OpenAI: GPT-6 Luna (batch)

GPT-6 Luna est le modèle de raisonnement ciblé d’OpenAI pour les tâches répétées en grand nombre. Le texte et les images peuvent soutenir la classification, l’extraction, l’assistance et le travail guidé par des outils, avec un contexte de 1 050 000 jetons, une sortie textuelle structurée et un réglage facultatif d’effort sans raisonnement.

Ailoot Ultra · Traitement par lots POST /v1/batches openai/gpt-6-luna:batch

À propos du modèle

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 est le modèle ciblé d’OpenAI pour les tâches répétées en grand nombre. Il accepte du texte et des images et produit du texte, ce qui le rend utile pour des opérations définies comme la classification, l’extraction, la réécriture, les questions fondées sur des images et les étapes individuelles d’un processus d’assistance. Luna conserve son propre profil dans GPT-6, distinct du rôle de Sol en programmation complexe, des travaux les plus exigeants d’Astra et du réglage d’exécution Pro de Luna.

Définir une opération répétable

Donnez à chaque tâche un résultat clair : une catégorie, un petit enregistrement, une explication ou un passage révisé. Pour la classification, fournissez la signification des catégories et une convention pour les éléments qui n’entrent dans aucune. Pour l’extraction, définissez les champs, les unités et le traitement des informations absentes. Une consigne utile est : « Identifiez le problème principal de l’utilisateur, choisissez une de ces catégories et renvoyez la phrase qui soutient ce choix. »

Pour une réponse d’assistance, fournissez la question et le matériau source approuvé pertinent, puis identifiez la langue de réponse et les détails à conserver. Pour une image, préservez les étiquettes visibles et indiquez au modèle l’objet de la question. Gardez les formulations extraites distinctes de l’interprétation afin que l’enregistrement obtenu puisse être vérifié par rapport à l’entrée.

Effort et format de sortie

Le concepteur prend en charge les efforts de raisonnement none, low, medium, high, xhigh et max ; medium est la valeur par défaut. Le réglage none permet les tâches qui ne nécessitent pas de raisonnement intermédiaire, tandis qu’un effort plus élevé peut développer l’analyse d’une question plus complexe. L’effort de raisonnement et le mode d’exécution standard ou Pro sont des choix indépendants. Un contrat de sortie délimité reste nécessaire à chaque niveau d’effort.

Structured Outputs peut contraindre un enregistrement défini, et le texte ordinaire peut communiquer une courte réponse ou une explication. Précisez la signification des champs et les conventions de valeurs manquantes. La validité du format n’établit pas qu’une valeur extraite est présente dans la source : vérifiez donc le contenu ainsi que la structure.

Contexte et connaissances

La fiche de modèle indique un contexte de 1 050 000 jetons, jusqu’à 922 000 jetons d’entrée et jusqu’à 128 000 jetons de sortie. Sa date limite des connaissances est le 18 mai 2026. Le matériau source, la conversation, le raisonnement et la réponse visible doivent avoir de la place ensemble. Pour un travail répété, conservez les critères et les étiquettes de source importants plutôt que de laisser un historique sans rapport masquer l’opération.

Outils et résultats de l’application

OpenAI documente Responses pour les outils intégrés et les appels de fonctions. Chat Completions prend en charge les appels de fonctions pour ce modèle uniquement lorsque l’effort de raisonnement est none. La liste d’outils du concepteur comprend la recherche web et dans les fichiers, les outils de génération d’images, un interpréteur de code, les outils de ligne de commande et d’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. La sortie propre à Luna est du texte ; les images produites par des outils ou les actions exécutées sont des résultats distincts.

L’application effectue les opérations sélectionnées et renvoie l’observation pour l’étape suivante du modèle. Une recherche de produit peut fournir le champ manquant avant la composition de la réponse ; une tâche d’extraction peut utiliser un passage réellement récupéré. Le guide de GPT-6 décrit aussi le travail asynchrone des outils, la réorientation et les capacités de gestion du contexte au niveau de la famille.

Un résultat final utile est une réponse ou un enregistrement ciblé lié aux éléments probants fournis. Vérifiez ses valeurs, préservez la terminologie obligatoire et gardez les questions sur les informations actuelles liées à un matériau faisant autorité ou à des observations réelles d’outils. Le rôle de Luna est d’achever l’opération définie, sans transformer un vaste ensemble de sources en une tâche non précisée.

Ailoot Ultra · Traitement par lots POST /v1/batches openai/gpt-6-luna:batch

openai/gpt-6-luna:batch

OpenAI /openai/gpt-6-luna:batch

Pour commencer

Entrées acceptées: Texte
Résultats: Texte

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Traitement par lots POST /v1/batches

Entrée: text
Sortie: text
Format de sortie: JSON results[].response.body intégré

Champ	Type	Exigence	Valeurs et limites	Par défaut
Champ`endpoint`	Type`string`	ExigenceObligatoire	Valeurs et limites /v1/chat/completions	Par défaut—
Champ`model`	Type`string`	ExigenceObligatoire	Valeurs et limites openai/gpt-6-luna:batch	Par défaut—
Champ`requests`	Type`batch_item[]`	ExigenceObligatoire	Valeurs et limites Nombre minimal d’éléments: 1	Par défaut—
Champ`requests[].custom_id`	Type`string`	ExigenceObligatoire	Valeurs et limites	Par défaut—
Champ`requests[].body.messages`	Type`message[]`	ExigenceObligatoire	Valeurs et limites	Par défaut—
Champ`completion_window`	Type`string`	ExigenceFacultatif	Valeurs et limites 24h	Par défaut—
Champ`provider`	Type`object\|null`	ExigenceFacultatif	Valeurs et limites	Par défaut—
Champ`requests[].body.model`	Type`string`	ExigenceFacultatif	Valeurs et limites openai/gpt-6-luna:batch, openai/gpt-6-luna	Par défaut—
Champ`provider.only`	Type`string[]`	ExigenceFacultatif	Valeurs et limites openai	Par défaut—
Champ`provider.allow_fallbacks`	Type`boolean\|null`	ExigenceFacultatif	Valeurs et limites false, null	Par défaut—

Paramètres et cycle de vie de la méthode

Paramètre	Contrat
Paramètre`content_type`	Contratapplication/json
Paramètre`required`	Contratendpoint, model, requests
Paramètre`material_types`	Contrattext
Paramètre`representation`	Contratrequests[] intégré ; chaque élément comporte custom_id et body
Paramètre`request_endpoint_profile`	Contrat/v1/chat/completions
Paramètre`file_material`	ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST.
Paramètre`serialization_order`	Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier
Paramètre`optional_controls`	Contratprovider.only, provider.allow_fallbacks, completion_window
Paramètre`schema_scope`	ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée.

Cycle de vie : asynchronous

GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe

Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide: Non précisé Lorsque le mode rapide est sélectionné
Mode Flex: Non précisé Lorsque le mode flex est sélectionné
Effort de raisonnement maximal: Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
Tarification du cache explicite: Non activé Lorsque la mise en cache explicite est demandée

Tarifs Ailoot

Prix par configuration

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 $0.0001 / 1K jetons Sortie · Jetons en sortie $0.0005 / 1K jetons Entrée · Lecture du cache $0.00001 / 1K jetons Entrée · Écriture dans le cache $0.000125 / 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 incluse272 000	Coût Entrée · Jetons en entrée $0.0001 / 1K jetons Sortie · Jetons en sortie $0.0005 / 1K jetons Entrée · Lecture du cache $0.00001 / 1K jetons Entrée · Écriture dans le cache $0.000125 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons
ConfigurationPalier 2 de longueur de requête	Barème tarifaire—	Jetons de contexte, plus de272 000	Jetons de contexte, jusqu’à la limite incluseSans borne supérieure	Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0.00075 / 1K jetons Entrée · Lecture du cache $0.00002 / 1K jetons Entrée · Écriture dans le cache $0.00025 / 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 →

Exemples de requêtes

Ailoot Ultra · Traitement par lots

curl · jeu de données de test conservéPython HTTP · JSONL réel du clientPython · enregistrez chaque résultat finalisé

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.

Recevoir et enregistrer les résultats

Ailoot Ultra · Traitement par lots

JSON results[].response.body intégré

GET /v1/batches/{operation_id}

Vérifier l’état de la tâche

curl · état de l’opération d’origine

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

Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.

Si la réponse d’origine doit être vérifiée

Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.

Champs de la réponse

Champ	Type
Champ`results[].custom_id`	Typestring
Champ`results[].response.body.choices[].message.content`	Typestring\|null
Champ`results[].error`	Typeobject\|null
Champ`usage`	Typeobject\|null
Champ`id`	Typestring
Champ`model`	Typestring
Champ`endpoint`	Typestring
Champ`status`	Typestring
Champ`request_counts`	Typeobject
Champ`results[].id`	Typestring
Champ`results[].response.status_code`	Typeinteger
Champ`results[].response.request_id`	Typestring

Erreurs et étapes suivantes

Réponse	Condition	Étape suivante
Réponse400 · `invalid_request_error`	ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle.	Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission.
Réponse401 · `authentication_error`	ConditionClé API invalide.	Étape suivanteUtilisez la clé Ailoot autorisée.
Réponse403 · `permission_error`	ConditionGroupe de traitement par lots indisponible.	Étape suivanteVérifiez les droits d’accès de la clé/du groupe.
Réponse422 · `invalid_request_error`	ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée.	Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde.
Réponse422 · `price_unavailable`	ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots.	Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille.
Réponse402 · `billing_error`	ConditionRéserve pour le traitement par lots indisponible.	Étape suivanteRésolvez le problème d’admission avant d’envoyer une nouvelle requête.
Réponse503 · `price_unavailable`	ConditionPrix de la méthode Batch/tarifs natifs indisponibles.	Étape suivanteConservez la réponse ; ne remplacez pas les prix par d’autres.
Réponse503 · `api_error`	ConditionRoute exacte du fournisseur indisponible.	Étape suivanteConservez la réponse pour réparer la route.
Réponse503 · `result_pending_check`	ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false.	Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine.
Réponse404 · `not_found`	ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité.	Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe.

Alias

Alias du modèle

Ailoot Ultra openai/gpt-6-luna:batch

Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

ID d’appel associés

openai/gpt-6-luna:batch

FAQ · OpenAI: GPT-6 Luna (batch)

Quelles entrées et quels résultats sont disponibles ?: POST /v1/batches · openai/gpt-6-luna:batch: text → text
Quels champs la requête utilise-t-elle ?: POST /v1/batches · openai/gpt-6-luna:batch: endpoint, model, requests, completion_window, provider
Quelles limites s’appliquent ?: POST /v1/batches · openai/gpt-6-luna:batch: requests.min_items: 1

OpenAI: GPT-6 Luna (batch)