OpenAI: GPT-5.6 Luna

GPT-5.6 Luna es un modelo de texto de OpenAI, parte de la serie GPT-5.6. OpenAI lo describe como rápido y rentable, posicionado para trabajo de alto volumen y sensible a la latencia en lugar de ser el miembro más grande o más capaz de la familia. Se sitúa en la categoría de texto, por lo que su propósito es la comprensión y generación de lenguaje en lugar de tareas de audio, video o embeddings.

El modelo acepta texto, imágenes y archivos como entrada, y devuelve solo texto. Su ventana de contexto es de 1,050,000 tokens, lo suficientemente grande como para contener documentos muy largos, historiales de conversación extensos o bases de código considerables en una sola solicitud. La salida máxima es de 128,000 tokens, por lo que son posibles generaciones largas dentro de esa ventana. Su fecha de corte de conocimiento es 2026-02-16, y la fecha de lanzamiento del proveedor es 2026-07-09. Debido a que maneja entradas de imágenes y archivos junto con texto, puede trabajar sobre material mixto como un documento más una captura de pantalla más una pregunta escrita en una sola llamada.

Esas características apuntan a un conjunto bastante específico de usos. El chat de alto volumen y la clasificación son los obvios, ya que el modelo está diseñado para el rendimiento y la baja latencia. Los flujos de trabajo agénticos ligeros también encajan: se admite el llamado a herramientas, por lo que el modelo puede decidir cuándo invocar funciones que usted defina y encadenar algunos pasos. La gran ventana de contexto lo hace razonable para resumir o consultar informes, contratos o registros largos sin fragmentación, y la entrada de imágenes permite preguntas sobre diagramas, capturas de pantalla o páginas escaneadas. Los controles de razonamiento significan que puede subir o bajar el esfuerzo según si una tarea necesita deliberación o solo una respuesta rápida.

Se llama a través de la API compatible con OpenAI de api14 usando el id de modelo "openai/gpt-5.6-luna". Los parámetros de solicitud admitidos son include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools y verbosity. En la práctica, eso significa que puede limitar la longitud de salida, solicitar o suprimir la salida de razonamiento, controlar cuánto esfuerzo de razonamiento se gasta, pedir respuestas JSON o conformes a un esquema mediante response_format y structured_outputs, definir herramientas y controlar la selección de herramientas, establecer una semilla para un muestreo más reproducible, y ajustar la verbosidad. Si ya usa un cliente compatible con OpenAI, apuntarlo a api14 y cambiar el id de modelo es el paso principal.

No hay una limitación declarada en los hechos más allá de la salida solo de texto y la fecha de corte de conocimiento, así que trate esos como los límites que debe verificar contra su tarea. Si necesita salida en una modalidad distinta al texto, este modelo no servirá para esa necesidad. Si su carga de trabajo es pequeña y no es sensible a la latencia, los controles de razonamiento y verbosidad aún le permiten ajustar el comportamiento, pero el objetivo de diseño declarado del modelo es el volumen y la velocidad. Para trabajo que dependa de conocimiento posterior al 2026-02-16, planee suministrar el material relevante en el prompt o mediante entradas de archivos e imágenes en lugar de confiar en el conocimiento interno del modelo.