GPT-6 Luna i OpenAI’s Decisions-tilstand vurderer indsendt evidens og returnerer typede svar om den. Producenten dokumenterer GPT-6 Luna som modellen til denne specialiserede beslutningsgrænseflade. Den kan estimere, om en betingelse er opfyldt, vælge mellem faste svarmuligheder eller placere et input i en ordnet vurderingsrubrik. Brug denne GPT-6 Luna-tilstand, når opgaven kræver et defineret beslutningsresultat frem for et skriftligt svar.
En producentanmodning indeholder modellen, fælles input og et questions-array. Inputtet kan være en tekststreng eller brugerbeskeder med tekst og billeder. Hvert spørgsmål har et unikt navn, en type, instruktioner og eventuelle påkrævede svarmuligheder eller niveauer. Svararrayet gentager spørgsmålsnavnene, så resultatet kan knyttes til den betingelse, kategori eller vurdering, der faktisk blev anmodet om.
Ved en supportbesked skal du indsende beskeden og den kontekst, der er relevant for næste beslutning, og derefter navngive spørgsmålet efter det felt, arbejdsgangen har brug for. Ved en dokumentpassage skal du medtage den tekst, der fastlægger kriteriet, frem for en henvisning uden belæg til en større fil. Definér spørgsmålet ud fra observerbare fakta, og adskil uafhængige forhold. Et nyttigt resultat kan kombinere en problemkategori med en alvorlighedsvurdering og samtidig bevare definitionen og betydningen af hvert svar.
Et predicate-spørgsmål returnerer en sandsynlighed fra 0 til 1 for, at den definerede betingelse er sand. Det kan kontrollere passagerelevans eller et synligt forhold på et billede. Ved et produktfoto skal du beskrive den synlige fejl, der skal kontrolleres, såsom en revne eller flænge, og indsende billedet med kriteriet. Værdien er modellens estimat; applikationen vælger tærsklen til markering eller gennemgang.
OpenAI’s Decisions-vejledning kræver inline-kodede billeddata til dette endepunkt. Hostede billedadresser og filidentifikatorer er ikke understøttede billedinput i denne dokumenterede kontrakt. Tekst- og billedindhold kan kombineres i en brugerbesked, så den visuelle evidens vurderes med den relevante skriftlige kontekst. Hold billedet læseligt og betingelsen konkret; en sandsynlighed for én angivet fejl er ikke en generel inspektionsrapport, der dækker alle mulige problemer.
Et choice-spørgsmål vælger mellem svarmuligheder med forskellige værdier og beskrivelser, der forklarer, hvornår de gælder. Det returnerede valg er en af disse værdier med sandsynligheder pr. svarmulighed og et separat konfidensfelt. Ved routing skal kategorierne defineres ud fra de faktiske tilgængelige teams eller udfald, og en other-mulighed skal medtages, når sættet ikke dækker alle input. Hold kategorierne uordnede: Deres placeringer er ikke en alvorlighedsskala.
Et praktisk klassifikationsoplæg kan skelne mellem en produktfejl, et adgangsproblem og en generel anmodning. Beskriv grænsen mellem kategorierne frem for kun at stole på korte navne. Brug det returnerede valg som den foreslåede etiket, og undersøg fordelingen, når flere betydninger fortsat er plausible. Resultatet leverer et valg; applikationen afgør, om valget skal udløse automatisk routing eller en gennemgang.
Et score-spørgsmål bruger ordnede niveauer fra lavest til højest. Niveauindeks begynder ved 0, og scoren er det sandsynlighedsvægtede gennemsnit af disse indeks. Den kan ligge mellem niveauer. Ved problemers alvorlighed kan ét niveau betyde kosmetisk påvirkning, et andet en brugbar omgåelsesmulighed og et tredje fuldstændig blokering; definér de kriterier, der adskiller dem. Svaret indeholder sandsynligheder pr. niveau og konfidens sammen med scoren.
Den forventede score sammenfatter fordelingen frem for at vælge én kategori. Bevar denne forskel, når et resultat bruges til prioritering eller en aggregeret tendens. En visning med faste kategorier kan i stedet bruge et choice-spørgsmål. Konfidens er et separat rapporteret felt i choice- og score-svar; vejledningen definerer det ikke som identisk med den valgte svarmuligheds sandsynlighed.
Uafhængige spørgsmål kan dele input i én producentanmodning, også forskellige spørgsmålstyper. Et foto kan understøtte et predicate-spørgsmål om en fejl og et kategorivalg, eller en besked kan understøtte kategori- og alvorlighedsvurdering. Giv hvert forhold sine egne instruktioner og sin egen betydning. Når en senere beslutning afhænger af et tidligere resultat, anbefaler producenten separate anmodninger, så det andet spørgsmål kan bruge resultatet eksplicit. Antag ikke, at rækkefølgen af spørgsmål i ét array gør dem til en sekventiel samtale.
Decisions leverer det definerede predicate-, choice- eller score-resultat. Et svar kan i stedet have typen refusal; kontrollér typen, før du læser en sandsynlighed, et valg eller en score. OpenAI adskiller dette fra generering af vilkårlige skemabaserede objekter eller skriftlige forklaringer via Structured Outputs og fra anmodning om en værktøjshandling via function calling. Et beslutningssvar bør ikke præsenteres som en genereret begrundelse eller bevis for, at en ekstern handling fandt sted. Generelle chatmodellers output-, ræsonnements- og værktøjsindstillinger er ikke automatisk en del af denne specialiserede tilstand.
Brug repræsentative mærkede input til at vurdere tærskler for routing, filtrering og gennemgang under hensyntagen til konsekvenserne af falske positive og falske negative. Hold evidensen, spørgsmålsdefinitionerne og de rå numeriske output knyttet sammen, så et tvetydigt resultat kan undersøges. Hold den fælles evidens relevant for de navngivne spørgsmål, og definér hver svarmulighed eller hvert rubrikniveau tydeligt, før beslutningsopgaven indsendes. Forbered evidensen og svartyperne efter den dokumenterede beslutningsarbejdsgang, og fortolk outputtet i forhold til den opgave, det vurderer.
", "aboutText": "GPT-6 Luna i OpenAI’s Decisions-tilstand vurderer indsendt evidens og returnerer typede svar om den. Producenten dokumenterer GPT-6 Luna som modellen til denne specialiserede beslutningsgrænseflade. Den kan estimere, om en betingelse er opfyldt, vælge mellem faste svarmuligheder eller placere et input i en ordnet vurderingsrubrik. Brug denne GPT-6 Luna-tilstand, når opgaven kræver et defineret beslutningsresultat frem for et skriftligt svar.\n\n### Fælles input, navngivne spørgsmål og svar\n\nEn producentanmodning indeholder modellen, fælles input og et questions-array. Inputtet kan være en tekststreng eller brugerbeskeder med tekst og billeder. Hvert spørgsmål har et unikt navn, en type, instruktioner og eventuelle påkrævede svarmuligheder eller niveauer. Svararrayet gentager spørgsmålsnavnene, så resultatet kan knyttes til den betingelse, kategori eller vurdering, der faktisk blev anmodet om.\n\nVed en supportbesked skal du indsende beskeden og den kontekst, der er relevant for næste beslutning, og derefter navngive spørgsmålet efter det felt, arbejdsgangen har brug for. Ved en dokumentpassage skal du medtage den tekst, der fastlægger kriteriet, frem for en henvisning uden belæg til en større fil. Definér spørgsmålet ud fra observerbare fakta, og adskil uafhængige forhold. Et nyttigt resultat kan kombinere en problemkategori med en alvorlighedsvurdering og samtidig bevare definitionen og betydningen af hvert svar.\n\n### Predicate: estimering af, om en betingelse er opfyldt\n\nEt predicate-spørgsmål returnerer en sandsynlighed fra 0 til 1 for, at den definerede betingelse er sand. Det kan kontrollere passagerelevans eller et synligt forhold på et billede. Ved et produktfoto skal du beskrive den synlige fejl, der skal kontrolleres, såsom en revne eller flænge, og indsende billedet med kriteriet. Værdien er modellens estimat; applikationen vælger tærsklen til markering eller gennemgang.\n\nOpenAI’s Decisions-vejledning kræver inline-kodede billeddata til dette endepunkt. Hostede billedadresser og filidentifikatorer er ikke understøttede billedinput i denne dokumenterede kontrakt. Tekst- og billedindhold kan kombineres i en brugerbesked, så den visuelle evidens vurderes med den relevante skriftlige kontekst. Hold billedet læseligt og betingelsen konkret; en sandsynlighed for én angivet fejl er ikke en generel inspektionsrapport, der dækker alle mulige problemer.\n\n### Choice: valg af én indsendt værdi\n\nEt choice-spørgsmål vælger mellem svarmuligheder med forskellige værdier og beskrivelser, der forklarer, hvornår de gælder. Det returnerede valg er en af disse værdier med sandsynligheder pr. svarmulighed og et separat konfidensfelt. Ved routing skal kategorierne defineres ud fra de faktiske tilgængelige teams eller udfald, og en other-mulighed skal medtages, når sættet ikke dækker alle input. Hold kategorierne uordnede: Deres placeringer er ikke en alvorlighedsskala.\n\nEt praktisk klassifikationsoplæg kan skelne mellem en produktfejl, et adgangsproblem og en generel anmodning. Beskriv grænsen mellem kategorierne frem for kun at stole på korte navne. Brug det returnerede valg som den foreslåede etiket, og undersøg fordelingen, når flere betydninger fortsat er plausible. Resultatet leverer et valg; applikationen afgør, om valget skal udløse automatisk routing eller en gennemgang.\n\n### Score: en sandsynlighedsvægtet placering i en vurderingsrubrik\n\nEt score-spørgsmål bruger ordnede niveauer fra lavest til højest. Niveauindeks begynder ved 0, og scoren er det sandsynlighedsvægtede gennemsnit af disse indeks. Den kan ligge mellem niveauer. Ved problemers alvorlighed kan ét niveau betyde kosmetisk påvirkning, et andet en brugbar omgåelsesmulighed og et tredje fuldstændig blokering; definér de kriterier, der adskiller dem. Svaret indeholder sandsynligheder pr. niveau og konfidens sammen med scoren.\n\nDen forventede score sammenfatter fordelingen frem for at vælge én kategori. Bevar denne forskel, når et resultat bruges til prioritering eller en aggregeret tendens. En visning med faste kategorier kan i stedet bruge et choice-spørgsmål. Konfidens er et separat rapporteret felt i choice- og score-svar; vejledningen definerer det ikke som identisk med den valgte svarmuligheds sandsynlighed.\n\n### Flere spørgsmål og afhængige beslutninger\n\nUafhængige spørgsmål kan dele input i én producentanmodning, også forskellige spørgsmålstyper. Et foto kan understøtte et predicate-spørgsmål om en fejl og et kategorivalg, eller en besked kan understøtte kategori- og alvorlighedsvurdering. Giv hvert forhold sine egne instruktioner og sin egen betydning. Når en senere beslutning afhænger af et tidligere resultat, anbefaler producenten separate anmodninger, så det andet spørgsmål kan bruge resultatet eksplicit. Antag ikke, at rækkefølgen af spørgsmål i ét array gør dem til en sekventiel samtale.\n\n### Vælg det rette output, og fortolk grænserne\n\nDecisions leverer det definerede predicate-, choice- eller score-resultat. Et svar kan i stedet have typen refusal; kontrollér typen, før du læser en sandsynlighed, et valg eller en score. OpenAI adskiller dette fra generering af vilkårlige skemabaserede objekter eller skriftlige forklaringer via Structured Outputs og fra anmodning om en værktøjshandling via function calling. Et beslutningssvar bør ikke præsenteres som en genereret begrundelse eller bevis for, at en ekstern handling fandt sted. Generelle chatmodellers output-, ræsonnements- og værktøjsindstillinger er ikke automatisk en del af denne specialiserede tilstand.\n\nBrug repræsentative mærkede input til at vurdere tærskler for routing, filtrering og gennemgang under hensyntagen til konsekvenserne af falske positive og falske negative. Hold evidensen, spørgsmålsdefinitionerne og de rå numeriske output knyttet sammen, så et tvetydigt resultat kan undersøges. Hold den fælles evidens relevant for de navngivne spørgsmål, og definér hver svarmulighed eller hvert rubrikniveau tydeligt, før beslutningsopgaven indsendes. Forbered evidensen og svartyperne efter den dokumenterede beslutningsarbejdsgang, og fortolk outputtet i forhold til den opgave, det vurderer.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0f5a82b885c973ff6baa23c3e36dd6743920b4a667f19a265160d9047d3cd67a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/gpt-6-luna-decisionsGPT-6 Luna vurderer i OpenAI’s Decisions-tilstand tekst og billeder og returnerer typede probabilistiske svar: sandsynligheden for en betingelse, et fast valg eller en score efter vurderingskriterier. Den understøtter klassifikation, routing og prioritering uden at bruge en skriftlig forklaring som beslutningsresultat.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-6 Luna i OpenAI’s Decisions-tilstand vurderer indsendt evidens og returnerer typede svar om den. Producenten dokumenterer GPT-6 Luna som modellen til denne specialiserede beslutningsgrænseflade. Den kan estimere, om en betingelse er opfyldt, vælge mellem faste svarmuligheder eller placere et input i en ordnet vurderingsrubrik. Brug denne GPT-6 Luna-tilstand, når opgaven kræver et defineret beslutningsresultat frem for et skriftligt svar.
En producentanmodning indeholder modellen, fælles input og et questions-array. Inputtet kan være en tekststreng eller brugerbeskeder med tekst og billeder. Hvert spørgsmål har et unikt navn, en type, instruktioner og eventuelle påkrævede svarmuligheder eller niveauer. Svararrayet gentager spørgsmålsnavnene, så resultatet kan knyttes til den betingelse, kategori eller vurdering, der faktisk blev anmodet om.
Ved en supportbesked skal du indsende beskeden og den kontekst, der er relevant for næste beslutning, og derefter navngive spørgsmålet efter det felt, arbejdsgangen har brug for. Ved en dokumentpassage skal du medtage den tekst, der fastlægger kriteriet, frem for en henvisning uden belæg til en større fil. Definér spørgsmålet ud fra observerbare fakta, og adskil uafhængige forhold. Et nyttigt resultat kan kombinere en problemkategori med en alvorlighedsvurdering og samtidig bevare definitionen og betydningen af hvert svar.
Et predicate-spørgsmål returnerer en sandsynlighed fra 0 til 1 for, at den definerede betingelse er sand. Det kan kontrollere passagerelevans eller et synligt forhold på et billede. Ved et produktfoto skal du beskrive den synlige fejl, der skal kontrolleres, såsom en revne eller flænge, og indsende billedet med kriteriet. Værdien er modellens estimat; applikationen vælger tærsklen til markering eller gennemgang.
OpenAI’s Decisions-vejledning kræver inline-kodede billeddata til dette endepunkt. Hostede billedadresser og filidentifikatorer er ikke understøttede billedinput i denne dokumenterede kontrakt. Tekst- og billedindhold kan kombineres i en brugerbesked, så den visuelle evidens vurderes med den relevante skriftlige kontekst. Hold billedet læseligt og betingelsen konkret; en sandsynlighed for én angivet fejl er ikke en generel inspektionsrapport, der dækker alle mulige problemer.
Et choice-spørgsmål vælger mellem svarmuligheder med forskellige værdier og beskrivelser, der forklarer, hvornår de gælder. Det returnerede valg er en af disse værdier med sandsynligheder pr. svarmulighed og et separat konfidensfelt. Ved routing skal kategorierne defineres ud fra de faktiske tilgængelige teams eller udfald, og en other-mulighed skal medtages, når sættet ikke dækker alle input. Hold kategorierne uordnede: Deres placeringer er ikke en alvorlighedsskala.
Et praktisk klassifikationsoplæg kan skelne mellem en produktfejl, et adgangsproblem og en generel anmodning. Beskriv grænsen mellem kategorierne frem for kun at stole på korte navne. Brug det returnerede valg som den foreslåede etiket, og undersøg fordelingen, når flere betydninger fortsat er plausible. Resultatet leverer et valg; applikationen afgør, om valget skal udløse automatisk routing eller en gennemgang.
Et score-spørgsmål bruger ordnede niveauer fra lavest til højest. Niveauindeks begynder ved 0, og scoren er det sandsynlighedsvægtede gennemsnit af disse indeks. Den kan ligge mellem niveauer. Ved problemers alvorlighed kan ét niveau betyde kosmetisk påvirkning, et andet en brugbar omgåelsesmulighed og et tredje fuldstændig blokering; definér de kriterier, der adskiller dem. Svaret indeholder sandsynligheder pr. niveau og konfidens sammen med scoren.
Den forventede score sammenfatter fordelingen frem for at vælge én kategori. Bevar denne forskel, når et resultat bruges til prioritering eller en aggregeret tendens. En visning med faste kategorier kan i stedet bruge et choice-spørgsmål. Konfidens er et separat rapporteret felt i choice- og score-svar; vejledningen definerer det ikke som identisk med den valgte svarmuligheds sandsynlighed.
Uafhængige spørgsmål kan dele input i én producentanmodning, også forskellige spørgsmålstyper. Et foto kan understøtte et predicate-spørgsmål om en fejl og et kategorivalg, eller en besked kan understøtte kategori- og alvorlighedsvurdering. Giv hvert forhold sine egne instruktioner og sin egen betydning. Når en senere beslutning afhænger af et tidligere resultat, anbefaler producenten separate anmodninger, så det andet spørgsmål kan bruge resultatet eksplicit. Antag ikke, at rækkefølgen af spørgsmål i ét array gør dem til en sekventiel samtale.
Decisions leverer det definerede predicate-, choice- eller score-resultat. Et svar kan i stedet have typen refusal; kontrollér typen, før du læser en sandsynlighed, et valg eller en score. OpenAI adskiller dette fra generering af vilkårlige skemabaserede objekter eller skriftlige forklaringer via Structured Outputs og fra anmodning om en værktøjshandling via function calling. Et beslutningssvar bør ikke præsenteres som en genereret begrundelse eller bevis for, at en ekstern handling fandt sted. Generelle chatmodellers output-, ræsonnements- og værktøjsindstillinger er ikke automatisk en del af denne specialiserede tilstand.
Brug repræsentative mærkede input til at vurdere tærskler for routing, filtrering og gennemgang under hensyntagen til konsekvenserne af falske positive og falske negative. Hold evidensen, spørgsmålsdefinitionerne og de rå numeriske output knyttet sammen, så et tvetydigt resultat kan undersøges. Hold den fælles evidens relevant for de navngivne spørgsmål, og definér hver svarmulighed eller hvert rubrikniveau tydeligt, før beslutningsopgaven indsendes. Forbered evidensen og svartyperne efter den dokumenterede beslutningsarbejdsgang, og fortolk outputtet i forhold til den opgave, det vurderer.
POST /v1/systemonetext, imagedecisions| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-6-luna-decisions | Standard— |
Feltprovider | Typeschema | KravValgfrit | Værdier og grænser | Standard— |
Feltquestions | Typeobject | KravPåkrævet | Værdier og grænser | Standard— |
Feltsession_id | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltstate | Typeschema | KravPåkrævet | Værdier og grænser | Standard— |
Felttrace | Typeschema | KravValgfrit | Værdier og grænser | Standard— |
Feltuser | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltquestions.<id>.type | Typestring | KravPåkrævet | Værdier og grænser noul, choice, score | Standard— |
Feltquestions.<id>.instructions | Typestring|object|array | KravPåkrævet | Værdier og grænser | Standard— |
Feltquestions.<id>.criteria | Typeobject|array | KravValgfrit | Værdier og grænser Betingelser: choice/score: påkrævet; noul: valgfrit. Kriterier for choice er et objekt; score er et array med minItems1. | Standard— |
Feltquestions.<id>.criteria.true | Typestring|object|array | KravPåkrævet | Værdier og grænser Gælder når: Der er angivet et noul-kriterieobjekt | Standard— |
Feltquestions.<id>.criteria.false | Typestring|object|array | KravPåkrævet | Værdier og grænser Gælder når: Der er angivet et noul-kriterieobjekt | Standard— |
noul · Påkrævet: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Påkrævet: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Påkrævet: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, state, questions |
Parametermaterial_types | Kontrakttext, image |
Parameteroptional_controls | Kontraktprovider, session_id, trace, user |
Parametermultimodal_input_binding | KontraktBrug kun den præcise angivne tilstands- eller dokumentrepræsentation. Producentens billedfunktionalitet alene fastlægger ikke en accepteret modelspecifik transportform for billeder. |
Livscyklus: synchronous
Send det præcise model-ID, og behold hele det native svar.
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 $0.0002 / 1K tokens Output · Outputtokens $0 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "openai/gpt-6-luna-decisions",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='openai/gpt-6-luna-decisions'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Hvert angivet svar på et spørgsmåls-ID bevares med sin præcise type, noul/choice/score-værdi, konfidens, sandsynligheder og forklaring. Hele det oprindelige JSON-svar gemmes og returneres først efter afregning.
Behold den oprindelige operation og hele eller det delvise svar; gentag ikke POST.
| Felt | Type |
|---|---|
Feltmodel | Typestring |
Feltid | Typestring |
Feltprovider | Typestring |
Feltanswers.<id>.type | Typestring |
Feltanswers.<id>.noul | Typenumber |
Feltanswers.<id>.choice | Typestring |
Feltanswers.<id>.score | Typenumber |
Feltanswers.<id>.confidence | Typenumber |
Feltanswers.<id>.probabilities | Typeobject |
Feltanswers.<id>.legend | Typeobject |
Feltusage.input_tokens | Typeinteger |
Feltusage.output_tokens | Typeinteger |
Feltusage.cost | Typenumber |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldigt påkrævet felt, ugyldig repræsentation eller ugyldig værdi | Næste trinRet det angivne forespørgselsfelt. |
Ailoot Ultra openai/gpt-6-luna-decisions
Brug metodestierne vist ovenfor.