modèles

OpenAI: GPT-6 Luna Pro

Markdown · JSON

OpenAI: GPT-6 Luna Pro

GPT-6 Luna avec raisonnement Pro pour les tâches ciblées qui nécessitent une analyse supplémentaire avant la réponse finale. Le modèle de base accepte du texte et des images, ce qui le rend utile pour le traitement de documents selon des règles, les questions visuelles et les résultats écrits concis.

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 Pro désigne GPT-6 Luna d’OpenAI avec le raisonnement Pro. Luna est conçu pour les tâches ciblées et leur traitement en grand nombre ; ses entrées sont du texte et des images et sa sortie est du texte. Pro augmente le travail du modèle lors de l’élaboration de la réponse finale. C’est un mode d’exécution appliqué au modèle de base choisi, distinct du réglage d’effort de raisonnement qui contrôle la quantité d’analyse dans ce mode.

Une application pratique est le traitement d’une requête précisément définie avec plusieurs règles ou exceptions. Fournissez la requête, les catégories auxquelles elle peut appartenir et les informations qui déterminent l’action suivante. Demandez la catégorie, les faits pertinents et une courte réponse proposée. Un exemple de tâche consiste à classer une demande de document, identifier un champ manquant et rédiger un message demandant ce champ. La tâche reste ciblée même lorsque ses conditions nécessitent un examen attentif.

Pour une question fondée sur une image, fournissez une capture d’écran claire ou un autre matériau visuel et identifiez le détail à examiner. Vous pouvez demander une explication d’un état d’interface visible avec une courte instruction pour le lecteur. Pour un matériau écrit, définissez les champs ou énoncés qui doivent survivre à la transformation, les catégories autorisées et le format de réponse attendu. Un petit ensemble d’exemples représentatifs peut clarifier la frontière entre des catégories similaires sans laisser le modèle déduire vos règles.

OpenAI précise une fenêtre de contexte de 1 050 000 tokens pour GPT-6 Luna, avec une entrée maximale de 922 000 tokens et une sortie maximale de 128 000 tokens. La date limite des connaissances documentée est le 18 mai 2026. Le modèle de base prend en charge les efforts de raisonnement none, low, medium, high, xhigh et max, avec medium par défaut. Le raisonnement occupe de l’espace en tokens comme la réponse finale : le brief de tâche et le matériau fourni doivent donc garder de la place pour l’analyse et le résultat demandé.

Le concepteur documente Pro dans l’API Responses pour les requêtes difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Les outils intégrés de GPT-6 Luna et le raisonnement avec des appels de fonctions utilisent Responses ; dans l’interface Chat Completions du concepteur, les appels de fonctions sont pris en charge uniquement avec l’effort de raisonnement réglé sur none. Le modèle de base répertorie le streaming, Structured Outputs, la recherche web et dans les fichiers, les appels de fonctions et la mise en cache des prompts. Ses outils comprennent aussi la génération d’images, l’interprétation de code, les opérations de shell et de patch, les skills, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Votre application détermine et exécute les opérations qu’elle expose.

Utilisez un contrat de sortie précis pour la tâche finale : la décision, les champs qui l’étayent et toute information encore manquante. Par exemple, demandez une catégorie, une brève justification liée à la règle fournie et la question suivante à envoyer au lecteur. Vérifiez le résultat selon ces règles plutôt que d’ajouter une discussion sans limites. Ce processus utilise le rôle de Luna pour les tâches ciblées tout en réservant le travail supplémentaire de Pro à une requête dont les dépendances ou les exceptions nécessitent un examen plus complet.

Cas pratique

Cas pratique

Exemple technique en anglais

Find missing request details

Process this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.

Résultat attendu

A compact field table, missing-field list and targeted clarification message.

Vérifier le résultat

Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.
Ailoot Ultra · Chat OpenAI POST /v1/chat/completions openai/gpt-6-luna-pro

openai/gpt-6-luna-pro

OpenAI /openai/gpt-6-luna-pro

Premiers pas

GPT-6 Luna avec raisonnement Pro pour les tâches ciblées qui nécessitent une analyse supplémentaire avant la réponse finale. Le modèle de base accepte du texte et des images, ce qui le rend utile pour le traitement de documents selon des règles, les questions visuelles et les résultats écrits concis.

Entrées acceptées
Texte
Résultats
Texte

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Chat OpenAI POST /v1/chat/completions
Types d’entrée
text
Types de sortie
text
Format de sortie
json ou SSE
ChampTypeExigenceValeurs et limitesPar défaut
ChampmodelTypestringExigenceObligatoireValeurs et limites
openai/gpt-6-luna-pro
Par défaut—
ChampmessagesTypemessage[]ExigenceObligatoireValeurs et limites
Nombre minimal d’éléments: 1
Par défaut—
Champmessages[].roleTypestringExigenceObligatoireValeurs et limites
Exemples : system, user, assistant, tool, function
Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle.
Selon le modèle
Par défaut—
Champmessages[].contentTypestring|content_part[]|nullExigenceFacultatifValeurs et limitesPar défaut—
Champmessages[].tool_callsTypetool_call[]ExigenceFacultatifValeurs et limitesPar défaut—
Champmessages[].tool_call_idTypestringExigenceFacultatifValeurs et limites
S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé
Par défaut—
Champmessages[].nameTypestringExigenceFacultatifValeurs et limitesPar défaut—
Champmessages[].reasoning_contentTypestringExigenceFacultatifValeurs et limites
S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise
Par défaut—
Champmessages[].reasoning_detailsTypeobject|arrayExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champmax_tokensTypeintegerExigenceFacultatifValeurs et limites
Minimum: 1
Selon le modèle
Par défaut—
Champmax_completion_tokensTypeintegerExigenceFacultatifValeurs et limites
Minimum: 1
Selon le modèle
Par défaut—
ChampstreamTypebooleanExigenceFacultatifValeurs et limitesPar défautfalse
Champstream_options.include_usageTypebooleanExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChamptemperatureTypenumberExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champtop_pTypenumberExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChampstopTypestring|string[]ExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChamptoolsTypefunction_tool[]ExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champtools[].typeTypestringExigenceFacultatifValeurs et limites
function
Selon le modèle
Par défaut—
Champtools[].function.nameTypestringExigenceObligatoireValeurs et limites
S’applique lorsque: outil de fonction fourni
Par défaut—
Champtools[].function.descriptionTypestringExigenceFacultatifValeurs et limitesPar défaut—
Champtools[].function.parametersTypeJSON_schemaExigenceFacultatifValeurs et limitesPar défaut—
Champtool_choiceTypestring|objectExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champparallel_tool_callsTypebooleanExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champresponse_formatTypeobjectExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champreasoning_effortTypestringExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChampreasoningTypeobjectExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champservice_tierTypestringExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChampinstructionsTypestringExigenceFacultatifValeurs et limites
Champ de compatibilité
Par défaut—
ChampfunctionsTypefunction[]ExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champfunction_callTypestring|objectExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champprompt_cache_optionsTypeobjectExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChampmodalitiesTypestring[]ExigenceFacultatifValeurs et limites
text
Par défaut—
ChampproviderTypeobjectExigenceFacultatifValeurs et limites
Conditions: provider.options est rejeté sur cette route textuelle Ultra
Par défaut—
Champcache_control.ttlTypestringExigenceFacultatifValeurs et limites
Conditions: 1h est rejeté dans les emplacements réels du cache de prompt
Par défaut—
Combinaisons d’éléments d’entrée

Texte · Texte UTF8

messages[].content

Paramètres et cycle de vie de la méthode
ParamètreContrat
Paramètrecontent_typeContratapplication/json
ParamètrerequiredContratmodel, messages
Paramètrematerial_typesContrattext
ParamètremessagesContrattableau de messages avec une structure role/content
Paramètrefile_materialContratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit
Paramètreoptional_controlsContratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Paramètrecontrol_scopeContratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés
Paramètreoutput_modalitiesContrattext
Paramètrehosted_operationsContratfalse
Paramètremultimodal_input_bindingContratnull

Cycle de vie : synchronous_or_streamed

Envoyez l’identifiant exact du modèle avec messages.

La longueur du contexte n’est pas un plafond de sortie.

Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.

Tarifs

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

Mode rapide
Tarif standard Lorsque le mode rapide est sélectionné
Mode Flex
Tarif standard Lorsque le mode flex est sélectionné
Effort de raisonnement maximal
Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
Effort de raisonnement · élevé
Tarif standard Lorsque l’effort de raisonnement est élevé
Effort de raisonnement · faible
Tarif standard Lorsque l’effort de raisonnement est faible
Effort de raisonnement · maximal
Tarif standard Lorsque l’effort de raisonnement est maximal
Effort de raisonnement · moyen
Tarif standard Lorsque l’effort de raisonnement est moyen
Effort de raisonnement · aucun
Tarif standard Lorsque l’effort de raisonnement est nul
Effort de raisonnement · xhigh
Tarif standard Lorsque l’effort de raisonnement vaut xhigh

Tarifs Ailoot

Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

ConfigurationBarème tarifaireTokens de contexte, plus deTokens de contexte, jusqu’à la limite incluseCoût
ConfigurationTarifs de base des tokensBarème tarifaireTarif de baseTokens de contexte, plus de—Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.0002 / 1K tokens
Sortie · Tokens en sortie $0.001 / 1K tokens
Entrée · Lecture du cache $0.00002 / 1K tokens
Entrée · Écriture dans le cache $0.00025 / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationPalier 1 de longueur de requêteBarème tarifaire—Tokens de contexte, plus de0Tokens de contexte, jusqu’à la limite incluse272 000Coût
Entrée · Tokens en entrée $0.0002 / 1K tokens
Sortie · Tokens en sortie $0.001 / 1K tokens
Entrée · Lecture du cache $0.00002 / 1K tokens
Entrée · Écriture dans le cache $0.00025 / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationPalier 2 de longueur de requêteBarème tarifaire—Tokens de contexte, plus de272 000Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.0004 / 1K tokens
Sortie · Tokens en sortie $0.0015 / 1K tokens
Entrée · Lecture du cache $0.00004 / 1K tokens
Entrée · Écriture dans le cache $0.0005 / 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 →

Exemples de requêtes

Ailoot Ultra · Chat OpenAI

curlPython SDKStreaming Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/gpt-6-luna-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='openai/gpt-6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='openai/gpt-6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Recevoir et enregistrer les résultats

Ailoot Ultra · Chat OpenAI

json ou SSE

Conserver tous les résultats terminés

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

Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.

Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse
ChampType
Champchoices[].indexTypeinteger
Champchoices[].message.contentTypestring|null
Champchoices[].message.tool_callsTypetool_call[]
Champchoices[].message.reasoning_contentTypestring
Champchoices[].message.reasoning_detailsTypeobject|array
Champchoices[].finish_reasonTypestring|null
ChampusageTypeobject
Erreurs et étapes suivantes
RéponseConditionÉtape suivante
Réponse400 · invalid_request_errorConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non validesÉtape suivanteCorrigez les champs indiqués avant une nouvelle requête de création.

Alias

Alias du modèle

Ailoot Ultra openai/gpt-6-luna-pro

Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

ID d’appel associés

openai/gpt-6-luna-pro

Ailoot Ultra · Messages Anthropic POST /v1/messages openai/gpt-6-luna-pro

openai/gpt-6-luna-pro

OpenAI /openai/gpt-6-luna-pro

Premiers pas

GPT-6 Luna avec raisonnement Pro pour les tâches ciblées qui nécessitent une analyse supplémentaire avant la réponse finale. Le modèle de base accepte du texte et des images, ce qui le rend utile pour le traitement de documents selon des règles, les questions visuelles et les résultats écrits concis.

Entrées acceptées
Texte
Résultats
Texte

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Messages Anthropic POST /v1/messages
Types d’entrée
text
Types de sortie
text
Format de sortie
json ou SSE
ChampTypeExigenceValeurs et limitesPar défaut
ChampmodelTypestringExigenceObligatoireValeurs et limites
openai/gpt-6-luna-pro
Par défaut—
ChampmessagesTypemessage[]ExigenceObligatoireValeurs et limites
Nombre minimal d’éléments: 1
Par défaut—
Champmessages[].roleTypestringExigenceObligatoireValeurs et limites
user, assistant
Par défaut—
Champmessages[].contentTypestring|content_block[]ExigenceObligatoireValeurs et limitesPar défaut—
ChampsystemTypestring|content_block[]ExigenceFacultatifValeurs et limitesPar défaut—
Champmax_tokensTypeintegerExigenceObligatoireValeurs et limites
Minimum: 1
La limite s’applique à: plafond exact du modèle ou de la fiche sélectionnés
Par défaut—
ChampstreamTypebooleanExigenceFacultatifValeurs et limitesPar défautfalse
ChamptemperatureTypenumberExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champtop_pTypenumberExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champstop_sequencesTypestring[]ExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChamptoolsTypetool[]ExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champtools[].nameTypestringExigenceFacultatifValeurs et limites
S’applique lorsque: outil fourni
Par défaut—
Champtools[].descriptionTypestringExigenceFacultatifValeurs et limitesPar défaut—
Champtools[].input_schemaTypeJSON_schemaExigenceFacultatifValeurs et limitesPar défaut—
Champtool_choiceTypeobjectExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champthinking.typeTypestringExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champthinking.budget_tokensTypeintegerExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champoutput_config.effortTypestringExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChampmetadataTypeobjectExigenceFacultatifValeurs et limitesPar défaut—
Champcache_controlTypeobjectExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Combinaisons d’éléments d’entrée

Texte · Texte UTF8

messages[].content ou bloc type=text

Texte + image

{type:image,source:{type:base64,media_type,data}} ou source type=url

Paramètres et cycle de vie de la méthode
ParamètreContrat
Paramètrematerial_typesContrattext
ParamètrerequiredContratmodel, messages, max_tokens
Paramètreoptional_controlsContratnull
Paramètrecontent_typeContratapplication/json
Paramètretext_file_materialContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message.

Cycle de vie : exact retained published method

Envoyez l’identifiant exact du modèle et les champs obligatoires.

Conservez chaque élément renvoyé et ses identifiants d’origine.

Tarifs

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

Mode rapide
Tarif standard Lorsque le mode rapide est sélectionné
Mode Flex
Tarif standard Lorsque le mode flex est sélectionné
Effort de raisonnement maximal
Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
Effort de raisonnement · élevé
Tarif standard Lorsque l’effort de raisonnement est élevé
Effort de raisonnement · faible
Tarif standard Lorsque l’effort de raisonnement est faible
Effort de raisonnement · maximal
Tarif standard Lorsque l’effort de raisonnement est maximal
Effort de raisonnement · moyen
Tarif standard Lorsque l’effort de raisonnement est moyen
Effort de raisonnement · aucun
Tarif standard Lorsque l’effort de raisonnement est nul
Effort de raisonnement · xhigh
Tarif standard Lorsque l’effort de raisonnement vaut xhigh

Tarifs Ailoot

Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

ConfigurationBarème tarifaireTokens de contexte, plus deTokens de contexte, jusqu’à la limite incluseCoût
ConfigurationTarifs de base des tokensBarème tarifaireTarif de baseTokens de contexte, plus de—Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.0002 / 1K tokens
Sortie · Tokens en sortie $0.001 / 1K tokens
Entrée · Lecture du cache $0.00002 / 1K tokens
Entrée · Écriture dans le cache $0.00025 / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationPalier 1 de longueur de requêteBarème tarifaire—Tokens de contexte, plus de0Tokens de contexte, jusqu’à la limite incluse272 000Coût
Entrée · Tokens en entrée $0.0002 / 1K tokens
Sortie · Tokens en sortie $0.001 / 1K tokens
Entrée · Lecture du cache $0.00002 / 1K tokens
Entrée · Écriture dans le cache $0.00025 / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationPalier 2 de longueur de requêteBarème tarifaire—Tokens de contexte, plus de272 000Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.0004 / 1K tokens
Sortie · Tokens en sortie $0.0015 / 1K tokens
Entrée · Lecture du cache $0.00004 / 1K tokens
Entrée · Écriture dans le cache $0.0005 / 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 →

Exemples de requêtes

Ailoot Ultra · Messages Anthropic

Corps JSON minimal completcurl · utilisez votre document UTF-8Python · enregistrez le résultat complet
{
  "model": "openai/gpt-6-luna-pro",
  "max_tokens": 4096,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ]
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Recevoir et enregistrer les résultats

Ailoot Ultra · Messages Anthropic

json ou SSE

Conserver tous les résultats terminés

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

Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.

Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse
ChampType
ChampidTypestring
ChampmodelTypestring
Champcontent[]Typetext|thinking|tool_use|other content block
Champstop_reasonTypestring|null
ChampusageTypeobject
Erreurs et étapes suivantes
RéponseConditionÉtape suivante
Réponse400 · invalid_request_errorConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non validesÉtape suivanteCorrigez les champs indiqués avant une nouvelle requête de création.

Alias

Alias du modèle

Ailoot Ultra openai/gpt-6-luna-pro

Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

ID d’appel associés

openai/gpt-6-luna-pro

Ailoot Ultra · OpenAI Responses POST /v1/responses openai/gpt-6-luna-pro

openai/gpt-6-luna-pro

OpenAI /openai/gpt-6-luna-pro

Premiers pas

GPT-6 Luna avec raisonnement Pro pour les tâches ciblées qui nécessitent une analyse supplémentaire avant la réponse finale. Le modèle de base accepte du texte et des images, ce qui le rend utile pour le traitement de documents selon des règles, les questions visuelles et les résultats écrits concis.

Entrées acceptées
Texte
Résultats
Texte

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · OpenAI Responses POST /v1/responses
Types d’entrée
text
Types de sortie
text
Format de sortie
json ou SSE
ChampTypeExigenceValeurs et limitesPar défaut
ChampmodelTypestringExigenceObligatoireValeurs et limites
openai/gpt-6-luna-pro
Par défaut—
ChampinputTypestring|input_item[]ExigenceObligatoireValeurs et limitesPar défaut—
ChampinstructionsTypestringExigenceFacultatifValeurs et limitesPar défaut—
Champinput[].typeTypestringExigenceFacultatifValeurs et limites
message, reasoning, function_call, function_call_output
Par défaut—
Champinput[].contentTypestring|content_part[]ExigenceFacultatifValeurs et limitesPar défaut—
Champinput[].call_idTypestringExigenceFacultatifValeurs et limites
S’applique lorsque: function_call_output ; conservez le call_id réellement renvoyé
Par défaut—
Champinput[].outputTypestring|content_part[]ExigenceFacultatifValeurs et limites
S’applique lorsque: function_call_output
Par défaut—
Champmax_output_tokensTypeintegerExigenceFacultatifValeurs et limites
Minimum: 1
Selon le modèle
Par défaut—
ChampstreamTypebooleanExigenceFacultatifValeurs et limitesPar défautfalse
ChamptemperatureTypenumberExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champtop_pTypenumberExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChamptoolsTypetool[]ExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champtool_choiceTypestring|objectExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champparallel_tool_callsTypebooleanExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champreasoning.effortTypestringExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champreasoning.summaryTypestringExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champtext.formatTypeobjectExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champtext.verbosityTypestringExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChampincludeTypestring[]ExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
ChampstoreTypebooleanExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champprevious_response_idTypestringExigenceNon pris en chargeValeurs et limites
Exigence relative à l’ID: Uniquement un identifiant de réponse réel issu d’une continuation prise en charge
Conditions: Renvoyez l’historique réel de la conversation avec chaque requête.
Par défaut—
Champservice_tierTypestringExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champprompt_cache_keyTypestringExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Champprompt_cache_optionsTypeobjectExigenceFacultatifValeurs et limites
Selon le modèle
Par défaut—
Combinaisons d’éléments d’entrée

Texte · Texte UTF8

texte d’entrée ou partie input_text

Texte + image

{type:input_image,image_url}

Paramètres et cycle de vie de la méthode
ParamètreContrat
Paramètrematerial_typesContrattext
ParamètrerequiredContratmodel, input
Paramètreoptional_controlsContratnull
Paramètrecontent_typeContratapplication/json
Paramètretext_file_materialContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message.

Cycle de vie : exact retained published method

Envoyez l’identifiant exact du modèle et les champs obligatoires.

Conservez chaque élément renvoyé et ses identifiants d’origine.

Tarifs

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

Mode rapide
Tarif standard Lorsque le mode rapide est sélectionné
Mode Flex
Tarif standard Lorsque le mode flex est sélectionné
Effort de raisonnement maximal
Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
Effort de raisonnement · élevé
Tarif standard Lorsque l’effort de raisonnement est élevé
Effort de raisonnement · faible
Tarif standard Lorsque l’effort de raisonnement est faible
Effort de raisonnement · maximal
Tarif standard Lorsque l’effort de raisonnement est maximal
Effort de raisonnement · moyen
Tarif standard Lorsque l’effort de raisonnement est moyen
Effort de raisonnement · aucun
Tarif standard Lorsque l’effort de raisonnement est nul
Effort de raisonnement · xhigh
Tarif standard Lorsque l’effort de raisonnement vaut xhigh

Tarifs Ailoot

Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

ConfigurationBarème tarifaireTokens de contexte, plus deTokens de contexte, jusqu’à la limite incluseCoût
ConfigurationTarifs de base des tokensBarème tarifaireTarif de baseTokens de contexte, plus de—Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.0002 / 1K tokens
Sortie · Tokens en sortie $0.001 / 1K tokens
Entrée · Lecture du cache $0.00002 / 1K tokens
Entrée · Écriture dans le cache $0.00025 / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationPalier 1 de longueur de requêteBarème tarifaire—Tokens de contexte, plus de0Tokens de contexte, jusqu’à la limite incluse272 000Coût
Entrée · Tokens en entrée $0.0002 / 1K tokens
Sortie · Tokens en sortie $0.001 / 1K tokens
Entrée · Lecture du cache $0.00002 / 1K tokens
Entrée · Écriture dans le cache $0.00025 / 1K tokens
Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationPalier 2 de longueur de requêteBarème tarifaire—Tokens de contexte, plus de272 000Tokens de contexte, jusqu’à la limite incluseSans borne supérieureCoût
Entrée · Tokens en entrée $0.0004 / 1K tokens
Sortie · Tokens en sortie $0.0015 / 1K tokens
Entrée · Lecture du cache $0.00004 / 1K tokens
Entrée · Écriture dans le cache $0.0005 / 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 →

Exemples de requêtes

Ailoot Ultra · OpenAI Responses

Corps JSON minimal completcurl · utilisez votre document UTF-8Python · enregistrez le résultat complet
{
  "model": "openai/gpt-6-luna-pro",
  "input": [
    {
      "content": "Hello, how are you?",
      "role": "user",
      "type": "message"
    }
  ]
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}
payload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}
payload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}
headers['Authorization'] = 'Bearer ' + api_key
request = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Recevoir et enregistrer les résultats

Ailoot Ultra · OpenAI Responses

json ou SSE

Conserver tous les résultats terminés

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

Conservez chaque élément de sortie et chaque partie de contenu, le call_id réel de l’appel de fonction, le raisonnement chiffré et les données d’utilisation. En streaming, conservez l’identité complète des événements et des éléments.

Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse
ChampType
ChampidTypestring
ChampstatusTypestring
Champoutput[]Typemessage|reasoning|function_call|other item
Champoutput[].content[]Typecontent part
ChampusageTypeobject
Erreurs et étapes suivantes
RéponseConditionÉtape suivante
Réponse400 · invalid_request_errorConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non validesÉtape suivanteCorrigez les champs indiqués avant une nouvelle requête de création.

Alias

Alias du modèle

Ailoot Ultra openai/gpt-6-luna-pro

Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

ID d’appel associés

openai/gpt-6-luna-pro

FAQ · OpenAI: GPT-6 Luna Pro
Quelles entrées et quels résultats sont disponibles ?

POST /v1/chat/completions · openai/gpt-6-luna-pro: text → text

POST /v1/messages · openai/gpt-6-luna-pro: text → text

POST /v1/responses · openai/gpt-6-luna-pro: text → text

Quels champs la requête utilise-t-elle ?

POST /v1/chat/completions · openai/gpt-6-luna-pro: model, messages, stream, modalities, provider

POST /v1/messages · openai/gpt-6-luna-pro: model, messages, system, max_tokens, stream, metadata

POST /v1/responses · openai/gpt-6-luna-pro: model, input, instructions, stream

Quelles limites s’appliquent ?

POST /v1/chat/completions · openai/gpt-6-luna-pro: messages.min_items: 1

POST /v1/messages · openai/gpt-6-luna-pro: messages.min_items: 1; max_tokens.minimum: 1

Plus de détails

Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application.

L’entreprise et son portefeuille de projets

L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.

Achetez des tokens à prix réduit.

Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens.

Abonnement
Choisissez une offre à tarif réduit pour vos requêtes régulières.
Code promo jusqu’à 50%
Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours.
Dépenses dans l’historique
Modèle, tokens et montant sont enregistrés pour chaque requête.

Choisir un abonnement · Voir les prix des modèles

Connectez l’API au produit que vous vendez.

SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur.

Application commerciale
Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service.
Licence revendeur
Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente.
Documents sur le site
L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion.

Demander une licence revendeur · Offre officielle et contrat de licence