GPT-5.6 Luna Proは、OpenAIのGPT-5.6 LunaにPro推論を適用したものを指します。基盤となるLunaは、焦点を絞った処理量の多い作業向けに設計され、以前のGPT-5ファミリーのnanoにおおむね相当する位置付けです。テキストと画像を入力として受け取り、テキストを出力します。Proは最終回答を作成するためのモデルの処理を追加する実行モードであり、基盤モデルの代わりになるものではありません。
実用例として、規則に例外が含まれる文書から、定義された情報群を抽出する課題があります。文書と必要なフィールドを提示し、優先する記述と、値が存在しない場合の扱いを指定します。たとえば、文書の主題、依頼に関係する条件、その依頼を完了するために必要な次の質問を抽出するよう依頼できます。抽出フィールドとともに例外の説明を求めると、結果を元の資料と比較できます。
視覚資料では、鮮明なページやスクリーンショットを提示し、課題の判断材料となる具体的な詳細やラベルを指定します。回答を書く課題では、依頼内容、回答を規定する規則、保持すべき事実を提示します。求める口調と長さを定義し、無制限の議論ではなく、簡潔な回答を一つ求めます。この準備により、Lunaの焦点を絞った役割を、具体的なテキストの結果に結び付けられます。
OpenAIはGPT-5.6 Lunaについて、1,050,000トークンのコンテキストウィンドウ、922,000トークンの最大入力、128,000トークンの最大出力を示し、知識の基準時点は2026年2月16日です。基盤モデルの推論労力の選択肢はnone、low、medium、high、xhigh、maxで、既定値はmediumです。モードと労力は独立しています。Proはモデルの追加処理を決め、労力はそのモード内の推論量を制御します。推論もコンテキスト領域を使うため、分析と表示回答のための余地を残します。
提供元はResponses APIのProを、追加の待ち時間とモデルの処理を許容できる難しい課題向けとして説明しています。基盤モデルには、ストリーミング、Structured Outputs、関数呼び出し、ウェブ検索とファイル検索、画像入力、プロンプトキャッシュが挙げられています。ツール群には、画像生成、コード実行、ホスト型のshell操作とpatch操作、スキル、コンピューター操作、MCP接続、ツール検索があります。ツール操作には対応する環境が必要です。アプリケーションが自ら操作を実行し、続く作業のために実際の結果を提供します。
有用な最終成果物として、必要なフィールド、判断を裏付ける規則、未解決の質問を指定します。たとえば、回答案と、それが根拠とする文書中の事実を求め、不足情報を提示した後で回答を改善できます。提案された操作と、ツールが完了した操作の違いを明示します。このワークフローは、範囲を絞ったLunaの課題の中で、Proの追加分析に具体的な目的を与えます。
", "aboutText": "GPT-5.6 Luna Proは、OpenAIのGPT-5.6 LunaにPro推論を適用したものを指します。基盤となるLunaは、焦点を絞った処理量の多い作業向けに設計され、以前のGPT-5ファミリーのnanoにおおむね相当する位置付けです。テキストと画像を入力として受け取り、テキストを出力します。Proは最終回答を作成するためのモデルの処理を追加する実行モードであり、基盤モデルの代わりになるものではありません。\n\n実用例として、規則に例外が含まれる文書から、定義された情報群を抽出する課題があります。文書と必要なフィールドを提示し、優先する記述と、値が存在しない場合の扱いを指定します。たとえば、文書の主題、依頼に関係する条件、その依頼を完了するために必要な次の質問を抽出するよう依頼できます。抽出フィールドとともに例外の説明を求めると、結果を元の資料と比較できます。\n\n視覚資料では、鮮明なページやスクリーンショットを提示し、課題の判断材料となる具体的な詳細やラベルを指定します。回答を書く課題では、依頼内容、回答を規定する規則、保持すべき事実を提示します。求める口調と長さを定義し、無制限の議論ではなく、簡潔な回答を一つ求めます。この準備により、Lunaの焦点を絞った役割を、具体的なテキストの結果に結び付けられます。\n\nOpenAIはGPT-5.6 Lunaについて、1,050,000トークンのコンテキストウィンドウ、922,000トークンの最大入力、128,000トークンの最大出力を示し、知識の基準時点は2026年2月16日です。基盤モデルの推論労力の選択肢はnone、low、medium、high、xhigh、maxで、既定値はmediumです。モードと労力は独立しています。Proはモデルの追加処理を決め、労力はそのモード内の推論量を制御します。推論もコンテキスト領域を使うため、分析と表示回答のための余地を残します。\n\n提供元はResponses APIのProを、追加の待ち時間とモデルの処理を許容できる難しい課題向けとして説明しています。基盤モデルには、ストリーミング、Structured Outputs、関数呼び出し、ウェブ検索とファイル検索、画像入力、プロンプトキャッシュが挙げられています。ツール群には、画像生成、コード実行、ホスト型のshell操作とpatch操作、スキル、コンピューター操作、MCP接続、ツール検索があります。ツール操作には対応する環境が必要です。アプリケーションが自ら操作を実行し、続く作業のために実際の結果を提供します。\n\n有用な最終成果物として、必要なフィールド、判断を裏付ける規則、未解決の質問を指定します。たとえば、回答案と、それが根拠とする文書中の事実を求め、不足情報を提示した後で回答を改善できます。提案された操作と、ツールが完了した操作の違いを明示します。このワークフローは、範囲を絞ったLunaの課題の中で、Proの追加分析に具体的な目的を与えます。", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8f2025f1da0cf2e288a2426e0b163978dd26e5e546f8cdebf8aad388bc99c625", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ja", "methods": [ { "html": "openai/gpt-5.6-luna-pro:batchGPT-5.6 LunaにPro推論を組み合わせ、追加の分析を必要とする、焦点を絞った課題に利用します。テキストや画像と明確な規則を提示し、抽出結果、簡潔な回答、例外の説明を作成するよう依頼できます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
GPT-5.6 Luna Proは、OpenAIのGPT-5.6 LunaにPro推論を適用したものを指します。基盤となるLunaは、焦点を絞った処理量の多い作業向けに設計され、以前のGPT-5ファミリーのnanoにおおむね相当する位置付けです。テキストと画像を入力として受け取り、テキストを出力します。Proは最終回答を作成するためのモデルの処理を追加する実行モードであり、基盤モデルの代わりになるものではありません。
実用例として、規則に例外が含まれる文書から、定義された情報群を抽出する課題があります。文書と必要なフィールドを提示し、優先する記述と、値が存在しない場合の扱いを指定します。たとえば、文書の主題、依頼に関係する条件、その依頼を完了するために必要な次の質問を抽出するよう依頼できます。抽出フィールドとともに例外の説明を求めると、結果を元の資料と比較できます。
視覚資料では、鮮明なページやスクリーンショットを提示し、課題の判断材料となる具体的な詳細やラベルを指定します。回答を書く課題では、依頼内容、回答を規定する規則、保持すべき事実を提示します。求める口調と長さを定義し、無制限の議論ではなく、簡潔な回答を一つ求めます。この準備により、Lunaの焦点を絞った役割を、具体的なテキストの結果に結び付けられます。
OpenAIはGPT-5.6 Lunaについて、1,050,000トークンのコンテキストウィンドウ、922,000トークンの最大入力、128,000トークンの最大出力を示し、知識の基準時点は2026年2月16日です。基盤モデルの推論労力の選択肢はnone、low、medium、high、xhigh、maxで、既定値はmediumです。モードと労力は独立しています。Proはモデルの追加処理を決め、労力はそのモード内の推論量を制御します。推論もコンテキスト領域を使うため、分析と表示回答のための余地を残します。
提供元はResponses APIのProを、追加の待ち時間とモデルの処理を許容できる難しい課題向けとして説明しています。基盤モデルには、ストリーミング、Structured Outputs、関数呼び出し、ウェブ検索とファイル検索、画像入力、プロンプトキャッシュが挙げられています。ツール群には、画像生成、コード実行、ホスト型のshell操作とpatch操作、スキル、コンピューター操作、MCP接続、ツール検索があります。ツール操作には対応する環境が必要です。アプリケーションが自ら操作を実行し、続く作業のために実際の結果を提供します。
有用な最終成果物として、必要なフィールド、判断を裏付ける規則、未解決の質問を指定します。たとえば、回答案と、それが根拠とする文書中の事実を求め、不足情報を提示した後で回答を改善できます。提案された操作と、ツールが完了した操作の違いを明示します。このワークフローは、範囲を絞ったLunaの課題の中で、Proの追加分析に具体的な目的を与えます。
POST /v1/batchestexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドendpoint | 種類string | 要件必須 | 値と制限 /v1/chat/completions | デフォルト— |
フィールドmodel | 種類string | 要件必須 | 値と制限 openai/gpt-5.6-luna-pro:batch | デフォルト— |
フィールドrequests | 種類batch_item[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドrequests[].custom_id | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドrequests[].body.messages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドcompletion_window | 種類string | 要件任意 | 値と制限 24h | デフォルト— |
フィールドprovider | 種類object|null | 要件任意 | 値と制限 | デフォルト— |
フィールドrequests[].body.model | 種類string | 要件任意 | 値と制限 openai/gpt-5.6-luna-pro:batch, openai/gpt-5.6-luna-pro | デフォルト— |
フィールドprovider.only | 種類string[] | 要件任意 | 値と制限 openai | デフォルト— |
フィールドprovider.allow_fallbacks | 種類boolean|null | 要件任意 | 値と制限 false, null | デフォルト— |
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様endpoint, model, requests |
パラメータmaterial_types | 仕様text |
パラメータrepresentation | 仕様インラインの requests[]。各項目には custom_id と body を指定します |
パラメータrequest_endpoint_profile | 仕様/v1/chat/completions |
パラメータfile_material | 仕様呼び出し元は実際の UTF-8 JSONL をローカルで読み込み、requests[] に格納できます。アップロードの purpose、input_file_id、ファイル参照は使用しません。顧客の素材が存在しない、または空の場合、POST の前に準備を停止します。 |
パラメータserialization_order | 仕様endpoint, model, provider（指定されている場合）, completion_window（指定されている場合）, requests を最後に配置 |
パラメータoptional_controls | 仕様provider.only, provider.allow_fallbacks, completion_window |
パラメータschema_scope | 仕様ドキュメントに記載されたインラインの Batch エンベロープに格納する、テキスト Chat Completions のリクエストボディ。 |
ライフサイクル: asynchronous
GET /v1/batches/{operation_id} · 元の作成レスポンスに実際に含まれる response.id。同じユーザー／キー／グループを使用します
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0002 / 1K トークン 出力 · 出力トークン $0.0012 / 1K トークン 入力 · キャッシュ読み取り $0.00002 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合272,000 | 料金 入力 · 入力トークン $0.0002 / 1K トークン 出力 · 出力トークン $0.0012 / 1K トークン 入力 · キャッシュ読み取り $0.00002 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 2 | 料金表— | コンテキストトークン数が次の値を超える場合272,000 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.0004 / 1K トークン 出力 · 出力トークン $0.0018 / 1K トークン 入力 · キャッシュ読み取り $0.00004 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.6-luna-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.6-luna-pro:batch', 'openai/gpt-5.6-luna-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-luna-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nインラインの results[].response.body JSON
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\n返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
元のステータス JSON の全体、各結果と custom_id、レスポンスまたはエラーボディの全体を保存してください。完了済みの results[] は、絞り込まずに JSONL として保存してください。
元の操作 ID を保存してください。503 result_pending_check には X-Should-Retry:false が設定されています。結果が不明な元のバッチを決して再送しないでください。
| フィールド | 種類 |
|---|---|
フィールドresults[].custom_id | 種類string |
フィールドresults[].response.body.choices[].message.content | 種類string|null |
フィールドresults[].error | 種類object|null |
フィールドusage | 種類object|null |
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドendpoint | 種類string |
フィールドstatus | 種類string |
フィールドrequest_counts | 種類object |
フィールドresults[].id | 種類string |
フィールドresults[].response.status_code | 種類integer |
フィールドresults[].response.request_id | 種類string |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件ドキュメントに記載されたインラインエンベロープが無効、キーが重複、項目の識別情報が不正、または設定されたモデル機能に矛盾があります。 | 次の手順新しく送信する前に、指摘されたフィールドを修正してください。 |
レスポンス401 · authentication_error | 条件無効な API キーです。 | 次の手順利用を許可された Ailoot キーを使用してください。 |
レスポンス403 · permission_error | 条件バッチグループを利用できません。 | 次の手順キー／グループの利用権限を確認してください。 |
レスポンス422 · invalid_request_error | 条件バッチは残高課金を使用します。サブスクリプションでのバッチ作成は拒否されます。 | 次の手順利用を許可された残高課金グループを使用してください。 |
レスポンス422 · price_unavailable | 条件バッチ入力の料金を見積もれません。 | 次の手順レスポンスを保存し、対象 API ファミリーのドキュメントに記載された入力を使用してください。 |
レスポンス402 · billing_error | 条件バッチの予約額を確保できません。 | 次の手順新しいリクエストの前に、受付条件の問題を解決してください。 |
レスポンス503 · price_unavailable | 条件Batch メソッドの価格／ネイティブ料金を利用できません。 | 次の手順レスポンスを保存してください。価格を別の値に置き換えないでください。 |
レスポンス503 · api_error | 条件指定どおりのサプライヤールートを利用できません。 | 次の手順ルートを修復するためにレスポンスを保存してください。 |
レスポンス503 · result_pending_check | 条件元の結果の確認が必要です。X-Should-Retry:false。 | 次の手順元の operation_id/id を保存し、そのステータスを読み取ってください。元の POST を決して繰り返さないでください。 |
レスポンス404 · not_found | 条件バッチのステータス操作が存在しないか、別の識別主体が所有しています。 | 次の手順元の正確な id と、同じユーザー／キー／グループを使用してください。 |
Ailoot Ultra openai/gpt-5.6-luna-pro:batch
上記に表示されたメソッドパスを使用してください。