OpenRouter añadió GPT-6 Luna Decisions el 8 de octubre, ampliando el acceso a la interfaz OpenAI de clasificación, puntuación y selección de acciones. La Decisions API había entrado en beta pública dos días antes. La ficha amplía distribución, no las pruebas de que las probabilidades estén calibradas para controlar un sistema en producción.
OpenAI anuncia decisiones hasta diez veces más rápidas que GPT-6 Luna mediante Responses API. Es una comparación del proveedor entre dos accesos de la misma familia, no superioridad independiente sobre todos los clasificadores, reglas o tareas. Una respuesta tipada es más fácil de analizar, pero no significa juicio correcto ni permiso para actuar.
Qué se distribuye
OpenRouter identifica a OpenAI como proveedor. No es un modelo entrenado por separado por OpenRouter; OpenAI sigue dando la inferencia. Los usuarios existentes ganan un endpoint en su cartera, posiblemente simplificando compras, contabilidad y experimentos. Aún deben comprobar formato, errores, disponibilidad regional, observabilidad y paridad con el servicio directo.
La interfaz directa usa un endpoint Decisions dedicado, no Responses; solo GPT-6 Luna estaba admitido en la beta descrita. Recibe evidencia y preguntas restringidas en vez de solicitar un párrafo abierto. Predicate estima la verdad de una condición, choice selecciona opciones definidas y score evalúa niveles ordenados de una rúbrica.
La entrada puede ser texto o mensaje con texto e imagen incorporada; el JSON del estado también puede enviarse como texto. Respuestas con nombre permiten varias preguntas independientes sobre evidencia común en una solicitud. El endpoint clasifica antes de indexar, elige modelos o señala escalado. No ejecuta por sí mismo la acción elegida.
Eso distingue las interfaces. OpenAI recomienda Structured Outputs mediante Responses para JSON personalizado y function calling para proponer herramientas y argumentos. Responses sigue siendo adecuado para contenido abierto, explicaciones, extracción y procesos amplios. El contrato estrecho ayuda cuando condiciones observables, opciones conocidas o escalas ordenadas significativas encajan de verdad.
Por qué una decisión acotada cambia la ruta crítica
Un soporte puede necesitar solo facturación, técnica, envíos u otro departamento, no explicación. La moderación puede preguntar por infracciones en imágenes; ventas puede aplicar una rúbrica. En aplicaciones modulares, moderación, intención, búsqueda, elección de modelo, herramienta y comprobación final pueden necesitar juicio sin texto.
El mecanismo puede elegir web, recuperación interna, código o razonamiento fuerte y excluir documentos antes de consumir contexto. El ejemplo de delegación vocal elige una acción del estado antes de que otro componente informe del resultado. Daños en fotos, medios para revisión y clasificación previa a extracción son posibilidades, no resultados publicados de precisión transversal.
Restringir salidas puede reducir generación y análisis innecesarios. El desarrollador debe proporcionar departamentos reales, acciones aprobadas, condiciones observables y niveles operativos útiles. Opciones fijas pueden evitar nombres inventados de herramientas, pero no demostrar idoneidad ni autorización.
“Hasta diez veces” es el mejor caso, no un multiplicador garantizado. Longitud, imágenes, preguntas, red y enrutamiento afectan a latencia. OpenRouter suma otro límite de servicio. El router debe ser más barato y rápido que el trabajo evitado; otro paso en todas las solicitudes puede borrar el beneficio.
El paso también añade dependencia de disponibilidad. Un modelo en OpenRouter puede elegir el siguiente, pero si el decisor falla quizá no empiece el trabajo posterior. Reglas deterministas, modelo predeterminado o acceso directo ofrecen respaldo. Extensiones exactas, derechos de cuentas y restricciones regionales suelen pertenecer al código; la probabilidad sirve para ambigüedad, no para sustituir políticas exactas.
La probabilidad necesita interpretación y prueba
Tipar no hace determinista el juicio ni demuestra calibración. Un número puede expresar frecuencia real, preferencia relativa o confianza bajo un prompt. No se puede asumir equivalencia. Calibrar exige verificar si confianza prevista similar corresponde a precisión observada comparable.
Las discusiones iniciales plantean preguntas, no rankings. Un participante informó de un competidor mejor en cientos de pruebas de juegos, advirtiendo que la muestra estrecha no era un benchmark general. Otro describió diferencias predicate/choice en una moneda sesgada sintética, con choice más concentrado de lo esperado. Ninguna anécdota constituye evaluación formal amplia.
Los costes de error varían. En moderación, falsos positivos y negativos tienen consecuencias distintas; la calibración puede cambiar por idioma, imagen y política. Enviar trabajo complejo a un modelo barato reduce calidad; enviar todo lo fácil al grande elimina ahorro. Los umbrales deben reflejar resultados posteriores, no solo acierto del router.
Casos raros urgentes pueden ocultarse en una buena media. Hay que evaluar predicate, choice y score por separado, rangos de confianza prevista, subgrupos, distribuciones de latencia y costes de acciones erróneas. Entradas fuera de opciones requieren abstención. Añadir “otro” es posible, pero su uso adecuado debe comprobarse.
Elegir no autoriza ejecutar
“Buscar conocimiento interno” en lugar de “enviar correo” puede formar parte del control. Código separado debe verificar identidad, permisos, consentimiento, política y confirmación antes de herramientas. Clasificar con confianza no aporta esas autorizaciones, especialmente con consecuencias externas.
Registrar estado, opciones, probabilidades, umbrales y acciones distingue errores del modelo, del criterio o de ejecución. Responses también registra, pero el contrato estrecho fomenta aislar una elección y probarla cuando cambia el flujo. Es arquitectura, no rivalidad de OpenAI con su distribuidor.
Entrada, facturación y datos siguen imponiendo límites
La documentación descrita habla de cobro solo por entrada, pero la primera versión no anunciaba tratamiento de entrada en caché. Es una cuestión abierta, no afirmar que nunca pueda añadirse. Repetir políticas largas, catálogos o estados acumula tokens y transferencia aunque una llamada parezca eficiente.
Agrupar preguntas independientes con evidencia común reduce repetición, pero no permite que una pregunta dependa de la respuesta anterior dentro del mismo lote. Detectar daño y después su tipo requiere llamadas separadas, más latencia y otro punto de propagación de incertidumbre.
Las imágenes documentadas necesitan URL de datos base64 incorporadas, no enlaces alojados ni identificadores existentes. Las bibliotecas deben considerar tamaño y transferencia. Usuarios OpenRouter deben verificar qué límites y funciones se mantienen: cuotas, errores, reintentos y observabilidad dependen del comportamiento exacto, no del resumen comercial.
OpenAI indica que el directo admite configuraciones elegibles Zero Data Retention y atención sanitaria regulada, y describe regiones de procesamiento y residencia. Son capacidades condicionales. OpenRouter añade intermediario y otra ruta, exigiendo comprobar por separado registros, enrutamiento y contratos. La elegibilidad del modelo no cubre automáticamente cada intermediario.
La categoría necesita demostrar valor productivo
Cuenta e interfaz comunes reducen fricción, pero los metadatos comparables son limitados. Benchmarks de código y razonamiento no sustituyen calibración, abstención, latencia y errores ponderados por consecuencias. OpenRouter podría añadir telemetría, evaluaciones y comparaciones de respaldo; son desarrollos posibles, no funciones demostradas por la ficha.
Cambiar proveedor exige más que sintaxis normalizada. Confianza, puntuaciones y rechazos pueden tener semánticas diferentes, necesitando contrato interno estable y validación específica. Otros laboratorios, modelos pequeños y pesos abiertos compiten en velocidad, calibración y control local. Un clasificador tradicional puede superar a un modelo lingüístico en tareas estables bien etiquetadas; las reglas siguen adecuadas para lógica exacta.
Decisions ocupa juicio zero-shot o definido por prompt sin entrenamiento aparte, útil con categorías cambiantes y lenguaje con imágenes. En tareas maduras con etiquetas abundantes su ventaja puede ceder ante un clasificador previsible y menos complejo. OpenAI controla modelo, endpoint, SDK y opciones empresariales de datos; OpenRouter consolida acceso y elección. Ninguna vía elimina evaluación.
Tres avances aclararían duración: resultados independientes específicos, cargas productivas retenidas y consistentes después de contabilizar errores y operación, y cambios antes de disponibilidad general. Más modelos, caché, imágenes, SDK y orientación de calibración merecen atención. El avance rápido de beta era expectativa, no fecha prometida; diferencias iniciales entre campos del playground y solicitudes eran comentarios, no prueba de fallo de toda integración.
Interfaces, cuotas y conducta pueden variar. Un despliegue reversible paralelo compara el mismo tráfico etiquetado con Responses, reglas y clasificadores existentes. Probabilidad, umbral, resultado y coste deben separar falsos positivos y negativos e incluir entradas adversariales, ambiguas y fuera de distribución; ejemplos e historia de políticas pueden acompañar los resultados.
Confianza media puede pasar a modelo mayor o persona; alto riesgo mantiene autorización explícita incluso con mucha confianza. Si endpoints especializados mejoran decisiones y coste total, puede aumentar modularidad; mala calibración u observabilidad puede favorecer Responses, clasificadores o reglas. OpenRouter facilita el experimento, no determina su resultado.
Fuentes y lecturas
Anuncio OpenRouter · Ficha del modelo · Documentación Decisions · Aviso de beta y debate · Delegación de voz · Controles de datos · Lectura: bases de conocimiento