GPT-5.6 Luna Pro menunjukkan GPT-5.6 Luna OpenAI dengan penalaran Pro. Edisi dasar Luna dirancang untuk beban kerja terfokus dengan volume tinggi dan kurang lebih sepadan dengan tingkat nano dalam keluarga GPT-5 terdahulu. Model ini menerima teks dan gambar serta menghasilkan teks. Pro menambahkan pekerjaan model untuk mengembangkan jawaban akhir; Pro adalah mode eksekusi, bukan pengganti edisi dasar.
Penggunaan praktisnya adalah mengekstrak informasi yang ditentukan dari dokumen dengan aturan yang mencakup pengecualian. Berikan dokumen serta kolom yang diperlukan, tentukan bagian yang diprioritaskan, dan jelaskan cara menangani nilai yang tidak tersedia. Contoh permintaannya adalah mengekstrak topik dokumen, kondisi yang relevan bagi permintaan, dan pertanyaan berikutnya yang diperlukan untuk melengkapinya. Minta penjelasan pengecualian bersama kolom hasil ekstraksi agar hasil dapat dibandingkan dengan sumber.
Untuk bahan visual, berikan halaman atau tangkapan layar yang jelas dan tentukan detail atau label spesifik yang mendasari tugas. Untuk tugas penulisan respons, berikan permintaan, aturan yang mengatur balasan, serta fakta yang harus dipertahankan. Tentukan nada dan panjang yang diinginkan, lalu minta satu jawaban ringkas, bukan pembahasan tanpa batas. Persiapan ini menghubungkan peran terfokus Luna dengan hasil teks yang konkret.
OpenAI menetapkan jendela konteks 1050000 token untuk GPT-5.6 Luna, masukan maksimum 922000 token, dan keluaran maksimum 128000 token, dengan batas pengetahuan 16 Februari 2026. Pilihan upaya penalaran dasarnya adalah none, low, medium, high, xhigh, dan max; medium adalah nilai bawaan. Mode dan upaya independen: Pro menentukan pekerjaan model tambahan, sedangkan upaya mengendalikan banyaknya penalaran dalam mode itu. Penalaran juga menggunakan ruang konteks, jadi sisakan ruang untuk analisis dan respons yang terlihat.
Produsen mendokumentasikan Pro dalam Responses API untuk tugas sulit yang dapat menerima latensi tambahan dan aktivitas model. Model dasar mencantumkan pengaliran, Structured Outputs, panggilan fungsi, pencarian web dan berkas, masukan gambar, serta penembolokan prompt. Perangkat alatnya mencakup pembuatan gambar, interpretasi kode, operasi shell dan patch yang dihosting, keterampilan, penggunaan komputer, koneksi MCP, serta pencarian alat. Operasi alat memerlukan lingkungan yang sesuai; aplikasi mengeksekusi tindakannya dan menyediakan hasil sebenarnya untuk melanjutkan pekerjaan.
Tentukan artefak akhir yang berguna: kolom wajib, aturan yang mendukung keputusan, dan pertanyaan yang masih terbuka. Misalnya, minta draf balasan beserta fakta dokumen yang menjadi dasarnya, lalu sempurnakan balasan setelah memberikan informasi yang belum tersedia. Pertahankan kejelasan perbedaan antara tindakan yang diusulkan dan tindakan yang telah diselesaikan alat. Alur ini memberi analisis tambahan Pro tujuan yang spesifik dalam tugas Luna yang berbatas.
", "aboutText": "GPT-5.6 Luna Pro menunjukkan GPT-5.6 Luna OpenAI dengan penalaran Pro. Edisi dasar Luna dirancang untuk beban kerja terfokus dengan volume tinggi dan kurang lebih sepadan dengan tingkat nano dalam keluarga GPT-5 terdahulu. Model ini menerima teks dan gambar serta menghasilkan teks. Pro menambahkan pekerjaan model untuk mengembangkan jawaban akhir; Pro adalah mode eksekusi, bukan pengganti edisi dasar.\n\nPenggunaan praktisnya adalah mengekstrak informasi yang ditentukan dari dokumen dengan aturan yang mencakup pengecualian. Berikan dokumen serta kolom yang diperlukan, tentukan bagian yang diprioritaskan, dan jelaskan cara menangani nilai yang tidak tersedia. Contoh permintaannya adalah mengekstrak topik dokumen, kondisi yang relevan bagi permintaan, dan pertanyaan berikutnya yang diperlukan untuk melengkapinya. Minta penjelasan pengecualian bersama kolom hasil ekstraksi agar hasil dapat dibandingkan dengan sumber.\n\nUntuk bahan visual, berikan halaman atau tangkapan layar yang jelas dan tentukan detail atau label spesifik yang mendasari tugas. Untuk tugas penulisan respons, berikan permintaan, aturan yang mengatur balasan, serta fakta yang harus dipertahankan. Tentukan nada dan panjang yang diinginkan, lalu minta satu jawaban ringkas, bukan pembahasan tanpa batas. Persiapan ini menghubungkan peran terfokus Luna dengan hasil teks yang konkret.\n\nOpenAI menetapkan jendela konteks 1050000 token untuk GPT-5.6 Luna, masukan maksimum 922000 token, dan keluaran maksimum 128000 token, dengan batas pengetahuan 16 Februari 2026. Pilihan upaya penalaran dasarnya adalah none, low, medium, high, xhigh, dan max; medium adalah nilai bawaan. Mode dan upaya independen: Pro menentukan pekerjaan model tambahan, sedangkan upaya mengendalikan banyaknya penalaran dalam mode itu. Penalaran juga menggunakan ruang konteks, jadi sisakan ruang untuk analisis dan respons yang terlihat.\n\nProdusen mendokumentasikan Pro dalam Responses API untuk tugas sulit yang dapat menerima latensi tambahan dan aktivitas model. Model dasar mencantumkan pengaliran, Structured Outputs, panggilan fungsi, pencarian web dan berkas, masukan gambar, serta penembolokan prompt. Perangkat alatnya mencakup pembuatan gambar, interpretasi kode, operasi shell dan patch yang dihosting, keterampilan, penggunaan komputer, koneksi MCP, serta pencarian alat. Operasi alat memerlukan lingkungan yang sesuai; aplikasi mengeksekusi tindakannya dan menyediakan hasil sebenarnya untuk melanjutkan pekerjaan.\n\nTentukan artefak akhir yang berguna: kolom wajib, aturan yang mendukung keputusan, dan pertanyaan yang masih terbuka. Misalnya, minta draf balasan beserta fakta dokumen yang menjadi dasarnya, lalu sempurnakan balasan setelah memberikan informasi yang belum tersedia. Pertahankan kejelasan perbedaan antara tindakan yang diusulkan dan tindakan yang telah diselesaikan alat. Alur ini memberi analisis tambahan Pro tujuan yang spesifik dalam tugas Luna yang berbatas.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2988242959d5d82e56e22d9e196d8b04a1f9125e7a2e0e2588ab9eb8e2c2936b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "openai/gpt-5.6-luna-pro:batchGPT-5.6 Luna dengan penalaran Pro untuk tugas terfokus yang memerlukan analisis tambahan. Berikan teks atau gambar dan aturan eksplisit untuk mengembangkan hasil ekstraksi, respons ringkas, atau penjelasan atas suatu pengecualian.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
GPT-5.6 Luna Pro menunjukkan GPT-5.6 Luna OpenAI dengan penalaran Pro. Edisi dasar Luna dirancang untuk beban kerja terfokus dengan volume tinggi dan kurang lebih sepadan dengan tingkat nano dalam keluarga GPT-5 terdahulu. Model ini menerima teks dan gambar serta menghasilkan teks. Pro menambahkan pekerjaan model untuk mengembangkan jawaban akhir; Pro adalah mode eksekusi, bukan pengganti edisi dasar.
Penggunaan praktisnya adalah mengekstrak informasi yang ditentukan dari dokumen dengan aturan yang mencakup pengecualian. Berikan dokumen serta kolom yang diperlukan, tentukan bagian yang diprioritaskan, dan jelaskan cara menangani nilai yang tidak tersedia. Contoh permintaannya adalah mengekstrak topik dokumen, kondisi yang relevan bagi permintaan, dan pertanyaan berikutnya yang diperlukan untuk melengkapinya. Minta penjelasan pengecualian bersama kolom hasil ekstraksi agar hasil dapat dibandingkan dengan sumber.
Untuk bahan visual, berikan halaman atau tangkapan layar yang jelas dan tentukan detail atau label spesifik yang mendasari tugas. Untuk tugas penulisan respons, berikan permintaan, aturan yang mengatur balasan, serta fakta yang harus dipertahankan. Tentukan nada dan panjang yang diinginkan, lalu minta satu jawaban ringkas, bukan pembahasan tanpa batas. Persiapan ini menghubungkan peran terfokus Luna dengan hasil teks yang konkret.
OpenAI menetapkan jendela konteks 1050000 token untuk GPT-5.6 Luna, masukan maksimum 922000 token, dan keluaran maksimum 128000 token, dengan batas pengetahuan 16 Februari 2026. Pilihan upaya penalaran dasarnya adalah none, low, medium, high, xhigh, dan max; medium adalah nilai bawaan. Mode dan upaya independen: Pro menentukan pekerjaan model tambahan, sedangkan upaya mengendalikan banyaknya penalaran dalam mode itu. Penalaran juga menggunakan ruang konteks, jadi sisakan ruang untuk analisis dan respons yang terlihat.
Produsen mendokumentasikan Pro dalam Responses API untuk tugas sulit yang dapat menerima latensi tambahan dan aktivitas model. Model dasar mencantumkan pengaliran, Structured Outputs, panggilan fungsi, pencarian web dan berkas, masukan gambar, serta penembolokan prompt. Perangkat alatnya mencakup pembuatan gambar, interpretasi kode, operasi shell dan patch yang dihosting, keterampilan, penggunaan komputer, koneksi MCP, serta pencarian alat. Operasi alat memerlukan lingkungan yang sesuai; aplikasi mengeksekusi tindakannya dan menyediakan hasil sebenarnya untuk melanjutkan pekerjaan.
Tentukan artefak akhir yang berguna: kolom wajib, aturan yang mendukung keputusan, dan pertanyaan yang masih terbuka. Misalnya, minta draf balasan beserta fakta dokumen yang menjadi dasarnya, lalu sempurnakan balasan setelah memberikan informasi yang belum tersedia. Pertahankan kejelasan perbedaan antara tindakan yang diusulkan dan tindakan yang telah diselesaikan alat. Alur ini memberi analisis tambahan Pro tujuan yang spesifik dalam tugas Luna yang berbatas.
POST /v1/batchestexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolomendpoint | Jenisstring | PersyaratanWajib | Nilai & batasan /v1/chat/completions | Bawaan— |
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan openai/gpt-5.6-luna-pro:batch | Bawaan— |
Kolomrequests | Jenisbatch_item[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolomrequests[].custom_id | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomrequests[].body.messages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomcompletion_window | Jenisstring | PersyaratanOpsional | Nilai & batasan 24h | Bawaan— |
Kolomprovider | Jenisobject|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomrequests[].body.model | Jenisstring | PersyaratanOpsional | Nilai & batasan openai/gpt-5.6-luna-pro:batch, openai/gpt-5.6-luna-pro | Bawaan— |
Kolomprovider.only | Jenisstring[] | PersyaratanOpsional | Nilai & batasan openai | Bawaan— |
Kolomprovider.allow_fallbacks | Jenisboolean|null | PersyaratanOpsional | Nilai & batasan false, null | Bawaan— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakendpoint, model, requests |
Parametermaterial_types | Kontraktext |
Parameterrepresentation | Kontrakrequests[] inline; setiap item memiliki custom_id dan body |
Parameterrequest_endpoint_profile | Kontrak/v1/chat/completions |
Parameterfile_material | KontrakPemanggil dapat membaca JSONL UTF-8 aktual secara lokal ke dalam requests[]. Tidak menggunakan purpose unggahan, input_file_id, atau referensi file. Materi pelanggan yang tidak ada atau kosong menghentikan persiapan sebelum POST. |
Parameterserialization_order | Kontrakendpoint, model, provider (jika disertakan), completion_window (jika disertakan), requests paling akhir |
Parameteroptional_controls | Kontrakprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | Kontrakbody teks Chat Completions dalam envelope Batch inline yang didokumentasikan. |
Siklus hidup: asynchronous
GET /v1/batches/{operation_id} · response.id aktual dari operasi create awal; user/key/group yang sama
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasuk272.000 | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 2 | Jadwal tarif— | Token konteks, lebih dari272.000 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0004 / 1K token Keluaran · Token keluaran $0.0018 / 1K token Masukan · Pembacaan cache $0.00004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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 inline pada 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\nSimpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Pertahankan JSON status asli secara lengkap, setiap result/custom_id, serta body response atau error yang lengkap. Simpan results[] yang telah selesai sebagai JSONL tanpa penyaringan.
Pertahankan ID operasi asli. 503 result_pending_check memiliki X-Should-Retry:false; jangan pernah kirim ulang batch asli yang statusnya tidak diketahui.
| Kolom | Jenis |
|---|---|
Kolomresults[].custom_id | Jenisstring |
Kolomresults[].response.body.choices[].message.content | Jenisstring|null |
Kolomresults[].error | Jenisobject|null |
Kolomusage | Jenisobject|null |
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomendpoint | Jenisstring |
Kolomstatus | Jenisstring |
Kolomrequest_counts | Jenisobject |
Kolomresults[].id | Jenisstring |
Kolomresults[].response.status_code | Jenisinteger |
Kolomresults[].response.request_id | Jenisstring |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiEnvelope inline yang didokumentasikan tidak valid, ada kunci duplikat, atau terdapat konflik pada identitas item atau kemampuan model yang dikonfigurasi. | Langkah berikutnyaPerbaiki kolom yang ditunjukkan sebelum pengiriman baru apa pun. |
Respons401 · authentication_error | KondisiKunci API tidak valid. | Langkah berikutnyaGunakan kunci Ailoot yang berizin. |
Respons403 · permission_error | KondisiGrup Batch tidak tersedia. | Langkah berikutnyaPeriksa hak akses key/group. |
Respons422 · invalid_request_error | KondisiBatch menggunakan penagihan dari saldo; pembuatan dengan langganan ditolak. | Langkah berikutnyaGunakan grup berizin yang ditagih dari saldo. |
Respons422 · price_unavailable | KondisiPenawaran harga untuk input Batch tidak dapat dibuat. | Langkah berikutnyaSimpan respons; gunakan input keluarga API yang didokumentasikan. |
Respons402 · billing_error | KondisiCadangan Batch tidak tersedia. | Langkah berikutnyaSelesaikan kendala penerimaan sebelum mengirim permintaan baru. |
Respons503 · price_unavailable | KondisiHarga metode Batch/tarif native tidak tersedia. | Langkah berikutnyaSimpan respons; jangan mengganti harga. |
Respons503 · api_error | KondisiRute pemasok yang tepat tidak tersedia. | Langkah berikutnyaSimpan respons untuk perbaikan rute. |
Respons503 · result_pending_check | KondisiHasil asli perlu diperiksa; X-Should-Retry:false. | Langkah berikutnyaSimpan operation_id/id asli dan baca statusnya; jangan pernah mengulangi POST asli. |
Respons404 · not_found | KondisiOperasi status Batch tidak ada atau dimiliki oleh identitas lain. | Langkah berikutnyaGunakan id asli yang persis sama dan user/key/group yang sama. |
Ailoot Ultra openai/gpt-5.6-luna-pro:batch
Gunakan jalur metode yang ditampilkan di atas.