GPT-6 Luna vs GPT-5.6 Luna: la mitad del precio de lista, menos errores, ¿merece la pena migrar tu cola?
Qué dicen las referencias oficiales
| Elemento | GPT-5.6 Luna | GPT-6 Luna |
|---|---|---|
| ID de modelo | gpt-5.6-luna | gpt-6-luna (ID de snapshot gpt-6-luna) |
| Posicionamiento | Trabajo de alto volumen sensible al coste | Tareas bien definidas de alta frecuencia |
| Entrada / salida | Texto e imagen / texto | Texto e imagen / texto |
| Contexto / salida máxima | 1 050 000 / 128 000 tokens | 1 050 000 (922 000 de entrada máx.) / 128 000 tokens |
| Fecha de conocimiento | Fecha 5.6 anterior | 18 de mayo de 2026 |
| Esfuerzo de razonamiento | none, low, medium (predeterminado), high, xhigh, max | Los mismos seis niveles, medium por defecto |
| Endpoints | Responses, Chat Completions | Responses, Chat Completions |
| Llamada a funciones | Listada en la referencia | Responses con cualquier esfuerzo; Chat Completions solo con reasoning_effort: none |
| Streaming, salidas estructuradas | Listados | Listados |
| Precio de lista oficial | Filas Standard, contexto largo (más de 272K de entrada), Batch, Flex, Fast | Según OpenAI, la mitad de la tarifa Standard de GPT-5.6 Luna; la gama GPT-6 más barata |
| Factualidad reportada por OpenAI (proveedor) | Base de las comparaciones de OpenAI | Con esfuerzo alto, iguala la factualidad de GPT-5.6 Sol a aproximadamente una centésima de su coste por tarea |
| Tasa de engaño reportada por OpenAI (proveedor) | 9,5 % en la prueba interna de OpenAI | 2,8 % en la misma prueba |
| Ruta en EvoLink | Invocable; consulta la página de GPT-5.6 para la tarifa actual | Invocable desde el 23 de septiembre de 2026; consulta la página de GPT-6 Luna para la tarifa actual |
Las cifras idénticas, contexto y salida, se confunden fácilmente con «el mismo modelo». Las diferencias que importan para una cola son el precio de lista reducido a la mitad, la fecha de conocimiento, la regla de llamada a herramientas en Chat Completions y las mejoras de factualidad y honestidad reportadas por OpenAI. Las tres primeras son hechos de contrato; la cuarta es una afirmación que tu conjunto de registros debe confirmar.
El cambio de contrato que rompe pipelines: herramientas en Chat Completions
reasoning_effort es none. La llamada a funciones en la API Responses funciona con cualquier esfuerzo. Muchos pipelines Luna ya corren en none o low para contener el coste; si el tuyo llama a una herramienta de búsqueda o validación con razonamiento medium en Chat Completions, elige antes de la prueba:- Mover el pipeline a la API Responses y mantener el ajuste de esfuerzo.
- Quedarse en Chat Completions con
reasoning_effort: none. - Sacar las llamadas a herramientas del paso del modelo y hacer las búsquedas en el código circundante.
none con GPT-5.6 Luna en medium es un experimento distinto de comparar ambos en none. Las salidas estructuradas y el streaming están listados como soportados y no tienen esta restricción.Construye un conjunto de registros que refleje la cola real
Parte de tu propia distribución de carga. Si un formato de cliente representa la mayor parte del volumen, necesita una representación significativa; al mismo tiempo, incluye fallos raros cuyo coste sea lo bastante alto para bloquear un despliegue.
Guarda un ID de registro estable, versión de entrada, salida esperada, valores nulos permitidos, reglas de validación y cualquier decisión de escalado. Elimina contenido sensible donde tu entorno de evaluación no esté autorizado a procesarlo. Mantén las revisiones de prompt, esquema, preprocesamiento y postprocesamiento junto al conjunto de datos.
Divide el conjunto en una pequeña porción de desarrollo y una comprobación reservada. Usa la primera para corregir errores del harness y ajustar el candidato; usa la segunda para ver si la configuración ajustada generaliza. Agrupa los resultados por segmento de carga: la exactitud global puede parecer sana mientras un idioma, una plantilla o una etiqueta de bajo volumen se vuelve poco fiable.
Seis tareas repetibles y sus reglas de aceptación
| Carga | Incluye estos casos | Regla de aceptación |
|---|---|---|
| Extracción de facturas o formularios | Valores faltantes, totales contradictorios, múltiples fechas, páginas escaneadas | Los campos requeridos coinciden con la referencia; los valores ausentes siguen ausentes; los totales cumplen las comprobaciones definidas |
| Clasificación de tickets | Etiquetas similares, temas mezclados, casos urgentes raros | Etiqueta y escalado correctos; mide falsos positivos y falsos negativos por clase |
| Resumen estructurado | Hilos largos, correcciones posteriores en el texto, preguntas sin resolver | Conserva el estado final y las acciones abiertas sin inventar una resolución |
| Normalización de datos | Unidades, locales, formatos de fecha, identificadores ambiguos | Valor normalizado correcto o incertidumbre explícita; sin suposiciones silenciosas en un campo ambiguo |
| Transformaciones de código repetidas | Fuentes válidas e inválidas, archivos ya transformados | La salida pasa el analizador/pruebas, conserva contenido no relacionado y es segura de reprocesar |
| Búsqueda de registro asistida por herramienta | Registro faltante, coincidencia duplicada, timeout tras la búsqueda | Asociación correcta e incertidumbre explícita; ningún resultado de herramienta inventado ni escritura duplicada. En Chat Completions esta tarea solo corre con reasoning_effort: none |
Separa la validez del esquema de la corrección semántica. Una respuesta de factura puede usar las claves y tipos correctos y aun así asignar el número fiscal del proveedor al cliente. Da a los revisores una rúbrica, oculta la etiqueta del modelo cuando sea práctico y reporta cuántos registros se juzgaron automáticamente y cuántos por una persona.
Comprueba la compatibilidad antes de escalar la concurrencia
gpt-6-luna solicitado y devuelto) y el endpoint. Mantén la selección de modelo configurable para cambiarla sin reescribir los productores de trabajos. No sustituyas el ID que documenta tu proveedor por un slug de página web; en EvoLink el ID también es gpt-6-luna.Comprueba los controles que realmente usas: esfuerzo de razonamiento, límites de salida, formato de esquema, streaming y respuestas de herramientas. Una respuesta HTTP exitosa no demuestra que un ajuste solicitado se haya respetado. Ejercita las rutas de fallo:
- Una salida truncada o malformada debe fallar la validación y seguir una política de reintentos acotada.
- Un rechazo debe seguir siendo distinguible de una extracción vacía pero válida.
- Los límites de tasa deben disparar un backoff controlado en lugar de una ráfaga de reintentos sin límite.
- Los flujos parciales y los timeouts de red no deben contarse como registros aceptados.
- Los trabajos repetidos deben conservar su identidad y evitar escrituras externas duplicadas.
Si un comportamiento requerido falla, corrige la integración o mantén esa carga en la ruta antigua antes de probar un volumen mayor.
Mide el rendimiento aceptado, no la velocidad bruta de respuesta
Ejecuta una escalera de concurrencia controlada con la misma mezcla de registros y la misma política de reintentos para ambas configuraciones. Mantente dentro de los límites documentados del proveedor.
| Medición | Qué incluir |
|---|---|
| Registros aceptados por minuto | Solo registros que pasen tu regla de aceptación completa |
| P50 / P95 de extremo a extremo | Espera en cola, tiempo de petición, backoff, reintentos y cualquier escalado requerido |
| Antigüedad de la cola | El trabajo pendiente más antiguo y si el atraso crece bajo carga sostenida |
| Tasa de error y reintentos | Fallos de transporte, de límite de tasa, de esquema y semánticos por separado |
| Cuota de escalado | Registros enviados a otro modelo o a revisión manual |
| Coste por registro aceptado | Todos los intentos facturados y llamadas de escalado en el pipeline medido |
Mantén visibles la longitud de salida y la configuración de razonamiento. La caché de prompt y el calentamiento pueden distorsionar una ejecución corta; reporta si las cachés estaban calientes. Una ráfaga breve no puede establecer capacidad sostenida de la cola.
Calcula el coste de los registros utilizables
La página de precios oficial muestra la tarifa Standard de GPT-6 Luna por debajo de la de GPT-5.6 Luna. Es un hecho sobre tokens. La pregunta presupuestaria es:
Coste API por registro aceptado = gasto API total del pipeline / registros aceptadosEl numerador incluye intentos fallidos, reintentos y cualquier modelo de escalado. Registra aparte el tiempo de corrección humana. Para una cola sin registros aceptados, reporta fallo en lugar de dividir entre cero.
Decide qué registros, si alguno, deben migrar
Escribe tu umbral para cada segmento importante antes de la prueba. Una puntuación de éxito total no debe anular una regresión inaceptable en una etiqueta o campo crítico.
| Resultado | Acción |
|---|---|
| Falla la comprobación de contrato o de campo crítico | Mantén la carga en la ruta existente; documenta el fallo antes de volver a probar |
| La exactitud pasa pero falla el coste o el plazo de la cola | Investiga reintentos, longitud de salida, esfuerzo y escalado; no amplíes todavía |
| Los segmentos rutinarios pasan; los difíciles retroceden | Considera una división limitada solo si la regla de enrutamiento es comprobable y su sobrecoste está incluido |
| Todos los criterios requeridos pasan en la prueba | Inicia un piloto controlado con condiciones de parada y una ruta de reversión funcional |
| Errores, atraso o tiempo de corrección suben en el piloto | Detén la ampliación y revierte el segmento afectado |
La repetición en sombra es útil cuando no puede producir efectos secundarios externos. Para trabajos en vivo, conserva los ID de trabajo e inspecciona el estado antes de reintentar tras un timeout.
¿GPT-6 Luna o GPT-6 Sol para tareas repetidas?
Preguntas frecuentes
¿GPT-6 Luna es más rápido o más barato que GPT-5.6 Luna?
¿Cuál es la mayor diferencia de API entre ambos?
reasoning_effort: none. Los pipelines de llamada a herramientas que usan razonamiento deben planificar la API Responses.¿Un JSON válido basta para aceptar un registro?
No. Valida los campos requeridos, los valores y el significado de la tarea además del esquema. Una respuesta bien formada puede clasificar mal un registro o inventar un valor faltante.
¿Debo comparar tokens por segundo?
Puede ayudar a diagnosticar una ejecución, pero los registros aceptados por minuto y la latencia de extremo a extremo describen mejor la finalización de la cola. Incluye reintentos y escalado.
¿Todos los registros deben pasar a la nueva generación?
No. Un traslado parcial puede ser apropiado si la regla de enrutamiento es fiable y el pipeline completo cumple sus objetivos. Mantén los segmentos que fallan o no se han probado en la ruta medida.
¿Qué debería hacerme revertir?
Las condiciones de parada elegidas antes del despliegue: regresión en campos críticos, atraso creciente, tasa de error o reintentos inaceptable, trabajo de corrección adicional o presupuesto de coste superado.
