OpenAI: GPT-6 Luna (batch)

GPT-6 Luna es el modelo de razonamiento de OpenAI centrado en tareas repetidas de gran volumen. El texto y las imágenes pueden servir para clasificación, extracción, asistencia y trabajo guiado por herramientas, con un contexto de 1.050.000 tokens, salida textual estructurada y un ajuste opcional de esfuerzo sin razonamiento.

Ailoot Ultra · Procesamiento por lotes POST /v1/batches openai/gpt-6-luna:batch

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 es el modelo de OpenAI centrado en tareas repetidas de gran volumen. Acepta texto e imágenes y produce texto, por lo que resulta útil para operaciones definidas como clasificación, extracción, reescritura, preguntas basadas en imágenes y pasos individuales de un flujo de trabajo de asistencia. Luna conserva su propio perfil dentro de GPT-6, separado del papel de Sol en programación compleja, de las tareas más exigentes de Astra y del ajuste de ejecución Pro de Luna.

Definir una operación repetible

Asigna a cada tarea un resultado claro: una categoría, un registro pequeño, una explicación o un pasaje revisado. Para clasificación, proporciona el significado de las categorías y una convención para los elementos que no encajan en ninguna. Para extracción, define los campos, las unidades y el tratamiento de la información ausente. Un enunciado útil es: «Identifica el problema principal del usuario, elige una de estas categorías y devuelve la frase que respalda la elección».

Para una respuesta de asistencia, proporciona la pregunta y el material fuente aprobado pertinente; después, indica el idioma de la respuesta y los detalles que deben conservarse. Para una imagen, conserva las etiquetas visibles e indica al modelo a qué se refiere la pregunta. Mantén las palabras extraídas separadas de la interpretación para que el registro resultante pueda contrastarse con la entrada.

Esfuerzo y formato de salida

El proveedor admite los niveles de esfuerzo de razonamiento none, low, medium, high, xhigh y max; medium es el valor predeterminado. El ajuste none permite tareas que no necesitan razonamiento intermedio, mientras que un esfuerzo mayor puede desarrollar el análisis de una pregunta más compleja. El esfuerzo de razonamiento y el modo de ejecución estándar o Pro son opciones independientes. Sigue siendo necesario definir unas especificaciones de salida acotadas en cada nivel de esfuerzo.

Structured Outputs puede limitar la forma de un registro definido, y el texto ordinario puede comunicar una respuesta breve o una explicación. Especifica el significado de los campos y las convenciones para los valores ausentes. La validez del formato no demuestra que un valor extraído esté presente en la fuente, por lo que debes revisar tanto el contenido como la estructura.

Contexto y conocimientos

La ficha del modelo 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 18 de mayo de 2026. El material fuente, la conversación, el razonamiento y la respuesta visible necesitan espacio conjuntamente. Para trabajos repetidos, conserva los criterios y las etiquetas de las fuentes que importan, en lugar de permitir que un historial ajeno a la tarea oculte la operación.

Herramientas y resultados de la aplicación

OpenAI documenta Responses para las herramientas integradas y las llamadas a funciones. Chat Completions admite llamadas a funciones para este modelo solo cuando el esfuerzo de razonamiento es none. La lista de herramientas del proveedor incluye búsqueda web y en archivos, herramientas de generación de imágenes, un intérprete de código, herramientas de línea de comandos y de aplicación de cambios en archivos, habilidades, uso del ordenador, conexiones MCP y búsqueda de herramientas. La salida propia de Luna es texto; las imágenes producidas por herramientas o las acciones ejecutadas son resultados independientes.

La aplicación realiza las operaciones seleccionadas y devuelve la observación para el siguiente paso del modelo. Una búsqueda de producto puede proporcionar el campo ausente antes de redactar la respuesta; una tarea de extracción puede utilizar un pasaje realmente recuperado. La guía de GPT-6 también describe trabajo asíncrono con herramientas, reorientación y capacidades de gestión del contexto en el ámbito de la familia.

Un resultado final útil es una respuesta o un registro concretos, vinculados a las pruebas aportadas. Comprueba sus valores, conserva la terminología obligatoria y vincula las preguntas que requieren información actual a material de fuentes con autoridad en la materia o a observaciones reales de herramientas. El papel de Luna es completar la operación definida, no convertir una gran colección de fuentes en una tarea sin especificar.

Ailoot Ultra · Procesamiento por lotes POST /v1/batches openai/gpt-6-luna:batch

openai/gpt-6-luna:batch

OpenAI /openai/gpt-6-luna:batch

Primeros pasos

Entradas aceptadas: Texto
Resultados: Texto

Disponible en Ailoot · entradas y métodos

Ailoot Ultra · Procesamiento por lotes POST /v1/batches

Tipos de entrada: text
Tipos de salida: text
Formato de salida: JSON de results[].response.body incluido directamente

Campo	Tipo	Requisito	Valores y límites	Predeterminado
Campo`endpoint`	Tipo`string`	RequisitoObligatorio	Valores y límites /v1/chat/completions	Predeterminado—
Campo`model`	Tipo`string`	RequisitoObligatorio	Valores y límites openai/gpt-6-luna:batch	Predeterminado—
Campo`requests`	Tipo`batch_item[]`	RequisitoObligatorio	Valores y límites Número mínimo de elementos: 1	Predeterminado—
Campo`requests[].custom_id`	Tipo`string`	RequisitoObligatorio	Valores y límites	Predeterminado—
Campo`requests[].body.messages`	Tipo`message[]`	RequisitoObligatorio	Valores y límites	Predeterminado—
Campo`completion_window`	Tipo`string`	RequisitoOpcional	Valores y límites 24h	Predeterminado—
Campo`provider`	Tipo`object\|null`	RequisitoOpcional	Valores y límites	Predeterminado—
Campo`requests[].body.model`	Tipo`string`	RequisitoOpcional	Valores y límites openai/gpt-6-luna:batch, openai/gpt-6-luna	Predeterminado—
Campo`provider.only`	Tipo`string[]`	RequisitoOpcional	Valores y límites openai	Predeterminado—
Campo`provider.allow_fallbacks`	Tipo`boolean\|null`	RequisitoOpcional	Valores y límites false, null	Predeterminado—

Parámetros del método y ciclo de vida

Parámetro	Contrato
Parámetro`content_type`	Contratoapplication/json
Parámetro`required`	Contratoendpoint, model, requests
Parámetro`material_types`	Contratotext
Parámetro`representation`	Contratorequests[] en la propia solicitud; cada elemento tiene custom_id y body
Parámetro`request_endpoint_profile`	Contrato/v1/chat/completions
Parámetro`file_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.
Parámetro`serialization_order`	Contratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final
Parámetro`optional_controls`	Contratoprovider.only, provider.allow_fallbacks, completion_window
Parámetro`schema_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

Planes

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

Modo rápido: Sin especificar Cuando se selecciona el modo rápido
Modo flex: Sin especificar Cuando se selecciona el modo flex
Esfuerzo máximo de razonamiento: Sin especificar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (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.

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 $0.0001 / 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
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 $0.0001 / 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
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 $0.0002 / 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 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 →

Solicitudes de ejemplo

Ailoot Ultra · Procesamiento por lotes

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: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:batch', 'openai/gpt-6-luna']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-luna: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 · Procesamiento por lotes

JSON de results[].response.body incluido directamente

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 resultado y su custom_id, y el cuerpo completo de la respuesta o del error. Guarda los results[] completados como JSONL sin filtrarlos.

Si es necesario revisar la respuesta original

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.

Campos de respuesta

Campo	Tipo
Campo`results[].custom_id`	Tipostring
Campo`results[].response.body.choices[].message.content`	Tipostring\|null
Campo`results[].error`	Tipoobject\|null
Campo`usage`	Tipoobject\|null
Campo`id`	Tipostring
Campo`model`	Tipostring
Campo`endpoint`	Tipostring
Campo`status`	Tipostring
Campo`request_counts`	Tipoobject
Campo`results[].id`	Tipostring
Campo`results[].response.status_code`	Tipointeger
Campo`results[].response.request_id`	Tipostring

Errores y siguientes pasos

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.

Alias

Alias del modelo

Ailoot Ultra openai/gpt-6-luna:batch

Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

ID de modelo relacionados

openai/gpt-6-luna:batch

FAQ · OpenAI: GPT-6 Luna (batch)

¿Qué entradas y resultados están disponibles?: POST /v1/batches · openai/gpt-6-luna:batch: text → text
¿Qué campos utiliza la solicitud?: POST /v1/batches · openai/gpt-6-luna:batch: endpoint, model, requests, completion_window, provider
¿Qué límites se aplican?: POST /v1/batches · openai/gpt-6-luna:batch: requests.min_items: 1

OpenAI: GPT-6 Luna (batch)