OpenAI: GPT-6 Luna

GPT-6 Luna es un modelo de texto de OpenAI, parte de la serie GPT-6. OpenAI lo posiciona como el miembro rápido y rentable de esa serie, situándose por debajo de GPT-6 Sol. Fue lanzado por el proveedor el 22 de septiembre de 2026. Si estás eligiendo entre modelos de la familia GPT-6, Luna es el orientado a cargas de trabajo donde la velocidad y el rendimiento importan más que la capacidad de gama alta.

En el lado de la entrada, Luna acepta texto, imágenes y archivos, por lo que puedes enviar prompts que mezclen instrucciones escritas con contenido visual o documental. La salida es solo texto. La ventana de contexto es de 1.050.000 tokens, lo suficientemente grande como para contener bases de código completas, conjuntos largos de documentos o historiales de conversación extensos en una sola solicitud. La salida máxima es de 128.000 tokens, por lo que son posibles generaciones largas junto a ese gran presupuesto de entrada.

La combinación de una ventana de contexto muy grande y modalidades de entrada mixtas apunta a algunos usos prácticos. Las aplicaciones de chat pueden mantener historiales largos sin truncamiento agresivo. Las tareas de clasificación y extracción pueden tomar documentos completos, incluidas páginas escaneadas o capturas de pantalla, y devolver texto estructurado. Los flujos de trabajo agénticos ligeros también encajan, ya que el modelo admite llamadas a herramientas y puede operar sobre contextos de trabajo grandes. Los trabajos de alto volumen y sensibles a la latencia son el objetivo, según la propia descripción de OpenAI, por lo que el procesamiento por lotes, el enrutamiento, el etiquetado y trabajos repetitivos similares son candidatos razonables.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "openai/gpt-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. Dado que el endpoint sigue la forma de chat completions de OpenAI, los clientes y SDK existentes funcionan con un cambio de URL base e id de modelo. Usa response_format o structured_outputs cuando necesites JSON predecible, tools y tool_choice para llamadas a funciones, y seed cuando quieras un muestreo más repetible. Los parámetros reasoning y reasoning_effort controlan cuánto razonamiento interno realiza el modelo, mientras que verbosity influye en la longitud de sus respuestas, y max_tokens o max_completion_tokens limitan la generación.

Ten en cuenta los límites al decidir. La salida es solo texto, por lo que la generación de imágenes o la salida de audio no forman parte de este modelo. La descripción del proveedor sitúa a Luna por debajo de GPT-6 Sol en la serie, así que si una tarea exige el razonamiento más potente que ofrece la familia en lugar de velocidad y eficiencia, otro modelo puede encajar mejor. Para todo lo demás, en particular chat con contexto grande, comprensión de documentos e imágenes, clasificación y agentes impulsados por herramientas a escala, Luna es el punto de partida natural.