GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
", "aboutText": "### Ricerca, sviluppo e creazione di documenti\n\nGPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.\n\nSecondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.\n\n### Il ragionamento come parte del lavoro\n\nSono supportati i livelli `low`, `medium`, `high`, `xhigh` e `max`. Non è prevista la disattivazione del ragionamento tramite `none`. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.\n\nOpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per `Responses` e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.\n\nLa famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.\n\n### Materiali testuali e visivi\n\nIl modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.\n\nL'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.\n\n### Più azioni nella stessa attività\n\nL'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza `Responses`; `Chat Completions` supporta lo scambio testuale senza strumenti.\n\nCon il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.\n\nLa documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.\n\n### Forma del risultato e contesto ripetuto\n\nL'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.\n\nLa cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Prepare a source-backed decision memo\n\nPrepare a one-page decision memo from these findings. F1: The legacy system exports CSV but has no audit log. F2: The replacement imports CSV and records changes. F3: A pilot imported 40 of 50 records; 10 failed because owner_id was missing. Recommend the next migration step, define acceptance criteria and preserve what the pilot has actually proved.A memo with recommendation, evidence references, unresolved data issue and acceptance criteria for a later full migration.Check that the 40-record result is not reported as a completed 50-record migration and that missing owner_id remains a blocker.gpt-6-astraGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-6-astra | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposystem | Tipostring|content_block[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Il limite si applica a: Limite esatto del modello o della scheda selezionati | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop_sequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].name | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Strumento fornito | Predefinito— |
Campotools[].description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].input_schema | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.budget_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campooutput_config.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campocache_control | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content o blocco type=text
Testo + immagine
{type:image,source:{type:base64,media_type,data}} o origine type=url
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/messages| Dimensione della richiesta, in token | Input | Output | Lettura dalla cache | Scrittura nella cache | Cache 5 min | Cache 1 ora |
|---|---|---|---|---|---|---|
| Dimensione della richiesta, in token(0; 272.000] | Input0,01 USD | Output0,05 USD | Lettura dalla cache0,001 USD | Scrittura nella cache0,0125 USD | Cache 5 min0,0125 USD | Cache 1 oraTariffa base: — |
| Dimensione della richiesta, in token(272.000; ∞) | Input0,02 USD | Output0,075 USD | Lettura dalla cache0,002 USD | Scrittura nella cache0,025 USD | Cache 5 min0,025 USD | Cache 1 oraTariffa base: — |
Tariffe in USD per 1K token. Se non è impostata alcuna tariffa, viene ereditata la tariffa base di questo metodo; «—» indica che non è impostata alcuna tariffa base.
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt-6-astra",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt-6-astra",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gpt-6-astra',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/responsestext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-6-astra | Predefinito— |
Campoinput | Tipostring|input_item[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].type | Tipostring | RequisitoFacoltativo | Valori e limiti message, reasoning, function_call, function_call_output | Predefinito— |
Campoinput[].content | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output; conserva il call_id effettivamente restituito | Predefinito— |
Campoinput[].output | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output | Predefinito— |
Campomax_output_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.summary | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.verbosity | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinclude | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostore | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprevious_response_id | Tipostring | RequisitoFacoltativo | Valori e limiti Requisito dell’ID: Solo un ID di risposta effettivo proveniente da una continuazione supportata Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_key | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
Testo in ingresso o parte input_text
Testo + immagine
{type:input_image,image_url}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, input |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/responses| Dimensione della richiesta, in token | Input | Output | Lettura dalla cache | Scrittura nella cache | Cache 5 min | Cache 1 ora |
|---|---|---|---|---|---|---|
| Dimensione della richiesta, in token(0; 272.000] | Input0,01 USD | Output0,05 USD | Lettura dalla cache0,001 USD | Scrittura nella cache0,0125 USD | Cache 5 min0,0125 USD | Cache 1 oraTariffa base: — |
| Dimensione della richiesta, in token(272.000; ∞) | Input0,02 USD | Output0,075 USD | Lettura dalla cache0,002 USD | Scrittura nella cache0,025 USD | Cache 5 min0,025 USD | Cache 1 oraTariffa base: — |
Tariffe in USD per 1K token. Se non è impostata alcuna tariffa, viene ereditata la tariffa base di questo metodo; «—» indica che non è impostata alcuna tariffa base.
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="gpt-6-astra", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt-6-astra", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="gpt-6-astra", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni elemento di uscita e parte di contenuto, il call_id effettivo della funzione, il ragionamento cifrato e i dati di utilizzo. Nello streaming conserva l’identità completa di eventi ed elementi.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campostatus | Tipostring |
Campooutput[] | Tipomessage|reasoning|function_call|other item |
Campooutput[].content[] | Tipocontent part |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/chat/completionstext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-6-astra | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content
Testo + immagine
{type:image_url,image_url:{url,detail}}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, messages |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/chat/completions| Dimensione della richiesta, in token | Input | Output | Lettura dalla cache | Scrittura nella cache | Cache 5 min | Cache 1 ora |
|---|---|---|---|---|---|---|
| Dimensione della richiesta, in token(0; 272.000] | Input0,01 USD | Output0,05 USD | Lettura dalla cache0,001 USD | Scrittura nella cache0,0125 USD | Cache 5 min0,0125 USD | Cache 1 oraTariffa base: — |
| Dimensione della richiesta, in token(272.000; ∞) | Input0,02 USD | Output0,075 USD | Lettura dalla cache0,002 USD | Scrittura nella cache0,025 USD | Cache 5 min0,025 USD | Cache 1 oraTariffa base: — |
Tariffe in USD per 1K token. Se non è impostata alcuna tariffa, viene ereditata la tariffa base di questo metodo; «—» indica che non è impostata alcuna tariffa base.
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="gpt-6-astra",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt-6-astra",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-6-astra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-6-astra | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Conversazione testuale | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream |
Parametrocontrol_scope | ContrattoConversazione testuale; stream è un booleano e per impostazione predefinita vale false. |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Alias del metodo: /chat/completions
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-6-astra","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-6-astra", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-6-astra | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gpt-6-astra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-astra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-astra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gptGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposystem | Tipostring|content_block[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Il limite si applica a: Limite esatto del modello o della scheda selezionati | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop_sequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].name | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Strumento fornito | Predefinito— |
Campotools[].description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].input_schema | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.budget_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campooutput_config.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campocache_control | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content o blocco type=text
Testo + immagine
{type:image,source:{type:base64,media_type,data}} o origine type=url
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/messages| Dimensione della richiesta, in token | Input | Output | Lettura dalla cache | Scrittura nella cache | Cache 5 min | Cache 1 ora |
|---|---|---|---|---|---|---|
| Dimensione della richiesta, in token(0; 272.000] | Input0,01 USD | Output0,05 USD | Lettura dalla cache0,001 USD | Scrittura nella cache0,0125 USD | Cache 5 min0,0125 USD | Cache 1 oraTariffa base: — |
| Dimensione della richiesta, in token(272.000; ∞) | Input0,02 USD | Output0,075 USD | Lettura dalla cache0,002 USD | Scrittura nella cache0,025 USD | Cache 5 min0,025 USD | Cache 1 oraTariffa base: — |
Tariffe in USD per 1K token. Se non è impostata alcuna tariffa, viene ereditata la tariffa base di questo metodo; «—» indica che non è impostata alcuna tariffa base.
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gpt',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gptGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/responsestext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt | Predefinito— |
Campoinput | Tipostring|input_item[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].type | Tipostring | RequisitoFacoltativo | Valori e limiti message, reasoning, function_call, function_call_output | Predefinito— |
Campoinput[].content | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output; conserva il call_id effettivamente restituito | Predefinito— |
Campoinput[].output | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output | Predefinito— |
Campomax_output_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.summary | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.verbosity | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinclude | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostore | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprevious_response_id | Tipostring | RequisitoFacoltativo | Valori e limiti Requisito dell’ID: Solo un ID di risposta effettivo proveniente da una continuazione supportata Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_key | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
Testo in ingresso o parte input_text
Testo + immagine
{type:input_image,image_url}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, input |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/responses| Dimensione della richiesta, in token | Input | Output | Lettura dalla cache | Scrittura nella cache | Cache 5 min | Cache 1 ora |
|---|---|---|---|---|---|---|
| Dimensione della richiesta, in token(0; 272.000] | Input0,01 USD | Output0,05 USD | Lettura dalla cache0,001 USD | Scrittura nella cache0,0125 USD | Cache 5 min0,0125 USD | Cache 1 oraTariffa base: — |
| Dimensione della richiesta, in token(272.000; ∞) | Input0,02 USD | Output0,075 USD | Lettura dalla cache0,002 USD | Scrittura nella cache0,025 USD | Cache 5 min0,025 USD | Cache 1 oraTariffa base: — |
Tariffe in USD per 1K token. Se non è impostata alcuna tariffa, viene ereditata la tariffa base di questo metodo; «—» indica che non è impostata alcuna tariffa base.
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="gpt", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="gpt", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni elemento di uscita e parte di contenuto, il call_id effettivo della funzione, il ragionamento cifrato e i dati di utilizzo. Nello streaming conserva l’identità completa di eventi ed elementi.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campostatus | Tipostring |
Campooutput[] | Tipomessage|reasoning|function_call|other item |
Campooutput[].content[] | Tipocontent part |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gptGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/chat/completionstext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content
Testo + immagine
{type:image_url,image_url:{url,detail}}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, messages |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/chat/completions| Dimensione della richiesta, in token | Input | Output | Lettura dalla cache | Scrittura nella cache | Cache 5 min | Cache 1 ora |
|---|---|---|---|---|---|---|
| Dimensione della richiesta, in token(0; 272.000] | Input0,01 USD | Output0,05 USD | Lettura dalla cache0,001 USD | Scrittura nella cache0,0125 USD | Cache 5 min0,0125 USD | Cache 1 oraTariffa base: — |
| Dimensione della richiesta, in token(272.000; ∞) | Input0,02 USD | Output0,075 USD | Lettura dalla cache0,002 USD | Scrittura nella cache0,025 USD | Cache 5 min0,025 USD | Cache 1 oraTariffa base: — |
Tariffe in USD per 1K token. Se non è impostata alcuna tariffa, viene ereditata la tariffa base di questo metodo; «—» indica che non è impostata alcuna tariffa base.
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="gpt",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-latestGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-latest | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposystem | Tipostring|content_block[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Il limite si applica a: Limite esatto del modello o della scheda selezionati | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop_sequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].name | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Strumento fornito | Predefinito— |
Campotools[].description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].input_schema | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.budget_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campooutput_config.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campocache_control | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content o blocco type=text
Testo + immagine
{type:image,source:{type:base64,media_type,data}} o origine type=url
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/messages| Dimensione della richiesta, in token | Input | Output | Lettura dalla cache | Scrittura nella cache | Cache 5 min | Cache 1 ora |
|---|---|---|---|---|---|---|
| Dimensione della richiesta, in token(0; 272.000] | Input0,01 USD | Output0,05 USD | Lettura dalla cache0,001 USD | Scrittura nella cache0,0125 USD | Cache 5 min0,0125 USD | Cache 1 oraTariffa base: — |
| Dimensione della richiesta, in token(272.000; ∞) | Input0,02 USD | Output0,075 USD | Lettura dalla cache0,002 USD | Scrittura nella cache0,025 USD | Cache 5 min0,025 USD | Cache 1 oraTariffa base: — |
Tariffe in USD per 1K token. Se non è impostata alcuna tariffa, viene ereditata la tariffa base di questo metodo; «—» indica che non è impostata alcuna tariffa base.
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt-latest",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt-latest",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gpt-latest',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-latestGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/responsestext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-latest | Predefinito— |
Campoinput | Tipostring|input_item[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].type | Tipostring | RequisitoFacoltativo | Valori e limiti message, reasoning, function_call, function_call_output | Predefinito— |
Campoinput[].content | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output; conserva il call_id effettivamente restituito | Predefinito— |
Campoinput[].output | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output | Predefinito— |
Campomax_output_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.summary | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.verbosity | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinclude | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostore | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprevious_response_id | Tipostring | RequisitoFacoltativo | Valori e limiti Requisito dell’ID: Solo un ID di risposta effettivo proveniente da una continuazione supportata Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_key | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
Testo in ingresso o parte input_text
Testo + immagine
{type:input_image,image_url}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, input |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/responses| Dimensione della richiesta, in token | Input | Output | Lettura dalla cache | Scrittura nella cache | Cache 5 min | Cache 1 ora |
|---|---|---|---|---|---|---|
| Dimensione della richiesta, in token(0; 272.000] | Input0,01 USD | Output0,05 USD | Lettura dalla cache0,001 USD | Scrittura nella cache0,0125 USD | Cache 5 min0,0125 USD | Cache 1 oraTariffa base: — |
| Dimensione della richiesta, in token(272.000; ∞) | Input0,02 USD | Output0,075 USD | Lettura dalla cache0,002 USD | Scrittura nella cache0,025 USD | Cache 5 min0,025 USD | Cache 1 oraTariffa base: — |
Tariffe in USD per 1K token. Se non è impostata alcuna tariffa, viene ereditata la tariffa base di questo metodo; «—» indica che non è impostata alcuna tariffa base.
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="gpt-latest", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt-latest", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="gpt-latest", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni elemento di uscita e parte di contenuto, il call_id effettivo della funzione, il ragionamento cifrato e i dati di utilizzo. Nello streaming conserva l’identità completa di eventi ed elementi.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campostatus | Tipostring |
Campooutput[] | Tipomessage|reasoning|function_call|other item |
Campooutput[].content[] | Tipocontent part |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-latestGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/chat/completionstext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-latest | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content
Testo + immagine
{type:image_url,image_url:{url,detail}}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, messages |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/chat/completions| Dimensione della richiesta, in token | Input | Output | Lettura dalla cache | Scrittura nella cache | Cache 5 min | Cache 1 ora |
|---|---|---|---|---|---|---|
| Dimensione della richiesta, in token(0; 272.000] | Input0,01 USD | Output0,05 USD | Lettura dalla cache0,001 USD | Scrittura nella cache0,0125 USD | Cache 5 min0,0125 USD | Cache 1 oraTariffa base: — |
| Dimensione della richiesta, in token(272.000; ∞) | Input0,02 USD | Output0,075 USD | Lettura dalla cache0,002 USD | Scrittura nella cache0,025 USD | Cache 5 min0,025 USD | Cache 1 oraTariffa base: — |
Tariffe in USD per 1K token. Se non è impostata alcuna tariffa, viene ereditata la tariffa base di questo metodo; «—» indica che non è impostata alcuna tariffa base.
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Responses · Fascia 2 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="gpt-latest",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt-latest",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/responsestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-6-astra | Predefinito— |
Campoinput | Tipostring|input_item[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].type | Tipostring | RequisitoFacoltativo | Valori e limiti message, reasoning, function_call, function_call_output | Predefinito— |
Campoinput[].content | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output; conserva il call_id effettivamente restituito | Predefinito— |
Campoinput[].output | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output | Predefinito— |
Campomax_output_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.summary | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.verbosity | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinclude | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostore | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprevious_response_id | Tipostring | RequisitoNon supportato | Valori e limiti Requisito dell’ID: Solo un ID di risposta effettivo proveniente da una continuazione supportata Condizioni: Invia nuovamente la cronologia reale della conversazione con ogni richiesta. | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_key | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
input text or input_text part
Testo + immagine
{type:input_image,image_url}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattomodel, input |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: exact retained published method
Invia l'ID esatto del modello e i campi obbligatori.
Conserva ogni elemento restituito e i suoi identificatori originali.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gpt-6-astra",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson or SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni elemento di uscita e parte di contenuto, il call_id effettivo della funzione, il ragionamento cifrato e i dati di utilizzo. Nello streaming conserva l’identità completa di eventi ed elementi.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campostatus | Tipostring |
Campooutput[] | Tipomessage|reasoning|function_call|other item |
Campooutput[].content[] | Tipocontent part |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
openai/gpt-6-astraGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-6-astra | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-6-astra", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-6-astra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-6-astra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
openai/gpt-6-astraGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/messagestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-6-astra | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposystem | Tipostring|content_block[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Il limite si applica a: Limite esatto del modello o della scheda selezionati | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop_sequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].name | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Strumento fornito | Predefinito— |
Campotools[].description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].input_schema | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.budget_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campooutput_config.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campocache_control | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content o blocco type=text
Testo + immagine
{type:image,source:{type:base64,media_type,data}} o origine type=url
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: exact retained published method
Invia l'ID esatto del modello e i campi obbligatori.
Conserva ogni elemento restituito e i suoi identificatori originali.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "openai/gpt-6-astra",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
openai/gpt-6-astraGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/responsestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-6-astra | Predefinito— |
Campoinput | Tipostring|input_item[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].type | Tipostring | RequisitoFacoltativo | Valori e limiti message, reasoning, function_call, function_call_output | Predefinito— |
Campoinput[].content | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output; conserva il call_id effettivamente restituito | Predefinito— |
Campoinput[].output | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output | Predefinito— |
Campomax_output_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.summary | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.verbosity | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinclude | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostore | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprevious_response_id | Tipostring | RequisitoNon supportato | Valori e limiti Requisito dell’ID: Solo un ID di risposta effettivo proveniente da una continuazione supportata Condizioni: Invia nuovamente la cronologia reale della conversazione con ogni richiesta. | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_key | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
Testo in ingresso o parte input_text
Testo + immagine
{type:input_image,image_url}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattomodel, input |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: exact retained published method
Invia l'ID esatto del modello e i campi obbligatori.
Conserva ogni elemento restituito e i suoi identificatori originali.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "openai/gpt-6-astra",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni elemento di uscita e parte di contenuto, il call_id effettivo della funzione, il ragionamento cifrato e i dati di utilizzo. Nello streaming conserva l’identità completa di eventi ed elementi.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campostatus | Tipostring |
Campooutput[] | Tipomessage|reasoning|function_call|other item |
Campooutput[].content[] | Tipocontent part |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
~openai/gpt-astra-latestGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ~openai/gpt-astra-latest | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~openai/gpt-astra-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='~openai/gpt-astra-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='~openai/gpt-astra-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
~openai/gpt-astra-latestGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ~openai/gpt-astra-latest | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "~openai/gpt-astra-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-astra-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-astra-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
~openai/gpt-astra-latestGPT-6 Astra è pensato per ragionamento complesso, programmazione, ricerca e preparazione di documenti. Lavora con testo, immagini e strumenti in attività a più passaggi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-6 Astra è un modello di OpenAI per attività impegnative di ragionamento, programmazione, ricerca e lavoro professionale. Il produttore mette in evidenza la creazione di documenti e l'interazione con l'interfaccia del computer. Il modello è pensato per sequenze di azioni in cui occorre raccogliere informazioni, svolgere il lavoro e considerare i risultati dei passaggi precedenti.
Secondo OpenAI, Astra mantiene l'idea complessiva quando i requisiti cambiano: considera le aggiunte, corregge il percorso del lavoro e risponde a domande collegate. Quando le informazioni ammettono interpretazioni diverse, è utile definire confini dell'attività, criteri di completamento e regola per chiedere chiarimenti. Anche tono e struttura del risultato possono essere descritti esplicitamente: il modello tende a risposte dettagliate e formattate.
Sono supportati i livelli low, medium, high, xhigh e max. Non è prevista la disattivazione del ragionamento tramite none. Il livello di impegno regola il processo di soluzione, mentre il volume del testo finale viene definito separatamente. Un ragionamento complesso può concludersi con una risposta breve se è proprio questo il risultato richiesto.
OpenAI prevede due modalità di esecuzione indipendenti dalla profondità dell'analisi: normale ed estesa. Per impostazione predefinita viene applicata quella normale. La modalità estesa è pensata per attività difficili in cui sono accettabili tempo aggiuntivo e un maggiore uso di token. La modalità definisce il metodo di esecuzione, il livello di impegno la profondità del ragionamento al suo interno. La scelta è descritta per Responses e richiede il supporto dell'applicazione; la capacità pubblicata del produttore non ne conferma l'attivazione nel metodo Ailoot corrente.
La famiglia GPT-6 prevede la modifica del livello di ragionamento tra continuazioni del dialogo, conservando il prefisso precedente della richiesta. La prosecuzione del lavoro richiede la trasmissione dello stato corrispondente. I controlli di un'attività prolungata dipendono dal formato dell'interazione e dal supporto di queste operazioni nell'applicazione.
Il modello riceve testo e immagini, restituisce testo e supporta output in streaming e un risultato strutturato. OpenAI indica un contesto di 1 050 000 token, un input massimo di 922 000 e un output massimo di 128 000 token. Il riferimento delle conoscenze è il 30 aprile 2026.
L'immagine viene utilizzata per analizzare il contenuto visibile, leggere testo e rispondere a domande sui dettagli. Per l'analisi approfondita sono previsti vari livelli di dettaglio. Dimensione del contesto e limite della risposta sono diversi: un materiale iniziale lungo non diventa automaticamente un risultato altrettanto lungo.
L'insieme ufficiale delle capacità comprende chiamate di funzioni, ricerca nei file e su internet, esecuzione di codice e comandi, modifica di file, azioni al computer e ricerca dello strumento necessario. Per le chiamate di strumenti si utilizza Responses; Chat Completions supporta lo scambio testuale senza strumenti.
Con il collegamento corrispondente, il produttore prevede anche uno strumento separato di generazione di immagini, uso di competenze ed elementi esterni tramite MCP. La risposta diretta del modello resta testuale; il risultato di generazione dell'immagine viene creato da uno strumento separato. La sua presenza presso il produttore non implica il collegamento di queste capacità in qualsiasi metodo Ailoot.
La documentazione della famiglia descrive chiamate asincrone: mentre l'applicazione esegue una funzione, il modello può proseguire una parte indipendente del lavoro. Prevede anche la precisazione dell'istruzione durante l'esecuzione e la continuazione con azioni già completate. Per questi scenari l'applicazione deve supportare l'interazione corrispondente e restituire i risultati delle chiamate.
L'output strutturato aiuta a preparare un risultato secondo uno schema definito, per esempio dati con campi e tipi specifici. Lo schema ordina il risultato, mentre la correttezza delle informazioni richiede una verifica del contenuto. Nel lavoro prolungato sono previste la conservazione dello stato di ragionamento disponibile e la riduzione del contesto accumulato.
La cache è pensata per un prefisso ripetuto dell'input. Il supporto di ricerca, comandi o azioni al computer descrive le capacità del modello con gli strumenti necessari collegati; l'insieme delle funzioni in una specifica richiesta dipende dal metodo scelto e dai collegamenti disponibili.
POST /v1/responsestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti ~openai/gpt-astra-latest | Predefinito— |
Campoinput | Tipostring|input_item[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].type | Tipostring | RequisitoFacoltativo | Valori e limiti message, reasoning, function_call, function_call_output | Predefinito— |
Campoinput[].content | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoinput[].call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output; conserva il call_id effettivamente restituito | Predefinito— |
Campoinput[].output | Tipostring|content_part[] | RequisitoFacoltativo | Valori e limiti Si applica quando: function_call_output | Predefinito— |
Campomax_output_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning.summary | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotext.verbosity | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinclude | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostore | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprevious_response_id | Tipostring | RequisitoNon supportato | Valori e limiti Requisito dell’ID: Solo un ID di risposta effettivo proveniente da una continuazione supportata Condizioni: Invia nuovamente la cronologia reale della conversazione con ogni richiesta. | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_key | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
input text or input_text part
Testo + immagine
{type:input_image,image_url}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattomodel, input |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: exact retained published method
Invia l'ID esatto del modello e i campi obbligatori.
Conserva ogni elemento restituito e i suoi identificatori originali.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite incluso272.000 | Costo Input · Token in input $0.02 / 1K token Output · Token in output $0.1 / 1K token Input · Lettura dalla cache $0.002 / 1K token Input · Scrittura nella cache $0.025 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 2 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di272.000 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.04 / 1K token Output · Token in output $0.15 / 1K token Input · Lettura dalla cache $0.004 / 1K token Input · Scrittura nella cache $0.05 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "~openai/gpt-astra-latest",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-astra-latest', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-astra-latest', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson or SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni elemento di uscita e parte di contenuto, il call_id effettivo della funzione, il ragionamento cifrato e i dati di utilizzo. Nello streaming conserva l’identità completa di eventi ed elementi.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campostatus | Tipostring |
Campooutput[] | Tipomessage|reasoning|function_call|other item |
Campooutput[].content[] | Tipocontent part |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
Esempio tecnico in inglese
Prepare a source-backed decision memo\n\nPrepare a one-page decision memo from these findings. F1: The legacy system exports CSV but has no audit log. F2: The replacement imports CSV and records changes. F3: A pilot imported 40 of 50 records; 10 failed because owner_id was missing. Recommend the next migration step, define acceptance criteria and preserve what the pilot has actually proved.A memo with recommendation, evidence references, unresolved data issue and acceptance criteria for a later full migration.Check that the 40-record result is not reported as a completed 50-record migration and that missing owner_id remains a blocker.