Qué ha lanzado OpenAI
OpenAI presentó esta API en su jornada para desarrolladores del 29 de septiembre de 2026 y la ha abierto a todos los clientes el 22 de octubre de 2026. La propia compañía la describe como una versión reconfigurada de ChatGPT Luna para acelerar la inferencia y rebajar el coste, no como un modelo entrenado desde cero para esta función.
La apuesta de OpenAI pasa sobre todo por la velocidad. Nikunj Handa, responsable de producto de APIs, explicó que la latencia ha pasado de tiempos de entre uno y tres segundos a rangos de entre 100 y 180 milisegundos. También dijo que, en el futuro, podrían aplicar entrenamiento específico para mejorar todavía más este tipo de salidas, pero que por ahora la API funciona con Luna ajustado para este uso.
Además de la disponibilidad general, OpenAI ha añadido modalidades de voz e imagen a la versión pública y ha distribuido su inferencia por regiones para reducir la latencia en distintos mercados. La compañía también asegura que ha usado el sistema para mejorar la respuesta de su asistente de voz Dots.
El mercado al que entra
El anuncio coloca a OpenAI en un segmento que ya tenía identidad propia antes de su llegada. TypeSafe y su modelo Jev ayudaron a definir esta categoría de modelos de decisión o *System One*: sistemas que reciben opciones, eligen una y devuelven una señal de confianza. En la práctica, pueden sustituir a modelos de lenguaje más pesados en varios flujos de trabajo porque responden más deprisa y con menor coste.
Ese contexto importa porque el producto de OpenAI no parte de una nueva arquitectura específica para decisiones, sino de una adaptación de una base ya existente. La compañía entra tarde en este terreno, pero lo hace con una distribución amplia desde el primer día y con soporte multimodal.
Qué puede hacer y para quién puede servir
OpenAI cita pruebas iniciales con empresas como Box, Datadog, Ramp y Speak. En el caso de Speak, una empresa de tutores de idiomas con IA, su CTO aseguró que el tiempo entre acciones bajó de 1,4 segundos a 0,13 segundos. La compañía presenta estos resultados como ejemplos de uso, no como una evaluación independiente.
La utilidad práctica está en cualquier flujo donde una decisión se repita muchas veces y la latencia afecte al producto final. OpenAI incluso plantea que, si la velocidad siguiera bajando, podría haber llamadas a la API por cada fotograma de un vídeo. Esa posibilidad la menciona la propia empresa como un escenario futuro, no como una capacidad ya demostrada en producción.
La combinación de voz, imagen y baja latencia también amplía el rango de uso más allá de la clasificación de texto. Handa dijo que Luna tiene especial fuerza en clasificación de imágenes y que los clientes quieren más flexibilidad para usar imágenes como salida, lo que apunta a aplicaciones donde la decisión automática depende de contenido visual o multimodal.
Lo que aún no está claro
La propia OpenAI admite que no existe una receta universal para saber qué hace bueno a un modelo de decisión. Según la empresa, el rendimiento depende del equilibrio entre inteligencia, coste, calibración y velocidad, y varía según la tarea. También reconoce que los *benchmarks* no capturan bien todas esas diferencias.
En el artículo citado se menciona que algunos índices públicos favorecen a D1 Ultra y Elephant-1, mientras que el último Jev sigue siendo competitivo en otras clasificaciones. La API de OpenAI aparece por detrás en esos listados, aunque TypeSafe sigue siendo el sistema más consultado en OpenRouter. Esos datos sirven para situar la competencia, no para concluir que haya un ganador claro.
Para usuarios y empresas, la consecuencia inmediata es una presión mayor sobre este nicho: más actores, más opciones y más competencia por ofrecer decisión rápida con buena calibración. Lo que todavía no está cerrado es si el mercado premiará antes la velocidad bruta, el coste o la fiabilidad en tareas concretas.
