Especificaciones técnicas de GPT-6 Luna
| Elemento | GPT-6 Luna |
|---|---|
| Model ID | gpt-6-luna |
| Provider | OpenAI |
| Context window | 1,050,000 tokens |
| Maximum output | 128,000 tokens |
| Knowledge cutoff | May 18, 2026 |
| Input modalities | Text, image |
| Output modality | Text |
| Reasoning effort | none, low, medium (default), high, xhigh, max |
| Function calling | Supported |
| Structured outputs | Supported |
| Fine-tuning | Not supported |
| Responses API tools | Web search, file search, image generation, code interpreter, hosted shell, apply patch, skills, computer use, MCP, tool search |
| Main endpoints | Chat Completions, Responses, Batch and other listed OpenAI API endpoints |
Estas especificaciones provienen de la documentación actual del modelo GPT-6 Luna de OpenAI.
¿Qué es GPT-6 Luna?
GPT-6 Luna está diseñado para aplicaciones en las que se deba manejar de forma eficiente un gran número de llamadas al modelo. OpenAI lo describe como su modelo más eficiente para tareas enfocadas y de alto volumen, mientras que su guía general de GPT-6 recomienda Luna para trabajo eficiente y repetible a escala.
Características principales de GPT-6 Luna
- Contexto muy grande: La ventana de contexto de 1.05M tokens admite documentos largos, grandes contextos de código y flujos de trabajo de aplicaciones en múltiples etapas.
- Razonamiento configurable: Seis niveles de esfuerzo de razonamiento permiten a los desarrolladores equilibrar profundidad de razonamiento frente a latencia y uso de tokens.
mediumes el valor predeterminado documentado. - Entrada multimodal: Luna acepta texto e imágenes, mientras que la salida del modelo es texto. Audio y video no están soportados como modalidades del modelo.
- Uso de herramientas en producción: La Responses API expone web search, file search, code interpreter, hosted shell, computer use, MCP, tool search y otras herramientas para Luna.
- Integración estructurada en aplicaciones: Llamadas a funciones y salidas estructuradas están soportadas, lo que hace a Luna adecuado para clasificación, extracción, enrutamiento, automatización y otros flujos de trabajo legibles por máquina.
- Economía eficiente: OpenAI lista un precio estándar de $0.10 por 1M tokens de entrada y $0.50 por 1M tokens de salida, con tarifas separadas para cached input, long-context requests, Batch/Flex y Fast mode.
Rendimiento en benchmarks de GPT-6 Luna
La página pública actual de modelos de OpenAI proporciona las especificaciones y capacidades del modelo, pero no presenta una tabla de benchmark convencional para Luna en esa página. Independent Artificial Analysis reporta un Intelligence Index de 37 para la configuración de razonamiento más alta de GPT-6 Luna, con puntuaciones menores para ajustes de razonamiento más bajos; se trata de una evaluación independiente y no de un benchmark publicado por OpenAI.
Dado que la metodología de benchmark y los ajustes de razonamiento afectan materialmente los resultados, estas cifras no deben considerarse un ranking universal.
GPT-6 Luna vs GPT-6 Sol vs GPT-6 Astra
| Modelo | Posicionamiento de OpenAI | Contexto | Salida máx. | Razonamiento |
|---|---|---|---|---|
| GPT-6 Astra | Hardest end-to-end work | 1.05M | 128K | low–max |
| GPT-6 Sol | Complex coding and agentic workflows | 1.05M | 128K | none–max |
| GPT-6 Luna | Focused, high-volume tasks | 1.05M | 128K | none–max |
La distinción clave es el posicionamiento por carga de trabajo, no el tamaño del contexto: los tres actualmente tienen una ventana de contexto de 1.05M tokens y una salida máxima de 128K. OpenAI describe a Astra como su modelo más capaz, a Sol como el modelo para razonamiento exigente y a Luna como la opción orientada a la eficiencia para trabajo de alto volumen.
Casos de uso representativos
- Clasificación y extracción de alto volumen: las salidas estructuradas y el bajo precio por token se adaptan a cargas de trabajo repetitivas.
- Sistemas de soporte al cliente y chat: el posicionamiento de Luna enfatiza llamadas enfocadas y repetibles a escala.
- Procesamiento de documentos largos: el contexto de 1.05M tokens puede acomodar colecciones de origen inusualmente grandes.
- Flujos de trabajo de documentos multimodales: la entrada de imágenes habilita aplicaciones que combinan texto con capturas de pantalla, diagramas o material escaneado.
- Automatización agentic: las herramientas de la Responses API como file search, code interpreter, hosted shell, computer use, MCP y tool search admiten flujos de trabajo de múltiples pasos.
- Asistencia de codificación sensible al costo: Luna soporta razonamiento, llamadas a funciones, salidas estructuradas y herramientas relacionadas con código, mientras que Sol está posicionado para trabajo de codificación y agentic más exigente.
Limitaciones
GPT-6 Luna no soporta ajuste fino, y sus modalidades nativas excluyen audio y video. OpenAI también documenta una distinción importante de endpoints: en Chat Completions, las llamadas a funciones para Luna requieren que reasoning_effort se establezca en none; OpenAI recomienda la Responses API para herramientas integradas y llamadas a funciones.
Cómo acceder a la API de GPT-6 Luna con CometAPI
GPT-6 Luna está diseñado para cargas de trabajo de IA eficientes y de alto volumen. Si deseas acceder a GPT-6 Luna a través de CometAPI, el patrón básico de integración es sencillo: crea una clave de API de CometAPI, configura un cliente compatible con OpenAI para usar la URL base de la API de CometAPI y selecciona el ID de modelo gpt-6-luna cuando el modelo esté habilitado para tu cuenta.
CometAPI proporciona una pasarela de API compatible con OpenAI, lo que permite a los desarrolladores usar SDKs familiares de OpenAI mientras acceden a modelos de múltiples proveedores a través de una sola API.
Paso 1: Crear una cuenta de CometAPI
Primero, regístrate o inicia sesión en tu cuenta de CometAPI.
Después de iniciar sesión, abre la sección API Keys en el panel de CometAPI y crea una nueva clave de API. CometAPI indica que las claves recién creadas usan el prefijo sk-.
Conserva la clave de API del lado del servidor y guárdala en una variable de entorno en lugar de incluirla en el código fuente de la aplicación.
Paso 2: Configurar la URL base de CometAPI
La URL base actual compatible con OpenAI de CometAPI es:
https://api.cometapi.com/v1
Esto significa que las aplicaciones que usan el SDK de OpenAI para Python o Node.js generalmente pueden cambiar a CometAPI cambiando la clave de API y el base_url.
Paso 3: Seleccionar GPT-6 Luna
El catálogo de modelos de CometAPI identifica a GPT-6 Luna con el ID de modelo:
gpt-6-luna
Antes de implementarlo en producción, verifica que gpt-6-luna esté habilitado actualmente y que el catálogo en vivo proporcione un endpoint para tu cuenta. La página de comparación actual de GPT-6 Luna de CometAPI lista el ID del modelo pero actualmente no rellena sus campos de endpoint y precios.
¿Por qué usar CometAPI para GPT-6 Luna?
La principal ventaja es una interfaz unificada compatible con OpenAI. En lugar de implementar un SDK y un sistema de autenticación por separado para cada proveedor de modelos compatible, los desarrolladores pueden usar la URL base de CometAPI y cambiar el valor de model al moverse entre modelos compatibles. CometAPI actualmente anuncia acceso a más de 500 modelos mediante este enfoque.
Esto puede ser útil cuando una aplicación necesita experimentar con diferentes modelos, mantener una arquitectura multi-modelo o migrar entre proveedores sin reescribir toda su integración de API.