GPT-6 Astra es el modelo de OpenAI para sus tareas de razonamiento y trabajo profesional más exigentes. El proveedor lo desarrolla para ingeniería de software, uso del ordenador, investigación, trabajo científico y creación de documentos. Acepta texto e imágenes y genera texto, incluidas explicaciones, código y entregables estructurados. Este perfil estándar de Astra es independiente del modo de razonamiento Pro y de los perfiles Sol y Luna.
Prepara el encargo en torno al resultado deseado, las fuentes pertinentes y los criterios de finalización. Para ingeniería de software, incluye el código, el fallo observado, el comportamiento esperado y las interfaces que deben conservarse. Para un análisis profesional, proporciona los documentos, la decisión y las condiciones que debe abordar una conclusión. Un enunciado práctico es: «Compara estas alternativas con los requisitos, identifica las dependencias y elabora un informe de decisión con pruebas para cada hallazgo importante».
Para una tarea visual, haz legible el material fuente e identifica si muestra un estado de la interfaz, un gráfico o un requisito de diseño. Pide el detalle visible que respalda una observación. Un entregable de código o un documento deben seguir vinculados a esas pruebas, en lugar de a una acción externa supuesta.
Las recomendaciones de OpenAI para Astra aconsejan objetivos claros, criterios de éxito, reglas sobre las pruebas y condiciones de parada. Señalan una marcada sensibilidad a las instrucciones detalladas del contexto y de los archivos accesibles, por lo que debes resolver las indicaciones contradictorias y establecer la prioridad de la tarea del usuario. Especifica cuándo debe el modelo utilizar la información disponible, formular un supuesto razonable o pedir un detalle que falte y cambie el resultado.
El fabricante también recomienda ajustar el estilo de la respuesta y la profundidad de la validación. Describe el público y la estructura final de un documento y exige una validación pertinente para el cambio en una tarea de ingeniería. Así, el modelo tiene un criterio explícito para terminar sin añadir trabajo ajeno a la tarea.
Astra admite los niveles de esfuerzo de razonamiento low, medium, high, xhigh y max, y no admite none. El esfuerzo es independiente del modo de razonamiento estándar o Pro del proveedor. La ficha indica un contexto de 1.050.000 tokens, hasta 922.000 tokens de entrada y hasta 128.000 tokens de salida. Su fecha de corte de conocimientos es el 30 de abril de 2026.
El razonamiento ocupa espacio de respuesta aunque los tokens internos sin procesar no se muestren como una respuesta ordinaria. Reserva espacio para el entregable final e inspecciona el estado de finalización cuando se agote un presupuesto. Una ventana grande sigue necesitando etiquetas de las fuentes, límites de la tarea y observaciones pertinentes.
El proveedor documenta llamadas a funciones mediante Responses; Chat Completions no admite llamadas a funciones para Astra. Sus herramientas compatibles incluyen búsqueda web y en archivos, generación de imágenes, un intérprete de código, operaciones de línea de comandos y de aplicación de cambios en archivos, habilidades, uso del ordenador, conexiones MCP y búsqueda de herramientas. También figuran Structured Outputs y respuestas en flujo. La salida propia de Astra sigue siendo texto, mientras que las operaciones de herramientas producen sus respectivas observaciones o entregables.
El flujo de trabajo documentado de GPT-6 puede continuar el análisis mientras se ejecuta una herramienta asíncrona, incorporar cambios de orientación durante un turno, conservar el razonamiento entre llamadas y compactar una conversación larga. La aplicación ejecuta sus propias herramientas y gestiona los resultados pendientes. Conserva la asociación entre la llamada original y su observación para que la tarea utilice pruebas reales.
Un resultado final útil es un entregable analítico o de código completado, con su fundamento y las condiciones restantes explícitos. Revisa las afirmaciones que dependen de fuentes y utiliza observaciones reales de validación para el trabajo ejecutado. Conserva el perfil denominado Astra y su intervalo de esfuerzo admitido, en lugar de tomar un ajuste de respuesta directa o los límites de otro modelo.
", "aboutText": "GPT-6 Astra es el modelo de OpenAI para sus tareas de razonamiento y trabajo profesional más exigentes. El proveedor lo desarrolla para ingeniería de software, uso del ordenador, investigación, trabajo científico y creación de documentos. Acepta texto e imágenes y genera texto, incluidas explicaciones, código y entregables estructurados. Este perfil estándar de Astra es independiente del modo de razonamiento Pro y de los perfiles Sol y Luna.\n\n### Trabajo de principio a fin\n\nPrepara el encargo en torno al resultado deseado, las fuentes pertinentes y los criterios de finalización. Para ingeniería de software, incluye el código, el fallo observado, el comportamiento esperado y las interfaces que deben conservarse. Para un análisis profesional, proporciona los documentos, la decisión y las condiciones que debe abordar una conclusión. Un enunciado práctico es: «Compara estas alternativas con los requisitos, identifica las dependencias y elabora un informe de decisión con pruebas para cada hallazgo importante».\n\nPara una tarea visual, haz legible el material fuente e identifica si muestra un estado de la interfaz, un gráfico o un requisito de diseño. Pide el detalle visible que respalda una observación. Un entregable de código o un documento deben seguir vinculados a esas pruebas, en lugar de a una acción externa supuesta.\n\n### Instrucciones y seguimiento del trabajo\n\nLas recomendaciones de OpenAI para Astra aconsejan objetivos claros, criterios de éxito, reglas sobre las pruebas y condiciones de parada. Señalan una marcada sensibilidad a las instrucciones detalladas del contexto y de los archivos accesibles, por lo que debes resolver las indicaciones contradictorias y establecer la prioridad de la tarea del usuario. Especifica cuándo debe el modelo utilizar la información disponible, formular un supuesto razonable o pedir un detalle que falte y cambie el resultado.\n\nEl fabricante también recomienda ajustar el estilo de la respuesta y la profundidad de la validación. Describe el público y la estructura final de un documento y exige una validación pertinente para el cambio en una tarea de ingeniería. Así, el modelo tiene un criterio explícito para terminar sin añadir trabajo ajeno a la tarea.\n\n### Razonamiento y contexto\n\nAstra admite los niveles de esfuerzo de razonamiento low, medium, high, xhigh y max, y no admite none. El esfuerzo es independiente del modo de razonamiento estándar o Pro del proveedor. La ficha indica un contexto de 1.050.000 tokens, hasta 922.000 tokens de entrada y hasta 128.000 tokens de salida. Su fecha de corte de conocimientos es el 30 de abril de 2026.\n\nEl razonamiento ocupa espacio de respuesta aunque los tokens internos sin procesar no se muestren como una respuesta ordinaria. Reserva espacio para el entregable final e inspecciona el estado de finalización cuando se agote un presupuesto. Una ventana grande sigue necesitando etiquetas de las fuentes, límites de la tarea y observaciones pertinentes.\n\n### Herramientas y continuación de las tareas\n\nEl proveedor documenta llamadas a funciones mediante Responses; Chat Completions no admite llamadas a funciones para Astra. Sus herramientas compatibles incluyen búsqueda web y en archivos, generación de imágenes, un intérprete de código, operaciones de línea de comandos y de aplicación de cambios en archivos, habilidades, uso del ordenador, conexiones MCP y búsqueda de herramientas. También figuran Structured Outputs y respuestas en flujo. La salida propia de Astra sigue siendo texto, mientras que las operaciones de herramientas producen sus respectivas observaciones o entregables.\n\nEl flujo de trabajo documentado de GPT-6 puede continuar el análisis mientras se ejecuta una herramienta asíncrona, incorporar cambios de orientación durante un turno, conservar el razonamiento entre llamadas y compactar una conversación larga. La aplicación ejecuta sus propias herramientas y gestiona los resultados pendientes. Conserva la asociación entre la llamada original y su observación para que la tarea utilice pruebas reales.\n\nUn resultado final útil es un entregable analítico o de código completado, con su fundamento y las condiciones restantes explícitos. Revisa las afirmaciones que dependen de fuentes y utiliza observaciones reales de validación para el trabajo ejecutado. Conserva el perfil denominado Astra y su intervalo de esfuerzo admitido, en lugar de tomar un ajuste de respuesta directa o los límites de otro modelo.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "03b60da9d35d9aa1d9f12dcdcc32dca141bd2efff494f615fad5d9bb3998a41a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "openai/gpt-6-astra:batchGPT-6 Astra es el modelo de OpenAI para razonamiento exigente, ingeniería de software, investigación y trabajo profesional con documentos. Combina la comprensión de texto e imágenes con análisis de contextos largos y flujos guiados por herramientas para producir un resultado textual en un contexto de 1.050.000 tokens.
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 Astra es el modelo de OpenAI para sus tareas de razonamiento y trabajo profesional más exigentes. El proveedor lo desarrolla para ingeniería de software, uso del ordenador, investigación, trabajo científico y creación de documentos. Acepta texto e imágenes y genera texto, incluidas explicaciones, código y entregables estructurados. Este perfil estándar de Astra es independiente del modo de razonamiento Pro y de los perfiles Sol y Luna.
Prepara el encargo en torno al resultado deseado, las fuentes pertinentes y los criterios de finalización. Para ingeniería de software, incluye el código, el fallo observado, el comportamiento esperado y las interfaces que deben conservarse. Para un análisis profesional, proporciona los documentos, la decisión y las condiciones que debe abordar una conclusión. Un enunciado práctico es: «Compara estas alternativas con los requisitos, identifica las dependencias y elabora un informe de decisión con pruebas para cada hallazgo importante».
Para una tarea visual, haz legible el material fuente e identifica si muestra un estado de la interfaz, un gráfico o un requisito de diseño. Pide el detalle visible que respalda una observación. Un entregable de código o un documento deben seguir vinculados a esas pruebas, en lugar de a una acción externa supuesta.
Las recomendaciones de OpenAI para Astra aconsejan objetivos claros, criterios de éxito, reglas sobre las pruebas y condiciones de parada. Señalan una marcada sensibilidad a las instrucciones detalladas del contexto y de los archivos accesibles, por lo que debes resolver las indicaciones contradictorias y establecer la prioridad de la tarea del usuario. Especifica cuándo debe el modelo utilizar la información disponible, formular un supuesto razonable o pedir un detalle que falte y cambie el resultado.
El fabricante también recomienda ajustar el estilo de la respuesta y la profundidad de la validación. Describe el público y la estructura final de un documento y exige una validación pertinente para el cambio en una tarea de ingeniería. Así, el modelo tiene un criterio explícito para terminar sin añadir trabajo ajeno a la tarea.
Astra admite los niveles de esfuerzo de razonamiento low, medium, high, xhigh y max, y no admite none. El esfuerzo es independiente del modo de razonamiento estándar o Pro del proveedor. La ficha indica un contexto de 1.050.000 tokens, hasta 922.000 tokens de entrada y hasta 128.000 tokens de salida. Su fecha de corte de conocimientos es el 30 de abril de 2026.
El razonamiento ocupa espacio de respuesta aunque los tokens internos sin procesar no se muestren como una respuesta ordinaria. Reserva espacio para el entregable final e inspecciona el estado de finalización cuando se agote un presupuesto. Una ventana grande sigue necesitando etiquetas de las fuentes, límites de la tarea y observaciones pertinentes.
El proveedor documenta llamadas a funciones mediante Responses; Chat Completions no admite llamadas a funciones para Astra. Sus herramientas compatibles incluyen búsqueda web y en archivos, generación de imágenes, un intérprete de código, operaciones de línea de comandos y de aplicación de cambios en archivos, habilidades, uso del ordenador, conexiones MCP y búsqueda de herramientas. También figuran Structured Outputs y respuestas en flujo. La salida propia de Astra sigue siendo texto, mientras que las operaciones de herramientas producen sus respectivas observaciones o entregables.
El flujo de trabajo documentado de GPT-6 puede continuar el análisis mientras se ejecuta una herramienta asíncrona, incorporar cambios de orientación durante un turno, conservar el razonamiento entre llamadas y compactar una conversación larga. La aplicación ejecuta sus propias herramientas y gestiona los resultados pendientes. Conserva la asociación entre la llamada original y su observación para que la tarea utilice pruebas reales.
Un resultado final útil es un entregable analítico o de código completado, con su fundamento y las condiciones restantes explícitos. Revisa las afirmaciones que dependen de fuentes y utiliza observaciones reales de validación para el trabajo ejecutado. Conserva el perfil denominado Astra y su intervalo de esfuerzo admitido, en lugar de tomar un ajuste de respuesta directa o los límites de otro modelo.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObligatorio | Valores y límites /v1/chat/completions | Predeterminado— |
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-6-astra:batch | Predeterminado— |
Camporequests | Tipobatch_item[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Camporequests[].custom_id | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores y límites 24h | Predeterminado— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores y límites openai/gpt-6-astra:batch, openai/gpt-6-astra | Predeterminado— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores y límites openai | Predeterminado— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores y límites false, null | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratoendpoint, model, requests |
Parámetromaterial_types | Contratotext |
Parámetrorepresentation | Contratorequests[] en la propia solicitud; cada elemento tiene custom_id y body |
Parámetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parámetrofile_material | ContratoEl cliente puede leer localmente el JSONL real en UTF-8 e incorporarlo a requests[]. No se utiliza purpose de carga, input_file_id ni ninguna referencia a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST. |
Parámetroserialization_order | Contratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final |
Parámetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parámetroschema_scope | ContratoCuerpos de Chat Completions de texto incluidos directamente en el contenedor Batch documentado. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id real de la respuesta de creación original; mismo usuario, clave y grupo
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.01 / 1K tokens Salida · Tokens de salida $0.05 / 1K tokens Entrada · Lectura de caché $0.001 / 1K tokens Entrada · Escritura en caché $0.0125 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive272.000 | Cargo Entrada · Tokens de entrada $0.01 / 1K tokens Salida · Tokens de salida $0.05 / 1K tokens Entrada · Lectura de caché $0.001 / 1K tokens Entrada · Escritura en caché $0.0125 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de272.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.02 / 1K tokens Salida · Tokens de salida $0.075 / 1K tokens Entrada · Lectura de caché $0.002 / 1K tokens Entrada · Escritura en caché $0.025 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-6-astra:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-6-astra:batch', 'openai/gpt-6-astra']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-astra:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n 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")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON de results[].response.body incluido directamente
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nConserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el JSON completo del estado original, cada resultado y su custom_id, y el cuerpo completo de la respuesta o del error. Guarda los results[] completados como JSONL sin filtrarlos.
Conserva el ID de la operación original. 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado se desconoce.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónEl contenedor documentado con contenido incluido directamente no es válido, hay claves duplicadas, la identidad de un elemento no es válida o existe un conflicto con las capacidades configuradas del modelo. | Siguiente pasoCorrige los campos indicados antes de cualquier nuevo envío. |
Respuesta401 · authentication_error | CondiciónClave API no válida. | Siguiente pasoUsa la clave Ailoot autorizada. |
Respuesta403 · permission_error | CondiciónGrupo de Batch no disponible. | Siguiente pasoComprueba los permisos de la clave y del grupo. |
Respuesta422 · invalid_request_error | CondiciónBatch se factura con cargo al saldo; se rechaza su creación con una suscripción. | Siguiente pasoUsa el grupo autorizado que se factura con cargo al saldo. |
Respuesta422 · price_unavailable | CondiciónNo se puede calcular el presupuesto de la entrada de Batch. | Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia. |
Respuesta402 · billing_error | CondiciónReserva de Batch no disponible. | Siguiente pasoResuelve la admisión antes de enviar una nueva solicitud. |
Respuesta503 · price_unavailable | CondiciónPrecio del método Batch o tarifas nativas no disponibles. | Siguiente pasoConserva la respuesta; no sustituyas los precios. |
Respuesta503 · api_error | CondiciónLa ruta exacta del proveedor no está disponible. | Siguiente pasoConserva la respuesta para reparar la ruta. |
Respuesta503 · result_pending_check | CondiciónEl resultado original requiere comprobación; X-Should-Retry:false. | Siguiente pasoConserva el operation_id/id original y consulta su estado; nunca repitas el POST original. |
Respuesta404 · not_found | CondiciónLa 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. |
Ailoot Ultra openai/gpt-6-astra:batch
Usa las rutas de método indicadas arriba.