models

OpenAI: GPT-6 Luna Pro (batch)

Markdown · JSON

OpenAI: GPT-6 Luna Pro (batch)

GPT-6 Luna con razonamiento Pro para tareas concretas que necesitan análisis adicional antes de una respuesta final. El modelo base acepta texto e imágenes, por lo que resulta útil para tratar documentos según reglas, responder a preguntas visuales y producir resultados escritos breves.

Sobre el modelo

Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.

GPT-6 Luna Pro designa GPT-6 Luna de OpenAI con razonamiento Pro. Luna está diseñado para tareas concretas y cargas de trabajo de gran volumen; sus entradas son texto e imágenes y su salida es texto. Pro hace que el modelo trabaje más al elaborar la respuesta final. Es un modo de ejecución aplicado al modelo base elegido, distinto del ajuste de esfuerzo de razonamiento que controla la cantidad de análisis dentro de ese modo.

Una aplicación práctica consiste en procesar una solicitud definida con precisión que contiene varias reglas o excepciones. Proporciona la solicitud, las categorías a las que puede pertenecer y la información que determina la siguiente acción. Pide la categoría, los hechos pertinentes y una respuesta breve propuesta. Una tarea ilustrativa consiste en clasificar una solicitud de documentos, identificar un campo que falte y redactar un mensaje para pedirlo. La tarea sigue siendo concreta aunque sus condiciones requieran un examen cuidadoso.

Para una pregunta basada en imágenes, proporciona una captura de pantalla clara u otro material visual e identifica el detalle que debe inspeccionarse. Puedes pedir una explicación de un estado visible de la interfaz junto con una instrucción breve para el lector. Para material escrito, define los campos o afirmaciones que deben conservarse durante la transformación, las categorías permitidas y el formato esperado de la respuesta. Un conjunto pequeño de ejemplos representativos puede aclarar el límite entre categorías similares sin obligar al modelo a inferir tus reglas.

OpenAI especifica una ventana de contexto de 1,050,000 tokens para GPT-6 Luna, con una entrada máxima de 922,000 tokens y una salida máxima de 128,000 tokens. La fecha de corte de conocimientos documentada es el 18 de mayo de 2026. El modelo base admite los niveles de esfuerzo de razonamiento none, low, medium, high, xhigh y max, con medium como valor predeterminado. El razonamiento ocupa espacio en tokens además de la respuesta final, por lo que el enunciado de la tarea y el material proporcionado deben dejar espacio para el análisis y el resultado solicitado.

El proveedor documenta Pro en la API Responses para solicitudes difíciles que permiten una mayor latencia y más actividad del modelo. Las herramientas integradas y el razonamiento con llamadas a funciones de GPT-6 Luna utilizan Responses; en la interfaz Chat Completions del proveedor, las llamadas a funciones solo se admiten con el esfuerzo de razonamiento establecido en none. El modelo base incluye respuestas en flujo, Structured Outputs, búsqueda web y en archivos, llamadas a funciones y almacenamiento de la entrada en caché. Su conjunto de herramientas también incluye generación de imágenes, interpretación de código, operaciones de línea de comandos y de aplicación de cambios en archivos, habilidades, uso de la computadora, conexiones MCP y búsqueda de herramientas. Tu aplicación determina y ejecuta las operaciones que expone.

Utiliza unas especificaciones de salida precisas para la tarea final: la decisión, los campos que la respaldan y cualquier información que aún falte. Por ejemplo, pide una categoría, una justificación breve vinculada a la regla proporcionada y la siguiente pregunta que debe enviarse al lector. Contrasta el resultado con esas reglas, en lugar de añadir una discusión sin restricciones. Este flujo de trabajo utiliza el papel de Luna para tareas concretas y reserva el trabajo adicional de Pro para una solicitud cuyas dependencias o excepciones requieran un examen más completo.

Ailoot Ultra · Batch POST /v1/batches openai/gpt-6-luna-pro:batch

openai/gpt-6-luna-pro:batch

OpenAI /openai/gpt-6-luna-pro:batch

Inicio

GPT-6 Luna con razonamiento Pro para tareas concretas que necesitan análisis adicional antes de una respuesta final. El modelo base acepta texto e imágenes, por lo que resulta útil para tratar documentos según reglas, responder a preguntas visuales y producir resultados escritos breves.

Entradas aceptadas
Texto
Resultados
Texto

Disponible en Ailoot · entradas y métodos

Ailoot Ultra · Batch POST /v1/batches
Entrada
text
Salida
text
Formato de salida
JSON de results[].response.body en línea
CampoTipoRequisitoValores y límitesPredeterminado
CampoendpointTipostringRequisitoObligatorioValores y límites
/v1/chat/completions
Predeterminado—
CampomodelTipostringRequisitoObligatorioValores y límites
openai/gpt-6-luna-pro:batch
Predeterminado—
CamporequestsTipobatch_item[]RequisitoObligatorioValores y límites
Número mínimo de elementos: 1
Predeterminado—
Camporequests[].custom_idTipostringRequisitoObligatorioValores y límitesPredeterminado—
Camporequests[].body.messagesTipomessage[]RequisitoObligatorioValores y límitesPredeterminado—
Campocompletion_windowTipostringRequisitoOpcionalValores y límites
24h
Predeterminado—
CampoproviderTipoobject|nullRequisitoOpcionalValores y límitesPredeterminado—
Camporequests[].body.modelTipostringRequisitoOpcionalValores y límites
openai/gpt-6-luna-pro:batch, openai/gpt-6-luna-pro
Predeterminado—
Campoprovider.onlyTipostring[]RequisitoOpcionalValores y límites
openai
Predeterminado—
Campoprovider.allow_fallbacksTipoboolean|nullRequisitoOpcionalValores y límites
false, null
Predeterminado—
Parámetros del método y ciclo de vida
ParámetroContrato
Parámetrocontent_typeContratoapplication/json
ParámetrorequiredContratoendpoint, model, requests
Parámetromaterial_typesContratotext
ParámetrorepresentationContratorequests[] en línea; cada elemento tiene custom_id y body
Parámetrorequest_endpoint_profileContrato/v1/chat/completions
Parámetrofile_materialContratoQuien realiza la llamada puede leer localmente el JSONL UTF-8 real e incorporarlo a requests[]. No se utiliza el campo purpose para cargas, ni input_file_id ni referencias a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST.
Parámetroserialization_orderContratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final
Parámetrooptional_controlsContratoprovider.only, provider.allow_fallbacks, completion_window
Parámetroschema_scopeContratoCuerpos de solicitudes de texto de Chat Completions dentro de la estructura Batch en línea documentada.

Ciclo de vida: asynchronous

GET /v1/batches/{operation_id} · El response.id real de la respuesta de creación original; el mismo usuario, clave y grupo

Tarifas

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo fast
Sin especificar Cuando se selecciona el modo fast
Modo flex
Sin especificar Cuando se selecciona el modo flex
Esfuerzo máximo de razonamiento
Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default
Precios de caché explícita
No habilitado Cuando se solicita caché explícita

Tarifas de Ailoot

Precios por configuración

Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.

ConfiguraciónTabla de tarifasTokens de contexto, más deTokens de contexto, hasta inclusiveCargo
ConfiguraciónTarifas base por tokenTabla de tarifasTarifa baseTokens de contexto, más de—Tokens de contexto, hasta inclusiveSin límite superiorCargo
Entrada · Tokens de entrada $0.0001 / 1K tokens
Salida · Tokens de salida $0.0005 / 1K tokens
Entrada · Lectura de caché $0.00001 / 1K tokens
Entrada · Escritura en caché $0.000125 / 1K tokens
Entrada · Escritura en caché, 1 hora — / 1K tokens
ConfiguraciónNivel 1 por longitud de la solicitudTabla de tarifas—Tokens de contexto, más de0Tokens de contexto, hasta inclusive272,000Cargo
Entrada · Tokens de entrada $0.0001 / 1K tokens
Salida · Tokens de salida $0.0005 / 1K tokens
Entrada · Lectura de caché $0.00001 / 1K tokens
Entrada · Escritura en caché $0.000125 / 1K tokens
Entrada · Escritura en caché, 1 hora — / 1K tokens
ConfiguraciónNivel 2 por longitud de la solicitudTabla de tarifas—Tokens de contexto, más de272,000Tokens de contexto, hasta inclusiveSin límite superiorCargo
Entrada · Tokens de entrada $0.0002 / 1K tokens
Salida · Tokens de salida $0.00075 / 1K tokens
Entrada · Lectura de caché $0.00002 / 1K tokens
Entrada · Escritura en caché $0.00025 / 1K tokens
Entrada · Escritura en caché, 1 hora — / 1K tokens

Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →

Solicitudes de ejemplo

Ailoot Ultra · Batch

curl · ejemplo de prueba conservadoPython HTTP · JSONL real del clientePython · guarda cada resultado completado
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-6-luna-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
        supplied_model = item["body"].get("model")
        if supplied_model is not None and supplied_model not in ['openai/gpt-6-luna-pro:batch', 'openai/gpt-6-luna-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-luna-pro:batch", "requests":items}

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

Recibir y guardar resultados

Ailoot Ultra · Batch

JSON de results[].response.body en línea

  • GET /v1/batches/{operation_id}
Consultar el estado de la tarea
curl · estado de la operación original
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json
Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva el JSON completo del estado original, cada result/custom_id y el cuerpo completo de la respuesta o del error. Guarda results[] completados como JSONL sin filtrar.

Si es necesario revisar la respuesta original

Conserva el ID de la operación original. La respuesta 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado sea desconocido.

Campos de respuesta
CampoTipo
Camporesults[].custom_idTipostring
Camporesults[].response.body.choices[].message.contentTipostring|null
Camporesults[].errorTipoobject|null
CampousageTipoobject|null
CampoidTipostring
CampomodelTipostring
CampoendpointTipostring
CampostatusTipostring
Camporequest_countsTipoobject
Camporesults[].idTipostring
Camporesults[].response.status_codeTipointeger
Camporesults[].response.request_idTipostring
Errores y siguientes pasos
RespuestaCondiciónSiguiente paso
Respuesta400 · invalid_request_errorCondiciónLa estructura en línea documentada no es válida, hay claves duplicadas, existe un problema con la identidad de los elementos o hay un conflicto entre las capacidades configuradas del modelo.Siguiente pasoCorrige los campos indicados antes de realizar cualquier nuevo envío.
Respuesta401 · authentication_errorCondiciónClave de API no válida.Siguiente pasoUsa la clave de Ailoot autorizada.
Respuesta403 · permission_errorCondiciónGrupo de Batch no disponible.Siguiente pasoVerifica los permisos de la clave y el grupo.
Respuesta422 · invalid_request_errorCondiciónBatch usa facturación contra saldo; se rechazan las solicitudes de creación con una suscripción.Siguiente pasoUsa el grupo autorizado con facturación contra saldo.
Respuesta422 · price_unavailableCondiciónNo se puede cotizar la entrada de Batch.Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia.
Respuesta402 · billing_errorCondiciónReserva de Batch no disponible.Siguiente pasoResuelve los requisitos de admisión antes de realizar una nueva solicitud.
Respuesta503 · price_unavailableCondiciónPrecio del método Batch o tarifas nativas no disponibles.Siguiente pasoConserva la respuesta; no sustituyas los precios.
Respuesta503 · api_errorCondiciónLa ruta exacta del proveedor no está disponible.Siguiente pasoConserva la respuesta para reparar la ruta.
Respuesta503 · result_pending_checkCondiciónEl resultado original requiere una revisión; X-Should-Retry:false.Siguiente pasoConserva el operation_id/id original y consulta su estado; nunca repitas el POST original.
Respuesta404 · not_foundCondiciónLa operación de consulta de estado de Batch no existe o pertenece a otra identidad.Siguiente pasoUsa el id original exacto y el mismo usuario, clave y grupo.

Alias

Alias del modelo

Ailoot Ultra openai/gpt-6-luna-pro:batch

Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

ID de modelo relacionados

openai/gpt-6-luna-pro:batch

FAQ · OpenAI: GPT-6 Luna Pro (batch)
¿Qué entradas y resultados están disponibles?

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

¿Qué campos utiliza la solicitud?

POST /v1/batches · openai/gpt-6-luna-pro:batch: endpoint, model, requests, completion_window, provider

¿Qué límites se aplican?

POST /v1/batches · openai/gpt-6-luna-pro:batch: requests.min_items: 1

Más detalles

Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación.

La empresa y su cartera de proyectos

La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes.

Compra tokens con descuento.

Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens.

Suscripción
Elige un plan con descuento para tus peticiones habituales.
Código de hasta el 50%
Introduce el código al comprar. El precio se recalcula según la promoción vigente.
Gasto en el historial
Modelo, tokens e importe quedan guardados por cada petición.

Elegir suscripción · Consultar precios de modelos

Conecta la API al producto que vendes.

SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso.

Aplicación comercial
Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio.
Licencia para revendedores
Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa.
Documentos en la web
La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar.

Solicitar licencia de reventa · Oferta y acuerdo de licencia