Modelle

OpenAI: GPT-6 Luna Pro

Markdown · JSON

OpenAI: GPT-6 Luna Pro

GPT-6 Luna mit Pro-Reasoning für klar umrissene Aufgaben, die vor einer endgültigen Antwort zusätzliche Analyse benötigen. Das Basismodell nimmt Text und Bilder entgegen und eignet sich damit für regelbasierte Dokumentverarbeitung, visuelle Fragen und knappe schriftliche Ergebnisse.

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-6 Luna Pro bezeichnet OpenAIs GPT-6 Luna mit Pro-Reasoning. Luna ist für klar umrissene Aufgaben und ein hohes Arbeitsvolumen ausgelegt; die Eingaben sind Text und Bilder, die Ausgabe ist Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort. Pro ist ein Ausführungsmodus für das gewählte Basismodell und von der Einstellung für den Reasoning-Aufwand getrennt, die den Umfang der Analyse innerhalb dieses Modus steuert.

Eine praktische Anwendung ist das Bearbeiten einer eng definierten Anfrage mit mehreren Regeln oder Ausnahmen. Stellen Sie die Anfrage, die möglichen Kategorien und die Informationen bereit, die die nächste Handlung bestimmen. Fordern Sie die Kategorie, die relevanten Fakten und eine kurze vorgeschlagene Antwort an. Eine beispielhafte Aufgabe besteht darin, eine Dokumentanfrage zu klassifizieren, ein fehlendes Feld zu ermitteln und eine Nachricht zu entwerfen, die nach diesem Feld fragt. Die Aufgabe bleibt klar umrissen, auch wenn ihre Bedingungen sorgfältige Überlegung erfordern.

Stellen Sie für eine bildgestützte Frage einen klaren Screenshot oder anderes visuelles Material bereit und benennen Sie das zu prüfende Detail. Sie können eine Erklärung eines sichtbaren Oberflächenzustands zusammen mit einer kurzen Anweisung für den Leser anfordern. Definieren Sie für schriftliches Material die Felder oder Aussagen, die bei der Umformung erhalten bleiben müssen, die zulässigen Kategorien und das erwartete Antwortformat. Einige repräsentative Beispiele können die Grenze zwischen ähnlichen Kategorien verdeutlichen, ohne dass das Modell Ihre Regeln erschließen muss.

OpenAI nennt für GPT-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 dokumentierte Wissensstand ist der 18. Mai 2026. Das Basismodell unterstützt den Reasoning-Aufwand none, low, medium, high, xhigh und max; medium ist der Standardwert. Neben der endgültigen Antwort beansprucht auch das Reasoning Tokenplatz. Der Aufgabenauftrag und das bereitgestellte Material sollten daher Raum für die Analyse und das angeforderte Ergebnis lassen.

Der Hersteller dokumentiert Pro in der Responses API für schwierige Anfragen, bei denen zusätzliche Latenz und Modellaktivität möglich sind. Die integrierten Werkzeuge von GPT-6 Luna und Reasoning mit Funktionsaufrufen nutzen Responses; in der Chat Completions-Schnittstelle des Herstellers werden Funktionsaufrufe nur unterstützt, wenn der Reasoning-Aufwand auf none eingestellt ist. Das Basismodell nennt Streaming, Structured Outputs, Web- und Dateisuche, Funktionsaufrufe und Prompt-Caching. Seine Werkzeuge umfassen außerdem Bilderzeugung, Codeinterpretation, Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche. Ihre Anwendung bestimmt die angebotenen Vorgänge und führt sie aus.

Verwenden Sie präzise Ausgabevorgaben für die abschließende Aufgabe: die Entscheidung, die sie stützenden Felder und alle noch fehlenden Informationen. Fordern Sie zum Beispiel eine Kategorie, eine kurze Begründung anhand der bereitgestellten Regel und die nächste Frage an den Leser an. Prüfen Sie das Ergebnis anhand dieser Regeln, statt eine uneingeschränkte Diskussion hinzuzufügen. Dieser Arbeitsablauf nutzt Lunas Rolle bei klar umrissenen Aufgaben und hält die zusätzliche Arbeit von Pro für eine Anfrage vor, deren Abhängigkeiten oder Ausnahmen eine eingehendere Prüfung benötigen.

Praktische Aufgabe

Praktische Aufgabe

Technisches Beispiel auf Englisch

Find missing request details

Process this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.

Erwartetes Ergebnis

A compact field table, missing-field list and targeted clarification message.

Ergebnis prüfen

Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions openai/gpt-6-luna-pro

openai/gpt-6-luna-pro

OpenAI /openai/gpt-6-luna-pro

Start

GPT-6 Luna mit Pro-Reasoning für klar umrissene Aufgaben, die vor einer endgültigen Antwort zusätzliche Analyse benötigen. Das Basismodell nimmt Text und Bilder entgegen und eignet sich damit für regelbasierte Dokumentverarbeitung, visuelle Fragen und knappe schriftliche Ergebnisse.

Zulässige Eingaben
Text
Ergebnisse
Text

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Eingabetypen
text
Ausgabetypen
text
Ausgabeformat
json oder SSE
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
openai/gpt-6-luna-pro
Standard—
FeldmessagesTypmessage[]AnforderungErforderlichWerte und Limits
Mindestanzahl Elemente: 1
Standard—
Feldmessages[].roleTypstringAnforderungErforderlichWerte 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[].contentTypstring|content_part[]|nullAnforderungOptionalWerte und LimitsStandard—
Feldmessages[].tool_callsTyptool_call[]AnforderungOptionalWerte und LimitsStandard—
Feldmessages[].tool_call_idTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden
Standard—
Feldmessages[].nameTypstringAnforderungOptionalWerte und LimitsStandard—
Feldmessages[].reasoning_contentTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet
Standard—
Feldmessages[].reasoning_detailsTypobject|arrayAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldmax_tokensTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Modellabhängig
Standard—
Feldmax_completion_tokensTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Modellabhängig
Standard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
Feldstream_options.include_usageTypbooleanAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldtemperatureTypnumberAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtop_pTypnumberAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldstopTypstring|string[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldtoolsTypfunction_tool[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtools[].typeTypstringAnforderungOptionalWerte und Limits
function
Modellabhängig
Standard—
Feldtools[].function.nameTypstringAnforderungErforderlichWerte und Limits
Gilt, wenn: Funktionswerkzeug bereitgestellt
Standard—
Feldtools[].function.descriptionTypstringAnforderungOptionalWerte und LimitsStandard—
Feldtools[].function.parametersTypJSON_schemaAnforderungOptionalWerte und LimitsStandard—
Feldtool_choiceTypstring|objectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldparallel_tool_callsTypbooleanAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldresponse_formatTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldreasoning_effortTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldreasoningTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldservice_tierTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldinstructionsTypstringAnforderungOptionalWerte und Limits
Kompatibilitätsfeld
Standard—
FeldfunctionsTypfunction[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldfunction_callTypstring|objectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldprompt_cache_optionsTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldmodalitiesTypstring[]AnforderungOptionalWerte und Limits
text
Standard—
FeldproviderTypobjectAnforderungOptionalWerte und Limits
Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt
Standard—
Feldcache_control.ttlTypstringAnforderungOptionalWerte und Limits
Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt
Standard—
Kombinationen von Eingabematerialien

Text · UTF8-Text

messages[].content

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, messages
Parametermaterial_typesVertragtext
ParametermessagesVertragNachrichtenarray mit role/content-Struktur
Parameterfile_materialVertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet
Parameteroptional_controlsVertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Parametercontrol_scopeVertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen
Parameteroutput_modalitiesVertragtext
Parameterhosted_operationsVertragfalse
Parametermultimodal_input_bindingVertragnull

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.

Tarife

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

Schnellmodus
Standardtarif Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Standardtarif Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Denkaufwand · hoch
Standardtarif Wenn der Denkaufwand hoch ist
Denkaufwand · niedrig
Standardtarif Wenn der Denkaufwand niedrig ist
Denkaufwand · max
Standardtarif Wenn der Denkaufwand max ist
Denkaufwand · mittel
Standardtarif Wenn der Denkaufwand mittel ist
Denkaufwand · keiner
Standardtarif Wenn kein Denkaufwand verwendet wird
Denkaufwand · xhigh
Standardtarif Wenn der Denkaufwand xhigh ist

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 Token
Ausgabe · Ausgabetoken $0.001 / 1K Token
Eingabe · Cache-Lesen $0.00002 / 1K Token
Eingabe · Cache-Schreiben $0.00025 / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token
KonfigurationAnfragelängenstufe 1Tarifstaffel—Kontexttoken, mehr als0Kontexttoken, bis einschließlich272.000Gebühr
Eingabe · Eingabetoken $0.0002 / 1K Token
Ausgabe · Ausgabetoken $0.001 / 1K Token
Eingabe · Cache-Lesen $0.00002 / 1K Token
Eingabe · Cache-Schreiben $0.00025 / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token
KonfigurationAnfragelängenstufe 2Tarifstaffel—Kontexttoken, mehr als272.000Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.0004 / 1K Token
Ausgabe · Ausgabetoken $0.0015 / 1K Token
Eingabe · Cache-Lesen $0.00004 / 1K Token
Eingabe · Cache-Schreiben $0.0005 / 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 →

Beispielanfragen

Ailoot Ultra · OpenAI Chat

curlPython SDKPython-Stream
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/gpt-6-luna-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='openai/gpt-6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='openai/gpt-6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Ergebnisse abrufen und speichern

Ailoot Ultra · OpenAI Chat

json oder SSE

Alle fertiggestellten Ergebnisse aufbewahren

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.

Wenn die ursprüngliche Antwort geprüft werden muss

Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.

Antwortfelder
FeldTyp
Feldchoices[].indexTypinteger
Feldchoices[].message.contentTypstring|null
Feldchoices[].message.tool_callsTyptool_call[]
Feldchoices[].message.reasoning_contentTypstring
Feldchoices[].message.reasoning_detailsTypobject|array
Feldchoices[].finish_reasonTypstring|null
FeldusageTypobject
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültigNächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.

Aliasnamen

Modellaliasnamen

Ailoot Ultra openai/gpt-6-luna-pro

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

openai/gpt-6-luna-pro

Ailoot Ultra · Anthropic Messages POST /v1/messages openai/gpt-6-luna-pro

openai/gpt-6-luna-pro

OpenAI /openai/gpt-6-luna-pro

Start

GPT-6 Luna mit Pro-Reasoning für klar umrissene Aufgaben, die vor einer endgültigen Antwort zusätzliche Analyse benötigen. Das Basismodell nimmt Text und Bilder entgegen und eignet sich damit für regelbasierte Dokumentverarbeitung, visuelle Fragen und knappe schriftliche Ergebnisse.

Zulässige Eingaben
Text
Ergebnisse
Text

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Anthropic Messages POST /v1/messages
Eingabetypen
text
Ausgabetypen
text
Ausgabeformat
json oder SSE
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
openai/gpt-6-luna-pro
Standard—
FeldmessagesTypmessage[]AnforderungErforderlichWerte und Limits
Mindestanzahl Elemente: 1
Standard—
Feldmessages[].roleTypstringAnforderungErforderlichWerte und Limits
user, assistant
Standard—
Feldmessages[].contentTypstring|content_block[]AnforderungErforderlichWerte und LimitsStandard—
FeldsystemTypstring|content_block[]AnforderungOptionalWerte und LimitsStandard—
Feldmax_tokensTypintegerAnforderungErforderlichWerte und Limits
Minimum: 1
Limit gilt für: Genaue Obergrenze des ausgewählten Modells bzw. seiner Modellkarte
Standard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
FeldtemperatureTypnumberAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtop_pTypnumberAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldstop_sequencesTypstring[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldtoolsTyptool[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtools[].nameTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: Werkzeug bereitgestellt
Standard—
Feldtools[].descriptionTypstringAnforderungOptionalWerte und LimitsStandard—
Feldtools[].input_schemaTypJSON_schemaAnforderungOptionalWerte und LimitsStandard—
Feldtool_choiceTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldthinking.typeTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldthinking.budget_tokensTypintegerAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldoutput_config.effortTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldmetadataTypobjectAnforderungOptionalWerte und LimitsStandard—
Feldcache_controlTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Kombinationen von Eingabematerialien

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

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametermaterial_typesVertragtext
ParameterrequiredVertragmodel, messages, max_tokens
Parameteroptional_controlsVertragnull
Parametercontent_typeVertragapplication/json
Parametertext_file_materialVertragDas 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.

Tarife

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

Schnellmodus
Standardtarif Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Standardtarif Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Denkaufwand · hoch
Standardtarif Wenn der Denkaufwand hoch ist
Denkaufwand · niedrig
Standardtarif Wenn der Denkaufwand niedrig ist
Denkaufwand · max
Standardtarif Wenn der Denkaufwand max ist
Denkaufwand · mittel
Standardtarif Wenn der Denkaufwand mittel ist
Denkaufwand · keiner
Standardtarif Wenn kein Denkaufwand verwendet wird
Denkaufwand · xhigh
Standardtarif Wenn der Denkaufwand xhigh ist

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 Token
Ausgabe · Ausgabetoken $0.001 / 1K Token
Eingabe · Cache-Lesen $0.00002 / 1K Token
Eingabe · Cache-Schreiben $0.00025 / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token
KonfigurationAnfragelängenstufe 1Tarifstaffel—Kontexttoken, mehr als0Kontexttoken, bis einschließlich272.000Gebühr
Eingabe · Eingabetoken $0.0002 / 1K Token
Ausgabe · Ausgabetoken $0.001 / 1K Token
Eingabe · Cache-Lesen $0.00002 / 1K Token
Eingabe · Cache-Schreiben $0.00025 / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token
KonfigurationAnfragelängenstufe 2Tarifstaffel—Kontexttoken, mehr als272.000Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.0004 / 1K Token
Ausgabe · Ausgabetoken $0.0015 / 1K Token
Eingabe · Cache-Lesen $0.00004 / 1K Token
Eingabe · Cache-Schreiben $0.0005 / 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 →

Beispielanfragen

Ailoot Ultra · Anthropic Messages

Vollständiger minimaler JSON-Bodycurl · eigenes UTF-8-Dokument verwendenPython · das vollständige Ergebnis speichern
{
  "model": "openai/gpt-6-luna-pro",
  "max_tokens": 4096,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ]
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Ergebnisse abrufen und speichern

Ailoot Ultra · Anthropic Messages

json oder SSE

Alle fertiggestellten Ergebnisse aufbewahren

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.

Wenn die ursprüngliche Antwort geprüft werden muss

Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.

Antwortfelder
FeldTyp
FeldidTypstring
FeldmodelTypstring
Feldcontent[]Typtext|thinking|tool_use|other content block
Feldstop_reasonTypstring|null
FeldusageTypobject
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültigNächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.

Aliasnamen

Modellaliasnamen

Ailoot Ultra openai/gpt-6-luna-pro

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

openai/gpt-6-luna-pro

Ailoot Ultra · OpenAI Responses POST /v1/responses openai/gpt-6-luna-pro

openai/gpt-6-luna-pro

OpenAI /openai/gpt-6-luna-pro

Start

GPT-6 Luna mit Pro-Reasoning für klar umrissene Aufgaben, die vor einer endgültigen Antwort zusätzliche Analyse benötigen. Das Basismodell nimmt Text und Bilder entgegen und eignet sich damit für regelbasierte Dokumentverarbeitung, visuelle Fragen und knappe schriftliche Ergebnisse.

Zulässige Eingaben
Text
Ergebnisse
Text

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · OpenAI Responses POST /v1/responses
Eingabetypen
text
Ausgabetypen
text
Ausgabeformat
json oder SSE
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
openai/gpt-6-luna-pro
Standard—
FeldinputTypstring|input_item[]AnforderungErforderlichWerte und LimitsStandard—
FeldinstructionsTypstringAnforderungOptionalWerte und LimitsStandard—
Feldinput[].typeTypstringAnforderungOptionalWerte und Limits
message, reasoning, function_call, function_call_output
Standard—
Feldinput[].contentTypstring|content_part[]AnforderungOptionalWerte und LimitsStandard—
Feldinput[].call_idTypstringAnforderungOptionalWerte und Limits
Gilt, wenn: function_call_output; den tatsächlich zurückgegebenen Wert von call_id beibehalten
Standard—
Feldinput[].outputTypstring|content_part[]AnforderungOptionalWerte und Limits
Gilt, wenn: function_call_output
Standard—
Feldmax_output_tokensTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Modellabhängig
Standard—
FeldstreamTypbooleanAnforderungOptionalWerte und LimitsStandardfalse
FeldtemperatureTypnumberAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtop_pTypnumberAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldtoolsTyptool[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtool_choiceTypstring|objectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldparallel_tool_callsTypbooleanAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldreasoning.effortTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldreasoning.summaryTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtext.formatTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldtext.verbosityTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldincludeTypstring[]AnforderungOptionalWerte und Limits
Modellabhängig
Standard—
FeldstoreTypbooleanAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldprevious_response_idTypstringAnforderungNicht unterstütztWerte 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_tierTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldprompt_cache_keyTypstringAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Feldprompt_cache_optionsTypobjectAnforderungOptionalWerte und Limits
Modellabhängig
Standard—
Kombinationen von Eingabematerialien

Text · UTF8-Text

Eingabetext oder input_text-Teil

Text + Bild

{type:input_image,image_url}

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametermaterial_typesVertragtext
ParameterrequiredVertragmodel, input
Parameteroptional_controlsVertragnull
Parametercontent_typeVertragapplication/json
Parametertext_file_materialVertragDas 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.

Tarife

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

Schnellmodus
Standardtarif Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Standardtarif Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Standardtarif Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Denkaufwand · hoch
Standardtarif Wenn der Denkaufwand hoch ist
Denkaufwand · niedrig
Standardtarif Wenn der Denkaufwand niedrig ist
Denkaufwand · max
Standardtarif Wenn der Denkaufwand max ist
Denkaufwand · mittel
Standardtarif Wenn der Denkaufwand mittel ist
Denkaufwand · keiner
Standardtarif Wenn kein Denkaufwand verwendet wird
Denkaufwand · xhigh
Standardtarif Wenn der Denkaufwand xhigh ist

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 Token
Ausgabe · Ausgabetoken $0.001 / 1K Token
Eingabe · Cache-Lesen $0.00002 / 1K Token
Eingabe · Cache-Schreiben $0.00025 / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token
KonfigurationAnfragelängenstufe 1Tarifstaffel—Kontexttoken, mehr als0Kontexttoken, bis einschließlich272.000Gebühr
Eingabe · Eingabetoken $0.0002 / 1K Token
Ausgabe · Ausgabetoken $0.001 / 1K Token
Eingabe · Cache-Lesen $0.00002 / 1K Token
Eingabe · Cache-Schreiben $0.00025 / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token
KonfigurationAnfragelängenstufe 2Tarifstaffel—Kontexttoken, mehr als272.000Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.0004 / 1K Token
Ausgabe · Ausgabetoken $0.0015 / 1K Token
Eingabe · Cache-Lesen $0.00004 / 1K Token
Eingabe · Cache-Schreiben $0.0005 / 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 →

Beispielanfragen

Ailoot Ultra · OpenAI Responses

Vollständiger minimaler JSON-Bodycurl · eigenes UTF-8-Dokument verwendenPython · das vollständige Ergebnis speichern
{
  "model": "openai/gpt-6-luna-pro",
  "input": [
    {
      "content": "Hello, how are you?",
      "role": "user",
      "type": "message"
    }
  ]
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}
payload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}
payload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}
headers['Authorization'] = 'Bearer ' + api_key
request = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Ergebnisse abrufen und speichern

Ailoot Ultra · OpenAI Responses

json oder SSE

Alle fertiggestellten Ergebnisse aufbewahren

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.

Wenn die ursprüngliche Antwort geprüft werden muss

Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.

Antwortfelder
FeldTyp
FeldidTypstring
FeldstatusTypstring
Feldoutput[]Typmessage|reasoning|function_call|other item
Feldoutput[].content[]Typcontent part
FeldusageTypobject
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültigNächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.

Aliasnamen

Modellaliasnamen

Ailoot Ultra openai/gpt-6-luna-pro

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

openai/gpt-6-luna-pro

FAQ · OpenAI: GPT-6 Luna Pro
Welche Eingaben und Ergebnisse sind verfügbar?

POST /v1/chat/completions · openai/gpt-6-luna-pro: text → text

POST /v1/messages · openai/gpt-6-luna-pro: text → text

POST /v1/responses · openai/gpt-6-luna-pro: text → text

Welche Felder verwendet die Anfrage?

POST /v1/chat/completions · openai/gpt-6-luna-pro: model, messages, stream, modalities, provider

POST /v1/messages · openai/gpt-6-luna-pro: model, messages, system, max_tokens, stream, metadata

POST /v1/responses · openai/gpt-6-luna-pro: model, input, instructions, stream

Welche Grenzen gelten?

POST /v1/chat/completions · openai/gpt-6-luna-pro: messages.min_items: 1

POST /v1/messages · openai/gpt-6-luna-pro: messages.min_items: 1; max_tokens.minimum: 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