GPT-6 Luna en mode Decisions d’OpenAI évalue les éléments fournis et renvoie des réponses typées à leur sujet. Le producteur documente GPT-6 Luna comme le modèle de cette interface de décision spécialisée. Il peut estimer si une condition est satisfaite, choisir parmi des options fixes ou situer une entrée sur une grille d’évaluation ordonnée. Utilisez ce mode de GPT-6 Luna lorsque la tâche nécessite un résultat de décision défini plutôt qu’une réponse écrite.
Une requête au producteur contient le modèle, une entrée partagée et un tableau questions. L’entrée peut être une chaîne de texte ou des messages utilisateur comprenant du texte et des images. Chaque question possède un nom unique, un type, des instructions et les options ou niveaux requis. Le tableau de réponses reprend les noms des questions, ce qui permet d’associer le résultat à la condition, à la catégorie ou à la note effectivement demandée.
Pour un message d’assistance, fournissez le message et le contexte pertinent pour la décision suivante, puis nommez la question selon le champ dont le processus a besoin. Pour un passage documentaire, incluez le texte qui établit le critère, plutôt qu’une référence non étayée à un fichier plus volumineux. Définissez la question autour de faits observables et séparez les préoccupations indépendantes. Un résultat utile peut associer une catégorie de problème à une note de gravité tout en conservant la définition et le sens de chaque réponse.
Une question predicate renvoie une probabilité de 0 à 1 que la condition définie soit vraie. Elle peut vérifier la pertinence d’un passage ou une condition visible dans une image. Pour une photographie de produit, décrivez le défaut visible à vérifier, par exemple une fissure ou une déchirure, et fournissez l’image avec ce critère. La valeur est l’estimation du modèle ; l’application choisit le seuil utilisé pour le signalement ou la vérification.
Le guide Decisions d’OpenAI exige des données d’image encodées directement dans la requête pour ce point d’accès. Les adresses d’images hébergées et les identifiants de fichiers ne sont pas des entrées d’image prises en charge dans ce contrat documenté. Du texte et des images peuvent être combinés dans un message utilisateur pour que les éléments visuels soient évalués avec le contexte écrit pertinent. Gardez l’image lisible et la condition précise ; une probabilité relative à un défaut énoncé ne constitue pas un rapport d’inspection général couvrant tous les problèmes possibles.
Une question choice sélectionne parmi des options possédant des valeurs distinctes et des descriptions expliquant quand elles s’appliquent. Le choix renvoyé est l’une de ces valeurs, accompagné des probabilités de chaque option et d’un champ de confiance distinct. Pour l’orientation, définissez des catégories correspondant aux équipes ou aux issues réellement disponibles, et incluez une option « autre » lorsque l’ensemble ne couvre pas toutes les entrées. Gardez ces catégories non ordonnées : leur position ne constitue pas une échelle de gravité.
Un cahier des charges de classification concret peut distinguer un défaut produit, un problème d’accès et une demande générale. Décrivez la frontière entre ces catégories au lieu de vous appuyer uniquement sur des noms courts. Utilisez le choix renvoyé comme libellé proposé et examinez la distribution lorsque plusieurs sens restent plausibles. Le résultat fournit une sélection ; l’application détermine si cette sélection doit déclencher une orientation automatique ou une vérification.
Une question score utilise des niveaux ordonnés, du plus bas au plus haut. Les indices des niveaux commencent à 0, et le score est la moyenne de ces indices pondérée par les probabilités. Il peut se situer entre deux niveaux. Pour la gravité d’un problème, un niveau peut correspondre à un impact esthétique, un autre à un contournement utilisable et un autre à un blocage complet ; définissez les critères qui les séparent. La réponse comprend les probabilités de chaque niveau et la confiance, en plus du score.
Le score attendu résume la distribution plutôt que de choisir une seule catégorie. Préservez cette distinction lorsque vous utilisez un résultat pour établir des priorités ou une tendance agrégée. Un affichage à catégories fixes peut utiliser une question choice à la place. La confiance est un champ distinct renvoyé pour les réponses choice et score ; le guide ne la définit pas comme identique à la probabilité de l’option sélectionnée.
Des questions indépendantes peuvent partager l’entrée dans une même requête au producteur, y compris avec des types de questions différents. Une photo pourrait servir à un prédicat de défaut et à un choix de catégorie, ou un message à une évaluation de catégorie et de gravité. Donnez à chaque préoccupation ses propres instructions et son propre sens. Lorsqu’une décision ultérieure dépend d’un résultat antérieur, le producteur recommande des requêtes séparées afin que la seconde question puisse utiliser explicitement ce résultat. Ne supposez pas que l’ordre des questions dans un tableau en fait une conversation séquentielle.
Decisions fournit le résultat predicate, choice ou score défini. Une réponse peut aussi être de type refusal ; vérifiez son type avant de lire une probabilité, un choix ou un score. OpenAI distingue cela de la génération d’objets arbitraires fondés sur un schéma ou d’explications écrites via Structured Outputs, ainsi que de la demande d’exécution d’un outil via function calling. Une réponse de décision ne doit pas être présentée comme une justification générée ou une preuve qu’une action externe a eu lieu. La sortie, le raisonnement et les réglages d’outils des modèles de chat généraux ne font pas automatiquement partie de ce mode spécialisé.
Utilisez des entrées annotées représentatives pour évaluer les seuils d’orientation, de filtrage et de vérification, en tenant compte des conséquences des faux positifs et des faux négatifs. Gardez associés les éléments sources, les définitions des questions et les sorties numériques brutes afin de pouvoir examiner un résultat ambigu. Gardez l’entrée partagée pertinente pour les questions nommées et définissez clairement chaque option ou niveau de la grille avant de soumettre la tâche de décision. Préparez les éléments et les types de réponses selon le processus de décision documenté, en interprétant la sortie au regard de la tâche qu’elle évalue.
", "aboutText": "GPT-6 Luna en mode Decisions d’OpenAI évalue les éléments fournis et renvoie des réponses typées à leur sujet. Le producteur documente GPT-6 Luna comme le modèle de cette interface de décision spécialisée. Il peut estimer si une condition est satisfaite, choisir parmi des options fixes ou situer une entrée sur une grille d’évaluation ordonnée. Utilisez ce mode de GPT-6 Luna lorsque la tâche nécessite un résultat de décision défini plutôt qu’une réponse écrite.\n\n### Entrée partagée, questions nommées et réponses\n\nUne requête au producteur contient le modèle, une entrée partagée et un tableau questions. L’entrée peut être une chaîne de texte ou des messages utilisateur comprenant du texte et des images. Chaque question possède un nom unique, un type, des instructions et les options ou niveaux requis. Le tableau de réponses reprend les noms des questions, ce qui permet d’associer le résultat à la condition, à la catégorie ou à la note effectivement demandée.\n\nPour un message d’assistance, fournissez le message et le contexte pertinent pour la décision suivante, puis nommez la question selon le champ dont le processus a besoin. Pour un passage documentaire, incluez le texte qui établit le critère, plutôt qu’une référence non étayée à un fichier plus volumineux. Définissez la question autour de faits observables et séparez les préoccupations indépendantes. Un résultat utile peut associer une catégorie de problème à une note de gravité tout en conservant la définition et le sens de chaque réponse.\n\n### Predicate : estimer si une condition est satisfaite\n\nUne question predicate renvoie une probabilité de 0 à 1 que la condition définie soit vraie. Elle peut vérifier la pertinence d’un passage ou une condition visible dans une image. Pour une photographie de produit, décrivez le défaut visible à vérifier, par exemple une fissure ou une déchirure, et fournissez l’image avec ce critère. La valeur est l’estimation du modèle ; l’application choisit le seuil utilisé pour le signalement ou la vérification.\n\nLe guide Decisions d’OpenAI exige des données d’image encodées directement dans la requête pour ce point d’accès. Les adresses d’images hébergées et les identifiants de fichiers ne sont pas des entrées d’image prises en charge dans ce contrat documenté. Du texte et des images peuvent être combinés dans un message utilisateur pour que les éléments visuels soient évalués avec le contexte écrit pertinent. Gardez l’image lisible et la condition précise ; une probabilité relative à un défaut énoncé ne constitue pas un rapport d’inspection général couvrant tous les problèmes possibles.\n\n### Choice : sélectionner une valeur fournie\n\nUne question choice sélectionne parmi des options possédant des valeurs distinctes et des descriptions expliquant quand elles s’appliquent. Le choix renvoyé est l’une de ces valeurs, accompagné des probabilités de chaque option et d’un champ de confiance distinct. Pour l’orientation, définissez des catégories correspondant aux équipes ou aux issues réellement disponibles, et incluez une option « autre » lorsque l’ensemble ne couvre pas toutes les entrées. Gardez ces catégories non ordonnées : leur position ne constitue pas une échelle de gravité.\n\nUn cahier des charges de classification concret peut distinguer un défaut produit, un problème d’accès et une demande générale. Décrivez la frontière entre ces catégories au lieu de vous appuyer uniquement sur des noms courts. Utilisez le choix renvoyé comme libellé proposé et examinez la distribution lorsque plusieurs sens restent plausibles. Le résultat fournit une sélection ; l’application détermine si cette sélection doit déclencher une orientation automatique ou une vérification.\n\n### Score : une position sur la grille pondérée par les probabilités\n\nUne question score utilise des niveaux ordonnés, du plus bas au plus haut. Les indices des niveaux commencent à 0, et le score est la moyenne de ces indices pondérée par les probabilités. Il peut se situer entre deux niveaux. Pour la gravité d’un problème, un niveau peut correspondre à un impact esthétique, un autre à un contournement utilisable et un autre à un blocage complet ; définissez les critères qui les séparent. La réponse comprend les probabilités de chaque niveau et la confiance, en plus du score.\n\nLe score attendu résume la distribution plutôt que de choisir une seule catégorie. Préservez cette distinction lorsque vous utilisez un résultat pour établir des priorités ou une tendance agrégée. Un affichage à catégories fixes peut utiliser une question choice à la place. La confiance est un champ distinct renvoyé pour les réponses choice et score ; le guide ne la définit pas comme identique à la probabilité de l’option sélectionnée.\n\n### Plusieurs questions et décisions dépendantes\n\nDes questions indépendantes peuvent partager l’entrée dans une même requête au producteur, y compris avec des types de questions différents. Une photo pourrait servir à un prédicat de défaut et à un choix de catégorie, ou un message à une évaluation de catégorie et de gravité. Donnez à chaque préoccupation ses propres instructions et son propre sens. Lorsqu’une décision ultérieure dépend d’un résultat antérieur, le producteur recommande des requêtes séparées afin que la seconde question puisse utiliser explicitement ce résultat. Ne supposez pas que l’ordre des questions dans un tableau en fait une conversation séquentielle.\n\n### Choisir la bonne sortie et interpréter les limites\n\nDecisions fournit le résultat predicate, choice ou score défini. Une réponse peut aussi être de type refusal ; vérifiez son type avant de lire une probabilité, un choix ou un score. OpenAI distingue cela de la génération d’objets arbitraires fondés sur un schéma ou d’explications écrites via Structured Outputs, ainsi que de la demande d’exécution d’un outil via function calling. Une réponse de décision ne doit pas être présentée comme une justification générée ou une preuve qu’une action externe a eu lieu. La sortie, le raisonnement et les réglages d’outils des modèles de chat généraux ne font pas automatiquement partie de ce mode spécialisé.\n\nUtilisez des entrées annotées représentatives pour évaluer les seuils d’orientation, de filtrage et de vérification, en tenant compte des conséquences des faux positifs et des faux négatifs. Gardez associés les éléments sources, les définitions des questions et les sorties numériques brutes afin de pouvoir examiner un résultat ambigu. Gardez l’entrée partagée pertinente pour les questions nommées et définissez clairement chaque option ou niveau de la grille avant de soumettre la tâche de décision. Préparez les éléments et les types de réponses selon le processus de décision documenté, en interprétant la sortie au regard de la tâche qu’elle évalue.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "40b45c66e0ab42ca821b8fb74a658d44bbfd3192156345ac9b1a2f69eeba3823", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "openai/gpt-6-luna-decisionsGPT-6 Luna, en mode Decisions d’OpenAI, évalue le texte et les images et renvoie des réponses probabilistes typées : probabilité d’une condition, choix fixé ou score selon une grille. Il permet le classement, le routage et la priorisation sans utiliser une explication écrite comme résultat de décision.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-6 Luna en mode Decisions d’OpenAI évalue les éléments fournis et renvoie des réponses typées à leur sujet. Le producteur documente GPT-6 Luna comme le modèle de cette interface de décision spécialisée. Il peut estimer si une condition est satisfaite, choisir parmi des options fixes ou situer une entrée sur une grille d’évaluation ordonnée. Utilisez ce mode de GPT-6 Luna lorsque la tâche nécessite un résultat de décision défini plutôt qu’une réponse écrite.
Une requête au producteur contient le modèle, une entrée partagée et un tableau questions. L’entrée peut être une chaîne de texte ou des messages utilisateur comprenant du texte et des images. Chaque question possède un nom unique, un type, des instructions et les options ou niveaux requis. Le tableau de réponses reprend les noms des questions, ce qui permet d’associer le résultat à la condition, à la catégorie ou à la note effectivement demandée.
Pour un message d’assistance, fournissez le message et le contexte pertinent pour la décision suivante, puis nommez la question selon le champ dont le processus a besoin. Pour un passage documentaire, incluez le texte qui établit le critère, plutôt qu’une référence non étayée à un fichier plus volumineux. Définissez la question autour de faits observables et séparez les préoccupations indépendantes. Un résultat utile peut associer une catégorie de problème à une note de gravité tout en conservant la définition et le sens de chaque réponse.
Une question predicate renvoie une probabilité de 0 à 1 que la condition définie soit vraie. Elle peut vérifier la pertinence d’un passage ou une condition visible dans une image. Pour une photographie de produit, décrivez le défaut visible à vérifier, par exemple une fissure ou une déchirure, et fournissez l’image avec ce critère. La valeur est l’estimation du modèle ; l’application choisit le seuil utilisé pour le signalement ou la vérification.
Le guide Decisions d’OpenAI exige des données d’image encodées directement dans la requête pour ce point d’accès. Les adresses d’images hébergées et les identifiants de fichiers ne sont pas des entrées d’image prises en charge dans ce contrat documenté. Du texte et des images peuvent être combinés dans un message utilisateur pour que les éléments visuels soient évalués avec le contexte écrit pertinent. Gardez l’image lisible et la condition précise ; une probabilité relative à un défaut énoncé ne constitue pas un rapport d’inspection général couvrant tous les problèmes possibles.
Une question choice sélectionne parmi des options possédant des valeurs distinctes et des descriptions expliquant quand elles s’appliquent. Le choix renvoyé est l’une de ces valeurs, accompagné des probabilités de chaque option et d’un champ de confiance distinct. Pour l’orientation, définissez des catégories correspondant aux équipes ou aux issues réellement disponibles, et incluez une option « autre » lorsque l’ensemble ne couvre pas toutes les entrées. Gardez ces catégories non ordonnées : leur position ne constitue pas une échelle de gravité.
Un cahier des charges de classification concret peut distinguer un défaut produit, un problème d’accès et une demande générale. Décrivez la frontière entre ces catégories au lieu de vous appuyer uniquement sur des noms courts. Utilisez le choix renvoyé comme libellé proposé et examinez la distribution lorsque plusieurs sens restent plausibles. Le résultat fournit une sélection ; l’application détermine si cette sélection doit déclencher une orientation automatique ou une vérification.
Une question score utilise des niveaux ordonnés, du plus bas au plus haut. Les indices des niveaux commencent à 0, et le score est la moyenne de ces indices pondérée par les probabilités. Il peut se situer entre deux niveaux. Pour la gravité d’un problème, un niveau peut correspondre à un impact esthétique, un autre à un contournement utilisable et un autre à un blocage complet ; définissez les critères qui les séparent. La réponse comprend les probabilités de chaque niveau et la confiance, en plus du score.
Le score attendu résume la distribution plutôt que de choisir une seule catégorie. Préservez cette distinction lorsque vous utilisez un résultat pour établir des priorités ou une tendance agrégée. Un affichage à catégories fixes peut utiliser une question choice à la place. La confiance est un champ distinct renvoyé pour les réponses choice et score ; le guide ne la définit pas comme identique à la probabilité de l’option sélectionnée.
Des questions indépendantes peuvent partager l’entrée dans une même requête au producteur, y compris avec des types de questions différents. Une photo pourrait servir à un prédicat de défaut et à un choix de catégorie, ou un message à une évaluation de catégorie et de gravité. Donnez à chaque préoccupation ses propres instructions et son propre sens. Lorsqu’une décision ultérieure dépend d’un résultat antérieur, le producteur recommande des requêtes séparées afin que la seconde question puisse utiliser explicitement ce résultat. Ne supposez pas que l’ordre des questions dans un tableau en fait une conversation séquentielle.
Decisions fournit le résultat predicate, choice ou score défini. Une réponse peut aussi être de type refusal ; vérifiez son type avant de lire une probabilité, un choix ou un score. OpenAI distingue cela de la génération d’objets arbitraires fondés sur un schéma ou d’explications écrites via Structured Outputs, ainsi que de la demande d’exécution d’un outil via function calling. Une réponse de décision ne doit pas être présentée comme une justification générée ou une preuve qu’une action externe a eu lieu. La sortie, le raisonnement et les réglages d’outils des modèles de chat généraux ne font pas automatiquement partie de ce mode spécialisé.
Utilisez des entrées annotées représentatives pour évaluer les seuils d’orientation, de filtrage et de vérification, en tenant compte des conséquences des faux positifs et des faux négatifs. Gardez associés les éléments sources, les définitions des questions et les sorties numériques brutes afin de pouvoir examiner un résultat ambigu. Gardez l’entrée partagée pertinente pour les questions nommées et définissez clairement chaque option ou niveau de la grille avant de soumettre la tâche de décision. Préparez les éléments et les types de réponses selon le processus de décision documenté, en interprétant la sortie au regard de la tâche qu’elle évalue.
POST /v1/systemonetext, imagedecisions| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-6-luna-decisions | Par défaut— |
Champprovider | Typeschema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champquestions | Typeobject | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champsession_id | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champstate | Typeschema | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champtrace | Typeschema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champuser | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champquestions.<id>.type | Typestring | ExigenceObligatoire | Valeurs et limites noul, choice, score | Par défaut— |
Champquestions.<id>.instructions | Typestring|object|array | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champquestions.<id>.criteria | Typeobject|array | ExigenceFacultatif | Valeurs et limites Conditions: choice/score : requis; noul : facultatif. Les critères de choice forment un objet; score est un tableau avec minItems1. | Par défaut— |
Champquestions.<id>.criteria.true | Typestring|object|array | ExigenceObligatoire | Valeurs et limites S’applique lorsque: objet de critères noul fourni | Par défaut— |
Champquestions.<id>.criteria.false | Typestring|object|array | ExigenceObligatoire | Valeurs et limites S’applique lorsque: objet de critères noul fourni | Par défaut— |
noul · Obligatoire : state, questions.<id>.type=noul, questions.<id>.instructions
choice · Obligatoire : state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Obligatoire : state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, state, questions |
Paramètrematerial_types | Contrattext, image |
Paramètreoptional_controls | Contratprovider, session_id, trace, user |
Paramètremultimodal_input_binding | ContratUtilisez seulement la représentation exacte déclarée de l’état ou du document. La capacité d’image du fabricant ne suffit pas à établir un format de transport d’image accepté propre au modèle. |
Cycle de vie : synchronous
Envoyez l’identifiant exact du modèle et conservez la réponse native complète.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "openai/gpt-6-luna-decisions",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='openai/gpt-6-luna-decisions'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Chaque réponse fournie pour un identifiant de question est conservée avec son type exact, sa valeur noul/choice/score, sa confiance, ses probabilités et sa légende. Le JSON d’origine complet est stocké et retourné uniquement après le règlement.
Conservez l’opération d’origine et la réponse complète ou partielle; ne rejouez pas la demande POST.
| Champ | Type |
|---|---|
Champmodel | Typestring |
Champid | Typestring |
Champprovider | Typestring |
Champanswers.<id>.type | Typestring |
Champanswers.<id>.noul | Typenumber |
Champanswers.<id>.choice | Typestring |
Champanswers.<id>.score | Typenumber |
Champanswers.<id>.confidence | Typenumber |
Champanswers.<id>.probabilities | Typeobject |
Champanswers.<id>.legend | Typeobject |
Champusage.input_tokens | Typeinteger |
Champusage.output_tokens | Typeinteger |
Champusage.cost | Typenumber |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamp requis, représentation ou valeur invalide | Étape suivanteCorrigez le champ de demande indiqué. |
Ailoot Ultra openai/gpt-6-luna-decisions
Utilisez les chemins de méthode indiqués ci-dessus.