GPT-6 Astra Pro désigne GPT-6 Astra d’OpenAI avec le raisonnement Pro. Le modèle de base Astra est conçu pour le raisonnement exigeant, la programmation, la recherche, l’utilisation de l’ordinateur et les travaux professionnels. Il accepte du texte et des images et produit du texte. Pro augmente le travail du modèle lors de l’élaboration de la réponse finale, tandis que l’effort de raisonnement contrôle la quantité d’analyse dans le mode d’exécution choisi. Pro change le mode d’exécution, tandis que GPT-6 Astra reste le modèle sous-jacent.
La publication du concepteur consacrée à Astra décrit des processus qui transforment le matériau pertinent en documents, feuilles de calcul, présentations et analyses. Elle insiste sur le respect des modèles de document et du style rédactionnel ou visuel tout en sélectionnant le contexte important pour la tâche. Pour un document professionnel, fournissez le matériau source, les exigences du modèle de document et la décision que le lecteur doit prendre. Un exemple de requête consiste à rapprocher deux ensembles d’exigences de projet et produire un brief qui distingue les faits convenus, les éléments probants contradictoires et les conditions d’une recommandation.
Pour un travail d’ingénierie ou de recherche, précisez l’objectif, les éléments probants à examiner et ce qui compterait comme un achèvement. Une tâche de programmation peut inclure le comportement requis, les fichiers associés et les contraintes ; une tâche de recherche peut inclure la question et les critères d’évaluation du matériau fourni. Les capacités documentées d’Astra pour l’utilisation de l’ordinateur et la navigation relient les décisions du modèle à un environnement qui fournit les outils correspondants. Les sorties réelles de cet environnement sont les éléments probants de l’étape suivante, distincts des actions proposées par le modèle.
La spécification GPT-6 Astra d’OpenAI indique une fenêtre de contexte de 1 050 000 tokens, une entrée maximale de 922 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite des connaissances au 30 avril 2026. Ses choix d’effort de raisonnement sont low, medium, high, xhigh et max ; none n’est pas pris en charge. Les tokens de raisonnement et le résultat visible occupent tous deux de l’espace dans le contexte. OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle ; le mode et l’effort restent des réglages indépendants.
Le modèle de base répertorie le streaming, Structured Outputs, les appels de fonctions, la recherche web et dans les fichiers, les outils de génération d’images, l’interprétation de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Les appels de fonctions utilisent l’interface Responses du concepteur. Le guide de GPT-6 décrit aussi le travail asynchrone des outils et la réorientation d’un tour actif. Les applications exécutent leurs propres opérations, gèrent les travaux en attente et renvoient les informations obtenues ; la sortie propre au modèle reste du texte même lorsqu’un outil distinct crée un autre résultat.
La publication consacrée à Astra décrit l’adaptation à de nouvelles exigences tout en gardant l’objectif global en vue. Elle distingue aussi la révision défensive du code et les correctifs des travaux avancés de développement d’exploits, que le modèle peut refuser, et décrit des vérifications automatiques qui peuvent interrompre une tâche. Préparez une requête autour du résultat voulu, du travail autorisé et des éléments probants, plutôt que de traiter le raisonnement supplémentaire comme un substitut au matériau source manquant. Un résultat final utile énonce la conclusion ou la modification proposée, son fondement dans les informations fournies et toute question qui changerait sensiblement la décision.
", "aboutText": "GPT-6 Astra Pro désigne GPT-6 Astra d’OpenAI avec le raisonnement Pro. Le modèle de base Astra est conçu pour le raisonnement exigeant, la programmation, la recherche, l’utilisation de l’ordinateur et les travaux professionnels. Il accepte du texte et des images et produit du texte. Pro augmente le travail du modèle lors de l’élaboration de la réponse finale, tandis que l’effort de raisonnement contrôle la quantité d’analyse dans le mode d’exécution choisi. Pro change le mode d’exécution, tandis que GPT-6 Astra reste le modèle sous-jacent.\n\nLa publication du concepteur consacrée à Astra décrit des processus qui transforment le matériau pertinent en documents, feuilles de calcul, présentations et analyses. Elle insiste sur le respect des modèles de document et du style rédactionnel ou visuel tout en sélectionnant le contexte important pour la tâche. Pour un document professionnel, fournissez le matériau source, les exigences du modèle de document et la décision que le lecteur doit prendre. Un exemple de requête consiste à rapprocher deux ensembles d’exigences de projet et produire un brief qui distingue les faits convenus, les éléments probants contradictoires et les conditions d’une recommandation.\n\nPour un travail d’ingénierie ou de recherche, précisez l’objectif, les éléments probants à examiner et ce qui compterait comme un achèvement. Une tâche de programmation peut inclure le comportement requis, les fichiers associés et les contraintes ; une tâche de recherche peut inclure la question et les critères d’évaluation du matériau fourni. Les capacités documentées d’Astra pour l’utilisation de l’ordinateur et la navigation relient les décisions du modèle à un environnement qui fournit les outils correspondants. Les sorties réelles de cet environnement sont les éléments probants de l’étape suivante, distincts des actions proposées par le modèle.\n\nLa spécification GPT-6 Astra d’OpenAI indique une fenêtre de contexte de 1 050 000 tokens, une entrée maximale de 922 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite des connaissances au 30 avril 2026. Ses choix d’effort de raisonnement sont low, medium, high, xhigh et max ; none n’est pas pris en charge. Les tokens de raisonnement et le résultat visible occupent tous deux de l’espace dans le contexte. OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle ; le mode et l’effort restent des réglages indépendants.\n\nLe modèle de base répertorie le streaming, Structured Outputs, les appels de fonctions, la recherche web et dans les fichiers, les outils de génération d’images, l’interprétation de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Les appels de fonctions utilisent l’interface Responses du concepteur. Le guide de GPT-6 décrit aussi le travail asynchrone des outils et la réorientation d’un tour actif. Les applications exécutent leurs propres opérations, gèrent les travaux en attente et renvoient les informations obtenues ; la sortie propre au modèle reste du texte même lorsqu’un outil distinct crée un autre résultat.\n\nLa publication consacrée à Astra décrit l’adaptation à de nouvelles exigences tout en gardant l’objectif global en vue. Elle distingue aussi la révision défensive du code et les correctifs des travaux avancés de développement d’exploits, que le modèle peut refuser, et décrit des vérifications automatiques qui peuvent interrompre une tâche. Préparez une requête autour du résultat voulu, du travail autorisé et des éléments probants, plutôt que de traiter le raisonnement supplémentaire comme un substitut au matériau source manquant. Un résultat final utile énonce la conclusion ou la modification proposée, son fondement dans les informations fournies et toute question qui changerait sensiblement la décision.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e5136da4983b32c57930d186d2517864a4685ed0a103c3c89fb0faa5c8bc77eb", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr", "methods": [ { "html": "openai/gpt-6-astra-pro:batchGPT-6 Astra avec raisonnement Pro pour la recherche, la programmation et les travaux professionnels exigeants. Pro augmente le travail du modèle avant la réponse finale ; le modèle de base accepte du texte et des images et prend en charge des travaux en plusieurs étapes dans un environnement connecté à des outils.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-6 Astra Pro désigne GPT-6 Astra d’OpenAI avec le raisonnement Pro. Le modèle de base Astra est conçu pour le raisonnement exigeant, la programmation, la recherche, l’utilisation de l’ordinateur et les travaux professionnels. Il accepte du texte et des images et produit du texte. Pro augmente le travail du modèle lors de l’élaboration de la réponse finale, tandis que l’effort de raisonnement contrôle la quantité d’analyse dans le mode d’exécution choisi. Pro change le mode d’exécution, tandis que GPT-6 Astra reste le modèle sous-jacent.
La publication du concepteur consacrée à Astra décrit des processus qui transforment le matériau pertinent en documents, feuilles de calcul, présentations et analyses. Elle insiste sur le respect des modèles de document et du style rédactionnel ou visuel tout en sélectionnant le contexte important pour la tâche. Pour un document professionnel, fournissez le matériau source, les exigences du modèle de document et la décision que le lecteur doit prendre. Un exemple de requête consiste à rapprocher deux ensembles d’exigences de projet et produire un brief qui distingue les faits convenus, les éléments probants contradictoires et les conditions d’une recommandation.
Pour un travail d’ingénierie ou de recherche, précisez l’objectif, les éléments probants à examiner et ce qui compterait comme un achèvement. Une tâche de programmation peut inclure le comportement requis, les fichiers associés et les contraintes ; une tâche de recherche peut inclure la question et les critères d’évaluation du matériau fourni. Les capacités documentées d’Astra pour l’utilisation de l’ordinateur et la navigation relient les décisions du modèle à un environnement qui fournit les outils correspondants. Les sorties réelles de cet environnement sont les éléments probants de l’étape suivante, distincts des actions proposées par le modèle.
La spécification GPT-6 Astra d’OpenAI indique une fenêtre de contexte de 1 050 000 tokens, une entrée maximale de 922 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite des connaissances au 30 avril 2026. Ses choix d’effort de raisonnement sont low, medium, high, xhigh et max ; none n’est pas pris en charge. Les tokens de raisonnement et le résultat visible occupent tous deux de l’espace dans le contexte. OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle ; le mode et l’effort restent des réglages indépendants.
Le modèle de base répertorie le streaming, Structured Outputs, les appels de fonctions, la recherche web et dans les fichiers, les outils de génération d’images, l’interprétation de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Les appels de fonctions utilisent l’interface Responses du concepteur. Le guide de GPT-6 décrit aussi le travail asynchrone des outils et la réorientation d’un tour actif. Les applications exécutent leurs propres opérations, gèrent les travaux en attente et renvoient les informations obtenues ; la sortie propre au modèle reste du texte même lorsqu’un outil distinct crée un autre résultat.
La publication consacrée à Astra décrit l’adaptation à de nouvelles exigences tout en gardant l’objectif global en vue. Elle distingue aussi la révision défensive du code et les correctifs des travaux avancés de développement d’exploits, que le modèle peut refuser, et décrit des vérifications automatiques qui peuvent interrompre une tâche. Préparez une requête autour du résultat voulu, du travail autorisé et des éléments probants, plutôt que de traiter le raisonnement supplémentaire comme un substitut au matériau source manquant. Un résultat final utile énonce la conclusion ou la modification proposée, son fondement dans les informations fournies et toute question qui changerait sensiblement la décision.
POST /v1/batchestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champendpoint | Typestring | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— |
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-6-astra-pro:batch | Par défaut— |
Champrequests | Typebatch_item[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champrequests[].custom_id | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champrequests[].body.messages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champcompletion_window | Typestring | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— |
Champprovider | Typeobject|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champrequests[].body.model | Typestring | ExigenceFacultatif | Valeurs et limites openai/gpt-6-astra-pro:batch, openai/gpt-6-astra-pro | Par défaut— |
Champprovider.only | Typestring[] | ExigenceFacultatif | Valeurs et limites openai | Par défaut— |
Champprovider.allow_fallbacks | Typeboolean|null | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratendpoint, model, requests |
Paramètrematerial_types | Contrattext |
Paramètrerepresentation | Contratrequests[] intégré ; chaque élément comporte custom_id et body |
Paramètrerequest_endpoint_profile | Contrat/v1/chat/completions |
Paramètrefile_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. |
Paramètreserialization_order | Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier |
Paramètreoptional_controls | Contratprovider.only, provider.allow_fallbacks, completion_window |
Paramètreschema_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
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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.01 / 1K tokens Sortie · Tokens en sortie $0.05 / 1K tokens Entrée · Lecture du cache $0.001 / 1K tokens Entrée · Écriture dans le cache $0.0125 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse272 000 | Coût Entrée · Tokens en entrée $0.01 / 1K tokens Sortie · Tokens en sortie $0.05 / 1K tokens Entrée · Lecture du cache $0.001 / 1K tokens Entrée · Écriture dans le cache $0.0125 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de272 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.02 / 1K tokens Sortie · Tokens en sortie $0.075 / 1K tokens Entrée · Lecture du cache $0.002 / 1K tokens Entrée · Écriture dans le cache $0.025 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-pro: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-pro:batch', 'openai/gpt-6-astra-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-astra-pro: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 results[].response.body intégré
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\nConservez 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.
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.
| Champ | Type |
|---|---|
Champresults[].custom_id | Typestring |
Champresults[].response.body.choices[].message.content | Typestring|null |
Champresults[].error | Typeobject|null |
Champusage | Typeobject|null |
Champid | Typestring |
Champmodel | Typestring |
Champendpoint | Typestring |
Champstatus | Typestring |
Champrequest_counts | Typeobject |
Champresults[].id | Typestring |
Champresults[].response.status_code | Typeinteger |
Champresults[].response.request_id | Typestring |
| 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 suivanteRéglez les conditions d’admission avant une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne substituez pas d’autres prix. |
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. |
Ailoot Ultra openai/gpt-6-astra-pro:batch
Utilisez les chemins de méthode indiqués ci-dessus.