GPT-6 Astra Pro bezeichnet OpenAIs GPT-6 Astra mit Pro-Reasoning. Das Basismodell Astra ist für anspruchsvolles Reasoning, Programmierung, Forschung, Computernutzung und fachliche Aufgaben ausgelegt. Es nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort, während der Reasoning-Aufwand den Umfang der Analyse innerhalb des gewählten Ausführungsmodus steuert. Pro ändert den Ausführungsmodus; GPT-6 Astra bleibt das zugrunde liegende Modell.
Die Astra-Veröffentlichung des Herstellers beschreibt Arbeitsabläufe, die relevantes Material in Dokumente, Tabellenkalkulationen, Präsentationen und Analysen überführen. Sie betont das Befolgen von Vorlagen sowie von Schreib- oder Gestaltungsvorgaben und die Auswahl des für die Aufgabe relevanten Kontexts. Stellen Sie für ein fachliches Dokument das Quellenmaterial, die Vorlagenanforderungen und die Entscheidung bereit, die der Leser treffen muss. Eine beispielhafte Anfrage besteht darin, zwei Sammlungen von Projektanforderungen abzugleichen und eine Kurzvorlage zu erstellen, die vereinbarte Fakten, widersprüchliche Belege und die Bedingungen für eine Empfehlung trennt.
Legen Sie für technische oder wissenschaftliche Aufgaben das Ziel, die zu prüfenden Belege und das Abschlusskriterium fest. Eine Programmieraufgabe kann das erforderliche Verhalten, zugehörige Dateien und Bedingungen enthalten; eine Forschungsaufgabe kann die Frage und die Kriterien zur Bewertung des bereitgestellten Materials enthalten. Astras dokumentierte Fähigkeiten zur Computernutzung und zum Browsen verbinden die Entscheidungen des Modells mit einer Umgebung, die die entsprechenden Werkzeuge bereitstellt. Die tatsächlichen Ausgaben der Umgebung liefern Belege für den nächsten Schritt und sind von den vorgeschlagenen Aktionen des Modells zu unterscheiden.
OpenAIs GPT-6 Astra-Spezifikation nennt 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 30. April 2026. Die Einstellungen für den Reasoning-Aufwand sind low, medium, high, xhigh und max; none wird nicht unterstützt. Reasoning-Token und sichtbares Ergebnis beanspruchen beide Kontextplatz. OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität vertretbar sind; Modus und Aufwand bleiben unabhängige Einstellungen.
Für das Basismodell werden Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche genannt. Funktionsaufrufe nutzen die Responses-Schnittstelle des Herstellers. Der GPT-6-Leitfaden beschreibt außerdem asynchrone Werkzeugabläufe und das Steuern eines laufenden Gesprächszugs. Anwendungen führen ihre eigenen Vorgänge aus, verwalten ausstehende Arbeit und liefern die daraus entstehenden Informationen zurück; die eigene Ausgabe des Modells bleibt Text, auch wenn ein separates Werkzeug ein anderes Ergebnis erzeugt.
Die Astra-Veröffentlichung beschreibt das Anpassen an neue Anforderungen bei gleichzeitiger Beachtung des übergeordneten Ziels. Sie unterscheidet außerdem defensive Codeprüfung und Patches von der fortgeschrittenen Entwicklung von Exploits, die das Modell ablehnen kann, und beschreibt automatische Prüfungen, die eine Aufgabe unterbrechen können. Richten Sie eine Anfrage am beabsichtigten Ergebnis, den erlaubten Arbeiten und den Belegen aus, statt zusätzliches Reasoning als Ersatz für fehlendes Quellenmaterial zu betrachten. Ein nützliches Endergebnis benennt die Schlussfolgerung oder vorgeschlagene Änderung, ihre Grundlage in den bereitgestellten Informationen und jede Frage, die die Entscheidung wesentlich verändern würde.
", "aboutText": "GPT-6 Astra Pro bezeichnet OpenAIs GPT-6 Astra mit Pro-Reasoning. Das Basismodell Astra ist für anspruchsvolles Reasoning, Programmierung, Forschung, Computernutzung und fachliche Aufgaben ausgelegt. Es nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort, während der Reasoning-Aufwand den Umfang der Analyse innerhalb des gewählten Ausführungsmodus steuert. Pro ändert den Ausführungsmodus; GPT-6 Astra bleibt das zugrunde liegende Modell.\n\nDie Astra-Veröffentlichung des Herstellers beschreibt Arbeitsabläufe, die relevantes Material in Dokumente, Tabellenkalkulationen, Präsentationen und Analysen überführen. Sie betont das Befolgen von Vorlagen sowie von Schreib- oder Gestaltungsvorgaben und die Auswahl des für die Aufgabe relevanten Kontexts. Stellen Sie für ein fachliches Dokument das Quellenmaterial, die Vorlagenanforderungen und die Entscheidung bereit, die der Leser treffen muss. Eine beispielhafte Anfrage besteht darin, zwei Sammlungen von Projektanforderungen abzugleichen und eine Kurzvorlage zu erstellen, die vereinbarte Fakten, widersprüchliche Belege und die Bedingungen für eine Empfehlung trennt.\n\nLegen Sie für technische oder wissenschaftliche Aufgaben das Ziel, die zu prüfenden Belege und das Abschlusskriterium fest. Eine Programmieraufgabe kann das erforderliche Verhalten, zugehörige Dateien und Bedingungen enthalten; eine Forschungsaufgabe kann die Frage und die Kriterien zur Bewertung des bereitgestellten Materials enthalten. Astras dokumentierte Fähigkeiten zur Computernutzung und zum Browsen verbinden die Entscheidungen des Modells mit einer Umgebung, die die entsprechenden Werkzeuge bereitstellt. Die tatsächlichen Ausgaben der Umgebung liefern Belege für den nächsten Schritt und sind von den vorgeschlagenen Aktionen des Modells zu unterscheiden.\n\nOpenAIs GPT-6 Astra-Spezifikation nennt 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 30. April 2026. Die Einstellungen für den Reasoning-Aufwand sind low, medium, high, xhigh und max; none wird nicht unterstützt. Reasoning-Token und sichtbares Ergebnis beanspruchen beide Kontextplatz. OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität vertretbar sind; Modus und Aufwand bleiben unabhängige Einstellungen.\n\nFür das Basismodell werden Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche genannt. Funktionsaufrufe nutzen die Responses-Schnittstelle des Herstellers. Der GPT-6-Leitfaden beschreibt außerdem asynchrone Werkzeugabläufe und das Steuern eines laufenden Gesprächszugs. Anwendungen führen ihre eigenen Vorgänge aus, verwalten ausstehende Arbeit und liefern die daraus entstehenden Informationen zurück; die eigene Ausgabe des Modells bleibt Text, auch wenn ein separates Werkzeug ein anderes Ergebnis erzeugt.\n\nDie Astra-Veröffentlichung beschreibt das Anpassen an neue Anforderungen bei gleichzeitiger Beachtung des übergeordneten Ziels. Sie unterscheidet außerdem defensive Codeprüfung und Patches von der fortgeschrittenen Entwicklung von Exploits, die das Modell ablehnen kann, und beschreibt automatische Prüfungen, die eine Aufgabe unterbrechen können. Richten Sie eine Anfrage am beabsichtigten Ergebnis, den erlaubten Arbeiten und den Belegen aus, statt zusätzliches Reasoning als Ersatz für fehlendes Quellenmaterial zu betrachten. Ein nützliches Endergebnis benennt die Schlussfolgerung oder vorgeschlagene Änderung, ihre Grundlage in den bereitgestellten Informationen und jede Frage, die die Entscheidung wesentlich verändern würde.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Reconcile conflicting launch requirements\n\nWrite a decision brief using this template: Decision needed; Agreed facts; Conflict; Recommendation conditions. Product requirement P1 says launch must include CSV export. Security requirement S1 prohibits exporting customer email addresses. Current design D1 exports name and email only. Reconcile the requirements, propose a compliant export scope and list the decision still needed about useful fields.A brief under the four supplied headings, with P1, S1 and D1 references beside relevant findings.Check that the proposed scope preserves an export feature while excluding emails and does not invent an approved field list.openai/gpt-6-astra-proGPT-6 Astra mit Pro-Reasoning für anspruchsvolle Forschung, Programmierung und fachliche Aufgaben. Im Pro-Modus leistet das Modell vor der endgültigen Antwort zusätzliche Arbeit; das Basismodell nimmt Text und Bilder entgegen und unterstützt mehrstufige Aufgaben in einer Umgebung mit Werkzeuganbindung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Astra Pro bezeichnet OpenAIs GPT-6 Astra mit Pro-Reasoning. Das Basismodell Astra ist für anspruchsvolles Reasoning, Programmierung, Forschung, Computernutzung und fachliche Aufgaben ausgelegt. Es nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort, während der Reasoning-Aufwand den Umfang der Analyse innerhalb des gewählten Ausführungsmodus steuert. Pro ändert den Ausführungsmodus; GPT-6 Astra bleibt das zugrunde liegende Modell.
Die Astra-Veröffentlichung des Herstellers beschreibt Arbeitsabläufe, die relevantes Material in Dokumente, Tabellenkalkulationen, Präsentationen und Analysen überführen. Sie betont das Befolgen von Vorlagen sowie von Schreib- oder Gestaltungsvorgaben und die Auswahl des für die Aufgabe relevanten Kontexts. Stellen Sie für ein fachliches Dokument das Quellenmaterial, die Vorlagenanforderungen und die Entscheidung bereit, die der Leser treffen muss. Eine beispielhafte Anfrage besteht darin, zwei Sammlungen von Projektanforderungen abzugleichen und eine Kurzvorlage zu erstellen, die vereinbarte Fakten, widersprüchliche Belege und die Bedingungen für eine Empfehlung trennt.
Legen Sie für technische oder wissenschaftliche Aufgaben das Ziel, die zu prüfenden Belege und das Abschlusskriterium fest. Eine Programmieraufgabe kann das erforderliche Verhalten, zugehörige Dateien und Bedingungen enthalten; eine Forschungsaufgabe kann die Frage und die Kriterien zur Bewertung des bereitgestellten Materials enthalten. Astras dokumentierte Fähigkeiten zur Computernutzung und zum Browsen verbinden die Entscheidungen des Modells mit einer Umgebung, die die entsprechenden Werkzeuge bereitstellt. Die tatsächlichen Ausgaben der Umgebung liefern Belege für den nächsten Schritt und sind von den vorgeschlagenen Aktionen des Modells zu unterscheiden.
OpenAIs GPT-6 Astra-Spezifikation nennt 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 30. April 2026. Die Einstellungen für den Reasoning-Aufwand sind low, medium, high, xhigh und max; none wird nicht unterstützt. Reasoning-Token und sichtbares Ergebnis beanspruchen beide Kontextplatz. OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität vertretbar sind; Modus und Aufwand bleiben unabhängige Einstellungen.
Für das Basismodell werden Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche genannt. Funktionsaufrufe nutzen die Responses-Schnittstelle des Herstellers. Der GPT-6-Leitfaden beschreibt außerdem asynchrone Werkzeugabläufe und das Steuern eines laufenden Gesprächszugs. Anwendungen führen ihre eigenen Vorgänge aus, verwalten ausstehende Arbeit und liefern die daraus entstehenden Informationen zurück; die eigene Ausgabe des Modells bleibt Text, auch wenn ein separates Werkzeug ein anderes Ergebnis erzeugt.
Die Astra-Veröffentlichung beschreibt das Anpassen an neue Anforderungen bei gleichzeitiger Beachtung des übergeordneten Ziels. Sie unterscheidet außerdem defensive Codeprüfung und Patches von der fortgeschrittenen Entwicklung von Exploits, die das Modell ablehnen kann, und beschreibt automatische Prüfungen, die eine Aufgabe unterbrechen können. Richten Sie eine Anfrage am beabsichtigten Ergebnis, den erlaubten Arbeiten und den Belegen aus, statt zusätzliches Reasoning als Ersatz für fehlendes Quellenmaterial zu betrachten. Ein nützliches Endergebnis benennt die Schlussfolgerung oder vorgeschlagene Änderung, ihre Grundlage in den bereitgestellten Informationen und jede Frage, die die Entscheidung wesentlich verändern würde.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-6-astra-pro | 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 $0.02 / 1K Token Ausgabe · Ausgabetoken $0.1 / 1K Token Eingabe · Cache-Lesen $0.002 / 1K Token Eingabe · Cache-Schreiben $0.025 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272.000 | Gebühr Eingabe · Eingabetoken $0.02 / 1K Token Ausgabe · Ausgabetoken $0.1 / 1K Token Eingabe · Cache-Lesen $0.002 / 1K Token Eingabe · Cache-Schreiben $0.025 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.04 / 1K Token Ausgabe · Ausgabetoken $0.15 / 1K Token Eingabe · Cache-Lesen $0.004 / 1K Token Eingabe · Cache-Schreiben $0.05 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-astra-pro", "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-astra-pro',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-astra-pro',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 Ultra openai/gpt-6-astra-pro
Verwenden Sie die oben angezeigten Methodenpfade.
openai/gpt-6-astra-proGPT-6 Astra mit Pro-Reasoning für anspruchsvolle Forschung, Programmierung und fachliche Aufgaben. Im Pro-Modus leistet das Modell vor der endgültigen Antwort zusätzliche Arbeit; das Basismodell nimmt Text und Bilder entgegen und unterstützt mehrstufige Aufgaben in einer Umgebung mit Werkzeuganbindung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Astra Pro bezeichnet OpenAIs GPT-6 Astra mit Pro-Reasoning. Das Basismodell Astra ist für anspruchsvolles Reasoning, Programmierung, Forschung, Computernutzung und fachliche Aufgaben ausgelegt. Es nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort, während der Reasoning-Aufwand den Umfang der Analyse innerhalb des gewählten Ausführungsmodus steuert. Pro ändert den Ausführungsmodus; GPT-6 Astra bleibt das zugrunde liegende Modell.
Die Astra-Veröffentlichung des Herstellers beschreibt Arbeitsabläufe, die relevantes Material in Dokumente, Tabellenkalkulationen, Präsentationen und Analysen überführen. Sie betont das Befolgen von Vorlagen sowie von Schreib- oder Gestaltungsvorgaben und die Auswahl des für die Aufgabe relevanten Kontexts. Stellen Sie für ein fachliches Dokument das Quellenmaterial, die Vorlagenanforderungen und die Entscheidung bereit, die der Leser treffen muss. Eine beispielhafte Anfrage besteht darin, zwei Sammlungen von Projektanforderungen abzugleichen und eine Kurzvorlage zu erstellen, die vereinbarte Fakten, widersprüchliche Belege und die Bedingungen für eine Empfehlung trennt.
Legen Sie für technische oder wissenschaftliche Aufgaben das Ziel, die zu prüfenden Belege und das Abschlusskriterium fest. Eine Programmieraufgabe kann das erforderliche Verhalten, zugehörige Dateien und Bedingungen enthalten; eine Forschungsaufgabe kann die Frage und die Kriterien zur Bewertung des bereitgestellten Materials enthalten. Astras dokumentierte Fähigkeiten zur Computernutzung und zum Browsen verbinden die Entscheidungen des Modells mit einer Umgebung, die die entsprechenden Werkzeuge bereitstellt. Die tatsächlichen Ausgaben der Umgebung liefern Belege für den nächsten Schritt und sind von den vorgeschlagenen Aktionen des Modells zu unterscheiden.
OpenAIs GPT-6 Astra-Spezifikation nennt 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 30. April 2026. Die Einstellungen für den Reasoning-Aufwand sind low, medium, high, xhigh und max; none wird nicht unterstützt. Reasoning-Token und sichtbares Ergebnis beanspruchen beide Kontextplatz. OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität vertretbar sind; Modus und Aufwand bleiben unabhängige Einstellungen.
Für das Basismodell werden Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche genannt. Funktionsaufrufe nutzen die Responses-Schnittstelle des Herstellers. Der GPT-6-Leitfaden beschreibt außerdem asynchrone Werkzeugabläufe und das Steuern eines laufenden Gesprächszugs. Anwendungen führen ihre eigenen Vorgänge aus, verwalten ausstehende Arbeit und liefern die daraus entstehenden Informationen zurück; die eigene Ausgabe des Modells bleibt Text, auch wenn ein separates Werkzeug ein anderes Ergebnis erzeugt.
Die Astra-Veröffentlichung beschreibt das Anpassen an neue Anforderungen bei gleichzeitiger Beachtung des übergeordneten Ziels. Sie unterscheidet außerdem defensive Codeprüfung und Patches von der fortgeschrittenen Entwicklung von Exploits, die das Modell ablehnen kann, und beschreibt automatische Prüfungen, die eine Aufgabe unterbrechen können. Richten Sie eine Anfrage am beabsichtigten Ergebnis, den erlaubten Arbeiten und den Belegen aus, statt zusätzliches Reasoning als Ersatz für fehlendes Quellenmaterial zu betrachten. Ein nützliches Endergebnis benennt die Schlussfolgerung oder vorgeschlagene Änderung, ihre Grundlage in den bereitgestellten Informationen und jede Frage, die die Entscheidung wesentlich verändern würde.
POST /v1/messagestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-6-astra-pro | 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 genaue Modell-ID und die erforderlichen Felder.
Bewahren Sie jedes zurückgegebene Element und seine ursprünglichen 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 $0.02 / 1K Token Ausgabe · Ausgabetoken $0.1 / 1K Token Eingabe · Cache-Lesen $0.002 / 1K Token Eingabe · Cache-Schreiben $0.025 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272.000 | Gebühr Eingabe · Eingabetoken $0.02 / 1K Token Ausgabe · Ausgabetoken $0.1 / 1K Token Eingabe · Cache-Lesen $0.002 / 1K Token Eingabe · Cache-Schreiben $0.025 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.04 / 1K Token Ausgabe · Ausgabetoken $0.15 / 1K Token Eingabe · Cache-Lesen $0.004 / 1K Token Eingabe · Cache-Schreiben $0.05 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-6-astra-pro",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${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-astra-pro', '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-astra-pro', '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 Ultra openai/gpt-6-astra-pro
Verwenden Sie die oben angezeigten Methodenpfade.
openai/gpt-6-astra-proGPT-6 Astra mit Pro-Reasoning für anspruchsvolle Forschung, Programmierung und fachliche Aufgaben. Im Pro-Modus leistet das Modell vor der endgültigen Antwort zusätzliche Arbeit; das Basismodell nimmt Text und Bilder entgegen und unterstützt mehrstufige Aufgaben in einer Umgebung mit Werkzeuganbindung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Astra Pro bezeichnet OpenAIs GPT-6 Astra mit Pro-Reasoning. Das Basismodell Astra ist für anspruchsvolles Reasoning, Programmierung, Forschung, Computernutzung und fachliche Aufgaben ausgelegt. Es nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort, während der Reasoning-Aufwand den Umfang der Analyse innerhalb des gewählten Ausführungsmodus steuert. Pro ändert den Ausführungsmodus; GPT-6 Astra bleibt das zugrunde liegende Modell.
Die Astra-Veröffentlichung des Herstellers beschreibt Arbeitsabläufe, die relevantes Material in Dokumente, Tabellenkalkulationen, Präsentationen und Analysen überführen. Sie betont das Befolgen von Vorlagen sowie von Schreib- oder Gestaltungsvorgaben und die Auswahl des für die Aufgabe relevanten Kontexts. Stellen Sie für ein fachliches Dokument das Quellenmaterial, die Vorlagenanforderungen und die Entscheidung bereit, die der Leser treffen muss. Eine beispielhafte Anfrage besteht darin, zwei Sammlungen von Projektanforderungen abzugleichen und eine Kurzvorlage zu erstellen, die vereinbarte Fakten, widersprüchliche Belege und die Bedingungen für eine Empfehlung trennt.
Legen Sie für technische oder wissenschaftliche Aufgaben das Ziel, die zu prüfenden Belege und das Abschlusskriterium fest. Eine Programmieraufgabe kann das erforderliche Verhalten, zugehörige Dateien und Bedingungen enthalten; eine Forschungsaufgabe kann die Frage und die Kriterien zur Bewertung des bereitgestellten Materials enthalten. Astras dokumentierte Fähigkeiten zur Computernutzung und zum Browsen verbinden die Entscheidungen des Modells mit einer Umgebung, die die entsprechenden Werkzeuge bereitstellt. Die tatsächlichen Ausgaben der Umgebung liefern Belege für den nächsten Schritt und sind von den vorgeschlagenen Aktionen des Modells zu unterscheiden.
OpenAIs GPT-6 Astra-Spezifikation nennt 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 30. April 2026. Die Einstellungen für den Reasoning-Aufwand sind low, medium, high, xhigh und max; none wird nicht unterstützt. Reasoning-Token und sichtbares Ergebnis beanspruchen beide Kontextplatz. OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität vertretbar sind; Modus und Aufwand bleiben unabhängige Einstellungen.
Für das Basismodell werden Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche genannt. Funktionsaufrufe nutzen die Responses-Schnittstelle des Herstellers. Der GPT-6-Leitfaden beschreibt außerdem asynchrone Werkzeugabläufe und das Steuern eines laufenden Gesprächszugs. Anwendungen führen ihre eigenen Vorgänge aus, verwalten ausstehende Arbeit und liefern die daraus entstehenden Informationen zurück; die eigene Ausgabe des Modells bleibt Text, auch wenn ein separates Werkzeug ein anderes Ergebnis erzeugt.
Die Astra-Veröffentlichung beschreibt das Anpassen an neue Anforderungen bei gleichzeitiger Beachtung des übergeordneten Ziels. Sie unterscheidet außerdem defensive Codeprüfung und Patches von der fortgeschrittenen Entwicklung von Exploits, die das Modell ablehnen kann, und beschreibt automatische Prüfungen, die eine Aufgabe unterbrechen können. Richten Sie eine Anfrage am beabsichtigten Ergebnis, den erlaubten Arbeiten und den Belegen aus, statt zusätzliches Reasoning als Ersatz für fehlendes Quellenmaterial zu betrachten. Ein nützliches Endergebnis benennt die Schlussfolgerung oder vorgeschlagene Änderung, ihre Grundlage in den bereitgestellten Informationen und jede Frage, die die Entscheidung wesentlich verändern würde.
POST /v1/responsestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-6-astra-pro | 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 bisherigen 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 genaue Modell-ID und die erforderlichen Felder.
Bewahren Sie jedes zurückgegebene Element und seine ursprünglichen 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 $0.02 / 1K Token Ausgabe · Ausgabetoken $0.1 / 1K Token Eingabe · Cache-Lesen $0.002 / 1K Token Eingabe · Cache-Schreiben $0.025 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272.000 | Gebühr Eingabe · Eingabetoken $0.02 / 1K Token Ausgabe · Ausgabetoken $0.1 / 1K Token Eingabe · Cache-Lesen $0.002 / 1K Token Eingabe · Cache-Schreiben $0.025 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.04 / 1K Token Ausgabe · Ausgabetoken $0.15 / 1K Token Eingabe · Cache-Lesen $0.004 / 1K Token Eingabe · Cache-Schreiben $0.05 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-6-astra-pro",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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-astra-pro', '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-astra-pro', '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 Ultra openai/gpt-6-astra-pro
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Reconcile conflicting launch requirements\n\nWrite a decision brief using this template: Decision needed; Agreed facts; Conflict; Recommendation conditions. Product requirement P1 says launch must include CSV export. Security requirement S1 prohibits exporting customer email addresses. Current design D1 exports name and email only. Reconcile the requirements, propose a compliant export scope and list the decision still needed about useful fields.A brief under the four supplied headings, with P1, S1 and D1 references beside relevant findings.Check that the proposed scope preserves an export feature while excluding emails and does not invent an approved field list.