OpenAI: GPT-5.2 (batch)

GPT-5.2 (batch) es un modelo de texto de OpenAI, listado en api14 bajo el id de modelo openai/gpt-5.2:batch. Pertenece a la serie GPT-5, y OpenAI lo describe como el modelo de grado frontera más reciente de esa línea, con un rendimiento agéntico y de contexto largo superior al de GPT-5.1. La etiqueta batch indica que esta es la variante batch del modelo en lugar del endpoint interactivo estándar.

El modelo acepta texto, imágenes y archivos como entrada, y devuelve únicamente texto. Su ventana de contexto es de 400.000 tokens, lo suficientemente grande como para contener documentos largos, conversaciones extensas o bases de código considerables en una sola solicitud. La salida máxima es de 128.000 tokens, por lo que las respuestas pueden ser largas cuando la tarea lo requiera. Según OpenAI, GPT-5.2 utiliza razonamiento adaptativo para asignar cómputo de forma dinámica, lo que significa que puede responder con rapidez ante prompts simples mientras dedica más esfuerzo a los más difíciles.

Esas capacidades apuntan a un conjunto bastante específico de casos de uso. La combinación de entrada de imágenes y archivos con un contexto de 400.000 tokens se adapta al análisis de documentos, donde se pasan contratos, informes o PDFs junto con instrucciones, y a la summarización o extracción sobre material fuente extenso. La fortaleza agéntica que OpenAI afirma hace que sea una opción razonable para flujos de trabajo impulsados por herramientas, ya que el modelo admite tools y tool_choice, y para tareas que necesitan salida estructurada en lugar de texto libre. El contexto largo también ayuda con la revisión de código de varios archivos o la respuesta a preguntas sobre un gran corpus interno, donde el chunking perdería el hilo.

Se llama a través de la API compatible con OpenAI de api14 usando el id de modelo openai/gpt-5.2:batch, por lo que los SDKs y clientes de OpenAI existentes funcionan con solo cambiar la URL base y la clave. Los parámetros de solicitud admitidos son include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools y verbosity. En la práctica, reasoning_effort y verbosity permiten intercambiar latencia y longitud de salida por profundidad, response_format y structured_outputs cubren respuestas de estilo JSON, y seed ayuda cuando se desea un muestreo repetible. Los parámetros reasoning e include_reasoning exponen el comportamiento de razonamiento del modelo donde el cliente pueda consumirlo.

Un aspecto a tener en cuenta es que esta es la variante batch, por lo que está orientada a cargas de trabajo que se pueden poner en cola en lugar de a chat interactivo sensible a la latencia. Si se necesitan respuestas inmediatas turno a turno, la versión no batch del mismo modelo es la opción más natural. La salida es únicamente texto, por lo que la generación de imágenes o audio queda fuera de alcance aquí.