GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
", "aboutText": "### Viele Aufgaben mit einem klaren Ziel\n\nGPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.\n\nDie Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.\n\n### Aufwand und Arbeitsmodus wählen\n\nUnterstützt werden `none`, `low`, `medium`, `high`, `xhigh` und `max`; der Standard ist `medium`. `none` ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.\n\nGewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für `Responses` beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.\n\nFür Werkzeugarbeit und Reasoning wird `Responses` verwendet. Im Format `Chat Completions` sind Funktionsaufrufe nur bei `none` zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.\n\n### Kontext und Ausgabe\n\nOpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.\n\nBilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.\n\n### Informationen und Aktionen über angebundene Werkzeuge\n\nDie Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.\n\nBei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.\n\nDie verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.\n\nEin wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Normalize a simple order note\n\nConvert this order note into a compact record: "PO-84: 3 packs of filters at 7 units per pack; delivery requested for Friday, not confirmed." Return order ID, pack count, units per pack, total units and delivery status as labelled lines. Retain the distinction between requested and confirmed delivery.Five labelled fields with total units calculated from the supplied counts and delivery marked requested, unconfirmed.Check the total equals packs times units per pack and Friday is not described as confirmed.gpt-6-lunaGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/messagestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-6-luna | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring|content_block[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldsystem | Typstring|content_block[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits Minimum: 1 Limit gilt für: Genaue Obergrenze des ausgewählten Modells bzw. seiner Modellkarte | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop_sequences | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].name | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Werkzeug bereitgestellt | Standard— |
Feldtools[].description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].input_schema | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.type | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.budget_tokens | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldoutput_config.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmetadata | Typobject | AnforderungOptional | Werte und Limits | Standard— |
Feldcache_control | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
messages[].content oder Block mit type=text
Text + Bild
{type:image,source:{type:base64,media_type,data}} oder Quelle mit type=url
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/messages| Anfragegröße in Token | Eingabe | Ausgabe | Cache lesen | In Cache schreiben | Cache 5 Min. | Cache 1 Stunde |
|---|---|---|---|---|---|---|
| Anfragegröße in Token(0; 272 000] | Eingabe$ 0,0001 | Ausgabe$ 0,0005 | Cache lesen$ 0,00001 | In Cache schreiben$ 0,000125 | Cache 5 Min.$ 0,000125 | Cache 1 StundeBasis: — |
| Anfragegröße in Token(272 000; ∞) | Eingabe$ 0,0002 | Ausgabe$ 0,00075 | Cache lesen$ 0,00002 | In Cache schreiben$ 0,00025 | Cache 5 Min.$ 0,00025 | Cache 1 StundeBasis: — |
Tarife in USD pro 1K Token. Ist kein Tarif festgelegt, wird der Grundtarif dieser Methode übernommen; «—» bedeutet, dass kein Grundtarif festgelegt ist.
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 2 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 2 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Responses · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Responses · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Responses · Stufe 2 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt-6-luna",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt-6-luna",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gpt-6-luna',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
gpt-6-lunaGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/responsestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-6-luna | Standard— |
Feldinput | Typstring|input_item[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldinput[].type | Typstring | AnforderungOptional | Werte und Limits message, reasoning, function_call, function_call_output | Standard— |
Feldinput[].content | Typstring|content_part[] | AnforderungOptional | Werte und Limits | Standard— |
Feldinput[].call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: function_call_output; den tatsächlich zurückgegebenen Wert von call_id beibehalten | Standard— |
Feldinput[].output | Typstring|content_part[] | AnforderungOptional | Werte und Limits Gilt, wenn: function_call_output | Standard— |
Feldmax_output_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning.summary | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtext.format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtext.verbosity | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinclude | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstore | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprevious_response_id | Typstring | AnforderungOptional | Werte und Limits ID-Anforderung: Nur eine tatsächliche Antwort-ID aus einer unterstützten Fortsetzung Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_key | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
Eingabetext oder input_text-Teil
Text + Bild
{type:input_image,image_url}
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, input |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/responses| Anfragegröße in Token | Eingabe | Ausgabe | Cache lesen | In Cache schreiben | Cache 5 Min. | Cache 1 Stunde |
|---|---|---|---|---|---|---|
| Anfragegröße in Token(0; 272 000] | Eingabe$ 0,0001 | Ausgabe$ 0,0005 | Cache lesen$ 0,00001 | In Cache schreiben$ 0,000125 | Cache 5 Min.$ 0,000125 | Cache 1 StundeBasis: — |
| Anfragegröße in Token(272 000; ∞) | Eingabe$ 0,0002 | Ausgabe$ 0,00075 | Cache lesen$ 0,00002 | In Cache schreiben$ 0,00025 | Cache 5 Min.$ 0,00025 | Cache 1 StundeBasis: — |
Tarife in USD pro 1K Token. Ist kein Tarif festgelegt, wird der Grundtarif dieser Methode übernommen; «—» bedeutet, dass kein Grundtarif festgelegt ist.
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 2 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 2 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Responses · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Responses · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Responses · Stufe 2 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\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 base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\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 base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="gpt-6-luna", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt-6-luna", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="gpt-6-luna", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Ausgabeelemente und Inhaltsteile, die tatsächliche call_id der Funktion, verschlüsselte Reasoning-Daten und Verbrauchsdaten beibehalten. Beim Streaming die vollständige Identität von Ereignis und Element bewahren.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldstatus | Typstring |
Feldoutput[] | Typmessage|reasoning|function_call|other item |
Feldoutput[].content[] | Typcontent part |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
gpt-6-lunaGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/chat/completionstext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-6-luna | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
messages[].content
Text + Bild
{type:image_url,image_url:{url,detail}}
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, messages |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/chat/completions| Anfragegröße in Token | Eingabe | Ausgabe | Cache lesen | In Cache schreiben | Cache 5 Min. | Cache 1 Stunde |
|---|---|---|---|---|---|---|
| Anfragegröße in Token(0; 272 000] | Eingabe$ 0,0001 | Ausgabe$ 0,0005 | Cache lesen$ 0,00001 | In Cache schreiben$ 0,000125 | Cache 5 Min.$ 0,000125 | Cache 1 StundeBasis: — |
| Anfragegröße in Token(272 000; ∞) | Eingabe$ 0,0002 | Ausgabe$ 0,00075 | Cache lesen$ 0,00002 | In Cache schreiben$ 0,00025 | Cache 5 Min.$ 0,00025 | Cache 1 StundeBasis: — |
Tarife in USD pro 1K Token. Ist kein Tarif festgelegt, wird der Grundtarif dieser Methode übernommen; «—» bedeutet, dass kein Grundtarif festgelegt ist.
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Chat · Stufe 2 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Stufe 2 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Responses · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Responses · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationOpenAI Responses · Stufe 2 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\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\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="gpt-6-luna",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt-6-luna",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-6-luna',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
gpt-6-lunaGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-6-luna | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-6-luna","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\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\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-6-luna", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
gpt-6-lunaGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-6-luna | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-6-luna",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-luna', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-luna', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
gpt-6-lunaGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/responsestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-6-luna | Standard— |
Feldinput | Typstring|input_item[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldinput[].type | Typstring | AnforderungOptional | Werte und Limits message, reasoning, function_call, function_call_output | Standard— |
Feldinput[].content | Typstring|content_part[] | AnforderungOptional | Werte und Limits | Standard— |
Feldinput[].call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: function_call_output; den tatsächlich zurückgegebenen Wert von call_id beibehalten | Standard— |
Feldinput[].output | Typstring|content_part[] | AnforderungOptional | Werte und Limits Gilt, wenn: function_call_output | Standard— |
Feldmax_output_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning.summary | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtext.format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtext.verbosity | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinclude | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstore | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprevious_response_id | Typstring | AnforderungNicht unterstützt | Werte und Limits ID-Anforderung: Nur eine tatsächliche Antwort-ID aus einer unterstützten Fortsetzung Bedingungen: Übermitteln Sie bei jeder Anfrage den tatsächlichen Gesprächsverlauf erneut. | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_key | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
input text or input_text part
Text + Bild
{type:input_image,image_url}
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext |
Parameterrequired | Vertragmodel, input |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: exact retained published method
Senden Sie die exakte Modell-ID und die Pflichtfelder.
Bewahren Sie jedes zurückgegebene Element und dessen ursprüngliche Kennungen auf.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-6-luna",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-luna', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-luna', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson or SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Ausgabeelemente und Inhaltsteile, die tatsächliche call_id der Funktion, verschlüsselte Reasoning-Daten und Verbrauchsdaten beibehalten. Beim Streaming die vollständige Identität von Ereignis und Element bewahren.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldstatus | Typstring |
Feldoutput[] | Typmessage|reasoning|function_call|other item |
Feldoutput[].content[] | Typcontent part |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
openai/gpt-6-lunaGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-6-luna | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-6-luna", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\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\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-6-luna',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-6-luna',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
openai/gpt-6-lunaGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/messagestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-6-luna | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring|content_block[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldsystem | Typstring|content_block[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits Minimum: 1 Limit gilt für: Genaue Obergrenze des ausgewählten Modells bzw. seiner Modellkarte | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop_sequences | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].name | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Werkzeug bereitgestellt | Standard— |
Feldtools[].description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].input_schema | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.type | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.budget_tokens | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldoutput_config.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmetadata | Typobject | AnforderungOptional | Werte und Limits | Standard— |
Feldcache_control | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
messages[].content oder Block mit type=text
Text + Bild
{type:image,source:{type:base64,media_type,data}} oder Quelle mit type=url
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: exact retained published method
Senden Sie die exakte Modell-ID und die Pflichtfelder.
Bewahren Sie jedes zurückgegebene Element und dessen ursprüngliche Kennungen auf.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-6-luna",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-luna', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-luna', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
openai/gpt-6-lunaGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/responsestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-6-luna | Standard— |
Feldinput | Typstring|input_item[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldinput[].type | Typstring | AnforderungOptional | Werte und Limits message, reasoning, function_call, function_call_output | Standard— |
Feldinput[].content | Typstring|content_part[] | AnforderungOptional | Werte und Limits | Standard— |
Feldinput[].call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: function_call_output; den tatsächlich zurückgegebenen Wert von call_id beibehalten | Standard— |
Feldinput[].output | Typstring|content_part[] | AnforderungOptional | Werte und Limits Gilt, wenn: function_call_output | Standard— |
Feldmax_output_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning.summary | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtext.format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtext.verbosity | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinclude | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstore | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprevious_response_id | Typstring | AnforderungNicht unterstützt | Werte und Limits ID-Anforderung: Nur eine tatsächliche Antwort-ID aus einer unterstützten Fortsetzung Bedingungen: Übermitteln Sie bei jeder Anfrage den tatsächlichen Gesprächsverlauf erneut. | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_key | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
Eingabetext oder input_text-Teil
Text + Bild
{type:input_image,image_url}
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext |
Parameterrequired | Vertragmodel, input |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: exact retained published method
Senden Sie die exakte Modell-ID und die Pflichtfelder.
Bewahren Sie jedes zurückgegebene Element und dessen ursprüngliche Kennungen auf.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-6-luna",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-luna', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-luna', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Ausgabeelemente und Inhaltsteile, die tatsächliche call_id der Funktion, verschlüsselte Reasoning-Daten und Verbrauchsdaten beibehalten. Beim Streaming die vollständige Identität von Ereignis und Element bewahren.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldstatus | Typstring |
Feldoutput[] | Typmessage|reasoning|function_call|other item |
Feldoutput[].content[] | Typcontent part |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
~openai/gpt-luna-latestGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~openai/gpt-luna-latest | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~openai/gpt-luna-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\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\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='~openai/gpt-luna-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='~openai/gpt-luna-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
~openai/gpt-luna-latestGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~openai/gpt-luna-latest | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "~openai/gpt-luna-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-luna-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-luna-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
~openai/gpt-luna-latestGPT-6 Luna ist für regelmäßige Aufgaben mit vielen Anfragen vorgesehen. Nimmt Text und Bilder an und unterstützt einen Modus ohne Reasoning sowie mehrere Tiefenstufen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Luna ist ein Modell von OpenAI für konzentrierte Aufgaben, die in großer Anzahl ausgeführt werden. Der Hersteller positioniert es als Familienvariante für die effiziente Verarbeitung solcher Mengen. Das Modell nimmt Text und Bilder an, erstellt Text und unterstützt steuerbare Reasoning-Tiefe.
Die Eingabe kann Anweisungen und Arbeitsmaterialien enthalten; das Ergebnis kann eine gewöhnliche Antwort oder ein Objekt mit vorgegebener Struktur sein. Streaming ermöglicht schrittweisen Textempfang. Ein Ergebnisschema ist hilfreich, wenn der nächste Schritt bestimmte Felder und Datentypen erwartet.
Unterstützt werden none, low, medium, high, xhigh und max; der Standard ist medium. none ist für Verarbeitung ohne Reasoning vorgesehen. Der Aufwand kann je nach Aufgabe verändert werden; die Länge des abschließenden Textes wird gesondert vorgegeben.
Gewöhnliche und erweiterte Ausführungsmodi werden beim Hersteller getrennt von der Reasoning-Tiefe gewählt. Der gewöhnliche Modus ist der Standard. Der erweiterte dient für komplexe Aufgaben, denen zusätzliche Zeit und mehr Tokens zugewiesen werden können. Der Modus bestimmt das Verarbeitungsverfahren, die Aufwandsstufe steuert Reasoning darin. Diese Wahl ist für Responses beschrieben und erfordert Anwendungsunterstützung. Sie gilt nicht als in jeder Ailoot-Methode aktiviert.
Für Werkzeugarbeit und Reasoning wird Responses verwendet. Im Format Chat Completions sind Funktionsaufrufe nur bei none zulässig. Gleiche Funktionsnamen bedeuten daher nicht, dass sie in allen Formaten auf dieselbe Weise verwendet werden.
OpenAI nennt ein Kontextfenster von 1 050 000 Tokens, eine Eingabegrenze von 922 000 und eine Ausgabegrenze von 128 000 Tokens. Der Wissensstand reicht bis 18. Mai 2026. Der große Kontext fasst Materialien und Verlauf; die Ausgabegrenze begrenzt die Ergebniserstellung gesondert.
Bilder gehören zur Eingabe: Das Modell analysiert visuelles Material und antwortet als Text. Internes Reasoning gehört zum Ausgabebudget; die maximal zulässige Ausgabe garantiert keine ebenso lange sichtbare Antwort. Neue Informationen können in der Anfrage bereitgestellt oder über ein vorgesehenes Werkzeug angebunden werden.
Die Herstellerkarte umfasst Funktionsaufrufe, Web- und Dateisuche, Code- und Befehlsausführung, Dateiänderungen, die Arbeit mit einer Computeroberfläche und Werkzeugsuche. Das Modell wählt eine Aktion aus dem bereitgestellten Satz und verwendet die zurückgegebenen Informationen für die Fortsetzung der Antwort.
Bei entsprechender Anbindung sieht der Hersteller auch ein eigenes Bildgenerierungswerkzeug, die Arbeit mit Skills und externe Mittel über MCP vor. Die unmittelbare Modellantwort bleibt Text; ein eigenes Werkzeug erstellt das Bildgenerierungsergebnis. Seine Verfügbarkeit beim Hersteller bedeutet nicht, dass diese Fähigkeiten in jeder Ailoot-Methode angebunden sind.
Die verfügbare Auswahl hängt von Methode und Anwendung ab. Eine eigene Funktion wird von der Anwendung ausgeführt: Das Modell formuliert Argumente und erhält danach das Ergebnis. Strukturierte Antworten bestimmen die Datenform; die Richtigkeit der Informationen bleibt eine eigene Frage.
Ein wiederkehrender Eingabepräfix unterstützt Caching. Unveränderte Anweisungen und Materialien am Anfrageanfang können erneut verwendet werden; neue Bedingungen müssen in der aktuellen Anfrage übermittelt werden.
POST /v1/responsestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~openai/gpt-luna-latest | Standard— |
Feldinput | Typstring|input_item[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldinput[].type | Typstring | AnforderungOptional | Werte und Limits message, reasoning, function_call, function_call_output | Standard— |
Feldinput[].content | Typstring|content_part[] | AnforderungOptional | Werte und Limits | Standard— |
Feldinput[].call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: function_call_output; den tatsächlich zurückgegebenen Wert von call_id beibehalten | Standard— |
Feldinput[].output | Typstring|content_part[] | AnforderungOptional | Werte und Limits Gilt, wenn: function_call_output | Standard— |
Feldmax_output_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning.summary | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtext.format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtext.verbosity | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinclude | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstore | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprevious_response_id | Typstring | AnforderungNicht unterstützt | Werte und Limits ID-Anforderung: Nur eine tatsächliche Antwort-ID aus einer unterstützten Fortsetzung Bedingungen: Übermitteln Sie bei jeder Anfrage den tatsächlichen Gesprächsverlauf erneut. | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_key | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
input text or input_text part
Text + Bild
{type:input_image,image_url}
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext |
Parameterrequired | Vertragmodel, input |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: exact retained published method
Senden Sie die exakte Modell-ID und die Pflichtfelder.
Bewahren Sie jedes zurückgegebene Element und dessen ursprüngliche Kennungen auf.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.001 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · In Cache schreiben $0.00025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.0015 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · In Cache schreiben $0.0005 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "~openai/gpt-luna-latest",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-luna-latest', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-luna-latest', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson or SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Ausgabeelemente und Inhaltsteile, die tatsächliche call_id der Funktion, verschlüsselte Reasoning-Daten und Verbrauchsdaten beibehalten. Beim Streaming die vollständige Identität von Ereignis und Element bewahren.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldstatus | Typstring |
Feldoutput[] | Typmessage|reasoning|function_call|other item |
Feldoutput[].content[] | Typcontent part |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
Technisches Beispiel auf Englisch
Normalize a simple order note\n\nConvert this order note into a compact record: "PO-84: 3 packs of filters at 7 units per pack; delivery requested for Friday, not confirmed." Return order ID, pack count, units per pack, total units and delivery status as labelled lines. Retain the distinction between requested and confirmed delivery.Five labelled fields with total units calculated from the supplied counts and delivery marked requested, unconfirmed.Check the total equals packs times units per pack and Friday is not described as confirmed.