GPT-5.6 Luna Pro indica GPT-5.6 Luna di OpenAI con ragionamento Pro. L’edizione Luna di base è progettata per carichi di lavoro mirati e a volume elevato e corrisponde approssimativamente alla fascia nano delle precedenti famiglie GPT-5. Accetta testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello per sviluppare la risposta finale; è una modalità di esecuzione, anziché una sostituzione dell’edizione di base.
Un uso pratico è estrarre un insieme definito di informazioni da un documento le cui regole includono eccezioni. Fornite il documento e i campi necessari, identificate gli eventuali passaggi prioritari e spiegate come gestire un valore assente. Un esempio di richiesta è estrarre l’argomento del documento, le condizioni pertinenti a una richiesta e la domanda successiva necessaria per completarla. Chiedete una spiegazione di un’eccezione insieme ai campi estratti, affinché il risultato possa essere confrontato con la fonte.
Per materiale visivo, fornite una pagina o una schermata chiara e identificate il dettaglio o l’etichetta specifici che informano l’attività. Per la scrittura di una risposta, fornite la richiesta, le regole che governano la risposta e i fatti da conservare. Definite il tono e la lunghezza desiderati, poi chiedete una risposta concisa, anziché una discussione senza limiti. Questa preparazione collega il ruolo mirato di Luna a un risultato testuale concreto.
OpenAI specifica per GPT-5.6 Luna una finestra di contesto di 1 050 000 token, un input massimo di 922 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 16 febbraio 2026. Le opzioni di impegno nel ragionamento del modello di base sono none, low, medium, high, xhigh e max; medium è il valore predefinito. Modalità e impegno sono indipendenti: Pro determina un’elaborazione aggiuntiva del modello, mentre l’impegno regola la quantità di ragionamento nella modalità. Anche il ragionamento usa spazio del contesto: lasciate quindi spazio per l’analisi e la risposta visibile.
Il produttore documenta Pro nell’API Responses per attività difficili che possono tollerare latenza e attività aggiuntive del modello. Il modello di base elenca lo streaming, Structured Outputs, le chiamate di funzioni, la ricerca sul web e nei file, l’input di immagini e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende generazione di immagini, interpretazione di codice, esecuzione di comandi in un ambiente ospitato e applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. Le operazioni degli strumenti richiedono l’ambiente corrispondente; un’applicazione esegue le proprie azioni e fornisce i risultati effettivi per proseguire il lavoro.
Specificate un risultato finale utile: i campi richiesti, la regola che sostiene una decisione e le eventuali domande ancora aperte. Per esempio, chiedete una bozza di risposta insieme ai fatti del documento su cui si basa, poi perfezionate la risposta dopo aver fornito le informazioni mancanti. Mantenete visibile la distinzione tra un’azione proposta e un’azione completata da uno strumento. Questo flusso dà uno scopo specifico all’analisi aggiuntiva di Pro in un’attività Luna circoscritta.
", "aboutText": "GPT-5.6 Luna Pro indica GPT-5.6 Luna di OpenAI con ragionamento Pro. L’edizione Luna di base è progettata per carichi di lavoro mirati e a volume elevato e corrisponde approssimativamente alla fascia nano delle precedenti famiglie GPT-5. Accetta testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello per sviluppare la risposta finale; è una modalità di esecuzione, anziché una sostituzione dell’edizione di base.\n\nUn uso pratico è estrarre un insieme definito di informazioni da un documento le cui regole includono eccezioni. Fornite il documento e i campi necessari, identificate gli eventuali passaggi prioritari e spiegate come gestire un valore assente. Un esempio di richiesta è estrarre l’argomento del documento, le condizioni pertinenti a una richiesta e la domanda successiva necessaria per completarla. Chiedete una spiegazione di un’eccezione insieme ai campi estratti, affinché il risultato possa essere confrontato con la fonte.\n\nPer materiale visivo, fornite una pagina o una schermata chiara e identificate il dettaglio o l’etichetta specifici che informano l’attività. Per la scrittura di una risposta, fornite la richiesta, le regole che governano la risposta e i fatti da conservare. Definite il tono e la lunghezza desiderati, poi chiedete una risposta concisa, anziché una discussione senza limiti. Questa preparazione collega il ruolo mirato di Luna a un risultato testuale concreto.\n\nOpenAI specifica per GPT-5.6 Luna una finestra di contesto di 1 050 000 token, un input massimo di 922 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 16 febbraio 2026. Le opzioni di impegno nel ragionamento del modello di base sono none, low, medium, high, xhigh e max; medium è il valore predefinito. Modalità e impegno sono indipendenti: Pro determina un’elaborazione aggiuntiva del modello, mentre l’impegno regola la quantità di ragionamento nella modalità. Anche il ragionamento usa spazio del contesto: lasciate quindi spazio per l’analisi e la risposta visibile.\n\nIl produttore documenta Pro nell’API Responses per attività difficili che possono tollerare latenza e attività aggiuntive del modello. Il modello di base elenca lo streaming, Structured Outputs, le chiamate di funzioni, la ricerca sul web e nei file, l’input di immagini e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende generazione di immagini, interpretazione di codice, esecuzione di comandi in un ambiente ospitato e applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. Le operazioni degli strumenti richiedono l’ambiente corrispondente; un’applicazione esegue le proprie azioni e fornisce i risultati effettivi per proseguire il lavoro.\n\nSpecificate un risultato finale utile: i campi richiesti, la regola che sostiene una decisione e le eventuali domande ancora aperte. Per esempio, chiedete una bozza di risposta insieme ai fatti del documento su cui si basa, poi perfezionate la risposta dopo aver fornito le informazioni mancanti. Mantenete visibile la distinzione tra un’azione proposta e un’azione completata da uno strumento. Questo flusso dà uno scopo specifico all’analisi aggiuntiva di Pro in un’attività Luna circoscritta.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Apply an explicit policy exception\n\nExtract the applicable conditions from this internal loaner policy: [GENERAL] Devices are returned within seven days. [EXCEPTION] Training teams may keep devices for fourteen days if their booking names a trainer. Booking T6 names a training team but no trainer. Return the topic, ordinary rule, exception conditions, unresolved field and one question needed to assess T6.A focused extraction record and a short explanation of why the exception cannot yet be confirmed.Check that training-team status alone is not treated as satisfying the named-trainer requirement.gpt-5.6-luna-proGPT-5.6 Luna con ragionamento Pro per attività mirate che richiedono analisi aggiuntiva. Fornite testo o immagini e regole esplicite per sviluppare un risultato di estrazione, una risposta concisa o una spiegazione di un’eccezione.
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-5.6 Luna Pro indica GPT-5.6 Luna di OpenAI con ragionamento Pro. L’edizione Luna di base è progettata per carichi di lavoro mirati e a volume elevato e corrisponde approssimativamente alla fascia nano delle precedenti famiglie GPT-5. Accetta testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello per sviluppare la risposta finale; è una modalità di esecuzione, anziché una sostituzione dell’edizione di base.
Un uso pratico è estrarre un insieme definito di informazioni da un documento le cui regole includono eccezioni. Fornite il documento e i campi necessari, identificate gli eventuali passaggi prioritari e spiegate come gestire un valore assente. Un esempio di richiesta è estrarre l’argomento del documento, le condizioni pertinenti a una richiesta e la domanda successiva necessaria per completarla. Chiedete una spiegazione di un’eccezione insieme ai campi estratti, affinché il risultato possa essere confrontato con la fonte.
Per materiale visivo, fornite una pagina o una schermata chiara e identificate il dettaglio o l’etichetta specifici che informano l’attività. Per la scrittura di una risposta, fornite la richiesta, le regole che governano la risposta e i fatti da conservare. Definite il tono e la lunghezza desiderati, poi chiedete una risposta concisa, anziché una discussione senza limiti. Questa preparazione collega il ruolo mirato di Luna a un risultato testuale concreto.
OpenAI specifica per GPT-5.6 Luna una finestra di contesto di 1 050 000 token, un input massimo di 922 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 16 febbraio 2026. Le opzioni di impegno nel ragionamento del modello di base sono none, low, medium, high, xhigh e max; medium è il valore predefinito. Modalità e impegno sono indipendenti: Pro determina un’elaborazione aggiuntiva del modello, mentre l’impegno regola la quantità di ragionamento nella modalità. Anche il ragionamento usa spazio del contesto: lasciate quindi spazio per l’analisi e la risposta visibile.
Il produttore documenta Pro nell’API Responses per attività difficili che possono tollerare latenza e attività aggiuntive del modello. Il modello di base elenca lo streaming, Structured Outputs, le chiamate di funzioni, la ricerca sul web e nei file, l’input di immagini e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende generazione di immagini, interpretazione di codice, esecuzione di comandi in un ambiente ospitato e applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. Le operazioni degli strumenti richiedono l’ambiente corrispondente; un’applicazione esegue le proprie azioni e fornisce i risultati effettivi per proseguire il lavoro.
Specificate un risultato finale utile: i campi richiesti, la regola che sostiene una decisione e le eventuali domande ancora aperte. Per esempio, chiedete una bozza di risposta insieme ai fatti del documento su cui si basa, poi perfezionate la risposta dopo aver fornito le informazioni mancanti. Mantenete visibile la distinzione tra un’azione proposta e un’azione completata da uno strumento. Questo flusso dà uno scopo specifico all’analisi aggiuntiva di Pro in un’attività Luna circoscritta.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-5.6-luna-pro | 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 $0.0004 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 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 $0.0004 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 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 $0.0008 / 1K token Output · Token in output $0.0036 / 1K token Input · Lettura dalla cache $0.00008 / 1K token Input · Scrittura nella cache $0.001 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.6-luna-pro","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-5.6-luna-pro", 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 Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
gpt-5.6-luna-proGPT-5.6 Luna con ragionamento Pro per attività mirate che richiedono analisi aggiuntiva. Fornite testo o immagini e regole esplicite per sviluppare un risultato di estrazione, una risposta concisa o una spiegazione di un’eccezione.
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-5.6 Luna Pro indica GPT-5.6 Luna di OpenAI con ragionamento Pro. L’edizione Luna di base è progettata per carichi di lavoro mirati e a volume elevato e corrisponde approssimativamente alla fascia nano delle precedenti famiglie GPT-5. Accetta testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello per sviluppare la risposta finale; è una modalità di esecuzione, anziché una sostituzione dell’edizione di base.
Un uso pratico è estrarre un insieme definito di informazioni da un documento le cui regole includono eccezioni. Fornite il documento e i campi necessari, identificate gli eventuali passaggi prioritari e spiegate come gestire un valore assente. Un esempio di richiesta è estrarre l’argomento del documento, le condizioni pertinenti a una richiesta e la domanda successiva necessaria per completarla. Chiedete una spiegazione di un’eccezione insieme ai campi estratti, affinché il risultato possa essere confrontato con la fonte.
Per materiale visivo, fornite una pagina o una schermata chiara e identificate il dettaglio o l’etichetta specifici che informano l’attività. Per la scrittura di una risposta, fornite la richiesta, le regole che governano la risposta e i fatti da conservare. Definite il tono e la lunghezza desiderati, poi chiedete una risposta concisa, anziché una discussione senza limiti. Questa preparazione collega il ruolo mirato di Luna a un risultato testuale concreto.
OpenAI specifica per GPT-5.6 Luna una finestra di contesto di 1 050 000 token, un input massimo di 922 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 16 febbraio 2026. Le opzioni di impegno nel ragionamento del modello di base sono none, low, medium, high, xhigh e max; medium è il valore predefinito. Modalità e impegno sono indipendenti: Pro determina un’elaborazione aggiuntiva del modello, mentre l’impegno regola la quantità di ragionamento nella modalità. Anche il ragionamento usa spazio del contesto: lasciate quindi spazio per l’analisi e la risposta visibile.
Il produttore documenta Pro nell’API Responses per attività difficili che possono tollerare latenza e attività aggiuntive del modello. Il modello di base elenca lo streaming, Structured Outputs, le chiamate di funzioni, la ricerca sul web e nei file, l’input di immagini e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende generazione di immagini, interpretazione di codice, esecuzione di comandi in un ambiente ospitato e applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. Le operazioni degli strumenti richiedono l’ambiente corrispondente; un’applicazione esegue le proprie azioni e fornisce i risultati effettivi per proseguire il lavoro.
Specificate un risultato finale utile: i campi richiesti, la regola che sostiene una decisione e le eventuali domande ancora aperte. Per esempio, chiedete una bozza di risposta insieme ai fatti del documento su cui si basa, poi perfezionate la risposta dopo aver fornito le informazioni mancanti. Mantenete visibile la distinzione tra un’azione proposta e un’azione completata da uno strumento. Questo flusso dà uno scopo specifico all’analisi aggiuntiva di Pro in un’attività Luna circoscritta.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-5.6-luna-pro | 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 $0.0004 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 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 $0.0004 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 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 $0.0008 / 1K token Output · Token in output $0.0036 / 1K token Input · Lettura dalla cache $0.00008 / 1K token Input · Scrittura nella cache $0.001 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gpt-5.6-luna-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.6-luna-pro', '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-5.6-luna-pro', '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 Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
openai/gpt-5.6-luna-proGPT-5.6 Luna con ragionamento Pro per attività mirate che richiedono analisi aggiuntiva. Fornite testo o immagini e regole esplicite per sviluppare un risultato di estrazione, una risposta concisa o una spiegazione di un’eccezione.
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-5.6 Luna Pro indica GPT-5.6 Luna di OpenAI con ragionamento Pro. L’edizione Luna di base è progettata per carichi di lavoro mirati e a volume elevato e corrisponde approssimativamente alla fascia nano delle precedenti famiglie GPT-5. Accetta testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello per sviluppare la risposta finale; è una modalità di esecuzione, anziché una sostituzione dell’edizione di base.
Un uso pratico è estrarre un insieme definito di informazioni da un documento le cui regole includono eccezioni. Fornite il documento e i campi necessari, identificate gli eventuali passaggi prioritari e spiegate come gestire un valore assente. Un esempio di richiesta è estrarre l’argomento del documento, le condizioni pertinenti a una richiesta e la domanda successiva necessaria per completarla. Chiedete una spiegazione di un’eccezione insieme ai campi estratti, affinché il risultato possa essere confrontato con la fonte.
Per materiale visivo, fornite una pagina o una schermata chiara e identificate il dettaglio o l’etichetta specifici che informano l’attività. Per la scrittura di una risposta, fornite la richiesta, le regole che governano la risposta e i fatti da conservare. Definite il tono e la lunghezza desiderati, poi chiedete una risposta concisa, anziché una discussione senza limiti. Questa preparazione collega il ruolo mirato di Luna a un risultato testuale concreto.
OpenAI specifica per GPT-5.6 Luna una finestra di contesto di 1 050 000 token, un input massimo di 922 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 16 febbraio 2026. Le opzioni di impegno nel ragionamento del modello di base sono none, low, medium, high, xhigh e max; medium è il valore predefinito. Modalità e impegno sono indipendenti: Pro determina un’elaborazione aggiuntiva del modello, mentre l’impegno regola la quantità di ragionamento nella modalità. Anche il ragionamento usa spazio del contesto: lasciate quindi spazio per l’analisi e la risposta visibile.
Il produttore documenta Pro nell’API Responses per attività difficili che possono tollerare latenza e attività aggiuntive del modello. Il modello di base elenca lo streaming, Structured Outputs, le chiamate di funzioni, la ricerca sul web e nei file, l’input di immagini e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende generazione di immagini, interpretazione di codice, esecuzione di comandi in un ambiente ospitato e applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. Le operazioni degli strumenti richiedono l’ambiente corrispondente; un’applicazione esegue le proprie azioni e fornisce i risultati effettivi per proseguire il lavoro.
Specificate un risultato finale utile: i campi richiesti, la regola che sostiene una decisione e le eventuali domande ancora aperte. Per esempio, chiedete una bozza di risposta insieme ai fatti del documento su cui si basa, poi perfezionate la risposta dopo aver fornito le informazioni mancanti. Mantenete visibile la distinzione tra un’azione proposta e un’azione completata da uno strumento. Questo flusso dà uno scopo specifico all’analisi aggiuntiva di Pro in un’attività Luna circoscritta.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-5.6-luna-pro | 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 $0.0004 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 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 $0.0004 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 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 $0.0008 / 1K token Output · Token in output $0.0036 / 1K token Input · Lettura dalla cache $0.00008 / 1K token Input · Scrittura nella cache $0.001 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.6-luna-pro", "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-5.6-luna-pro',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-5.6-luna-pro',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 Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
openai/gpt-5.6-luna-proGPT-5.6 Luna con ragionamento Pro per attività mirate che richiedono analisi aggiuntiva. Fornite testo o immagini e regole esplicite per sviluppare un risultato di estrazione, una risposta concisa o una spiegazione di un’eccezione.
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-5.6 Luna Pro indica GPT-5.6 Luna di OpenAI con ragionamento Pro. L’edizione Luna di base è progettata per carichi di lavoro mirati e a volume elevato e corrisponde approssimativamente alla fascia nano delle precedenti famiglie GPT-5. Accetta testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello per sviluppare la risposta finale; è una modalità di esecuzione, anziché una sostituzione dell’edizione di base.
Un uso pratico è estrarre un insieme definito di informazioni da un documento le cui regole includono eccezioni. Fornite il documento e i campi necessari, identificate gli eventuali passaggi prioritari e spiegate come gestire un valore assente. Un esempio di richiesta è estrarre l’argomento del documento, le condizioni pertinenti a una richiesta e la domanda successiva necessaria per completarla. Chiedete una spiegazione di un’eccezione insieme ai campi estratti, affinché il risultato possa essere confrontato con la fonte.
Per materiale visivo, fornite una pagina o una schermata chiara e identificate il dettaglio o l’etichetta specifici che informano l’attività. Per la scrittura di una risposta, fornite la richiesta, le regole che governano la risposta e i fatti da conservare. Definite il tono e la lunghezza desiderati, poi chiedete una risposta concisa, anziché una discussione senza limiti. Questa preparazione collega il ruolo mirato di Luna a un risultato testuale concreto.
OpenAI specifica per GPT-5.6 Luna una finestra di contesto di 1 050 000 token, un input massimo di 922 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 16 febbraio 2026. Le opzioni di impegno nel ragionamento del modello di base sono none, low, medium, high, xhigh e max; medium è il valore predefinito. Modalità e impegno sono indipendenti: Pro determina un’elaborazione aggiuntiva del modello, mentre l’impegno regola la quantità di ragionamento nella modalità. Anche il ragionamento usa spazio del contesto: lasciate quindi spazio per l’analisi e la risposta visibile.
Il produttore documenta Pro nell’API Responses per attività difficili che possono tollerare latenza e attività aggiuntive del modello. Il modello di base elenca lo streaming, Structured Outputs, le chiamate di funzioni, la ricerca sul web e nei file, l’input di immagini e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende generazione di immagini, interpretazione di codice, esecuzione di comandi in un ambiente ospitato e applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. Le operazioni degli strumenti richiedono l’ambiente corrispondente; un’applicazione esegue le proprie azioni e fornisce i risultati effettivi per proseguire il lavoro.
Specificate un risultato finale utile: i campi richiesti, la regola che sostiene una decisione e le eventuali domande ancora aperte. Per esempio, chiedete una bozza di risposta insieme ai fatti del documento su cui si basa, poi perfezionate la risposta dopo aver fornito le informazioni mancanti. Mantenete visibile la distinzione tra un’azione proposta e un’azione completata da uno strumento. Questo flusso dà uno scopo specifico all’analisi aggiuntiva di Pro in un’attività Luna circoscritta.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-5.6-luna-pro | 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 $0.0004 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 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 $0.0004 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 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 $0.0008 / 1K token Output · Token in output $0.0036 / 1K token Input · Lettura dalla cache $0.00008 / 1K token Input · Scrittura nella cache $0.001 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "openai/gpt-5.6-luna-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.6-luna-pro', '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-5.6-luna-pro', '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 Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
Esempio tecnico in inglese
Apply an explicit policy exception\n\nExtract the applicable conditions from this internal loaner policy: [GENERAL] Devices are returned within seven days. [EXCEPTION] Training teams may keep devices for fourteen days if their booking names a trainer. Booking T6 names a training team but no trainer. Return the topic, ordinary rule, exception conditions, unresolved field and one question needed to assess T6.A focused extraction record and a short explanation of why the exception cannot yet be confirmed.Check that training-team status alone is not treated as satisfying the named-trainer requirement.