TL;DR
OpenAI lanzó GPT-5.6 el 9 de julio y la gente lo está usando para crear videos de motion graphics terminados a partir de un solo prompt. No es un modelo de video, ni pinta píxeles. Escribe la animación como código —el mismo HTML y GSAP que impulsa sitios web pulidos— y ese código se renderiza en un MP4 limpio. Por eso el resultado es preciso en lugar de borroso. El problema: los buenos resultados vienen de dejar que piense durante una o dos horas con máximo esfuerzo, lo cual cuesta dinero real y requiere un entorno técnico. Pero la calidad es la historia. Este es el momento en que un modelo de IA de propósito general se volvió lo suficientemente bueno para realizar trabajos que antes necesitaban a un diseñador de motion.
Lo que realmente salió al mercado
GPT-5.6 llegó al público el 9 de julio de 2026, después de una vista previa limitada a finales de junio. Es una familia, no un solo modelo: Sol es la insignia, Terra el equilibrado y Luna el barato y rápido. OpenAI llama a Sol su mejor modelo de código hasta ahora, y hay una configuración de máximo esfuerzo más un modo ultra que le permite delegar tareas a subagentes en problemas difíciles.
Nada de eso suena como video. Ese es el punto, y por eso la historia pasó desapercibida. GPT-5.6 no es un modelo de video. Es un modelo de razonamiento y código que se volvió lo suficientemente bueno escribiendo código para ahora poder construir una animación, lo cual resulta ser una forma mucho más precisa de hacer motion graphics que generar footage.
¿Cómo hace un modelo de chat un video?
Lo escribe. Tú describes el video, el modelo escribe la animación como código —HTML, CSS y GSAP, la misma tecnología web detrás de los sitios más pulidos que has visto. Luego ese código se renderiza cuadro por cuadro en un MP4.
Esta es toda la razón por la que el resultado es bueno. Un generador de video como Sora adivina píxeles, lo cual es hermoso para un plano general con ambiente y desesperante para un logotipo que tiene que mantener su forma o texto que debe permanecer legible. El código no adivina. Si le dices que el logotipo entra a los 0.4 segundos y el titular es tu naranja exacta de marca, eso es lo que sucede, en cada cuadro, cada vez. Es la diferencia entre describir un cuadro y escribir las instrucciones para construirlo.
¿Por qué tarda horas?
Porque lo bueno viene del pensamiento. Con máximo esfuerzo, GPT-5.6 razonará durante un largo periodo antes de escribir, y con modo ultra puede activar subagentes para trabajar en partes en paralelo. La gente lo deja correr una hora o dos en un solo clip. También ahora inspecciona el resultado renderizado en lugar de simplemente disparar código a ciegas, así que captura cosas que se ven mal y las corrige antes de entregarlas. Ese es el bucle que corre un diseñador de motion, solo automatizado, y es lento por la misma razón que el buen trabajo lo es.
El contraprestación es dinero. Sol comienza en $2 por millón de tokens de entrada y $10 por millón de salida, con entrada en caché a $0.20 por millón. Los prompts superiores a 272,000 tokens de entrada usan tasas más altas de contexto largo, y una ejecución larga de razonamiento en una animación compleja sigue quemando tokens. No es $200 por clip, pero tampoco es gratis, y el camino DIY significa que también estás montando tú mismo la tubería de renderizado.
¿El resultado es realmente bueno?
Sí, y eso es lo que hace que esto valga la pena escribir sobre él. Tipografía cinética, revelaciones de logotipos, carretes de lanzamiento, gráficos animados, promociones de productos —el motion gráfico con marca que realmente entregan los equipos de marketing. Hecho bien, es el tipo de cosa que antes significaba una tarde en After Effects o una semana esperando a un freelancer.
Lo que sigue fallando es exactamente donde te lo esperarías: VFX cinematográficos, 3D, animación de personajes a mano y técnica de emisión perfecta cuadro a cuadro. Un diseñador de movimiento senior en After Effects aún gana esa carrera, y así seguirá siendo por un tiempo. Pero eso nunca fue el trabajo que la mayoría de los equipos necesitaba. El trabajo que la mayoría de los equipos necesitaba acaba de automatizarse. Vamos más profundo sobre dónde se sitúa esa línea en cómo hacer motion graphics sin After Effects.
GPT-5.6 vs los modelos de video
| GPT-5.6 (escribe animación como código) | Sora / Runway / Veo (generan rodajes) | |
|---|---|---|
| Lo que fabrica | Animación gráfica: logotipos, texto, disposición | Imágenes cinematográficas y fotográficas |
| Mantiene la marca | Sí — el código es exacto | No — se desvía y se distorsiona |
| Texto legible, logo intacto | Sí | Poco fiable |
| Tiempo por clip | Una hora o dos con esfuerzo máximo | Minutos |
| Necesitas | Un montaje de renderizado, o un producto construido sobre él | Solo la herramienta |
| Mejor para | Vídeos de lanzamiento, animaciones de logotipos y anuncios para redes | Ambiente, material de relleno (b-roll) y atmósfera |
Lo que esto realmente significa
Un modelo de chat de propósito general, uno construido para codificación y trabajo empresarial, ya es lo suficientemente bueno para hacer motion graphics como efecto secundario de ser bueno en código. Nadie en OpenAI lanzó una función de motion graphics. Simplemente salió del modelo al hacerse más inteligente. Eso debería decirte hacia dónde va esto: cada vez que la frontera se mueve, esto mejora, gratis, sin que nadie construya ninguna función de video.
La brecha honesta es el flujo de trabajo. Horas de pensamiento, un pipeline de renderizado para gestionar, tokens que pagar y una nueva ronda de ajustes cada vez que una escena sale mal. La capacidad está aquí. La comodidad no lo está, a menos que alguien la construya para ti. Esa es la parte que vale la pena observar, y es la parte en la que trabajamos: Fluos funciona con esta misma generación de modelos y convierte el bucle DIY de dos horas en un chat y una vista previa en vivo. A través de los primeros 500 videos creados en fluos, el renderizado promedio terminó en unos tres minutos. Para el panorama más amplio, nuestro resumen honesto de las mejores herramientas de motion graphics con IA compara las opciones.
Preguntas frecuentes
- ¿Puede GPT-5.6 hacer videos?
- No como un modelo de video. Escribe animación como código (HTML y GSAP) que se renderiza en un MP4, que es cómo la gente está obteniendo gráficos de movimiento terminados a partir de un solo prompt. No exporta un video directamente desde la ventana del chat.
- ¿Por qué tarda GPT-5.6 horas en hacer un video?
- Los buenos resultados provienen del razonamiento con esfuerzo máximo, donde el modelo piensa a fondo y puede delegar en subagentes antes de escribir la animación. Las ejecuciones de razonamiento largas tardan tiempo y consumen tokens.
- ¿Es GPT-5.6 mejor que Sora para motion graphics?
- Para gráficos de movimiento con marca —logos, texto, diseño— sí, porque el código es exacto y los rodados generados se desvían. Para rodados fotográficos cinematográficos, Sora es la herramienta adecuada. Resuelven problemas diferentes.
- ¿Cuánto cuesta?
- GPT-5.6 Sol comienza en $2 por millón de tokens de entrada y $10 por millón de salida, con entrada en caché a $0,20 por millón. Los prompts superiores a 272.000 tokens de entrada usan tarifas de contexto largo más altas, por lo que el costo escala con el tamaño del contexto y lo difícil que le permites pensar.
- ¿Cuándo se lanzó GPT-5.6?
- Públicamente el 9 de julio de 2026, tras una vista previa limitada a finales de junio. Viene en tres niveles: Sol, Terra y Luna.