GPT-6 Astra er OpenAI’s model til de mest krævende ræsonneringsopgaver og professionelle opgaver. Producenten udvikler den til softwareudvikling, computerbrug, forskning, videnskabeligt arbejde og dokumentudarbejdelse. Den accepterer tekst og billeder og genererer tekst, herunder forklaringer, kode og strukturerede resultater. Denne standardprofil for Astra er adskilt fra ræsonneringstilstanden Pro og profilerne Sol og Luna.
Tilrettelæg opgaven ud fra det ønskede resultat, relevante kilder og kriterier for, hvornår den er afsluttet. Ved softwareudvikling skal kode, den observerede fejl, forventet adfærd og de grænseflader, der skal bevares, medtages. Ved professionel analyse skal dokumenterne, beslutningen og de betingelser, som en konklusion skal forholde sig til, leveres. En praktisk opgavebeskrivelse er: “Sammenlign disse alternativer med kravene, identificér afhængighederne, og udarbejd et beslutningsnotat med dokumentation for hver væsentlig konklusion.”
Ved en visuel opgave skal kilden være læsbar, og det skal angives, om den viser en grænsefladetilstand, en graf eller et designkrav. Bed om den synlige detalje, der understøtter en observation. Et kode- eller dokumentresultat skal forblive knyttet til denne dokumentation frem for en antaget ekstern handling.
OpenAI’s vejledning til Astra anbefaler klare mål, succeskriterier, dokumentationsregler og stopbetingelser. Den beskriver stor følsomhed over for detaljerede instruktioner i konteksten og tilgængelige filer, så modstridende vejledning skal afklares, og brugerens opgaves prioritet skal angives. Præcisér, hvornår modellen skal bruge tilgængelige oplysninger, foretage en rimelig antagelse eller spørge om en manglende detalje, der ændrer resultatet.
Producenten anbefaler også at afstemme svarstil og valideringsdybde. Beskriv målgruppe og endelig struktur for et dokument, og kræv validering, som er relevant for ændringen, ved en teknisk opgave. Det giver modellen et udtrykkeligt slutmål uden at tilføje uvedkommende arbejde.
Astra understøtter ræsonneringsindsatsen low, medium, high, xhigh og max og understøtter ikke none. Indsatsen er adskilt fra producentens standardtilstand eller Pro-tilstand for ræsonnering. Kortet angiver en kontekst på 1.050.000 tokens, op til 922.000 inputtokens og op til 128.000 outputtokens. Dens vidensgrænse er 30. april 2026.
Ræsonnering optager plads i svaret, selv om de rå interne tokens ikke vises som et almindeligt svar. Reservér plads til det endelige resultat, og undersøg afslutningsstatus, når et budget er opbrugt. Også et stort vindue kræver kildebetegnelser, opgavegrænser og relevante observationer.
Producenten dokumenterer funktionskald via Responses; Chat Completions understøtter ikke funktionskald for Astra. Dens understøttede værktøjer omfatter web- og filsøgning, billedgenerering, en kodefortolker, shell- og patchoperationer, skills, computerbrug, MCP-forbindelser og værktøjssøgning. Structured Outputs og streaming er også angivet. Astras eget output forbliver tekst, mens værktøjsoperationer producerer deres respektive observationer eller resultater.
GPT-6’s dokumenterede arbejdsgang kan fortsætte analyse, mens et asynkront værktøj kører, indarbejde justeringer midt i en tur, bevare ræsonnering mellem kald og komprimere en lang samtale. Applikationen udfører sine egne værktøjer og håndterer udestående resultater. Bevar den oprindelige forbindelse mellem kald og observation, så opgaven bruger faktisk dokumentation.
Et nyttigt endeligt resultat er et færdigt analyse- eller koderesultat med et tydeligt grundlag og tydelige resterende betingelser. Kontrollér kildeafhængige udsagn, og brug faktiske valideringsobservationer for udført arbejde. Bevar den navngivne Astra-profil og dens understøttede indsatsinterval frem for at overtage en indstilling for direkte svar eller en anden models grænser.
", "aboutText": "GPT-6 Astra er OpenAI’s model til de mest krævende ræsonneringsopgaver og professionelle opgaver. Producenten udvikler den til softwareudvikling, computerbrug, forskning, videnskabeligt arbejde og dokumentudarbejdelse. Den accepterer tekst og billeder og genererer tekst, herunder forklaringer, kode og strukturerede resultater. Denne standardprofil for Astra er adskilt fra ræsonneringstilstanden Pro og profilerne Sol og Luna.\n\n### Arbejde fra start til slut\n\nTilrettelæg opgaven ud fra det ønskede resultat, relevante kilder og kriterier for, hvornår den er afsluttet. Ved softwareudvikling skal kode, den observerede fejl, forventet adfærd og de grænseflader, der skal bevares, medtages. Ved professionel analyse skal dokumenterne, beslutningen og de betingelser, som en konklusion skal forholde sig til, leveres. En praktisk opgavebeskrivelse er: “Sammenlign disse alternativer med kravene, identificér afhængighederne, og udarbejd et beslutningsnotat med dokumentation for hver væsentlig konklusion.”\n\nVed en visuel opgave skal kilden være læsbar, og det skal angives, om den viser en grænsefladetilstand, en graf eller et designkrav. Bed om den synlige detalje, der understøtter en observation. Et kode- eller dokumentresultat skal forblive knyttet til denne dokumentation frem for en antaget ekstern handling.\n\n### Instruktioner og færdiggørelse\n\nOpenAI’s vejledning til Astra anbefaler klare mål, succeskriterier, dokumentationsregler og stopbetingelser. Den beskriver stor følsomhed over for detaljerede instruktioner i konteksten og tilgængelige filer, så modstridende vejledning skal afklares, og brugerens opgaves prioritet skal angives. Præcisér, hvornår modellen skal bruge tilgængelige oplysninger, foretage en rimelig antagelse eller spørge om en manglende detalje, der ændrer resultatet.\n\nProducenten anbefaler også at afstemme svarstil og valideringsdybde. Beskriv målgruppe og endelig struktur for et dokument, og kræv validering, som er relevant for ændringen, ved en teknisk opgave. Det giver modellen et udtrykkeligt slutmål uden at tilføje uvedkommende arbejde.\n\n### Ræsonnering og kontekst\n\nAstra understøtter ræsonneringsindsatsen low, medium, high, xhigh og max og understøtter ikke none. Indsatsen er adskilt fra producentens standardtilstand eller Pro-tilstand for ræsonnering. Kortet angiver en kontekst på 1.050.000 tokens, op til 922.000 inputtokens og op til 128.000 outputtokens. Dens vidensgrænse er 30. april 2026.\n\nRæsonnering optager plads i svaret, selv om de rå interne tokens ikke vises som et almindeligt svar. Reservér plads til det endelige resultat, og undersøg afslutningsstatus, når et budget er opbrugt. Også et stort vindue kræver kildebetegnelser, opgavegrænser og relevante observationer.\n\n### Værktøjer og fortsatte opgaver\n\nProducenten dokumenterer funktionskald via Responses; Chat Completions understøtter ikke funktionskald for Astra. Dens understøttede værktøjer omfatter web- og filsøgning, billedgenerering, en kodefortolker, shell- og patchoperationer, skills, computerbrug, MCP-forbindelser og værktøjssøgning. Structured Outputs og streaming er også angivet. Astras eget output forbliver tekst, mens værktøjsoperationer producerer deres respektive observationer eller resultater.\n\nGPT-6’s dokumenterede arbejdsgang kan fortsætte analyse, mens et asynkront værktøj kører, indarbejde justeringer midt i en tur, bevare ræsonnering mellem kald og komprimere en lang samtale. Applikationen udfører sine egne værktøjer og håndterer udestående resultater. Bevar den oprindelige forbindelse mellem kald og observation, så opgaven bruger faktisk dokumentation.\n\nEt nyttigt endeligt resultat er et færdigt analyse- eller koderesultat med et tydeligt grundlag og tydelige resterende betingelser. Kontrollér kildeafhængige udsagn, og brug faktiske valideringsobservationer for udført arbejde. Bevar den navngivne Astra-profil og dens understøttede indsatsinterval frem for at overtage en indstilling for direkte svar eller en anden models grænser.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c993b3d1c2545cbd5a522c80c0ddb03f57794b54e39003a5ab96aeb4b5b295ce", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/gpt-6-astra:batchGPT-6 Astra er OpenAI’s model til krævende ræsonnering, softwareudvikling, forskning og professionelt dokumentarbejde. Den kombinerer forståelse af tekst og billeder med analyse af lang kontekst og værktøjsunderstøttede arbejdsgange og producerer et tekstresultat inden for en kontekst på 1.050.000 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-6 Astra er OpenAI’s model til de mest krævende ræsonneringsopgaver og professionelle opgaver. Producenten udvikler den til softwareudvikling, computerbrug, forskning, videnskabeligt arbejde og dokumentudarbejdelse. Den accepterer tekst og billeder og genererer tekst, herunder forklaringer, kode og strukturerede resultater. Denne standardprofil for Astra er adskilt fra ræsonneringstilstanden Pro og profilerne Sol og Luna.
Tilrettelæg opgaven ud fra det ønskede resultat, relevante kilder og kriterier for, hvornår den er afsluttet. Ved softwareudvikling skal kode, den observerede fejl, forventet adfærd og de grænseflader, der skal bevares, medtages. Ved professionel analyse skal dokumenterne, beslutningen og de betingelser, som en konklusion skal forholde sig til, leveres. En praktisk opgavebeskrivelse er: “Sammenlign disse alternativer med kravene, identificér afhængighederne, og udarbejd et beslutningsnotat med dokumentation for hver væsentlig konklusion.”
Ved en visuel opgave skal kilden være læsbar, og det skal angives, om den viser en grænsefladetilstand, en graf eller et designkrav. Bed om den synlige detalje, der understøtter en observation. Et kode- eller dokumentresultat skal forblive knyttet til denne dokumentation frem for en antaget ekstern handling.
OpenAI’s vejledning til Astra anbefaler klare mål, succeskriterier, dokumentationsregler og stopbetingelser. Den beskriver stor følsomhed over for detaljerede instruktioner i konteksten og tilgængelige filer, så modstridende vejledning skal afklares, og brugerens opgaves prioritet skal angives. Præcisér, hvornår modellen skal bruge tilgængelige oplysninger, foretage en rimelig antagelse eller spørge om en manglende detalje, der ændrer resultatet.
Producenten anbefaler også at afstemme svarstil og valideringsdybde. Beskriv målgruppe og endelig struktur for et dokument, og kræv validering, som er relevant for ændringen, ved en teknisk opgave. Det giver modellen et udtrykkeligt slutmål uden at tilføje uvedkommende arbejde.
Astra understøtter ræsonneringsindsatsen low, medium, high, xhigh og max og understøtter ikke none. Indsatsen er adskilt fra producentens standardtilstand eller Pro-tilstand for ræsonnering. Kortet angiver en kontekst på 1.050.000 tokens, op til 922.000 inputtokens og op til 128.000 outputtokens. Dens vidensgrænse er 30. april 2026.
Ræsonnering optager plads i svaret, selv om de rå interne tokens ikke vises som et almindeligt svar. Reservér plads til det endelige resultat, og undersøg afslutningsstatus, når et budget er opbrugt. Også et stort vindue kræver kildebetegnelser, opgavegrænser og relevante observationer.
Producenten dokumenterer funktionskald via Responses; Chat Completions understøtter ikke funktionskald for Astra. Dens understøttede værktøjer omfatter web- og filsøgning, billedgenerering, en kodefortolker, shell- og patchoperationer, skills, computerbrug, MCP-forbindelser og værktøjssøgning. Structured Outputs og streaming er også angivet. Astras eget output forbliver tekst, mens værktøjsoperationer producerer deres respektive observationer eller resultater.
GPT-6’s dokumenterede arbejdsgang kan fortsætte analyse, mens et asynkront værktøj kører, indarbejde justeringer midt i en tur, bevare ræsonnering mellem kald og komprimere en lang samtale. Applikationen udfører sine egne værktøjer og håndterer udestående resultater. Bevar den oprindelige forbindelse mellem kald og observation, så opgaven bruger faktisk dokumentation.
Et nyttigt endeligt resultat er et færdigt analyse- eller koderesultat med et tydeligt grundlag og tydelige resterende betingelser. Kontrollér kildeafhængige udsagn, og brug faktiske valideringsobservationer for udført arbejde. Bevar den navngivne Astra-profil og dens understøttede indsatsinterval frem for at overtage en indstilling for direkte svar eller en anden models grænser.
POST /v1/batchestexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrævet | Værdier og grænser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-6-astra:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltcompletion_window | Typestring | KravValgfrit | Værdier og grænser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfrit | Værdier og grænser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfrit | Værdier og grænser openai/gpt-6-astra:batch, openai/gpt-6-astra | Standard— |
Feltprovider.only | Typestring[] | KravValgfrit | Værdier og grænser openai | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfrit | Værdier og grænser false, null | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktendpoint, model, requests |
Parametermaterial_types | Kontrakttext |
Parameterrepresentation | Kontraktrequests[] direkte i anmodningen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parameterfile_material | KontraktDen 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_order | Kontraktendpoint, model, provider (hvis angivet), completion_window (hvis angivet), requests til sidst |
Parameteroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontraktAnmodningsindhold 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
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.01 / 1K tokens Output · Outputtokens $0.05 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning $0.0125 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med272.000 | Beløb Input · Inputtokens $0.01 / 1K tokens Output · Outputtokens $0.05 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning $0.0125 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 2 | Takstplan— | Konteksttokens, mere end272.000 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.02 / 1K tokens Output · Outputtokens $0.075 / 1K tokens Input · Cachelæsning $0.002 / 1K tokens Input · Cacheskrivning $0.025 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-6-astra:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-6-astra:batch', 'openai/gpt-6-astra']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-astra:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n 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")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON direkte i results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGem 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.
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.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldig 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_error | BetingelseUgyldig API-nøgle. | Næste trinBrug den godkendte Ailoot-nøgle. |
Svar403 · permission_error | BetingelseBatch-gruppen er ikke tilgængelig. | Næste trinKontrollér nøglens/gruppens adgangsrettigheder. |
Svar422 · invalid_request_error | BetingelseBatch afregnes via saldoen; oprettelse via et abonnement afvises. | Næste trinBrug den godkendte gruppe med saldoafregning. |
Svar422 · price_unavailable | BetingelseDer kan ikke beregnes en pris for Batch-inputtet. | Næste trinGem svaret; brug det dokumenterede input for API-familien. |
Svar402 · billing_error | BetingelseReservationen til Batch er ikke tilgængelig. | Næste trinAfklar adgangen, før du sender en ny anmodning. |
Svar503 · price_unavailable | BetingelsePrisen for Batch-metoden eller de native satser er ikke tilgængelige. | Næste trinGem svaret; erstat ikke priserne med andre priser. |
Svar503 · api_error | BetingelseDen præcise leverandørrute er ikke tilgængelig. | Næste trinGem svaret, så ruten kan repareres. |
Svar503 · result_pending_check | BetingelseDet 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_found | BetingelseOperationen til Batch-status findes ikke eller tilhører en anden identitet. | Næste trinBrug det nøjagtige oprindelige id og samme bruger/nøgle/gruppe. |
Ailoot Ultra openai/gpt-6-astra:batch
Brug metodestierne vist ovenfor.