OpenAI: GPT-6 Luna (batch)

GPT-6 Luna es un modelo de texto de OpenAI, parte de la serie GPT-6. Dentro de esa serie se sitúa por debajo de GPT-6 Sol, posicionado como la opción rápida y rentable. Está orientado a trabajos de alto volumen y sensibles a la latencia, por lo que vale la pena considerarlo cuando necesitas gestionar muchas solicitudes con rapidez en lugar del razonamiento más potente disponible dentro de la misma familia.

En el lado de la entrada, GPT-6 Luna acepta texto, imágenes y archivos, y devuelve únicamente texto. La ventana de contexto es de 1.050.000 tokens, suficientemente grande para contener documentos muy largos 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. Admite una variedad de parámetros de solicitud, incluidos controles de razonamiento, salidas estructuradas y uso de herramientas, lo que significa que el modelo puede hacer más que una simple finalización de chat.

La combinación de una ventana de contexto muy grande y entradas de imágenes y archivos hace que el modelo sea adecuado para tareas en las que el material de origen es grande o mixto. Podrías usarlo para resumir o consultar informes y contratos extensos, ejecutar clasificación o extracción sobre grandes lotes de documentos, o crear experiencias de chat que necesiten recordar un historial largo. Dado que se admite la entrada de imágenes, también puede gestionar solicitudes que combinan capturas de pantalla o páginas escaneadas con instrucciones de texto. La disponibilidad de herramientas y salidas estructuradas apunta hacia flujos de trabajo agénticos ligeros, en los que el modelo llama a funciones o devuelve datos en un esquema fijo.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo openai/gpt-6-luna:batch. Como la interfaz sigue el formato de OpenAI, los clientes y SDK existentes generalmente funcionan con un cambio de URL base e id de modelo. Los parámetros admitidos son include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, tool_choice, tools y verbosity. Estos cubren la longitud de salida, el determinismo mediante seed, las respuestas JSON o restringidas por esquema, la profundidad de razonamiento y la selección de herramientas.

En cuanto a los límites, los datos aquí no enumeran límites de velocidad, cuotas ni fecha de corte de conocimiento, así que consulta la documentación en vivo para esos detalles. El proveedor señala que GPT-6 Luna está posicionado por debajo de GPT-6 Sol, por lo que si una tarea exige el razonamiento más potente de la serie, un modelo hermano más grande podría encajar mejor. Para trabajos de alto volumen y sensibles a la latencia, clasificación y flujos agénticos ligeros, Luna es la opción prevista.