 5.5 y Todo Sonnet 5.5 no son recomendaciones: son el costo de no escalonar, para comparar.

Cuánto cuesta un requerimiento

Los créditos salen de multiplicar las llamadas de cada fase por lo que cuesta una llamada típica con el modelo de esa fase, más los reintentos. Hay tres perfiles de llamada; el compacto es el único medido:

Perfil de llamada	Entrada total	Entrada neta	Caché leída	Caché escrita	Salida	Origen
Compacto	44521	3602	40571	348	645	Medido: promedio de 953 llamadas de la ventana de agentes y la CLI de Copilot en una Mac
Contexto grande	150000	6000	142000	2000	1200	Supuesto: unos 150 mil tokens de contexto por llamada
Caso del cliente	250000	8000	240000	2000	1200	Supuesto sobre lo medido en el cliente con 3.137.0: unos 250 mil tokens de contexto

Lo que cuesta una llamada típica, en créditos, con los modelos más usados en las opciones:

Modelo	Precio (entrada / salida)	Compacto	Contexto grande	Caso del cliente
Claude Opus 5.5	4 / 20 (Powerful)	3.72	8.64	11.40
GPT-5.6 Sol	4 / 20 (Powerful)	4.53	11.48	16.20
Claude Sonnet 5.5	2 / 10 (Versatile)	2.26	5.74	8.10
GPT-6.1 Sol	2 / 10 (Powerful)	1.86	4.32	5.70
Claude Haiku 4.5	1 / 5 (Versatile)	1.13	2.87	4.05
GPT-5.6 Luna	0.2 / 1.2 (Lightweight)	0.24	0.60	1.60
GPT-6 Luna	0.1 / 0.5 (Lightweight)	0.11	0.29	0.40

Las llamadas por fase y por tamaño son un supuesto de partida. Las fases 5 y 6 son por tarea; en XS todo ocurre en una sola conversación con un solo modelo:

Llamadas supuestas	XS	S	M	L
Tareas (T-NN)	2	3	8	15
Fase 1	12	25	20	30
Fase 2	—	—	25	40
Fase 3	—	—	40	60
Fase 4	—	—	20	30
Fase 5 (35 por tarea; 25 en XS)	50	105	280	525
Fase 6 (12 por tarea; 8 en S)	—	24	96	180
Fase 7	8	15	25	40
Fase 8	8	15	20	45
Utilidades	8	12	30	45
Total	86	196	556	995

Créditos de un requerimiento, perfil compacto (lo medido):

Opción	XS	S	M	L	M en US$	M frente a A
A · Claude de referencia	213	446	1260	2224	12.60	—
B · Plan fuerte, ejecución eficiente	178	391	1128	1977	11.28	-10 %
C · Todo OpenAI	182	353	956	1722	9.56	-24 %
D · Mínimo costo adecuado	55	183	534	918	5.34	-58 %
Referencia: Todo Opus 5.5	320	728	2066	3698	20.66	+64 %
Referencia: Todo Sonnet 5.5	213	483	1363	2448	13.63	+8 %

Créditos de un requerimiento, perfil de contexto grande (supuesto de unos 150 mil tokens por llamada):

Opción	XS	S	M	L	M en US$	M frente a A
A · Claude de referencia	537	1103	3090	5472	30.90	—
B · Plan fuerte, ejecución eficiente	415	911	2628	4606	26.28	-15 %
C · Todo OpenAI	429	833	2254	4064	22.54	-27 %
D · Mínimo costo adecuado	138	447	1299	2243	12.99	-58 %
Referencia: Todo Opus 5.5	743	1693	4804	8597	48.04	+55 %
Referencia: Todo Sonnet 5.5	537	1216	3433	6165	34.33	+11 %

Los totales absolutos cambian con el contexto; la proporción entre opciones casi no. Un M con la opción A cuesta 1260 créditos con contexto compacto y 3090 con contexto grande; D cuesta el 42 % de A en el primer caso y el 42 % en el segundo.
La auditoría de fondo, si se corre, suma unos 111 créditos en un M con A y B (30 llamadas con Opus 5.5) y unos 56 con C y D (con GPT-6.1 Sol). No está en los totales.
Los reintentos son un costo adicional. Los intentos fallidos ya están contados en la fase 5; el reintento suma las llamadas del modelo más fuerte.

El modelo contra el caso del cliente

El requerimiento M que consumió más de 18000 créditos con la versión 3.137.0 fue una sola conversación de 1688 llamadas con unos 250 mil tokens de contexto cada una (Menos tokens). Con ese volumen y ese contexto, el modelo de esta página da 19243 créditos con Opus 5.5 en todas las llamadas y 14642 con Sonnet 5.5: el mismo orden de magnitud que lo medido (el cliente tenía una mezcla de modelos y el 68 % del consumo fue de la clase razonamiento). Con el mismo volumen y los repartos de cada opción:

Reparto de modelos	Créditos con 1688 llamadas de 250 mil tokens	En US$
A · Claude de referencia	13206	132.06
B · Plan fuerte, ejecución eficiente	10838	108.38
C · Todo OpenAI	9429	94.29
D · Mínimo costo adecuado	6379	63.79
Referencia: Todo Opus 5.5	19243	192.43
Referencia: Todo Sonnet 5.5	14642	146.42

Es una ilustración: supone el reparto de llamadas por fase de un M de esta página, y sobre 200 mil tokens de contexto GPT-5.6 Luna se cobra con su tarifa de contexto largo, que es el doble. Desde 3.148 el chat por tarea empieza cada una con unos 20 mil tokens; cuál de los tres perfiles describe a tu equipo lo dice kb tokens --anatomia.

Un mes del equipo

Cada licencia aporta créditos a una bolsa compartida de la organización: Copilot Business, 1900 por usuario al mes; Enterprise, 3900. Pasada la bolsa, cada crédito cuesta US$ 0.01. Un equipo de 10 personas en Business (una bolsa de 19000 créditos) que cierra en el mes 8 requerimientos XS, 6 S, 5 M y 1 L:

Opción	Compacto: créditos	De la bolsa	Contexto grande: créditos	De la bolsa
A · Claude de referencia	12908	68 %	31835	168 %
B · Plan fuerte, ejecución eficiente	11394	60 %	26535	140 %
C · Todo OpenAI	10082	53 %	23767	125 %
D · Mínimo costo adecuado	5121	27 %	12518	66 %
Referencia: Todo Opus 5.5	20956	110 %	48721	256 %
Referencia: Todo Sonnet 5.5	13864	73 %	34921	184 %

kbspec no es lo único que consume la bolsa: el chat, los agentes y la revisión de código también.

Los modelos y sus precios

La lista de GitHub al 2 de octubre de 2026: 34 modelos de 6 proveedores. Precios en US$ por millón de tokens. «Créditos por llamada» es lo que costaría una llamada típica de agente con el perfil compacto (unos 45 mil tokens de contexto, el 91 % leído de caché). «Opciones» dice en cuáles de A a D se usa el modelo.

Modelo	Categoría	Entrada	Caché leída	Caché escrita	Salida	Créditos por llamada	Opciones	Notas
GPT-5 mini	Lightweight	0.25	0.025	—	2	0.33	—	se retira el 19/10/2026 (GitHub sugiere GPT-5.6 Luna)
GPT-5.3-Codex	Powerful	1.75	0.175	—	14	2.30	—
GPT-5.4	Versatile	2.5	0.25	—	15	2.97	—	se retira el 19/10/2026 (GitHub sugiere GPT-5.6 Sol); sobre 272K de entrada: 5 / 22.5
GPT-5.4 mini	Lightweight	0.75	0.075	—	4.5	0.89	—	se retira el 19/10/2026 (GitHub sugiere GPT-5.6 Luna)
GPT-5.4 nano (no está en Business ni Enterprise)	Lightweight	0.2	0.02	—	1.25	0.24	—	solo en la extensión Codex de VS Code (Pro+)
GPT-5.5	Powerful	5	0.5	—	30	5.94	—	se retira el 19/10/2026 (GitHub sugiere GPT-5.6 Sol); sobre 272K de entrada: 10 / 45
GPT-5.6 Luna	Lightweight	0.2	0.02	0.25	1.2	0.24	A B C D	sobre 200K de entrada: 0.4 / 1.8
GPT-5.6 Sol	Powerful	4	0.4	5	20	4.53	C	sobre 272K de entrada: 8 / 30
GPT-5.6 Terra	Versatile	2	0.2	2.5	12	2.39	—	sobre 272K de entrada: 4 / 18
GPT-6 Astra	Powerful	10	1	12.5	50	11.32	—	sobre 272K de entrada: 20 / 75
GPT-6 Luna	Lightweight	0.1	0.01	0.125	0.5	0.11	—	salió el 22/9: sin historial; sobre 272K de entrada: 0.2 / 0.75
GPT-6 Sol	Powerful	2	0.2	2.5	10	2.26	—	salió el 22/9: sin historial; sobre 272K de entrada: 4 / 15
GPT-6.1 Sol	Powerful	2	0.1	2.5	10	1.86	B C D	salió el 29/9: sin historial; sobre 272K de entrada: 4 / 15
Claude Fable 5	Powerful	10	1	12.5	50	11.32	—	Anthropic conserva los datos por defecto
Claude Fable 5.1	Powerful	10	0.25	12.5	50	8.28	—	Anthropic conserva los datos por defecto
Claude Haiku 4.5	Versatile	1	0.1	1.25	5	1.13	—
Claude Opus 4.7	Powerful	5	0.5	6.25	25	5.66	—	retirado el 2/10/2026 (GitHub sugiere Claude Opus 5.5)
Claude Opus 4.8	Powerful	5	0.5	6.25	25	5.66	—
Claude Opus 4.8 (fast mode) (preview)	Powerful	10	1	12.5	50	11.32	—	vista previa
Claude Opus 5	Powerful	5	0.5	6.25	25	5.66	—
Claude Opus 5.5	Powerful	4	0.2	5	20	3.72	A B	salió el 22/9: sin historial
Claude Sonnet 4.6 (no está en Business ni Enterprise)	Versatile	3	0.3	3.75	15	3.40	—	retirado el 1/9/2026; solo planes individuales anuales
Claude Sonnet 5	Versatile	2	0.2	2.5	10	2.26	—
Claude Sonnet 5.5	Versatile	2	0.2	2.5	10	2.26	A D	salió el 28/9: sin historial
Gemini 3.5 Flash	Lightweight	1.5	0.15	—	9	1.78	—	retirado el 2/10/2026 (GitHub sugiere Gemini 3.8 Flash)
Gemini 3.6 Flash	Versatile	0.75	0.075	—	3.75	0.84	—	retirado el 2/10/2026 (GitHub sugiere Gemini 3.8 Flash); precio promocional hasta el 31/12/2026
Gemini 3.7 Flash	Versatile	0.75	0.075	—	3.75	0.84	—	se retira el 19/10/2026 (GitHub sugiere Gemini 3.8 Flash); precio promocional hasta el 31/12/2026
Gemini 3.8 Flash	Versatile	0.75	0.075	—	3.75	0.84	—	precio promocional hasta el 31/12/2026
MAI-Code-1.1-Flash	Lightweight	0.2	0.02	—	1.2	0.24	—
Kimi K2.7 Code	Versatile	0.95	0.19	—	4	1.40	—	retirado el 2/10/2026 (GitHub sugiere Kimi K3); pesos abiertos: GitHub pide evaluarlo antes de habilitarlo
Kimi K3	Powerful	3	0.3	—	15	3.37	—	pesos abiertos: GitHub pide evaluarlo antes de habilitarlo
Grok 4.5	Versatile	2	0.5	—	6	3.21	—	se retira el 19/10/2026 (GitHub sugiere Grok 4.6); sobre 200K de entrada: 4 / 12
Grok 4.6	Versatile	2	0.5	—	6	3.21	—	sobre 200K de entrada: 4 / 12
Grok 4.7	Versatile	2	0.5	—	6	3.21	—	sobre 200K de entrada: 4 / 12

Categoría: es la que GitHub asigna en su tabla de precios (Lightweight, Versatile o Powerful). GitHub no la define en esa página. GitHub clasifica GPT-6 Sol y GPT-6.1 Sol como Powerful, aunque el aviso de lanzamiento de GPT-6 Sol lo describe como «equilibrado».
Caché escrita: los modelos de OpenAI anteriores a la serie 5.6, los de Google, Microsoft, Moonshot y xAI no la cobran aparte; aquí se contó como entrada normal.
Ventana de 1M y razonamiento ajustable: no los ofrecen GPT-5 mini, GPT-5.4 mini, GPT-5.4 nano, Claude Haiku 4.5, MAI-Code-1.1-Flash, Gemini 3.5 a 3.8 Flash, Grok 4.5 a 4.7 ni Kimi K2.7 Code. GitHub advierte que elegir una ventana mayor o más razonamiento consume más tokens y, por tanto, más créditos.
No están en Copilot Pro (sí en Pro+, Max, Business y Enterprise): GPT-5.5, GPT-5.6 Sol, GPT-6 Astra, GPT-6 Sol, GPT-6.1 Sol, Claude Fable 5, Claude Fable 5.1, Claude Opus 4.8, Claude Opus 4.8 (fast mode), Claude Opus 5 y Claude Opus 5.5.
Retiros: el 2 de octubre se retiraron Claude Opus 4.7, Gemini 3.5 Flash, Gemini 3.6 Flash y Kimi K2.7 Code; el 19 de octubre, los seis del aviso de arriba. Claude Sonnet 4.6 se retiró el 1 de septiembre y solo sigue en los planes individuales anuales.

Dónde corre cada proveedor y qué pasa con los datos, según GitHub:

Proveedor	Dónde corre	Datos
OpenAI	OpenAI y la infraestructura Azure de GitHub	No entrena con datos de clientes; GitHub tiene un acuerdo de retención cero con OpenAI
Anthropic	AWS, Anthropic y Google Cloud	Retención cero, salvo Claude Fable 5 y 5.1: con ellos Anthropic conserva prompts y salidas por defecto; la exención de retención cero es hasta fin de 2026, se pide a GitHub y el administrador debe habilitar cada modelo
Google	Google Cloud	No usa los prompts ni las respuestas para entrenar sus modelos
xAI	xAI	Política de retención cero de su API
Microsoft	Azure, en el inquilino de GitHub	GitHub no usa datos de Business ni Enterprise para entrenar modelos
Moonshot AI	Azure AI Foundry (K2.7 Code) y Fireworks AI (K3)	Retención cero con los proveedores de hospedaje; son modelos de pesos abiertos que, según GitHub, pueden estar menos alineados y con mayor riesgo de sesgo geográfico: pide evaluarlos antes de habilitarlos

Gemini, Grok y Kimi no entran en ninguna opción: dos proveedores cubren las tres clases, y los de Google, xAI y Moonshot dependen de la política de cada organización.

Cómo aplicarla

Las listas de cada opción, por clase. kbspec usa el primer modelo de la lista que la organización tenga habilitado:

Opción	`razonamiento`	`equilibrado`	`rapido`	Fases que cambian de clase
A	Claude Opus 5.5 · Claude Opus 5 · GPT-5.6 Sol	Claude Sonnet 5.5 · Claude Sonnet 5 · GPT-5.6 Terra	GPT-5.6 Luna · GPT-6 Luna · Claude Haiku 4.5	ninguna
B	Claude Opus 5.5 · Claude Opus 5 · GPT-5.6 Sol	GPT-6.1 Sol · GPT-6 Sol · Claude Sonnet 5.5	GPT-5.6 Luna · GPT-6 Luna · Claude Haiku 4.5	ninguna
C	GPT-6.1 Sol · GPT-6 Sol · GPT-5.6 Sol	GPT-5.6 Terra · Claude Sonnet 5.5	GPT-5.6 Luna · GPT-6 Luna · MAI-Code-1.1-Flash	5, 7 y 8 pasan a `razonamiento`
D	GPT-6.1 Sol · GPT-6 Sol · GPT-5.6 Sol	Claude Sonnet 5.5 · Claude Sonnet 5 · GPT-5.6 Terra	GPT-5.6 Luna · GPT-6 Luna · MAI-Code-1.1-Flash	5 y 8 pasan a `rapido`; la 7, a `razonamiento`

Con la opción A, por ejemplo:

kb modelo --mapear razonamiento --copilot "Claude Opus 5.5 · Claude Opus 5 · GPT-5.6 Sol" --claude "Opus"
kb modelo --mapear equilibrado --copilot "Claude Sonnet 5.5 · Claude Sonnet 5 · GPT-5.6 Terra" --claude "Sonnet"
kb modelo --mapear rapido --copilot "GPT-5.6 Luna · GPT-6 Luna · Claude Haiku 4.5" --claude "Haiku"
kb update

kb update regenera los agentes de fase con los modelos nuevos. Las clases de cada fase vienen en la sección «Qué clase usa cada fase» de MODELOS.md y se editan a mano; C y D cambian algunas filas (última columna). kb modelo --validar comprueba los nombres contra el catálogo de Copilot y contra lo que VS Code ofrece en la máquina.

Cómo comprobarla antes de adoptarla

Ninguna opción se probó con modelos reales dentro de kbspec. Esta secuencia lo resuelve en el cliente, de lo más barato a lo más lento:

Confirmá qué modelos ofrece la cuenta: kb modelo --validar.
Completá las tarifas: kb precios --actualizar. kbspec trae solo las que faltan, una vez por día, al iniciar o abrir un requerimiento (kb init, kb abrir) y con kb modelo --validar, si la máquina sale a internet; detrás de un proxy o sin red hay que pedirlo así. La plantilla de tarifas que traían las versiones hasta la 3.183.2 es del 20 de agosto y no tiene Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Luna, GPT-6 Sol ni GPT-6.1 Sol; GPT-5.6 Sol ya cambió de precio. Sin tarifa, el costo estimado de esos modelos queda fuera del total; lo facturado por Copilot no se afecta. --actualizar agrega lo que falta y no toca las filas que difieren, por si hay un acuerdo propio; --forzar las reemplaza.
Probá cada candidato nuevo con el lote de demostración: kb lote demo --correr --modelo <id>, con el id de Copilot de cada modelo. Corre tareas pequeñas por la compuerta de kbspec y dice cuántos créditos costó cada una y cuántas pasan la verificación: mide el costo y que el modelo complete el ciclo, no la profundidad de su razonamiento.
Repetí un análisis ya entregado. Para las fases 1 a 4 no hay prueba automática. Tomá un requerimiento M entregado, hacé que el modelo candidato rehaga su 03 a partir del 01 y el 02, y compará con lo que realmente se cambió: kb deriva <expediente> --base <rama-base> --repo <repositorio-de-código>. Contá lo que no declaró y lo que inventó.
Medí con tus datos. Tras unos cinco requerimientos, kb modelo --revisar y kb metricas cruzan el modelo de cada fase con los defectos que salieron, y el contrafactual de modelo de kb tokens --anatomia dice cuánto habría costado lo medido con el modelo que recomienda MODELOS.md, con los mismos tokens: es la forma de reemplazar los supuestos de esta página por los tuyos.

Cómo se calculó, y qué se supuso

Cada llamada cuesta, en créditos: (entrada neta × precio de entrada + caché leída × precio de caché leída + caché escrita × precio de escritura + salida × precio de salida) ÷ 1000000 × 100. Un modelo sin precio de escritura de caché la cobra como entrada normal, y pasado el umbral de contexto largo se usa la tarifa de contexto largo del modelo.

Dato	Origen	Estado
Precios, categorías, contexto largo	Páginas de GitHub «Models and pricing» y «Supported AI models», leídas el 2 de octubre de 2026	Verificado
Disponibilidad por plan, retiros, retención de datos	«Supported AI models», «Model hosting» y el aviso de retiros del 18 de septiembre	Verificado
Créditos incluidos por plan	Página de planes de Copilot: Business 1900 y Enterprise 3900 por usuario al mes	Verificado
Mezcla de tokens de una llamada (compacto)	953 llamadas de la ventana de agentes y la CLI de Copilot en una Mac, con modelos baratos elegidos por `auto`	Medido, en un solo equipo
Llamadas por fase y tareas por tamaño	Estimación	Supuesto
Perfil de contexto grande (150 mil) y del caso del cliente (250 mil)	Estimación; el segundo, sobre lo medido con 3.137.0	Supuesto
Tareas que se reintentan (30 % con un modelo Lightweight, 10 % con los demás)	Estimación	Supuesto
Calidad de cada modelo en cada fase	No se midió: el criterio es la categoría y la descripción de GitHub, el precio y el diseño de kbspec	Sin medir
Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Sol, GPT-6 Luna y GPT-6.1 Sol	Salieron entre el 22 y el 29 de septiembre; GitHub dice que, en pruebas tempranas, completan las tareas con menos pasos y tokens que su versión anterior, y esa ventaja no está en la comparación a carga fija	Sin historial propio

Para refrescar esta instantánea cuando cambien los precios o salgan modelos: releé las páginas de GitHub (abajo), corré kb precios --actualizar, y rehacé las tablas con la fórmula de arriba y tus llamadas reales (kb tokens --anatomia las da por fase).