Modelle

OpenAI: GPT-5.6 Luna Pro (batch)

Markdown · JSON

OpenAI: GPT-5.6 Luna Pro (batch)

GPT-5.6 Luna mit Pro-Reasoning für klar umrissene Aufgaben, die zusätzliche Analyse benötigen. Stellen Sie Text oder Bilder und ausdrückliche Regeln bereit, um ein Extraktionsergebnis, eine knappe Antwort oder die Erklärung einer Ausnahme zu entwickeln.

Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

GPT-5.6 Luna Pro bezeichnet OpenAIs GPT-5.6 Luna mit Pro-Reasoning. Die Basisedition Luna ist für klar umrissene Aufgaben mit hohem Arbeitsvolumen ausgelegt und entspricht ungefähr der nano-Stufe früherer GPT-5-Familien. Sie nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort; Pro ist ein Ausführungsmodus und kein Ersatz für die Basisedition.

Eine praktische Anwendung ist das Extrahieren einer definierten Zusammenstellung von Informationen aus einem Dokument, dessen Regeln Ausnahmen enthalten. Stellen Sie das Dokument und die benötigten Felder bereit, benennen Sie vorrangige Textstellen und erklären Sie den Umgang mit einem fehlenden Wert. Eine beispielhafte Anfrage besteht darin, das Thema des Dokuments, die für eine Anfrage relevanten Bedingungen und die nächste Frage zu extrahieren, die zum Abschluss dieser Anfrage nötig ist. Fordern Sie neben den extrahierten Feldern die Erklärung einer Ausnahme an, damit sich das Ergebnis mit der Quelle vergleichen lässt.

Stellen Sie bei Bildmaterial eine klare Seite oder einen Screenshot bereit und benennen Sie das konkrete Detail oder die Beschriftung, die für die Aufgabe relevant ist. Stellen Sie beim Verfassen einer Antwort die Anfrage, die für die Antwort geltenden Regeln und die zu bewahrenden Fakten bereit. Definieren Sie den gewünschten Ton und die Länge und fordern Sie dann eine knappe Antwort statt einer uneingeschränkten Diskussion an. Diese Vorbereitung verbindet Lunas Rolle bei klar umrissenen Aufgaben mit einem konkreten Textergebnis.

OpenAI nennt für GPT-5.6 Luna ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token und eine maximale Ausgabe von 128.000 Token; der Wissensstand ist der 16. Februar 2026. Die Einstellungen für den Reasoning-Aufwand des Basismodells sind none, low, medium, high, xhigh und max; medium ist der Standardwert. Modus und Aufwand sind unabhängig: Pro bestimmt die zusätzliche Modellarbeit, während der Aufwand den Umfang des Reasonings innerhalb des Modus steuert. Auch das Reasoning nutzt Kontextplatz; lassen Sie daher Raum für die Analyse und die sichtbare Antwort.

Der Hersteller dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität vertretbar sind. Für das Basismodell werden Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Bildeingaben und Prompt-Caching genannt. Seine Werkzeuge umfassen Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche. Werkzeugvorgänge benötigen die entsprechende Umgebung; eine Anwendung führt ihre Aktionen aus und liefert die tatsächlichen Ergebnisse für die weitere Arbeit.

Benennen Sie ein nützliches Endergebnis: erforderliche Felder, die eine Entscheidung stützende Regel und alle noch offenen Fragen. Fordern Sie zum Beispiel einen Antwortentwurf zusammen mit den Dokumentfakten an, auf denen er beruht, und verfeinern Sie die Antwort nach dem Bereitstellen fehlender Informationen. Halten Sie die Unterscheidung zwischen einer vorgeschlagenen Handlung und einer von einem Werkzeug abgeschlossenen Handlung erkennbar. Dieser Arbeitsablauf gibt der zusätzlichen Analyse von Pro einen konkreten Zweck innerhalb einer klar begrenzten Luna-Aufgabe.

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

openai/gpt-5.6-luna-pro:batch

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

Einstieg

GPT-5.6 Luna mit Pro-Reasoning für klar umrissene Aufgaben, die zusätzliche Analyse benötigen. Stellen Sie Text oder Bilder und ausdrückliche Regeln bereit, um ein Extraktionsergebnis, eine knappe Antwort oder die Erklärung einer Ausnahme zu entwickeln.

Zulässige Eingaben
Text
Ergebnisse
Text

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Stapelverarbeitung POST /v1/batches
Eingabe
text
Ausgabe
text
Ausgabeformat
eingebettetes JSON unter results[].response.body
FeldTypAnforderungWerte und LimitsStandard
FeldendpointTypstringAnforderungErforderlichWerte und Limits
/v1/chat/completions
Standard—
FeldmodelTypstringAnforderungErforderlichWerte und Limits
openai/gpt-5.6-luna-pro:batch
Standard—
FeldrequestsTypbatch_item[]AnforderungErforderlichWerte und Limits
Mindestanzahl Elemente: 1
Standard—
Feldrequests[].custom_idTypstringAnforderungErforderlichWerte und LimitsStandard—
Feldrequests[].body.messagesTypmessage[]AnforderungErforderlichWerte und LimitsStandard—
Feldcompletion_windowTypstringAnforderungOptionalWerte und Limits
24h
Standard—
FeldproviderTypobject|nullAnforderungOptionalWerte und LimitsStandard—
Feldrequests[].body.modelTypstringAnforderungOptionalWerte und Limits
openai/gpt-5.6-luna-pro:batch, openai/gpt-5.6-luna-pro
Standard—
Feldprovider.onlyTypstring[]AnforderungOptionalWerte und Limits
openai
Standard—
Feldprovider.allow_fallbacksTypboolean|nullAnforderungOptionalWerte und Limits
false, null
Standard—
Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragendpoint, model, requests
Parametermaterial_typesVertragtext
ParameterrepresentationVertrageingebettete requests[]; jedes Element enthält custom_id und body
Parameterrequest_endpoint_profileVertrag/v1/chat/completions
Parameterfile_materialVertragDer Aufrufer kann tatsächliches UTF-8-JSONL lokal in requests[] einlesen. Es werden weder ein Upload-Zweck noch input_file_id oder eine Dateireferenz verwendet. Fehlendes oder leeres Kundenmaterial stoppt die Vorbereitung vor POST.
Parameterserialization_orderVertragendpoint, model, provider (falls angegeben), completion_window (falls angegeben), requests als letztes Feld
Parameteroptional_controlsVertragprovider.only, provider.allow_fallbacks, completion_window
Parameterschema_scopeVertragAnfragekörper für Text Chat Completions in der dokumentierten Inline-Batch-Struktur.

Lebenszyklus: asynchronous

GET /v1/batches/{operation_id} · die tatsächliche response.id der ursprünglichen Erstellungsantwort; derselbe Nutzer/Schlüssel/dieselbe Gruppe

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Preise für explizites Caching
Nicht aktiviert Wenn explizites Caching angefordert wird

Ailoot-Tarife

Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

KonfigurationTarifstaffelKontexttoken, mehr alsKontexttoken, bis einschließlichGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifKontexttoken, mehr als—Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.0002 / 1K Tokens
Ausgabe · Ausgabetoken $0.0012 / 1K Tokens
Eingabe · Cache lesen $0.00002 / 1K Tokens
Eingabe · In Cache schreiben — / 1K Tokens
Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens
KonfigurationAnfragelängenstufe 1Tarifstaffel—Kontexttoken, mehr als0Kontexttoken, bis einschließlich272 000Gebühr
Eingabe · Eingabetoken $0.0002 / 1K Tokens
Ausgabe · Ausgabetoken $0.0012 / 1K Tokens
Eingabe · Cache lesen $0.00002 / 1K Tokens
Eingabe · In Cache schreiben — / 1K Tokens
Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens
KonfigurationAnfragelängenstufe 2Tarifstaffel—Kontexttoken, mehr als272 000Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.0004 / 1K Tokens
Ausgabe · Ausgabetoken $0.0018 / 1K Tokens
Eingabe · Cache lesen $0.00004 / 1K Tokens
Eingabe · In Cache schreiben — / 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 →

Beispielanfragen

Ailoot Ultra · Stapelverarbeitung

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

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

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

Ergebnisse abrufen und speichern

Ailoot Ultra · Stapelverarbeitung

eingebettetes JSON unter results[].response.body

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

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Das vollständige ursprüngliche Status-JSON, jedes Ergebnis/jede custom_id und den vollständigen Antwort- oder Fehlerkörper aufbewahren. Abgeschlossene results[] ohne Filterung als JSONL speichern.

Wenn die ursprüngliche Antwort geprüft werden muss

Die ursprüngliche Vorgangs-ID beibehalten. Bei 503 result_pending_check gilt X-Should-Retry:false; einen ursprünglichen Batch mit unbekanntem Ausgang niemals erneut einreichen.

Antwortfelder
FeldTyp
Feldresults[].custom_idTypstring
Feldresults[].response.body.choices[].message.contentTypstring|null
Feldresults[].errorTypobject|null
FeldusageTypobject|null
FeldidTypstring
FeldmodelTypstring
FeldendpointTypstring
FeldstatusTypstring
Feldrequest_countsTypobject
Feldresults[].idTypstring
Feldresults[].response.status_codeTypinteger
Feldresults[].response.request_idTypstring
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungUngültige Struktur der dokumentierten Inline-Einbettung, doppelte Schlüssel, ungültige Identitätsangaben zu einem Element oder ein Konflikt mit den konfigurierten Modellfähigkeiten.Nächster SchrittDie angegebenen Felder vor jeder neuen Einreichung korrigieren.
Antwort401 · authentication_errorBedingungUngültiger API-Schlüssel.Nächster SchrittDen autorisierten Ailoot-Schlüssel verwenden.
Antwort403 · permission_errorBedingungGruppe für Stapelverarbeitung nicht verfügbar.Nächster SchrittDie Berechtigung des Schlüssels bzw. der Gruppe prüfen.
Antwort422 · invalid_request_errorBedingungStapelverarbeitung wird über das Guthaben abgerechnet; die Erstellung über ein Abonnement wird abgelehnt.Nächster SchrittDie autorisierte Gruppe mit Guthabenabrechnung verwenden.
Antwort422 · price_unavailableBedingungFür die Batch-Eingabe kann kein Preisangebot erstellt werden.Nächster SchrittAntwort aufbewahren; die dokumentierte Eingabe der API-Familie verwenden.
Antwort402 · billing_errorBedingungReservierung für Stapelverarbeitung nicht verfügbar.Nächster SchrittDie Zulassung klären, bevor eine neue Anfrage gestellt wird.
Antwort503 · price_unavailableBedingungMethodenpreis bzw. native Tarife für Stapelverarbeitung nicht verfügbar.Nächster SchrittAntwort aufbewahren; keine anderen Preise einsetzen.
Antwort503 · api_errorBedingungDie genaue Anbieterroute ist nicht verfügbar.Nächster SchrittAntwort zur Reparatur der Route aufbewahren.
Antwort503 · result_pending_checkBedingungDas ursprüngliche Ergebnis muss geprüft werden; X-Should-Retry:false.Nächster SchrittDie ursprüngliche operation_id/id beibehalten und ihren Status lesen; den ursprünglichen POST niemals wiederholen.
Antwort404 · not_foundBedingungDer Batch-Vorgang, dessen Status abgefragt wird, ist nicht vorhanden oder gehört einer anderen Identität.Nächster SchrittDie genaue ursprüngliche id und denselben Nutzer/Schlüssel/dieselbe Gruppe verwenden.

Aliasnamen

Modellaliasnamen

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

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

openai/gpt-5.6-luna-pro:batch

FAQ · OpenAI: GPT-5.6 Luna Pro (batch)
Welche Eingaben und Ergebnisse sind verfügbar?

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

Welche Felder verwendet die Anfrage?

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

Welche Grenzen gelten?

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

Weitere Details

Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung.

Das Unternehmen und sein Projektportfolio

Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe.

Tokens mit Rabatt kaufen.

Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf.

Abo
Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen.
Aktionscode bis 50%
Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet.
Ausgaben in der Historie
Modell, Tokens und Betrag werden für jede Anfrage gespeichert.

Abo wählen · Modellpreise ansehen

Verbinden Sie die API mit dem Produkt, das Sie verkaufen.

SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an.

Kommerzielle Anwendung
Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes.
Reseller-Lizenz
Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an.
Dokumente auf der Website
Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich.

Reseller-Lizenz anfordern · Offizielles Angebot und Lizenzvertrag