GPT-5.6 Luna Pro מציין את GPT-5.6 Luna של OpenAI עם הסקת Pro. מהדורת הבסיס Luna מיועדת לעומסי עבודה ממוקדים בהיקף גדול, ומקבילה בקירוב לדרג nano במשפחות GPT-5 קודמות. היא מקבלת טקסט ותמונות ומפיקה טקסט. Pro מוסיף עבודה של המודל כדי לפתח את התשובה הסופית; זהו מצב ביצוע, ולא תחליף למהדורת הבסיס.
שימוש מעשי הוא חילוץ קבוצת מידע מוגדרת ממסמך שהכללים שלו כוללים חריגים. ספקו את המסמך ואת השדות הדרושים, ציינו אילו קטעים מקבלים עדיפות והסבירו כיצד לטפל בערך חסר. בקשה לדוגמה היא לחלץ את נושא המסמך, את התנאים הרלוונטיים לבקשה ואת השאלה הבאה הדרושה להשלמתה. בקשו הסבר לחריג לצד השדות שחולצו, כדי שיהיה אפשר להשוות את התוצאה למקור.
לחומר חזותי, ספקו עמוד או צילום מסך ברורים וציינו את הפרט או התווית המסוימים שמנחים את המשימה. למשימת כתיבת תגובה, ספקו את הבקשה, את הכללים שמנחים את התשובה ואת העובדות שיש לשמר. הגדירו את הטון ואת האורך הרצויים, ואז בקשו תשובה תמציתית אחת במקום דיון בלתי מוגבל. ההכנה מחברת את התפקיד הממוקד של Luna לתוצאת טקסט קונקרטית.
OpenAI מגדירה עבור GPT-5.6 Luna חלון הקשר של 1,050,000 טוקנים, קלט מרבי של 922,000 טוקנים ופלט מרבי של 128,000 טוקנים, עם תאריך חיתוך ידע של 16 בפברואר 2026. אפשרויות מאמץ ההסקה הבסיסיות הן none, low, medium, high, xhigh ו-max; medium היא ברירת המחדל. המצב והמאמץ עצמאיים: Pro קובע עבודה נוספת של המודל, והמאמץ קובע את כמות ההסקה בתוך המצב. גם ההסקה משתמשת במקום בהקשר, ולכן יש להשאיר מקום לניתוח ולתגובה הגלויה.
היצרנית מתעדת את Pro ב-Responses API למשימות קשות שיכולות לשאת השהיה נוספת ופעילות נוספת של המודל. מודל הבסיס מונה הזרמה, Structured Outputs, קריאה לפונקציות, חיפוש באינטרנט ובקבצים, קלט תמונה ושמירת פרומפטים במטמון. הכלים שלו כוללים יצירת תמונות, פירוש קוד, פעולות shell ו-patch מתארחות, מיומנויות, שימוש במחשב, חיבורי MCP וחיפוש כלים. פעולות כלים דורשות את הסביבה המתאימה; אפליקציה מבצעת את הפעולות שלה ומספקת תוצאות בפועל להמשך העבודה.
הגדירו תוצר סופי שימושי: שדות נדרשים, הכלל שתומך בהחלטה ושאלות שעדיין פתוחות. לדוגמה, בקשו טיוטת תשובה לצד עובדות המסמך שעליהן היא נשענת, ואז חדדו את התשובה אחרי אספקת מידע חסר. שמרו על הבחנה גלויה בין פעולה מוצעת לבין פעולה שהושלמה בכלי. התהליך נותן לניתוח הנוסף של Pro מטרה מסוימת בתוך משימת Luna מוגדרת בהיקפה.
", "aboutText": "GPT-5.6 Luna Pro מציין את GPT-5.6 Luna של OpenAI עם הסקת Pro. מהדורת הבסיס Luna מיועדת לעומסי עבודה ממוקדים בהיקף גדול, ומקבילה בקירוב לדרג nano במשפחות GPT-5 קודמות. היא מקבלת טקסט ותמונות ומפיקה טקסט. Pro מוסיף עבודה של המודל כדי לפתח את התשובה הסופית; זהו מצב ביצוע, ולא תחליף למהדורת הבסיס.\n\nשימוש מעשי הוא חילוץ קבוצת מידע מוגדרת ממסמך שהכללים שלו כוללים חריגים. ספקו את המסמך ואת השדות הדרושים, ציינו אילו קטעים מקבלים עדיפות והסבירו כיצד לטפל בערך חסר. בקשה לדוגמה היא לחלץ את נושא המסמך, את התנאים הרלוונטיים לבקשה ואת השאלה הבאה הדרושה להשלמתה. בקשו הסבר לחריג לצד השדות שחולצו, כדי שיהיה אפשר להשוות את התוצאה למקור.\n\nלחומר חזותי, ספקו עמוד או צילום מסך ברורים וציינו את הפרט או התווית המסוימים שמנחים את המשימה. למשימת כתיבת תגובה, ספקו את הבקשה, את הכללים שמנחים את התשובה ואת העובדות שיש לשמר. הגדירו את הטון ואת האורך הרצויים, ואז בקשו תשובה תמציתית אחת במקום דיון בלתי מוגבל. ההכנה מחברת את התפקיד הממוקד של Luna לתוצאת טקסט קונקרטית.\n\nOpenAI מגדירה עבור GPT-5.6 Luna חלון הקשר של 1,050,000 טוקנים, קלט מרבי של 922,000 טוקנים ופלט מרבי של 128,000 טוקנים, עם תאריך חיתוך ידע של 16 בפברואר 2026. אפשרויות מאמץ ההסקה הבסיסיות הן none, low, medium, high, xhigh ו-max; medium היא ברירת המחדל. המצב והמאמץ עצמאיים: Pro קובע עבודה נוספת של המודל, והמאמץ קובע את כמות ההסקה בתוך המצב. גם ההסקה משתמשת במקום בהקשר, ולכן יש להשאיר מקום לניתוח ולתגובה הגלויה.\n\nהיצרנית מתעדת את Pro ב-Responses API למשימות קשות שיכולות לשאת השהיה נוספת ופעילות נוספת של המודל. מודל הבסיס מונה הזרמה, Structured Outputs, קריאה לפונקציות, חיפוש באינטרנט ובקבצים, קלט תמונה ושמירת פרומפטים במטמון. הכלים שלו כוללים יצירת תמונות, פירוש קוד, פעולות shell ו-patch מתארחות, מיומנויות, שימוש במחשב, חיבורי MCP וחיפוש כלים. פעולות כלים דורשות את הסביבה המתאימה; אפליקציה מבצעת את הפעולות שלה ומספקת תוצאות בפועל להמשך העבודה.\n\nהגדירו תוצר סופי שימושי: שדות נדרשים, הכלל שתומך בהחלטה ושאלות שעדיין פתוחות. לדוגמה, בקשו טיוטת תשובה לצד עובדות המסמך שעליהן היא נשענת, ואז חדדו את התשובה אחרי אספקת מידע חסר. שמרו על הבחנה גלויה בין פעולה מוצעת לבין פעולה שהושלמה בכלי. התהליך נותן לניתוח הנוסף של Pro מטרה מסוימת בתוך משימת Luna מוגדרת בהיקפה.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "20b0d6ebe35a5e613f7894f08c19552c50047516540e9386ff98d234334e6074", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "he", "methods": [ { "html": "openai/gpt-5.6-luna-pro:batchGPT-5.6 Luna עם הסקת Pro למשימות ממוקדות שדורשות ניתוח נוסף. ספקו טקסט או תמונות וכללים מפורשים כדי לפתח תוצאת חילוץ מידע, תגובה תמציתית או הסבר לחריג.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
GPT-5.6 Luna Pro מציין את GPT-5.6 Luna של OpenAI עם הסקת Pro. מהדורת הבסיס Luna מיועדת לעומסי עבודה ממוקדים בהיקף גדול, ומקבילה בקירוב לדרג nano במשפחות GPT-5 קודמות. היא מקבלת טקסט ותמונות ומפיקה טקסט. Pro מוסיף עבודה של המודל כדי לפתח את התשובה הסופית; זהו מצב ביצוע, ולא תחליף למהדורת הבסיס.
שימוש מעשי הוא חילוץ קבוצת מידע מוגדרת ממסמך שהכללים שלו כוללים חריגים. ספקו את המסמך ואת השדות הדרושים, ציינו אילו קטעים מקבלים עדיפות והסבירו כיצד לטפל בערך חסר. בקשה לדוגמה היא לחלץ את נושא המסמך, את התנאים הרלוונטיים לבקשה ואת השאלה הבאה הדרושה להשלמתה. בקשו הסבר לחריג לצד השדות שחולצו, כדי שיהיה אפשר להשוות את התוצאה למקור.
לחומר חזותי, ספקו עמוד או צילום מסך ברורים וציינו את הפרט או התווית המסוימים שמנחים את המשימה. למשימת כתיבת תגובה, ספקו את הבקשה, את הכללים שמנחים את התשובה ואת העובדות שיש לשמר. הגדירו את הטון ואת האורך הרצויים, ואז בקשו תשובה תמציתית אחת במקום דיון בלתי מוגבל. ההכנה מחברת את התפקיד הממוקד של Luna לתוצאת טקסט קונקרטית.
OpenAI מגדירה עבור GPT-5.6 Luna חלון הקשר של 1,050,000 טוקנים, קלט מרבי של 922,000 טוקנים ופלט מרבי של 128,000 טוקנים, עם תאריך חיתוך ידע של 16 בפברואר 2026. אפשרויות מאמץ ההסקה הבסיסיות הן none, low, medium, high, xhigh ו-max; medium היא ברירת המחדל. המצב והמאמץ עצמאיים: Pro קובע עבודה נוספת של המודל, והמאמץ קובע את כמות ההסקה בתוך המצב. גם ההסקה משתמשת במקום בהקשר, ולכן יש להשאיר מקום לניתוח ולתגובה הגלויה.
היצרנית מתעדת את Pro ב-Responses API למשימות קשות שיכולות לשאת השהיה נוספת ופעילות נוספת של המודל. מודל הבסיס מונה הזרמה, Structured Outputs, קריאה לפונקציות, חיפוש באינטרנט ובקבצים, קלט תמונה ושמירת פרומפטים במטמון. הכלים שלו כוללים יצירת תמונות, פירוש קוד, פעולות shell ו-patch מתארחות, מיומנויות, שימוש במחשב, חיבורי MCP וחיפוש כלים. פעולות כלים דורשות את הסביבה המתאימה; אפליקציה מבצעת את הפעולות שלה ומספקת תוצאות בפועל להמשך העבודה.
הגדירו תוצר סופי שימושי: שדות נדרשים, הכלל שתומך בהחלטה ושאלות שעדיין פתוחות. לדוגמה, בקשו טיוטת תשובה לצד עובדות המסמך שעליהן היא נשענת, ואז חדדו את התשובה אחרי אספקת מידע חסר. שמרו על הבחנה גלויה בין פעולה מוצעת לבין פעולה שהושלמה בכלי. התהליך נותן לניתוח הנוסף של Pro מטרה מסוימת בתוך משימת Luna מוגדרת בהיקפה.
POST /v1/batchestexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהendpoint | סוגstring | דרישהחובה | ערכים ומגבלות /v1/chat/completions | ברירת מחדל— |
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות openai/gpt-5.6-luna-pro:batch | ברירת מחדל— |
שדהrequests | סוגbatch_item[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהrequests[].custom_id | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהrequests[].body.messages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהcompletion_window | סוגstring | דרישהרשות | ערכים ומגבלות 24h | ברירת מחדל— |
שדהprovider | סוגobject|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהrequests[].body.model | סוגstring | דרישהרשות | ערכים ומגבלות openai/gpt-5.6-luna-pro:batch, openai/gpt-5.6-luna-pro | ברירת מחדל— |
שדהprovider.only | סוגstring[] | דרישהרשות | ערכים ומגבלות openai | ברירת מחדל— |
שדהprovider.allow_fallbacks | סוגboolean|null | דרישהרשות | ערכים ומגבלות false, null | ברירת מחדל— |
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטendpoint, model, requests |
פרמטרmaterial_types | מפרטtext |
פרמטרrepresentation | מפרטrequests[] מוטמעים; לכל פריט יש custom_id ו־body |
פרמטרrequest_endpoint_profile | מפרט/v1/chat/completions |
פרמטרfile_material | מפרטהגורם הקורא רשאי לקרוא מקומית תוכן JSONL אמיתי בקידוד UTF-8 לתוך requests[]. לא נעשה שימוש בשדה purpose להעלאה, ב־input_file_id או בהפניה לקובץ. חומר לקוח חסר או ריק עוצר את ההכנה לפני POST. |
פרמטרserialization_order | מפרטendpoint, model, provider (אם צוין), completion_window (אם צוין), requests בסוף |
פרמטרoptional_controls | מפרטprovider.only, provider.allow_fallbacks, completion_window |
פרמטרschema_scope | מפרטגופי בקשות טקסט של Chat Completions במעטפת Batch המוטמעת המתועדת. |
מחזור חיים: asynchronous
GET /v1/batches/{operation_id} · ערך response.id מבקשת היצירה המקורית שהוחזר בפועל; אותם משתמש/מפתח/קבוצה
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0002 / 1K טוקנים פלט · טוקני פלט $0.0012 / 1K טוקנים קלט · קריאה מהמטמון $0.00002 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכולל272,000 | חיוב קלט · טוקני קלט $0.0002 / 1K טוקנים פלט · טוקני פלט $0.0012 / 1K טוקנים קלט · קריאה מהמטמון $0.00002 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 2 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-272,000 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0004 / 1K טוקנים פלט · טוקני פלט $0.0018 / 1K טוקנים קלט · קריאה מהמטמון $0.00004 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${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-5.6-luna-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-5.6-luna-pro:batch', 'openai/gpt-5.6-luna-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-luna-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 מוטמע מתוך results[].response.body
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\nשמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את JSON הסטטוס המקורי במלואו, כל תוצאה/custom_id ואת גוף התשובה או השגיאה המלא. שמרו את results[] שהושלמו כ־JSONL ללא סינון.
שמרו את מזהה הפעולה המקורי. לתשובת 503 result_pending_check יש X-Should-Retry:false; לעולם אל תשלחו מחדש אצווה מקורית שתוצאתה אינה ידועה.
| שדה | סוג |
|---|---|
שדהresults[].custom_id | סוגstring |
שדהresults[].response.body.choices[].message.content | סוגstring|null |
שדהresults[].error | סוגobject|null |
שדהusage | סוגobject|null |
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהendpoint | סוגstring |
שדהstatus | סוגstring |
שדהrequest_counts | סוגobject |
שדהresults[].id | סוגstring |
שדהresults[].response.status_code | סוגinteger |
שדהresults[].response.request_id | סוגstring |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאימעטפת מוטמעת מתועדת לא תקינה, מפתחות כפולים, זהות פריט לא תקינה או סתירה ביכולות המודל שהוגדרו. | השלב הבאתקנו את השדות שצוינו לפני כל שליחה חדשה. |
תגובה401 · authentication_error | תנאימפתח API לא תקין. | השלב הבאהשתמשו במפתח Ailoot המורשה. |
תגובה403 · permission_error | תנאיקבוצת Batch אינה זמינה. | השלב הבאבדקו את הרשאות המפתח/הקבוצה. |
תגובה422 · invalid_request_error | תנאיBatch מחויב מהיתרה; יצירה בחיוב מנוי נדחית. | השלב הבאהשתמשו בקבוצה המורשית שהחיוב שלה מנוכה מהיתרה. |
תגובה422 · price_unavailable | תנאילא ניתן לחשב הצעת מחיר לקלט Batch. | השלב הבאשמרו את התשובה; השתמשו בקלט המתועד למשפחת ה־API. |
תגובה402 · billing_error | תנאיהסכום לשריון עבור Batch אינו זמין. | השלב הבאפתרו את הבעיה המונעת את קבלת הבקשה לפני שליחת בקשה חדשה. |
תגובה503 · price_unavailable | תנאיהמחיר לשיטת Batch או התעריפים המקוריים אינם זמינים. | השלב הבאשמרו את התשובה; אל תחליפו את המחירים. |
תגובה503 · api_error | תנאינתיב הספק המדויק אינו זמין. | השלב הבאשמרו את התשובה לצורך תיקון נתיב הניתוב. |
תגובה503 · result_pending_check | תנאיהתוצאה המקורית דורשת בדיקה; X-Should-Retry:false. | השלב הבאשמרו את operation_id/id המקורי וקראו את הסטטוס שלו; לעולם אל תחזרו על ה־POST המקורי. |
תגובה404 · not_found | תנאיהפעולה לבדיקת סטטוס Batch אינה קיימת או שייכת לזהות אחרת. | השלב הבאהשתמשו בערך id המקורי המדויק ובאותם משתמש/מפתח/קבוצה. |
Ailoot Ultra openai/gpt-5.6-luna-pro:batch
השתמשו בנתיבי השיטות המוצגים למעלה.