Chatea con GPT-5.6 Luna

AI ChatGPT-5.6 Luna

¿Qué es GPT-5.6 Luna?

GPT-5.6 Luna es el modelo centrado en el coste de la familia GPT-5.6 que OpenAI lanzó el 9 de julio de 2026. Comprobado el 8 de septiembre de 2026: la documentación de la API enumera gpt-5.6-luna, sin una versión fija fechada. Esta página trata de Luna; los modelos más recientes de otras gamas de OpenAI no modifican sus especificaciones. La ayuda actual de ChatGPT indica que Luna se está desplegando como modelo predeterminado de Free y Go, incluido Think. ChatGPT, Codex y la API tienen condiciones de acceso diferentes. Su presencia en esos productos no confirma su disponibilidad en Ottermind.

Qué ofrece la API

Espacio para más referencias: La documentación de Luna indica una ventana de 1.050.000 tokens y un máximo de 128.000 tokens de salida. Su conocimiento llega hasta el 16 de febrero de 2026. Aporta fuentes actuales para los hechos cambiantes y localiza los pasajes pertinentes: una entrada larga no garantiza recordar cada detalle.
Elige cuánto razonamiento emplear: En la API, reasoning.effort admite none, low, medium (predeterminado), high, xhigh y max. Compara los ajustes previstos con una pequeña muestra ya etiquetada. Más razonamiento puede consumir tokens y aumentar la espera sin resolver una categoría definida de forma ambigua.
Consulta las tarifas reducidas: La actualización del 30 de julio redujo un 80 % las tarifas API de Luna. Los precios estándar por millón de tokens son 0,20 USD de entrada, 0,02 USD de entrada en caché y 1,20 USD de salida. Son tarifas de OpenAI, no precios de Ottermind ni cuotas de suscripción.

Tareas prácticas que probar con Luna

Empieza con ejemplos que puedas evaluar. Son propuestas de trabajo que debes probar, no garantías medidas con tus datos.

Deriva incidencias de soporte
Proporciona incidencias anonimizadas, las definiciones de las colas y ejemplos de categorías que se solapan. Pide un destino y un motivo citado del texto por incidencia, con una señal para escalar los casos ambiguos. Revisa los errores antes de aplicar el resultado a una cola de soporte real.
Agrupa opiniones de clientes
Entrega a Luna un conjunto de reseñas y una lista fija de temas. Pide etiquetas, citas representativas y un grupo separado para problemas nuevos. Contrasta los recuentos con los registros originales para que las quejas frecuentes se vean y las reseñas duplicadas no inflen la demanda.
Añade pruebas a un cambio definido
Aporta el comportamiento esperado, la función afectada y las pruebas actuales. Pide casos límite y una implementación pequeña, y ejecuta después las pruebas por separado. Explicita las decisiones de arquitectura: un primer intento barato pierde su ventaja si las correcciones ocupan todo el día.
Extrae una lista desde una captura
Proporciona una captura legible de una página de ajustes y los campos que necesitas. Pide los valores visibles, su ubicación y una marca de desconocido para lo que esté oculto. Comprueba la imagen antes de considerar los ajustes extraídos un inventario fiable.

GPT-5.6 Luna frente a GPT-5.4 nano

Criterio de elección	GPT-5.6 Luna	GPT-5.4 nano
Entrada / salida API estándar por millón de tokens	0,20 USD / 1,20 USD	0,20 USD / 1,25 USD
Ventana de contexto en tokens	1.050.000	400.000
Razonamiento API predeterminado / máximo	medium / max	none / xhigh
Cuándo evaluarlo	Más material de referencia o necesidad de más opciones de razonamiento	Un flujo de clasificación o extracción ya validado con razonamiento mínimo

Mide el coste por resultado aceptado

Motivos para evaluar Luna

Tarifas próximas que conviene probar: La documentación de GPT-5.4 nano indica la misma tarifa estándar de entrada y una de salida ligeramente superior. Luna ofrece más contexto, pero el razonamiento predeterminado es distinto: un mismo prompt puede producir una factura o un tiempo de respuesta diferente.
Resultados que encajan en una revisión: Admite salidas estructuradas y llamadas a funciones. Define un registro con categoría, evidencia y estado de revisión, valida los campos obligatorios y contrasta una muestra con la fuente. Cumplir el esquema facilita la integración, pero no certifica que el criterio sea correcto.

Aspectos que comprobar

Los reintentos pueden anular el ahorro: Registra juntos los resultados aceptados, el tiempo transcurrido y las rondas de corrección. Si el modelo interpreta mal la tarea repetidamente, aclara las pruebas disponibles o recurre a uno más capaz. Aumentar el razonamiento sin límite no resuelve un requisito que falta.
El contexto largo tiene sus propias condiciones: Por encima de 272.000 tokens de entrada, toda la solicitud se factura a 2 veces la tarifa de entrada y 1,5 veces la de salida. Escribir en caché cuesta 1,25 veces la entrada sin caché. Por ejemplo, 300.000 tokens de entrada sin caché más 10.000 de salida cuestan 0,138 USD, antes de herramientas y otros cargos.

Qué muestran las conversaciones de la comunidad

Estos relatos corresponden a configuraciones concretas. Ayudan a diseñar evaluaciones, pero no constituyen un consenso ni predicen tus resultados.

Resolver un ejercicio no mide un repositorio real

En una comparación de un solo problema, Luna XHigh y Max produjeron soluciones aceptadas por LeetCode; XHigh fue más barato y rápido en esa ejecución. El autor advierte de una posible exposición durante el entrenamiento, la falta de contexto de un repositorio real y estimaciones API sin escrituras en caché. Algunos comentarios relatan más errores en proyectos reales, pero no permiten establecer una tasa de fallos.

La factura del proveedor puede diferir de la tarifa de OpenAI

Un usuario de Zed que investigaba el coste de un mensaje de commit describió una gran escritura en caché y un cargo superior a la nueva tarifa de la API directa. Las respuestas hablaron de proveedores de alojamiento y recargos. Esa conversación histórica no demuestra el precio actual de Zed; comprueba tu proveedor, el cómputo de caché y la factura.

Continúa tu trabajo en Ottermind

Define una muestra verificable

Adjunta las fuentes, los campos esperados y algunos ejemplos correctos. Indica cuándo dejar un valor como desconocido o solicitar revisión.

Comprueba la disponibilidad en Studio

Entra en Studio e inicia sesión si hace falta. Selecciona GPT-5.6 Luna si está disponible en tu cuenta y comprueba las herramientas y condiciones de uso. Esta página no selecciona automáticamente el modelo.

Revisa antes de ampliar el volumen

Examina errores y omisiones, registra tiempo y coste y conserva un pequeño conjunto de evaluación. Amplía el flujo solo cuando la muestra cumpla tus criterios de aceptación.

Preguntas sobre GPT-5.6 Luna

¿Luna es solo nano con otro nombre?

No. OpenAI sitúa Luna aproximadamente en la antigua categoría nano, pero gpt-5.6-luna es un modelo distinto. Su contexto y razonamiento predeterminado difieren de GPT-5.4 nano; prueba la migración antes de cambiar los identificadores.

¿Puede Luna generar imágenes o procesar audio?

Sus modalidades nativas son texto de entrada y salida e imágenes de entrada, sin audio ni vídeo nativos. Las herramientas conectadas pueden añadir generación de imágenes, entre otras funciones. Su disponibilidad depende del proveedor y de la cuenta.

¿La bajada de la API hace que ChatGPT cueste un 80 % menos?

No conviertas las tarifas por token directamente en límites de suscripción. La actualización de julio abarca precios API y créditos; las reglas de ChatGPT y Codex dependen del producto y del plan. Un proveedor externo también puede facturar de otra manera.

¿El mayor esfuerzo de razonamiento siempre es mejor?

No hay una conclusión universal. Para una clasificación definida, compara exactitud, demora y total de tokens con la misma muestra. Usa el ajuste más bajo que cumpla tu nivel de calidad y revisa los casos que no pueda resolver.

Dale a Luna una tarea clara y un nivel de calidad

Lleva tus pruebas y ejemplos a Ottermind Studio y continúa a partir de resultados comprobados.