Cómo GPT-6 Luna de OpenAI gestiona documentos empresariales realistas: precisión, coste real, velocidad y dónde se equivoca.
Precio de lista: 0,09 € por millón de tokens de entrada, 0,46 € por millón de tokens de salida · openai/gpt-6-luna
Resultados
Tarea · documentos
Posición
Campos correctosEl umbral: el porcentaje de campos correctos por debajo del cual las correcciones manuales cuestan más de lo que ahorra un modelo más barato. La marca negra de la barra lo indica.
Por cada 1000 documentos
A corregir / 1000Cuántos de cada 1000 documentos tienen al menos un campo erróneo y alguien debe revisarlos y corregirlos.
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Proveedor99,33 %
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Tipos de errores (número de campos)
valor incorrecto12
valor de más5
Qué significan los tipos de error
valor incorrecto
El modelo dio un valor distinto del correcto.
valor de más
El modelo rellenó algo que no corresponde: el campo debía quedar vacío (el dato no está en el documento) o añadió un valor de más, p. ej. una propuesta rechazada en un resumen.
Extracción de facturas · Inglés (EE. UU.)
Campos más débiles
Referencia de pago98,00 %
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Número de factura99,33 %
Errores en este campo: 1 de 40 documentos de ejemplo. Por ejemplo:
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Tipos de errores (número de campos)
valor de más3
valor incorrecto2
Qué significan los tipos de error
valor de más
El modelo rellenó algo que no corresponde: el campo debía quedar vacío (el dato no está en el documento) o añadió un valor de más, p. ej. una propuesta rechazada en un resumen.
valor incorrecto
El modelo dio un valor distinto del correcto.
Extracción de facturas · Checo
Campos más débiles
Proveedor95,33 %
Errores en este campo: 4 de 40 documentos de ejemplo. Por ejemplo:
Qué pedimos: El número de registro de la empresa (NIF/CIF, IČO checo, Handelsregister…). No el número de IVA (NIF-IVA, DIČ, USt-IdNr.). Si falta en el documento, el campo debe quedar vacío.
Errores en este campo: 1 de 40 documentos de ejemplo. Por ejemplo:
Qué pedimos: El número de registro de la empresa (NIF/CIF, IČO checo, Handelsregister…). No el número de IVA (NIF-IVA, DIČ, USt-IdNr.). Si falta en el documento, el campo debe quedar vacío.
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Fecha de factura98,67 %
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Número de IVA99,33 %
Qué pedimos: El número de IVA del proveedor (NIF-IVA, DIČ, USt-IdNr.). No el número de registro.
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Tipos de errores (número de campos)
valor incorrecto13
campo ausente2
Qué significan los tipos de error
valor incorrecto
El modelo dio un valor distinto del correcto.
campo ausente
El valor está en el documento, pero el modelo dejó el campo vacío.
Extracción de facturas · Francés
Campos más débiles
Cuenta bancaria91,33 %
Errores en este campo: 5 de 40 documentos de ejemplo. Por ejemplo:
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
ID del proveedor (NIF, IČO, EIN…)99,33 %
Qué pedimos: El número de registro de la empresa (NIF/CIF, IČO checo, Handelsregister…). No el número de IVA (NIF-IVA, DIČ, USt-IdNr.). Si falta en el documento, el campo debe quedar vacío.
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Tipos de errores (número de campos)
valor incorrecto18
Qué significan los tipos de error
valor incorrecto
El modelo dio un valor distinto del correcto.
Detección de datos personales · Español
Campos más débiles
Direcciones98,67 %
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Nombres99,33 %
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Tipos de errores (número de campos)
campo ausente2
valor de más1
Qué significan los tipos de error
campo ausente
El valor está en el documento, pero el modelo dejó el campo vacío.
valor de más
El modelo rellenó algo que no corresponde: el campo debía quedar vacío (el dato no está en el documento) o añadió un valor de más, p. ej. una propuesta rechazada en un resumen.
Detección de datos personales · Inglés (EE. UU.)
Campos más débiles
Nombres98,67 %
Errores en este campo: 2 de 40 documentos de ejemplo. Por ejemplo:
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Tipos de errores (número de campos)
valor de más2
campo ausente2
Qué significan los tipos de error
valor de más
El modelo rellenó algo que no corresponde: el campo debía quedar vacío (el dato no está en el documento) o añadió un valor de más, p. ej. una propuesta rechazada en un resumen.
campo ausente
El valor está en el documento, pero el modelo dejó el campo vacío.
Detección de datos personales · Checo
Campos más débiles
Direcciones97,33 %
Errores en este campo: 1 de 40 documentos de ejemplo. Por ejemplo:
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Tipos de errores (número de campos)
valor de más3
campo ausente1
Qué significan los tipos de error
valor de más
El modelo rellenó algo que no corresponde: el campo debía quedar vacío (el dato no está en el documento) o añadió un valor de más, p. ej. una propuesta rechazada en un resumen.
campo ausente
El valor está en el documento, pero el modelo dejó el campo vacío.
Preguntas sobre un documento · Español
Campos más débiles
Pregunta 399,33 %
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Pregunta 499,33 %
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Pregunta 599,33 %
Sin errores en los 40 documentos de ejemplo; los errores están en la parte no pública del conjunto.
Tipos de errores (número de campos)
formato numérico3
Qué significan los tipos de error
formato numérico
Un número con forma incorrecta, p. ej. 0,0005 en lugar de 0,05 %.
Preguntas sobre un documento · Inglés (EE. UU.)
Campos más débiles
Pregunta 698,00 %
Errores en este campo: 1 de 40 documentos de ejemplo. Por ejemplo:
La solicitud exacta del benchmark (mismo prompt, esquema JSON, temperatura 0), lista para llamar a GPT-6 Luna a través de OpenRouter.
Cláusulas contractuales · Español
Python · httpx · OpenRouter
import json
import os
import httpx
PROMPT = "Extraiga las condiciones esenciales del contrato de abajo y devuelva solo JSON con estas claves:\n\nprovider_name la parte que presta o entrega (Prestador, Vendedor, Arrendador, Licenciante),\n exactamente como figura, incluida la forma jurídica\nprovider_id número de identificación de esa parte (p. ej. NIF/CIF), si se indica\nclient_name la parte que paga (Cliente, Comprador, Arrendatario, Licenciatario)\nclient_id número de identificación de esa parte, si se indica\ncontract_type uno de los valores: services, supply, lease, license, maintenance\nprice precio pactado sin IVA (número)\ncurrency código de moneda según ISO 4217 (EUR, CHF, USD, …)\nprice_period uno de los valores: one_time, monthly, yearly\neffective_date fecha de entrada en vigor del contrato (YYYY-MM-DD)\nend_date fin de una duración determinada (YYYY-MM-DD); null si el contrato se celebra\n por tiempo indefinido\nnotice_period_months plazo de preaviso en meses (número); null si no lo hay\npenalty_pct_per_day penalización por demora en el pago en porcentaje del importe pendiente por día\n (p. ej. 0.05 para 0,05 %); null si no la hay\ngoverning_law código de país de la ley aplicable según ISO 3166 (p. ej. ES); los estados de EE. UU.\n como US-XX\n\nReglas:\n- Las fechas relativas («en la fecha de su firma», «el día primero del mes siguiente») calcúlelas a partir de\n la fecha de la firma.\n- La fecha de la firma no es la fecha de entrada en vigor, salvo que el contrato lo establezca expresamente.\n- El anticipo, la fianza y las penalizaciones fijas por otros incumplimientos no son ni el precio ni la\n penalización por demora en el pago.\n- Si un valor no figura en el contrato, devuelva null. No adivine.\n- Importes como números con punto decimal, sin separador de miles y sin símbolo de moneda.\n"
SCHEMA = json.loads("{\"type\":\"object\",\"properties\":{\"provider_name\":{\"type\":[\"string\",\"null\"]},\"provider_id\":{\"type\":[\"string\",\"null\"]},\"client_name\":{\"type\":[\"string\",\"null\"]},\"client_id\":{\"type\":[\"string\",\"null\"]},\"contract_type\":{\"type\":[\"string\",\"null\"],\"enum\":[\"services\",\"supply\",\"lease\",\"license\",\"maintenance\",null]},\"price\":{\"type\":[\"number\",\"null\"]},\"currency\":{\"type\":[\"string\",\"null\"]},\"price_period\":{\"type\":[\"string\",\"null\"],\"enum\":[\"one_time\",\"monthly\",\"yearly\",null]},\"effective_date\":{\"type\":[\"string\",\"null\"],\"description\":\"YYYY-MM-DD\"},\"end_date\":{\"type\":[\"string\",\"null\"],\"description\":\"YYYY-MM-DD\"},\"notice_period_months\":{\"type\":[\"integer\",\"null\"]},\"penalty_pct_per_day\":{\"type\":[\"number\",\"null\"]},\"governing_law\":{\"type\":[\"string\",\"null\"]}},\"required\":[\"provider_name\",\"provider_id\",\"client_name\",\"client_id\",\"contract_type\",\"price\",\"currency\",\"price_period\",\"effective_date\",\"end_date\",\"notice_period_months\",\"penalty_pct_per_day\",\"governing_law\"],\"additionalProperties\":false}")
def run(document_text: str) -> dict:
"""Text of the document in, the extracted fields as a dict out."""
response = httpx.post(
"https://openrouter.ai/api/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"},
json={
"model": "openai/gpt-6-luna",
"temperature": 0,
"messages": [{"role": "user", "content": f"{PROMPT}\n\n---\n{document_text}"}],
# For a scan or photo, send [{"type": "text", "text": PROMPT},
# {"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}] instead.
"response_format": {
"type": "json_schema",
"json_schema": {"name": "contracts", "strict": False, "schema": SCHEMA},
},
},
timeout=120,
)
response.raise_for_status()
return json.loads(response.json()["choices"][0]["message"]["content"])
Clasificación de correos · Español
Python · httpx · OpenRouter
import json
import os
import httpx
PROMPT = "Usted clasifica correos electrónicos del servicio de atención al cliente. Lea el correo de abajo y devuelva solo JSON con estas claves:\n\ncategory uno de los valores: billing (facturas, pagos, facturación), delivery (dónde está el pedido,\n envío, cambio de dirección), complaint (mercancía dañada, equivocada o defectuosa, reclamación),\n technical (inicio de sesión, errores en la aplicación o el sistema, integraciones), cancellation (anulación\n de un pedido, rescisión de un contrato o una suscripción), sales (consulta, precios, interés antes de la compra)\npriority uno de los valores: urgent, high, normal, low (reglas abajo)\nsentiment uno de los valores: positive, neutral, negative (tono del cliente)\ncustomer_name nombre completo del cliente que ha escrito la solicitud\norder_number número de pedido del cliente, si se indica\ninvoice_number número de factura, si se indica\namount importe al que se refiere la solicitud (número)\ncurrency código de la moneda de ese importe según ISO 4217 (EUR, CZK, USD, …)\ndeadline fecha hasta la que el cliente quiere una solución o una respuesta (YYYY-MM-DD)\n\nReglas de prioridad:\n- urgent: el cliente no puede trabajar en este momento, o el plazo vence como máximo 1 día después de la fecha del correo\n- high: el plazo vence como máximo 7 días después de la fecha del correo, o el cliente amenaza con poner fin\n a la colaboración o con escalar el asunto (abogado)\n- low: el cliente escribe expresamente que no corre prisa\n- normal: todo lo demás\n\nReglas:\n- Hilo de mensajes: evalúe el mensaje más reciente; los números de pedido y de factura y los importes pueden\n proceder de mensajes anteriores citados. Correo reenviado: el cliente es el remitente original,\n no el compañero que lo ha reenviado.\n- Los plazos relativos («para el viernes», «para mañana», «antes de fin de mes») calcúlelos a partir de la fecha\n del mensaje en el que aparecen.\n- Los números de incidencia del servicio de atención al cliente, los datos del Registro Mercantil, el CIF/NIF y los\n números de teléfono no son números de pedido ni de factura.\n- Si un valor no figura en el correo, devuelva null. No adivine.\n- Importes como números con punto decimal, sin separador de miles y sin símbolo de moneda.\n"
SCHEMA = json.loads("{\"type\":\"object\",\"properties\":{\"category\":{\"type\":[\"string\",\"null\"],\"enum\":[\"billing\",\"delivery\",\"complaint\",\"technical\",\"cancellation\",\"sales\",null]},\"priority\":{\"type\":[\"string\",\"null\"],\"enum\":[\"urgent\",\"high\",\"normal\",\"low\",null]},\"sentiment\":{\"type\":[\"string\",\"null\"],\"enum\":[\"positive\",\"neutral\",\"negative\",null]},\"customer_name\":{\"type\":[\"string\",\"null\"]},\"order_number\":{\"type\":[\"string\",\"null\"]},\"invoice_number\":{\"type\":[\"string\",\"null\"]},\"amount\":{\"type\":[\"number\",\"null\"]},\"currency\":{\"type\":[\"string\",\"null\"]},\"deadline\":{\"type\":[\"string\",\"null\"],\"description\":\"YYYY-MM-DD\"}},\"required\":[\"category\",\"priority\",\"sentiment\",\"customer_name\",\"order_number\",\"invoice_number\",\"amount\",\"currency\",\"deadline\"],\"additionalProperties\":false}")
def run(document_text: str) -> dict:
"""Text of the document in, the extracted fields as a dict out."""
response = httpx.post(
"https://openrouter.ai/api/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"},
json={
"model": "openai/gpt-6-luna",
"temperature": 0,
"messages": [{"role": "user", "content": f"{PROMPT}\n\n---\n{document_text}"}],
# For a scan or photo, send [{"type": "text", "text": PROMPT},
# {"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}] instead.
"response_format": {
"type": "json_schema",
"json_schema": {"name": "emails", "strict": False, "schema": SCHEMA},
},
},
timeout=120,
)
response.raise_for_status()
return json.loads(response.json()["choices"][0]["message"]["content"])
Extracción de facturas · Español
Python · httpx · OpenRouter
import json
import os
import httpx
PROMPT = "Extraiga del documento adjunto los siguientes datos y devuelva exclusivamente un JSON con estas claves:\n\nsupplier_name Nombre o razón social del emisor de la factura (exactamente como figura en el documento, incluidos acentos y forma jurídica)\nsupplier_id NIF del emisor (en empresas también llamado CIF, p. ej. B12345674; en autónomos, DNI con letra), sin el prefijo de país «ES»\nvat_id NIF-IVA (número de IVA intracomunitario, «ES» + NIF) del emisor, solo si figura como tal en el documento\ninvoice_number Número de factura (o del documento)\npayment_reference Concepto o referencia que debe indicarse al realizar el pago\nissue_date Fecha de expedición de la factura (YYYY-MM-DD)\ntax_point_date Fecha de operación (fecha de devengo del IVA) (YYYY-MM-DD)\ndue_date Fecha de vencimiento (YYYY-MM-DD)\nnet_by_rate Base imponible por tipo de IVA, p. ej. {\"21\": 18450.00, \"10\": 1200.00}\nvat_by_rate Cuota de IVA por tipo, p. ej. {\"21\": 3874.50}\ntotal Importe total de la factura / importe a pagar (número, negativo en facturas rectificativas que abonan un importe)\ncurrency Moneda según ISO 4217 (EUR, USD, …)\nbank_account IBAN del emisor\n\nReglas:\n- No devuelva datos del cliente (destinatario), solo los del emisor.\n- Si un dato no figura en el documento, devuelva null. No invente nada.\n- Si el documento no contiene desglose del IVA (operación exenta, factura proforma), devuelva net_by_rate y vat_by_rate como null.\n- Importes como números con punto decimal, sin separadores de miles y sin moneda.\n"
SCHEMA = json.loads("{\"type\":\"object\",\"properties\":{\"supplier_name\":{\"type\":[\"string\",\"null\"]},\"supplier_id\":{\"type\":[\"string\",\"null\"]},\"vat_id\":{\"type\":[\"string\",\"null\"]},\"invoice_number\":{\"type\":[\"string\",\"null\"]},\"payment_reference\":{\"type\":[\"string\",\"null\"]},\"issue_date\":{\"type\":[\"string\",\"null\"],\"description\":\"YYYY-MM-DD\"},\"tax_point_date\":{\"type\":[\"string\",\"null\"],\"description\":\"YYYY-MM-DD\"},\"due_date\":{\"type\":[\"string\",\"null\"],\"description\":\"YYYY-MM-DD\"},\"net_by_rate\":{\"type\":[\"object\",\"null\"],\"additionalProperties\":{\"type\":\"number\"}},\"vat_by_rate\":{\"type\":[\"object\",\"null\"],\"additionalProperties\":{\"type\":\"number\"}},\"total\":{\"type\":[\"number\",\"null\"]},\"currency\":{\"type\":[\"string\",\"null\"]},\"bank_account\":{\"type\":[\"string\",\"null\"]}},\"required\":[\"supplier_name\",\"supplier_id\",\"vat_id\",\"invoice_number\",\"payment_reference\",\"issue_date\",\"tax_point_date\",\"due_date\",\"net_by_rate\",\"vat_by_rate\",\"total\",\"currency\",\"bank_account\"],\"additionalProperties\":false}")
def run(document_text: str) -> dict:
"""Text of the document in, the extracted fields as a dict out."""
response = httpx.post(
"https://openrouter.ai/api/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"},
json={
"model": "openai/gpt-6-luna",
"temperature": 0,
"messages": [{"role": "user", "content": f"{PROMPT}\n\n---\n{document_text}"}],
# For a scan or photo, send [{"type": "text", "text": PROMPT},
# {"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}] instead.
"response_format": {
"type": "json_schema",
"json_schema": {"name": "invoices", "strict": False, "schema": SCHEMA},
},
},
timeout=120,
)
response.raise_for_status()
return json.loads(response.json()["choices"][0]["message"]["content"])
Detección de datos personales · Español
Python · httpx · OpenRouter
import json
import os
import httpx
PROMPT = "Localice en el texto de abajo todos los datos personales de personas físicas (para su anonimización) y devuelva solo JSON\ncon estas claves, cada una como lista de cadenas (una lista vacía si no hay ninguno):\n\nperson_names nombres completos de personas, cada persona una sola vez, tal como aparecen en el texto\nemail_addresses direcciones de correo electrónico de personas\nphone_numbers números de teléfono de personas, tal como aparecen en el texto\npostal_addresses domicilios o direcciones de entrega de personas, tal como aparecen en el texto (calle, localidad, código postal)\nbirth_dates fechas de nacimiento (YYYY-MM-DD)\nnational_ids números de identificación nacionales (p. ej. DNI, NIE, número de la Seguridad Social)\nbank_accounts números de cuenta bancaria (IBAN) de personas, tal como aparecen en el texto\n\nReglas:\n- Solo datos de personas físicas. Los nombres de empresas, los datos del Registro Mercantil, el CIF y otros números de\n empresas, las direcciones genéricas de empresas como info@ o support@ y los números de pedido y de incidencia no son\n datos personales: omítalos.\n- Las fechas que no son fechas de nacimiento (reuniones, entregas, incorporación) no son datos personales.\n- No invente ni complete valores; cópielos del texto.\n"
SCHEMA = json.loads("{\"type\":\"object\",\"properties\":{\"person_names\":{\"type\":[\"array\",\"null\"],\"items\":{\"type\":\"string\"}},\"email_addresses\":{\"type\":[\"array\",\"null\"],\"items\":{\"type\":\"string\"}},\"phone_numbers\":{\"type\":[\"array\",\"null\"],\"items\":{\"type\":\"string\"}},\"postal_addresses\":{\"type\":[\"array\",\"null\"],\"items\":{\"type\":\"string\"}},\"birth_dates\":{\"type\":[\"array\",\"null\"],\"items\":{\"type\":\"string\"}},\"national_ids\":{\"type\":[\"array\",\"null\"],\"items\":{\"type\":\"string\"}},\"bank_accounts\":{\"type\":[\"array\",\"null\"],\"items\":{\"type\":\"string\"}}},\"required\":[\"person_names\",\"email_addresses\",\"phone_numbers\",\"postal_addresses\",\"birth_dates\",\"national_ids\",\"bank_accounts\"],\"additionalProperties\":false}")
def run(document_text: str) -> dict:
"""Text of the document in, the extracted fields as a dict out."""
response = httpx.post(
"https://openrouter.ai/api/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"},
json={
"model": "openai/gpt-6-luna",
"temperature": 0,
"messages": [{"role": "user", "content": f"{PROMPT}\n\n---\n{document_text}"}],
# For a scan or photo, send [{"type": "text", "text": PROMPT},
# {"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}] instead.
"response_format": {
"type": "json_schema",
"json_schema": {"name": "pii", "strict": False, "schema": SCHEMA},
},
},
timeout=120,
)
response.raise_for_status()
return json.loads(response.json()["choices"][0]["message"]["content"])
Preguntas sobre un documento · Español
Python · httpx · OpenRouter
import json
import os
import httpx
PROMPT = "Usted responde a preguntas sobre un documento empresarial. Debajo del documento hay seis preguntas\nnumeradas. Responda a cada una de ellas basándose únicamente en el texto del documento y devuelva\nsolo JSON con las claves q1 a q6 (q1 = respuesta a la pregunta 1, etc.).\n\nReglas:\n- Cada pregunta indica entre paréntesis la unidad o el formato de la respuesta. Responda en esa\n unidad.\n- Las cantidades (de días, meses, horas) y los porcentajes como número, sin unidad y sin el signo %,\n p. ej. \"14\" o \"0.05\".\n- Los importes como número con punto decimal, sin separador de miles y sin símbolo de moneda,\n p. ej. \"1500.00\".\n- Las fechas en formato YYYY-MM-DD.\n- Las franjas horarias en formato de 24 horas HH:MM-HH:MM, p. ej. \"08:00-17:00\".\n- Las direcciones de correo electrónico exactamente como aparecen en el documento.\n- Si el documento no contiene la respuesta a una pregunta, devuelva null. No adivine ni añada\n información que no figure en el documento.\n"
SCHEMA = json.loads("{\"type\":\"object\",\"properties\":{\"q1\":{\"type\":[\"string\",\"null\"]},\"q2\":{\"type\":[\"string\",\"null\"]},\"q3\":{\"type\":[\"string\",\"null\"]},\"q4\":{\"type\":[\"string\",\"null\"]},\"q5\":{\"type\":[\"string\",\"null\"]},\"q6\":{\"type\":[\"string\",\"null\"]}},\"required\":[\"q1\",\"q2\",\"q3\",\"q4\",\"q5\",\"q6\"],\"additionalProperties\":false}")
def run(document_text: str) -> dict:
"""Text of the document in, the extracted fields as a dict out."""
response = httpx.post(
"https://openrouter.ai/api/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"},
json={
"model": "openai/gpt-6-luna",
"temperature": 0,
"messages": [{"role": "user", "content": f"{PROMPT}\n\n---\n{document_text}"}],
# For a scan or photo, send [{"type": "text", "text": PROMPT},
# {"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}] instead.
"response_format": {
"type": "json_schema",
"json_schema": {"name": "qa", "strict": False, "schema": SCHEMA},
},
},
timeout=120,
)
response.raise_for_status()
return json.loads(response.json()["choices"][0]["message"]["content"])
Resúmenes de documentos · Español
Python · httpx · OpenRouter
import json
import os
import httpx
PROMPT = "Resuma el documento siguiente (acta de reunión, informe de estado del proyecto o hilo de correos)\nen un máximo de 80 palabras.\n\nReglas:\n- Incluya todas las decisiones definitivas: los importes aprobados, los plazos vigentes y las\n personas responsables de las tareas (con su nombre completo).\n- No mencione las propuestas rechazadas ni sus importes, ni los plazos que se han modificado (las\n fechas originales); indique solo los plazos vigentes.\n- Copie los importes y las fechas exactamente como aparecen en el documento, sin redondearlos.\n- Redacte en el idioma del documento, de forma objetiva y en un registro formal, como texto\n continuo sin títulos.\n- Devuelva únicamente JSON con el formato {\"summary\": \"…\"}.\n"
SCHEMA = json.loads("{\"type\":\"object\",\"properties\":{\"summary\":{\"type\":\"string\"}},\"required\":[\"summary\"],\"additionalProperties\":false}")
def run(document_text: str) -> dict:
"""Text of the document in, the extracted fields as a dict out."""
response = httpx.post(
"https://openrouter.ai/api/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"},
json={
"model": "openai/gpt-6-luna",
"temperature": 0,
"messages": [{"role": "user", "content": f"{PROMPT}\n\n---\n{document_text}"}],
# For a scan or photo, send [{"type": "text", "text": PROMPT},
# {"type": "image_url", "image_url": {"url": "data:image/png;base64,..."}}] instead.
"response_format": {
"type": "json_schema",
"json_schema": {"name": "summaries", "strict": False, "schema": SCHEMA},
},
},
timeout=120,
)
response.raise_for_status()
return json.loads(response.json()["choices"][0]["message"]["content"])
Gratis al iniciar sesión
Un prompt y un esquema JSON listos para usar con este modelo.
Solo su correo, sin contraseña.
Insignia
Inserte el resultado actual en su sitio; la insignia se actualiza con cada ejecución.
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/contracts-es.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/contracts-en.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/contracts-cs.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/contracts-de.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/contracts-fr.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/emails-es.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/emails-en.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/emails-cs.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/emails-de.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/emails-fr.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/invoices-es.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/invoices-en.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/invoices-cs.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/invoices-de.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/invoices-fr.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/pii-es.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/pii-en.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/pii-cs.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/pii-de.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/pii-fr.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/qa-es.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/qa-en.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/qa-cs.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/qa-de.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/qa-fr.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/summaries-es.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/summaries-en.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/summaries-cs.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/summaries-de.svg" alt="GPT-6 Luna on ModelVerdict"></a>
<a href="https://modelverdict.ai/es/models/gpt-6-luna/"><img src="https://modelverdict.ai/badge/gpt-6-luna/summaries-fr.svg" alt="GPT-6 Luna on ModelVerdict"></a>
Los resultados de todos los modelos para este documento, campo a campo. Los tres primeros ejemplos de cada tarea son libres.Dónde se equivoca exactamente el modelo: sus campos más débiles y las respuestas erróneas concretas.La precisión campo a campo y los documentos en los que los modelos difieren.Un prompt y un esquema JSON listos para usar con este modelo.Descargar todos los resultados en CSV y JSON.Inicie sesión con su correo, sin contraseña, para desbloquear todos los detalles: errores de los modelos, todos los ejemplos, código y descargas de datos.