OpenAI: GPT-6 Luna Pro (batch)

GPT-6 Luna Pro (batch) es un modelo de texto de OpenAI, identificado en api14 como openai/gpt-6-luna-pro:batch. Es el mismo modelo subyacente que GPT-6 Luna, servido con reasoning.mode establecido en pro para obtener respuestas de mayor calidad en tareas complejas. La variante batch está pensada para cargas de trabajo en las que ese modo pro de mayor calidad es aceptable, y fue lanzada por el proveedor el 22 de septiembre de 2026.

El modelo acepta entradas de texto, imagen y archivos, y produce salida de texto. Su ventana de contexto es de 1.050.000 tokens, y la salida máxima es de 128.000 tokens. Los parámetros de solicitud admitidos incluyen max_tokens, response_format, structured_outputs, seed, tools, tool_choice, reasoning, reasoning_effort, include_reasoning y verbosity. Dado que reasoning se expone como parámetro, puedes controlar cuánto esfuerzo de razonamiento interno aplica el modelo, y include_reasoning te permite decidir si el contenido de razonamiento se devuelve junto con la respuesta final.

Esas capacidades apuntan a un conjunto bastante específico de casos de uso. La gran ventana de contexto es adecuada para documentos largos, como contratos, artículos de investigación, bases de código o informes de varios archivos, donde el modelo necesita razonar sobre material que no cabría en una ventana más pequeña. Las entradas de imagen y archivos lo hacen utilizable para tareas que combinan páginas escaneadas, diagramas o adjuntos con instrucciones escritas. Las salidas estructuradas, response_format y el llamado a herramientas lo hacen una opción razonable para canalizaciones de extracción, clasificación, rellenado de formularios y flujos de trabajo estilo agente que necesitan llamar a funciones externas. Los controles de razonamiento son útiles cuando una tarea requiere un análisis cuidadoso de varios pasos en lugar de una respuesta rápida.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo openai/gpt-6-luna-pro:batch. Dado que la interfaz sigue la forma de chat completions de OpenAI, envías una solicitud al endpoint de chat completions con ese id en el campo model, y puedes pasar cualquiera de los parámetros admitidos en el mismo cuerpo de la solicitud. Tools y tool_choice gestionan el llamado a funciones, response_format y structured_outputs restringen la forma de la respuesta, seed admite muestreo reproducible, y max_tokens limita la salida generada. reasoning, reasoning_effort, include_reasoning y verbosity te dan control sobre cómo razona el modelo y cuánto dice.

Una consideración práctica es que el modo pro consume mucho más que el modo estándar, por lo que la variante batch se reserva mejor para tareas en las que importa la calidad de razonamiento adicional. Para trabajo más simple o de gran volumen, el GPT-6 Luna no pro puede ser una opción mejor. Ten en cuenta también que la salida es solo texto, así que si necesitas imágenes o audio generados, este modelo no es la elección correcta.