OpenAI ha añadido dos plazos de finalización al modo en segundo plano (background mode) de la Responses API. El desarrollador establece background: true en la solicitud y elige 2h u 8h mediante background_options.completion_window; la tarifa de tokens del modelo queda entonces un 30 % y un 40 % por debajo de la de Standard, respectivamente. Si no se rellena este parámetro, la solicitud sigue por defecto la vía soonest y se factura a precio completo. Un sitio de desarrolladores de terceros registra el 17 de noviembre como fecha de lanzamiento, y la documentación para desarrolladores de OpenAI ya recoge las reglas completas.
El modo en segundo plano en sí existe desde hace tiempo y sirve para convertir las solicitudes largas en operaciones asíncronas: el cliente recibe un response ID, puede desconectarse y recoger el resultado más tarde mediante webhook o sondeo. Lo que se añade ahora es una opción del tipo «si estás dispuesto a esperar, sale más barato». Los ejemplos de la documentación son muy cotidianos: la ventana de 2 horas sirve para analizar los tickets de atención al cliente acumulados durante la mañana antes de la reunión de triaje de la tarde; la de 8 horas, para meter un lote de documentos y dejarlos en revisión durante la noche, y mirar el resultado a la mañana siguiente.

Qué condiciones exige el descuento
El descuento está en beta pública y solo cubre GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra y GPT-6 Luna. Las restricciones están descritas con bastante detalle:
service_tierdebe serdefault, es decir, procesamiento Standard; si se poneauto, el descuento solo cuenta cuando la API haya elegido realmente Standard;- Las solicitudes de 2h y 8h no pueden usar salida en streaming;
streamdebe omitirse o ser false; - Ambos niveles comparten los límites de tasa con la Batch API, y los tokens de entrada se contabilizan en el momento del envío;
- El plazo es un objetivo: tras aceptar la solicitud, la API intenta completarla dentro de la ventana y reintenta automáticamente ante los errores de capacidad que cumplan los requisitos.
Hay un detalle fácil de pasar por alto: la caché de prompts creada en los niveles de 2h y 8h no puede reutilizarse en solicitudes Standard normales, aunque el prompt sea idéntico palabra por palabra. Si una aplicación envía la mitad del tráfico por las ventanas con descuento y la otra mitad en tiempo real, la tasa de aciertos de la caché se parte en dos.
Las tareas de agentes de varios pasos también pueden aprovechar el descuento. Las solicitudes posteriores del mismo flujo de trabajo deben mantener el mismo proyecto de API, el mismo modelo, el mismo service tier, el mismo ajuste de background, el mismo plazo de finalización y el mismo continuation_id. Este ID lo genera la propia aplicación, y reutilizarlo también otorga mayor prioridad en la cola. Si la respuesta anterior ya ha caducado, hay que reenviar, por orden, la entrada original y todos los elementos de salida, sin omitir ni los elementos de razonamiento cifrados ni las llamadas a funciones originales.
Flex se despide, Batch se queda
La documentación incluye un cambio de peso: a partir de GPT-6.2 Astra y Sol, los modelos nuevos dejan de ofrecer procesamiento Flex (service_tier: flex); las solicitudes largas pasarán a usar las ventanas con descuento junto con Standard. Flex era el canal barato que OpenAI abría para solicitudes en las que «tardar un poco no importa», y esa demanda queda ahora absorbida por los dos plazos del modo en segundo plano.
Si se compara con la Batch API, el reparto de funciones es bastante claro. Batch encaja para enviar de una vez un gran volumen de solicitudes independientes entre sí, y la documentación recomienda seguir usándolo para ese tipo de tareas; los niveles de 2h y 8h del modo en segundo plano están pensados para tareas largas individuales, sobre todo ejecuciones de agentes que llaman a herramientas y avanzan en varios pasos. Permiten recibir el resultado por webhook y también cancelar a mitad de camino, basta con llamar a POST /v1/responses/{id}/cancel; cancelar repetidamente es idempotente.
Un cálculo aproximado: una revisión de documentos que se ejecuta cada noche y consume 100 millones de tokens por ejecución, al pasar al nivel de 8 horas, tiene un coste de tokens equivalente al 60 %. Traducirlo a dólares depende del precio unitario de cada modelo y de la proporción entre entrada y salida; esta vez OpenAI no ha publicado una tabla de precios aparte para cada ventana, y los precios por millón de tokens que circulan por la red no se pueden contrastar por ahora con la página oficial, por lo que este artículo no los utiliza.
Los datos se guardan temporalmente
Los equipos de cumplimiento deben fijarse en una cláusula: el modo en segundo plano almacena temporalmente los datos de la respuesta para poder terminar la solicitud y que el cliente recupere el resultado, incluso con store: false o cuando la organización tiene activada la retención cero de datos (ZDR). OpenAI afirma que los datos temporales de las tres ventanas están cifrados en reposo; cuánto tiempo se conservan, la documentación no lo indica.
Para los clientes de sanidad y finanzas que han firmado un acuerdo de retención cero de datos, esto supone una disyuntiva real: para obtener el 40 % de descuento, hay que aceptar que los datos permanezcan brevemente en OpenAI. También hay un coste en la experiencia: la documentación advierte de que el primer token de una respuesta en segundo plano puede llegar más tarde que el de una solicitud síncrona, y los ejemplos en Java y Ruby fijan directamente el tiempo de espera en 30 minutos.
Fuentes: guía Background mode de la documentación para desarrolladores de OpenAI, utilizada para verificar los porcentajes de descuento de los niveles de 2h y 8h, los modelos aplicables, el ajuste de Flex y las condiciones de almacenamiento temporal; CocoLoop; comunidad de desarrolladores de OpenAI.