modeller

OpenAI: GPT-5.6 Luna Pro (batch)

Markdown · JSON

OpenAI: GPT-5.6 Luna Pro (batch)

GPT-5.6 Luna med Pro-ræsonnering til fokuserede opgaver, der kræver yderligere analyse. Lever tekst eller billeder og udtrykkelige regler for at udarbejde et udtræksresultat, et kort svar eller en forklaring på en undtagelse.

Om modellen

Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.

GPT-5.6 Luna Pro betegner OpenAI’s GPT-5.6 Luna med Pro-ræsonnering. Grundudgaven Luna er udviklet til fokuserede opgaver med stor behandlingsvolumen og svarer omtrent til nano-niveauet i tidligere GPT-5-familier. Den accepterer tekst og billeder og producerer tekst. Pro tilføjer modelarbejde for at udvikle det endelige svar; det er en udførelsestilstand frem for en erstatning for grundudgaven.

En praktisk anvendelse er at udtrække et defineret sæt oplysninger fra et dokument, hvis regler omfatter undtagelser. Lever dokumentet og de nødvendige felter, angiv eventuelle passager, der har forrang, og forklar, hvordan en manglende værdi skal håndteres. En eksempelanmodning er at udtrække dokumentets emne, de betingelser, der er relevante for en anmodning, og det næste spørgsmål, der er nødvendigt for at færdiggøre den. Bed om en forklaring på en undtagelse sammen med de udtrukne felter, så resultatet kan sammenlignes med kilden.

Ved visuelt materiale skal en tydelig side eller et screenshot leveres, og den specifikke detalje eller betegnelse, der har betydning for opgaven, angives. Ved en opgave med at skrive et svar skal anmodningen, reglerne for svaret og de fakta, der skal bevares, leveres. Definér den ønskede tone og længde, og bed derefter om ét kort svar frem for en ubegrænset diskussion. Denne forberedelse forbinder Lunas fokuserede rolle med et konkret tekstresultat.

OpenAI angiver et kontekstvindue på 1.050.000 tokens for GPT-5.6 Luna, et maksimalt input på 922.000 tokens og et maksimalt output på 128.000 tokens med en vidensgrænse den 16. februar 2026. Grundmodellens valgmuligheder for ræsonneringsindsats er none, low, medium, high, xhigh og max; medium er standard. Tilstand og indsats er uafhængige: Pro bestemmer ekstra modelarbejde, mens indsats styrer mængden af ræsonnering inden for tilstanden. Ræsonnering bruger også kontekstplads, så der skal være plads til analyse og det synlige svar.

Producenten dokumenterer Pro i Responses API til vanskelige opgaver, som kan rumme yderligere ventetid og modelaktivitet. Grundmodellen angiver streaming, Structured Outputs, funktionskald, web- og filsøgning, billedinput og promptcaching. Dens værktøjer omfatter billedgenerering, kodefortolkning, hostede shell- og patchoperationer, skills, computerbrug, MCP-forbindelser og værktøjssøgning. Værktøjsoperationer kræver det tilsvarende miljø; en applikation udfører sine handlinger og leverer de faktiske resultater til det fortsatte arbejde.

Angiv et nyttigt endeligt resultat: krævede felter, den regel, som understøtter en beslutning, og ethvert åbent spørgsmål. Bed for eksempel om et svarudkast sammen med de dokumentfakta, det bygger på, og præcisér derefter svaret, når manglende oplysninger er leveret. Hold skellet mellem en foreslået handling og en handling, der er gennemført af et værktøj, synligt. Denne arbejdsgang giver den ekstra analyse i Pro et konkret formål inden for en afgrænset Luna-opgave.

Ailoot Ultra · Batch POST /v1/batches openai/gpt-5.6-luna-pro:batch

openai/gpt-5.6-luna-pro:batch

OpenAI /openai/gpt-5.6-luna-pro:batch

Start

GPT-5.6 Luna med Pro-ræsonnering til fokuserede opgaver, der kræver yderligere analyse. Lever tekst eller billeder og udtrykkelige regler for at udarbejde et udtræksresultat, et kort svar eller en forklaring på en undtagelse.

Accepterede input
Tekst
Resultater
Tekst

Tilgængelig i Ailoot · input og metoder

Ailoot Ultra · Batch POST /v1/batches
Inputtyper
text
Outputtyper
text
Outputformat
JSON direkte i results[].response.body
FeltTypeKravVærdier og grænserStandard
FeltendpointTypestringKravPåkrævetVærdier og grænser
/v1/chat/completions
Standard—
FeltmodelTypestringKravPåkrævetVærdier og grænser
openai/gpt-5.6-luna-pro:batch
Standard—
FeltrequestsTypebatch_item[]KravPåkrævetVærdier og grænser
Minimumsantal elementer: 1
Standard—
Feltrequests[].custom_idTypestringKravPåkrævetVærdier og grænserStandard—
Feltrequests[].body.messagesTypemessage[]KravPåkrævetVærdier og grænserStandard—
Feltcompletion_windowTypestringKravValgfritVærdier og grænser
24h
Standard—
FeltproviderTypeobject|nullKravValgfritVærdier og grænserStandard—
Feltrequests[].body.modelTypestringKravValgfritVærdier og grænser
openai/gpt-5.6-luna-pro:batch, openai/gpt-5.6-luna-pro
Standard—
Feltprovider.onlyTypestring[]KravValgfritVærdier og grænser
openai
Standard—
Feltprovider.allow_fallbacksTypeboolean|nullKravValgfritVærdier og grænser
false, null
Standard—
Metodeparametre og livscyklus
ParameterKontrakt
Parametercontent_typeKontraktapplication/json
ParameterrequiredKontraktendpoint, model, requests
Parametermaterial_typesKontrakttext
ParameterrepresentationKontraktrequests[] direkte i anmodningen; hvert element har custom_id og body
Parameterrequest_endpoint_profileKontrakt/v1/chat/completions
Parameterfile_materialKontraktDen kaldende part kan læse det faktiske JSONL-indhold i UTF-8 lokalt ind i requests[]. Der angives hverken purpose til upload, input_file_id eller en filreference. Hvis kundematerialet mangler eller er tomt, stoppes forberedelsen før POST.
Parameterserialization_orderKontraktendpoint, model, provider (hvis angivet), completion_window (hvis angivet), requests til sidst
Parameteroptional_controlsKontraktprovider.only, provider.allow_fallbacks, completion_window
Parameterschema_scopeKontraktAnmodningsindhold for Chat Completions med tekst i den dokumenterede inline Batch-struktur.

Livscyklus: asynchronous

GET /v1/batches/{operation_id} · det faktiske response.id fra den oprindelige oprettelse; samme bruger/nøgle/gruppe

Priser

Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.

Hurtig tilstand
Ikke angivet Når hurtig tilstand er valgt
flex-tilstand
Ikke angivet Når flex-tilstanden er valgt
Maksimal ræsonneringsindsats
Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats
Priser for eksplicit caching
Ikke aktiveret Når der anmodes om eksplicit caching

Ailoot-takster

Priser efter konfiguration

Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.

KonfigurationTakstplanKonteksttokens, mere endKonteksttokens, op til og medBeløb
KonfigurationGrundtakster for tokensTakstplanGrundtakstKonteksttokens, mere end—Konteksttokens, op til og medIngen øvre grænseBeløb
Input · Inputtokens $0.0002 / 1K tokens
Output · Outputtokens $0.0012 / 1K tokens
Input · Cachelæsning $0.00002 / 1K tokens
Input · Cacheskrivning — / 1K tokens
Input · Cacheskrivning, 1 time — / 1K tokens
KonfigurationAnmodningslængde · niveau 1Takstplan—Konteksttokens, mere end0Konteksttokens, op til og med272.000Beløb
Input · Inputtokens $0.0002 / 1K tokens
Output · Outputtokens $0.0012 / 1K tokens
Input · Cachelæsning $0.00002 / 1K tokens
Input · Cacheskrivning — / 1K tokens
Input · Cacheskrivning, 1 time — / 1K tokens
KonfigurationAnmodningslængde · niveau 2Takstplan—Konteksttokens, mere end272.000Konteksttokens, op til og medIngen øvre grænseBeløb
Input · Inputtokens $0.0004 / 1K tokens
Output · Outputtokens $0.0018 / 1K tokens
Input · Cachelæsning $0.00004 / 1K tokens
Input · Cacheskrivning — / 1K tokens
Input · Cacheskrivning, 1 time — / 1K tokens

Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →

Eksempelanmodninger

Ailoot Ultra · Batch

curl · gemte testdataPython HTTP · kundens faktiske JSONLPython · gem hvert færdigt resultat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.6-luna-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
        supplied_model = item["body"].get("model")
        if supplied_model is not None and supplied_model not in ['openai/gpt-5.6-luna-pro:batch', 'openai/gpt-5.6-luna-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-luna-pro:batch", "requests":items}

if __name__ == "__main__":
    material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
    if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
    body = prepare_requests(material)
    key = os.environ.get("AILOOT_API_KEY", "")
    if not key: raise SystemExit("Set AILOOT_API_KEY")
    request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")
    with urlopen(request) as response:
        raw = response.read()
        Path("batch-create-response.json").write_bytes(raw)
        print(raw.decode("utf-8"))
import json
from pathlib import Path
raw = Path("batch-status-response.json").read_bytes()
response = json.loads(raw)
if response.get("status") != "completed":
    raise SystemExit("Keep the original operation; read its status without resubmitting")
results = response.get("results")
if not isinstance(results, list) or not results:
    raise SystemExit("Preserve the original response; completed results are missing")
Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8")
# Preserve batch-status-response.json with aggregate usage and every result/error.

Hent og gem resultater

Ailoot Ultra · Batch

JSON direkte i results[].response.body

  • GET /v1/batches/{operation_id}
Kontrollér opgavestatus
curl · Status for den oprindelige handling
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json
Behold alle færdige resultater

Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.

Gem hele den oprindelige status i JSON, hvert resultat/custom_id og det fulde svar- eller fejlindhold. Gem færdige results[] som JSONL uden filtrering.

Hvis det oprindelige svar skal kontrolleres

Gem det oprindelige operations-ID. 503 result_pending_check har X-Should-Retry:false; send aldrig en oprindelig batch igen, hvis dens udfald er ukendt.

Svarfelter
FeltType
Feltresults[].custom_idTypestring
Feltresults[].response.body.choices[].message.contentTypestring|null
Feltresults[].errorTypeobject|null
FeltusageTypeobject|null
FeltidTypestring
FeltmodelTypestring
FeltendpointTypestring
FeltstatusTypestring
Feltrequest_countsTypeobject
Feltresults[].idTypestring
Feltresults[].response.status_codeTypeinteger
Feltresults[].response.request_idTypestring
Fejl og næste trin
SvarBetingelseNæste trin
Svar400 · invalid_request_errorBetingelseUgyldig dokumenteret inline-struktur, dublerede nøgler, ugyldig elementidentitet eller konflikt med modellens konfigurerede funktioner.Næste trinRet de angivne felter, før du sender en ny anmodning.
Svar401 · authentication_errorBetingelseUgyldig API-nøgle.Næste trinBrug den godkendte Ailoot-nøgle.
Svar403 · permission_errorBetingelseBatch-gruppen er ikke tilgængelig.Næste trinKontrollér nøglens/gruppens adgangsrettigheder.
Svar422 · invalid_request_errorBetingelseBatch afregnes via saldoen; oprettelse via et abonnement afvises.Næste trinBrug den godkendte gruppe med saldoafregning.
Svar422 · price_unavailableBetingelseDer kan ikke beregnes en pris for Batch-inputtet.Næste trinGem svaret; brug det dokumenterede input for API-familien.
Svar402 · billing_errorBetingelseReservationen til Batch er ikke tilgængelig.Næste trinAfklar adgangen, før du sender en ny anmodning.
Svar503 · price_unavailableBetingelsePrisen for Batch-metoden eller de native satser er ikke tilgængelige.Næste trinGem svaret; erstat ikke priserne med andre priser.
Svar503 · api_errorBetingelseDen præcise leverandørrute er ikke tilgængelig.Næste trinGem svaret, så ruten kan repareres.
Svar503 · result_pending_checkBetingelseDet oprindelige resultat skal kontrolleres; X-Should-Retry:false.Næste trinGem det oprindelige operation_id/id, og læs dets status; gentag aldrig den oprindelige POST.
Svar404 · not_foundBetingelseOperationen til Batch-status findes ikke eller tilhører en anden identitet.Næste trinBrug det nøjagtige oprindelige id og samme bruger/nøgle/gruppe.

Aliaser

Modelaliaser

Ailoot Ultra openai/gpt-5.6-luna-pro:batch

Aliaser for metodestier

Brug metodestierne vist ovenfor.

Relaterede kalder-ID’er

openai/gpt-5.6-luna-pro:batch

FAQ · OpenAI: GPT-5.6 Luna Pro (batch)
Hvilke input og resultater er tilgængelige?

POST /v1/batches · openai/gpt-5.6-luna-pro:batch: text → text

Hvilke felter bruger anmodningen?

POST /v1/batches · openai/gpt-5.6-luna-pro:batch: endpoint, model, requests, completion_window, provider

Hvilke grænser gælder?

POST /v1/batches · openai/gpt-5.6-luna-pro:batch: requests.min_items: 1

Flere oplysninger

Tilslut Ailoot til Claude Code, OpenCode, Hermes eller din egen applikation.

Virksomheden og dens projektportefølje

Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder.

Køb tokens med rabat.

Abonnementsrabat til regelmæssigt arbejde. Rabatkoder giver op til 50% på tokenkøb.

Abonnement
Vælg et abonnement med rabat til dine regelmæssige anmodninger.
Rabatkode på op til 50%
Indtast koden ved købet. Prisen genberegnes efter den aktuelle kampagne.
Udgifter i historikken
Model, tokens og beløb gemmes for hver anmodning.

Vælg abonnement · Se modelpriser

Tilslut API’et til produktet, du sælger.

SaaS, apps og bots efter Ailoots tilbudsvilkår og licensaftale. Anmod om en forhandlerlicens til videresalg.

Kommerciel applikation
Byg generering af tekst, billeder, video og lyd ind i tjenestens betalte funktioner.
Licens til forhandlere
Send projektbeskrivelse og adgangsmodel. Bed om skriftlige vilkår for anvendelse og videresalg.
Dokumenter på websitet
Tilbudsvilkår, licensaftale og politik for behandling af data kan læses før tilslutning.

Anmod om forhandlerlicens · Tilbudsvilkår og licensaftale