GPT-6 Luna Pro indica GPT-6 Luna di OpenAI con ragionamento Pro. Luna è progettato per attività mirate e carichi di lavoro a volume elevato; riceve testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello durante lo sviluppo della risposta finale. È una modalità di esecuzione applicata al modello di base scelto, distinta dall’impostazione di impegno nel ragionamento che regola la quantità di analisi all’interno di tale modalità.
Un’applicazione pratica è elaborare una richiesta definita in modo circoscritto con diverse regole o eccezioni. Fornite la richiesta, le categorie a cui può appartenere e le informazioni che determinano l’azione successiva. Chiedete la categoria, i fatti pertinenti e una breve proposta di risposta. Un esempio di attività è classificare una richiesta di documenti, identificare un campo mancante e redigere un messaggio per richiederlo. L’attività resta mirata anche quando le condizioni richiedono un esame attento.
Per una domanda basata su un’immagine, fornite una schermata chiara o altro materiale visivo e identificate il dettaglio da esaminare. Potete richiedere una spiegazione di uno stato visibile dell’interfaccia insieme a una breve istruzione per il lettore. Per materiale scritto, definite i campi o le affermazioni da preservare nella trasformazione, le categorie consentite e il formato atteso della risposta. Un piccolo insieme di esempi rappresentativi può chiarire il confine tra categorie simili senza costringere il modello a dedurre le vostre regole.
OpenAI specifica per GPT-6 Luna una finestra di contesto di 1 050 000 token, con un input massimo di 922 000 token e un output massimo di 128 000 token. Le conoscenze documentate sono aggiornate al 18 maggio 2026. Il modello di base supporta i livelli di impegno nel ragionamento none, low, medium, high, xhigh e max, con medium come valore predefinito. Il ragionamento occupa spazio in token oltre alla risposta finale: la consegna e il materiale fornito devono quindi lasciare spazio per l’analisi e il risultato richiesto.
Il produttore documenta Pro nell’API Responses per richieste difficili che possono tollerare latenza e attività aggiuntive del modello. Gli strumenti integrati di GPT-6 Luna e il ragionamento con chiamate di funzioni usano Responses; nell’interfaccia Chat Completions del produttore, le chiamate di funzioni sono supportate soltanto con l’impegno nel ragionamento impostato su none. Il modello di base elenca lo streaming, Structured Outputs, la ricerca sul web e nei file, le chiamate di funzioni e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende anche generazione di immagini, interpretazione di codice, operazioni da riga di comando e di applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. La vostra applicazione determina ed esegue le operazioni che espone.
Usate specifiche di output precise per l’attività finale: la decisione, i campi che la sostengono e le eventuali informazioni ancora mancanti. Per esempio, chiedete una categoria, una breve giustificazione collegata alla regola fornita e la domanda successiva da inviare al lettore. Verificate il risultato rispetto a tali regole, anziché aggiungere una discussione senza limiti. Questo flusso di lavoro usa il ruolo di Luna per attività mirate, riservando il lavoro aggiuntivo di Pro a una richiesta le cui dipendenze o eccezioni necessitano di un esame più completo.
", "aboutText": "GPT-6 Luna Pro indica GPT-6 Luna di OpenAI con ragionamento Pro. Luna è progettato per attività mirate e carichi di lavoro a volume elevato; riceve testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello durante lo sviluppo della risposta finale. È una modalità di esecuzione applicata al modello di base scelto, distinta dall’impostazione di impegno nel ragionamento che regola la quantità di analisi all’interno di tale modalità.\n\nUn’applicazione pratica è elaborare una richiesta definita in modo circoscritto con diverse regole o eccezioni. Fornite la richiesta, le categorie a cui può appartenere e le informazioni che determinano l’azione successiva. Chiedete la categoria, i fatti pertinenti e una breve proposta di risposta. Un esempio di attività è classificare una richiesta di documenti, identificare un campo mancante e redigere un messaggio per richiederlo. L’attività resta mirata anche quando le condizioni richiedono un esame attento.\n\nPer una domanda basata su un’immagine, fornite una schermata chiara o altro materiale visivo e identificate il dettaglio da esaminare. Potete richiedere una spiegazione di uno stato visibile dell’interfaccia insieme a una breve istruzione per il lettore. Per materiale scritto, definite i campi o le affermazioni da preservare nella trasformazione, le categorie consentite e il formato atteso della risposta. Un piccolo insieme di esempi rappresentativi può chiarire il confine tra categorie simili senza costringere il modello a dedurre le vostre regole.\n\nOpenAI specifica per GPT-6 Luna una finestra di contesto di 1 050 000 token, con un input massimo di 922 000 token e un output massimo di 128 000 token. Le conoscenze documentate sono aggiornate al 18 maggio 2026. Il modello di base supporta i livelli di impegno nel ragionamento none, low, medium, high, xhigh e max, con medium come valore predefinito. Il ragionamento occupa spazio in token oltre alla risposta finale: la consegna e il materiale fornito devono quindi lasciare spazio per l’analisi e il risultato richiesto.\n\nIl produttore documenta Pro nell’API Responses per richieste difficili che possono tollerare latenza e attività aggiuntive del modello. Gli strumenti integrati di GPT-6 Luna e il ragionamento con chiamate di funzioni usano Responses; nell’interfaccia Chat Completions del produttore, le chiamate di funzioni sono supportate soltanto con l’impegno nel ragionamento impostato su none. Il modello di base elenca lo streaming, Structured Outputs, la ricerca sul web e nei file, le chiamate di funzioni e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende anche generazione di immagini, interpretazione di codice, operazioni da riga di comando e di applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. La vostra applicazione determina ed esegue le operazioni che espone.\n\nUsate specifiche di output precise per l’attività finale: la decisione, i campi che la sostengono e le eventuali informazioni ancora mancanti. Per esempio, chiedete una categoria, una breve giustificazione collegata alla regola fornita e la domanda successiva da inviare al lettore. Verificate il risultato rispetto a tali regole, anziché aggiungere una discussione senza limiti. Questo flusso di lavoro usa il ruolo di Luna per attività mirate, riservando il lavoro aggiuntivo di Pro a una richiesta le cui dipendenze o eccezioni necessitano di un esame più completo.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Find missing request details\n\nProcess this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.A compact field table, missing-field list and targeted clarification message.Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.openai/gpt-6-luna-proGPT-6 Luna con ragionamento Pro per attività mirate che richiedono ulteriore analisi prima della risposta finale. Il modello di base accetta testo e immagini, risultando utile per gestire documenti secondo regole, rispondere a domande visive e produrre risultati scritti concisi.
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 Luna Pro indica GPT-6 Luna di OpenAI con ragionamento Pro. Luna è progettato per attività mirate e carichi di lavoro a volume elevato; riceve testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello durante lo sviluppo della risposta finale. È una modalità di esecuzione applicata al modello di base scelto, distinta dall’impostazione di impegno nel ragionamento che regola la quantità di analisi all’interno di tale modalità.
Un’applicazione pratica è elaborare una richiesta definita in modo circoscritto con diverse regole o eccezioni. Fornite la richiesta, le categorie a cui può appartenere e le informazioni che determinano l’azione successiva. Chiedete la categoria, i fatti pertinenti e una breve proposta di risposta. Un esempio di attività è classificare una richiesta di documenti, identificare un campo mancante e redigere un messaggio per richiederlo. L’attività resta mirata anche quando le condizioni richiedono un esame attento.
Per una domanda basata su un’immagine, fornite una schermata chiara o altro materiale visivo e identificate il dettaglio da esaminare. Potete richiedere una spiegazione di uno stato visibile dell’interfaccia insieme a una breve istruzione per il lettore. Per materiale scritto, definite i campi o le affermazioni da preservare nella trasformazione, le categorie consentite e il formato atteso della risposta. Un piccolo insieme di esempi rappresentativi può chiarire il confine tra categorie simili senza costringere il modello a dedurre le vostre regole.
OpenAI specifica per GPT-6 Luna una finestra di contesto di 1 050 000 token, con un input massimo di 922 000 token e un output massimo di 128 000 token. Le conoscenze documentate sono aggiornate al 18 maggio 2026. Il modello di base supporta i livelli di impegno nel ragionamento none, low, medium, high, xhigh e max, con medium come valore predefinito. Il ragionamento occupa spazio in token oltre alla risposta finale: la consegna e il materiale fornito devono quindi lasciare spazio per l’analisi e il risultato richiesto.
Il produttore documenta Pro nell’API Responses per richieste difficili che possono tollerare latenza e attività aggiuntive del modello. Gli strumenti integrati di GPT-6 Luna e il ragionamento con chiamate di funzioni usano Responses; nell’interfaccia Chat Completions del produttore, le chiamate di funzioni sono supportate soltanto con l’impegno nel ragionamento impostato su none. Il modello di base elenca lo streaming, Structured Outputs, la ricerca sul web e nei file, le chiamate di funzioni e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende anche generazione di immagini, interpretazione di codice, operazioni da riga di comando e di applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. La vostra applicazione determina ed esegue le operazioni che espone.
Usate specifiche di output precise per l’attività finale: la decisione, i campi che la sostengono e le eventuali informazioni ancora mancanti. Per esempio, chiedete una categoria, una breve giustificazione collegata alla regola fornita e la domanda successiva da inviare al lettore. Verificate il risultato rispetto a tali regole, anziché aggiungere una discussione senza limiti. Questo flusso di lavoro usa il ruolo di Luna per attività mirate, riservando il lavoro aggiuntivo di Pro a una richiesta le cui dipendenze o eccezioni necessitano di un esame più completo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-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 $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 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 $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 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 $0.0004 / 1K token Output · Token in output $0.0015 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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-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-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-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 openai/gpt-6-luna-pro
Usa i percorsi dei metodi indicati sopra.
openai/gpt-6-luna-proGPT-6 Luna con ragionamento Pro per attività mirate che richiedono ulteriore analisi prima della risposta finale. Il modello di base accetta testo e immagini, risultando utile per gestire documenti secondo regole, rispondere a domande visive e produrre risultati scritti concisi.
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 Luna Pro indica GPT-6 Luna di OpenAI con ragionamento Pro. Luna è progettato per attività mirate e carichi di lavoro a volume elevato; riceve testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello durante lo sviluppo della risposta finale. È una modalità di esecuzione applicata al modello di base scelto, distinta dall’impostazione di impegno nel ragionamento che regola la quantità di analisi all’interno di tale modalità.
Un’applicazione pratica è elaborare una richiesta definita in modo circoscritto con diverse regole o eccezioni. Fornite la richiesta, le categorie a cui può appartenere e le informazioni che determinano l’azione successiva. Chiedete la categoria, i fatti pertinenti e una breve proposta di risposta. Un esempio di attività è classificare una richiesta di documenti, identificare un campo mancante e redigere un messaggio per richiederlo. L’attività resta mirata anche quando le condizioni richiedono un esame attento.
Per una domanda basata su un’immagine, fornite una schermata chiara o altro materiale visivo e identificate il dettaglio da esaminare. Potete richiedere una spiegazione di uno stato visibile dell’interfaccia insieme a una breve istruzione per il lettore. Per materiale scritto, definite i campi o le affermazioni da preservare nella trasformazione, le categorie consentite e il formato atteso della risposta. Un piccolo insieme di esempi rappresentativi può chiarire il confine tra categorie simili senza costringere il modello a dedurre le vostre regole.
OpenAI specifica per GPT-6 Luna una finestra di contesto di 1 050 000 token, con un input massimo di 922 000 token e un output massimo di 128 000 token. Le conoscenze documentate sono aggiornate al 18 maggio 2026. Il modello di base supporta i livelli di impegno nel ragionamento none, low, medium, high, xhigh e max, con medium come valore predefinito. Il ragionamento occupa spazio in token oltre alla risposta finale: la consegna e il materiale fornito devono quindi lasciare spazio per l’analisi e il risultato richiesto.
Il produttore documenta Pro nell’API Responses per richieste difficili che possono tollerare latenza e attività aggiuntive del modello. Gli strumenti integrati di GPT-6 Luna e il ragionamento con chiamate di funzioni usano Responses; nell’interfaccia Chat Completions del produttore, le chiamate di funzioni sono supportate soltanto con l’impegno nel ragionamento impostato su none. Il modello di base elenca lo streaming, Structured Outputs, la ricerca sul web e nei file, le chiamate di funzioni e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende anche generazione di immagini, interpretazione di codice, operazioni da riga di comando e di applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. La vostra applicazione determina ed esegue le operazioni che espone.
Usate specifiche di output precise per l’attività finale: la decisione, i campi che la sostengono e le eventuali informazioni ancora mancanti. Per esempio, chiedete una categoria, una breve giustificazione collegata alla regola fornita e la domanda successiva da inviare al lettore. Verificate il risultato rispetto a tali regole, anziché aggiungere una discussione senza limiti. Questo flusso di lavoro usa il ruolo di Luna per attività mirate, riservando il lavoro aggiuntivo di Pro a una richiesta le cui dipendenze o eccezioni necessitano di un esame più completo.
POST /v1/messagestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-6-luna-pro | 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 $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 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 $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 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 $0.0004 / 1K token Output · Token in output $0.0015 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "openai/gpt-6-luna-pro",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${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-luna-pro', '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-luna-pro', '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 Ultra openai/gpt-6-luna-pro
Usa i percorsi dei metodi indicati sopra.
openai/gpt-6-luna-proGPT-6 Luna con ragionamento Pro per attività mirate che richiedono ulteriore analisi prima della risposta finale. Il modello di base accetta testo e immagini, risultando utile per gestire documenti secondo regole, rispondere a domande visive e produrre risultati scritti concisi.
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 Luna Pro indica GPT-6 Luna di OpenAI con ragionamento Pro. Luna è progettato per attività mirate e carichi di lavoro a volume elevato; riceve testo e immagini e produce testo. Pro prevede un’elaborazione aggiuntiva del modello durante lo sviluppo della risposta finale. È una modalità di esecuzione applicata al modello di base scelto, distinta dall’impostazione di impegno nel ragionamento che regola la quantità di analisi all’interno di tale modalità.
Un’applicazione pratica è elaborare una richiesta definita in modo circoscritto con diverse regole o eccezioni. Fornite la richiesta, le categorie a cui può appartenere e le informazioni che determinano l’azione successiva. Chiedete la categoria, i fatti pertinenti e una breve proposta di risposta. Un esempio di attività è classificare una richiesta di documenti, identificare un campo mancante e redigere un messaggio per richiederlo. L’attività resta mirata anche quando le condizioni richiedono un esame attento.
Per una domanda basata su un’immagine, fornite una schermata chiara o altro materiale visivo e identificate il dettaglio da esaminare. Potete richiedere una spiegazione di uno stato visibile dell’interfaccia insieme a una breve istruzione per il lettore. Per materiale scritto, definite i campi o le affermazioni da preservare nella trasformazione, le categorie consentite e il formato atteso della risposta. Un piccolo insieme di esempi rappresentativi può chiarire il confine tra categorie simili senza costringere il modello a dedurre le vostre regole.
OpenAI specifica per GPT-6 Luna una finestra di contesto di 1 050 000 token, con un input massimo di 922 000 token e un output massimo di 128 000 token. Le conoscenze documentate sono aggiornate al 18 maggio 2026. Il modello di base supporta i livelli di impegno nel ragionamento none, low, medium, high, xhigh e max, con medium come valore predefinito. Il ragionamento occupa spazio in token oltre alla risposta finale: la consegna e il materiale fornito devono quindi lasciare spazio per l’analisi e il risultato richiesto.
Il produttore documenta Pro nell’API Responses per richieste difficili che possono tollerare latenza e attività aggiuntive del modello. Gli strumenti integrati di GPT-6 Luna e il ragionamento con chiamate di funzioni usano Responses; nell’interfaccia Chat Completions del produttore, le chiamate di funzioni sono supportate soltanto con l’impegno nel ragionamento impostato su none. Il modello di base elenca lo streaming, Structured Outputs, la ricerca sul web e nei file, le chiamate di funzioni e la memorizzazione nella cache dell’input. L’insieme degli strumenti comprende anche generazione di immagini, interpretazione di codice, operazioni da riga di comando e di applicazione di modifiche ai file, competenze, uso del computer, connessioni MCP e ricerca di strumenti. La vostra applicazione determina ed esegue le operazioni che espone.
Usate specifiche di output precise per l’attività finale: la decisione, i campi che la sostengono e le eventuali informazioni ancora mancanti. Per esempio, chiedete una categoria, una breve giustificazione collegata alla regola fornita e la domanda successiva da inviare al lettore. Verificate il risultato rispetto a tali regole, anziché aggiungere una discussione senza limiti. Questo flusso di lavoro usa il ruolo di Luna per attività mirate, riservando il lavoro aggiuntivo di Pro a una richiesta le cui dipendenze o eccezioni necessitano di un esame più completo.
POST /v1/responsestexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-6-luna-pro | 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 $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 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 $0.0002 / 1K token Output · Token in output $0.001 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.00025 / 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 $0.0004 / 1K token Output · Token in output $0.0015 / 1K token Input · Lettura dalla cache $0.00004 / 1K token Input · Scrittura nella cache $0.0005 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "openai/gpt-6-luna-pro",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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-luna-pro', '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-luna-pro', '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 Ultra openai/gpt-6-luna-pro
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Find missing request details\n\nProcess this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.A compact field table, missing-field list and targeted clarification message.Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.