GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
", "aboutText": "### 연구, 개발, 문서 생성\n\nGPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.\n\nOpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.\n\n### 작업의 일부인 추론\n\n`low`, `medium`, `high`, `xhigh`, `max` 수준을 지원합니다. `none`을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.\n\nOpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 `Responses`에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.\n\nGPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.\n\n### 텍스트와 시각 자료\n\n모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.\n\n이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.\n\n### 하나의 과제 안에서 여러 작업 수행하기\n\n공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 `Responses`를 사용합니다. `Chat Completions`는 도구 없는 텍스트 교환을 지원합니다.\n\n적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.\n\n제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.\n\n### 결과 형식과 반복 컨텍스트\n\n구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.\n\n캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Prepare a source-backed decision memo\n\nPrepare a one-page decision memo from these findings. F1: The legacy system exports CSV but has no audit log. F2: The replacement imports CSV and records changes. F3: A pilot imported 40 of 50 records; 10 failed because owner_id was missing. Recommend the next migration step, define acceptance criteria and preserve what the pilot has actually proved.A memo with recommendation, evidence references, unresolved data issue and acceptance criteria for a later full migration.Check that the 40-record result is not reported as a completed 50-record migration and that missing owner_id remains a blocker.gpt-6-astraGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/messagestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-6-astra | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string|content_block[] | 요건필수 | 값과 한도 | 기본값— |
필드system | 유형string|content_block[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 최솟값: 1 한도 적용 대상: 선택한 모델/카드의 정확한 상한 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop_sequences | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].name | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 도구 지정됨 | 기본값— |
필드tools[].description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].input_schema | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.budget_tokens | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드output_config.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드metadata | 유형object | 요건선택 사항 | 값과 한도 | 기본값— |
필드cache_control | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content 또는 type=text 블록
텍스트 + 이미지
{type:image,source:{type:base64,media_type,data}} 또는 type=url인 소스
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/messages| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 272,000] | 입력US$0.01 | 출력US$0.05 | 캐시 읽기US$0.001 | 캐시 쓰기US$0.0125 | 5분 캐시US$0.0125 | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(272,000; ∞) | 입력US$0.02 | 출력US$0.075 | 캐시 읽기US$0.002 | 캐시 쓰기US$0.025 | 5분 캐시US$0.025 | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt-6-astra",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt-6-astra",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gpt-6-astra',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/responsestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-6-astra | 기본값— |
필드input | 유형string|input_item[] | 요건필수 | 값과 한도 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].type | 유형string | 요건선택 사항 | 값과 한도 message, reasoning, function_call, function_call_output | 기본값— |
필드input[].content | 유형string|content_part[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: function_call_output. 실제 반환된 call_id를 유지하세요 | 기본값— |
필드input[].output | 유형string|content_part[] | 요건선택 사항 | 값과 한도 적용 조건: function_call_output | 기본값— |
필드max_output_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.summary | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.verbosity | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드include | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드store | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드previous_response_id | 유형string | 요건선택 사항 | 값과 한도 ID 요건: 지원되는 이어가기의 실제 응답 ID만 사용 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_key | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
입력 텍스트 또는 input_text 파트
텍스트 + 이미지
{type:input_image,image_url}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, input |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/responses| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 272,000] | 입력US$0.01 | 출력US$0.05 | 캐시 읽기US$0.001 | 캐시 쓰기US$0.0125 | 5분 캐시US$0.0125 | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(272,000; ∞) | 입력US$0.02 | 출력US$0.075 | 캐시 읽기US$0.002 | 캐시 쓰기US$0.025 | 5분 캐시US$0.025 | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="gpt-6-astra", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt-6-astra", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="gpt-6-astra", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 출력 항목과 콘텐츠 파트, 실제 함수 call_id, 암호화된 추론, 사용량을 보존하세요. 스트리밍에서는 이벤트/항목의 식별 정보를 완전하게 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드status | 유형string |
필드output[] | 유형message|reasoning|function_call|other item |
필드output[].content[] | 유형content part |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/chat/completionstext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-6-astra | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
텍스트 + 이미지
{type:image_url,image_url:{url,detail}}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, messages |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/chat/completions| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 272,000] | 입력US$0.01 | 출력US$0.05 | 캐시 읽기US$0.001 | 캐시 쓰기US$0.0125 | 5분 캐시US$0.0125 | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(272,000; ∞) | 입력US$0.02 | 출력US$0.075 | 캐시 읽기US$0.002 | 캐시 쓰기US$0.025 | 5분 캐시US$0.025 | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="gpt-6-astra",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt-6-astra",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-6-astra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-6-astra | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-6-astra","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-6-astra", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-6-astra | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gpt-6-astra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-astra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-astra', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gptGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/messagestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string|content_block[] | 요건필수 | 값과 한도 | 기본값— |
필드system | 유형string|content_block[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 최솟값: 1 한도 적용 대상: 선택한 모델/카드의 정확한 상한 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop_sequences | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].name | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 도구 지정됨 | 기본값— |
필드tools[].description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].input_schema | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.budget_tokens | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드output_config.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드metadata | 유형object | 요건선택 사항 | 값과 한도 | 기본값— |
필드cache_control | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content 또는 type=text 블록
텍스트 + 이미지
{type:image,source:{type:base64,media_type,data}} 또는 type=url인 소스
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/messages| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 272,000] | 입력US$0.01 | 출력US$0.05 | 캐시 읽기US$0.001 | 캐시 쓰기US$0.0125 | 5분 캐시US$0.0125 | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(272,000; ∞) | 입력US$0.02 | 출력US$0.075 | 캐시 읽기US$0.002 | 캐시 쓰기US$0.025 | 5분 캐시US$0.025 | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gpt',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gptGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/responsestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt | 기본값— |
필드input | 유형string|input_item[] | 요건필수 | 값과 한도 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].type | 유형string | 요건선택 사항 | 값과 한도 message, reasoning, function_call, function_call_output | 기본값— |
필드input[].content | 유형string|content_part[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: function_call_output. 실제 반환된 call_id를 유지하세요 | 기본값— |
필드input[].output | 유형string|content_part[] | 요건선택 사항 | 값과 한도 적용 조건: function_call_output | 기본값— |
필드max_output_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.summary | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.verbosity | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드include | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드store | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드previous_response_id | 유형string | 요건선택 사항 | 값과 한도 ID 요건: 지원되는 이어가기의 실제 응답 ID만 사용 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_key | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
입력 텍스트 또는 input_text 파트
텍스트 + 이미지
{type:input_image,image_url}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, input |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/responses| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 272,000] | 입력US$0.01 | 출력US$0.05 | 캐시 읽기US$0.001 | 캐시 쓰기US$0.0125 | 5분 캐시US$0.0125 | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(272,000; ∞) | 입력US$0.02 | 출력US$0.075 | 캐시 읽기US$0.002 | 캐시 쓰기US$0.025 | 5분 캐시US$0.025 | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="gpt", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="gpt", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 출력 항목과 콘텐츠 파트, 실제 함수 call_id, 암호화된 추론, 사용량을 보존하세요. 스트리밍에서는 이벤트/항목의 식별 정보를 완전하게 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드status | 유형string |
필드output[] | 유형message|reasoning|function_call|other item |
필드output[].content[] | 유형content part |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gptGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/chat/completionstext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
텍스트 + 이미지
{type:image_url,image_url:{url,detail}}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, messages |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/chat/completions| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 272,000] | 입력US$0.01 | 출력US$0.05 | 캐시 읽기US$0.001 | 캐시 쓰기US$0.0125 | 5분 캐시US$0.0125 | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(272,000; ∞) | 입력US$0.02 | 출력US$0.075 | 캐시 읽기US$0.002 | 캐시 쓰기US$0.025 | 5분 캐시US$0.025 | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="gpt",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-latestGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/messagestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-latest | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string|content_block[] | 요건필수 | 값과 한도 | 기본값— |
필드system | 유형string|content_block[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 최솟값: 1 한도 적용 대상: 선택한 모델/카드의 정확한 상한 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop_sequences | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].name | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 도구 지정됨 | 기본값— |
필드tools[].description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].input_schema | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.budget_tokens | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드output_config.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드metadata | 유형object | 요건선택 사항 | 값과 한도 | 기본값— |
필드cache_control | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content 또는 type=text 블록
텍스트 + 이미지
{type:image,source:{type:base64,media_type,data}} 또는 type=url인 소스
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/messages| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 272,000] | 입력US$0.01 | 출력US$0.05 | 캐시 읽기US$0.001 | 캐시 쓰기US$0.0125 | 5분 캐시US$0.0125 | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(272,000; ∞) | 입력US$0.02 | 출력US$0.075 | 캐시 읽기US$0.002 | 캐시 쓰기US$0.025 | 5분 캐시US$0.025 | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt-latest",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt-latest",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gpt-latest',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-latestGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/responsestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-latest | 기본값— |
필드input | 유형string|input_item[] | 요건필수 | 값과 한도 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].type | 유형string | 요건선택 사항 | 값과 한도 message, reasoning, function_call, function_call_output | 기본값— |
필드input[].content | 유형string|content_part[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: function_call_output. 실제 반환된 call_id를 유지하세요 | 기본값— |
필드input[].output | 유형string|content_part[] | 요건선택 사항 | 값과 한도 적용 조건: function_call_output | 기본값— |
필드max_output_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.summary | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.verbosity | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드include | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드store | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드previous_response_id | 유형string | 요건선택 사항 | 값과 한도 ID 요건: 지원되는 이어가기의 실제 응답 ID만 사용 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_key | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
입력 텍스트 또는 input_text 파트
텍스트 + 이미지
{type:input_image,image_url}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, input |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/responses| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 272,000] | 입력US$0.01 | 출력US$0.05 | 캐시 읽기US$0.001 | 캐시 쓰기US$0.0125 | 5분 캐시US$0.0125 | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(272,000; ∞) | 입력US$0.02 | 출력US$0.075 | 캐시 읽기US$0.002 | 캐시 쓰기US$0.025 | 5분 캐시US$0.025 | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.responses.create(model="gpt-latest", input="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt-latest", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nwith client.responses.stream(model="gpt-latest", input="Explain the difference between an observation and a hypothesis in three sentences.") as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 출력 항목과 콘텐츠 파트, 실제 함수 call_id, 암호화된 추론, 사용량을 보존하세요. 스트리밍에서는 이벤트/항목의 식별 정보를 완전하게 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드status | 유형string |
필드output[] | 유형message|reasoning|function_call|other item |
필드output[].content[] | 유형content part |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-latestGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/chat/completionstext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-latest | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
텍스트 + 이미지
{type:image_url,image_url:{url,detail}}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, messages |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/chat/completions| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 272,000] | 입력US$0.01 | 출력US$0.05 | 캐시 읽기US$0.001 | 캐시 쓰기US$0.0125 | 5분 캐시US$0.0125 | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(272,000; ∞) | 입력US$0.02 | 출력US$0.075 | 캐시 읽기US$0.002 | 캐시 쓰기US$0.025 | 5분 캐시US$0.025 | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Responses · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = OpenAI(base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nresp = client.chat.completions.create(\n model="gpt-latest",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt-latest",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/responsestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-6-astra | 기본값— |
필드input | 유형string|input_item[] | 요건필수 | 값과 한도 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].type | 유형string | 요건선택 사항 | 값과 한도 message, reasoning, function_call, function_call_output | 기본값— |
필드input[].content | 유형string|content_part[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: function_call_output. 실제 반환된 call_id를 유지하세요 | 기본값— |
필드input[].output | 유형string|content_part[] | 요건선택 사항 | 값과 한도 적용 조건: function_call_output | 기본값— |
필드max_output_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.summary | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.verbosity | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드include | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드store | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드previous_response_id | 유형string | 요건지원되지 않음 | 값과 한도 ID 요건: 지원되는 이어가기의 실제 응답 ID만 사용 조건: 각 요청에 실제 대화 이력을 다시 포함하세요. | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_key | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
input text or input_text part
텍스트 + 이미지
{type:input_image,image_url}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text |
매개변수required | 명세model, input |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: exact retained published method
정확한 모델 ID와 필수 필드를 전송하세요.
반환된 모든 항목과 원래 식별자를 보존하세요.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gpt-6-astra",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson or SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 출력 항목과 콘텐츠 파트, 실제 함수 call_id, 암호화된 추론, 사용량을 보존하세요. 스트리밍에서는 이벤트/항목의 식별 정보를 완전하게 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드status | 유형string |
필드output[] | 유형message|reasoning|function_call|other item |
필드output[].content[] | 유형content part |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
openai/gpt-6-astraGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-6-astra | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-6-astra", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-6-astra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-6-astra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
openai/gpt-6-astraGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/messagestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-6-astra | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string|content_block[] | 요건필수 | 값과 한도 | 기본값— |
필드system | 유형string|content_block[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 최솟값: 1 한도 적용 대상: 선택한 모델/카드의 정확한 상한 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop_sequences | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].name | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 도구 지정됨 | 기본값— |
필드tools[].description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].input_schema | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.budget_tokens | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드output_config.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드metadata | 유형object | 요건선택 사항 | 값과 한도 | 기본값— |
필드cache_control | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content 또는 type=text 블록
텍스트 + 이미지
{type:image,source:{type:base64,media_type,data}} 또는 type=url인 소스
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: exact retained published method
정확한 모델 ID와 필수 필드를 전송하세요.
반환된 모든 항목과 원래 식별자를 보존하세요.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "openai/gpt-6-astra",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
openai/gpt-6-astraGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/responsestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-6-astra | 기본값— |
필드input | 유형string|input_item[] | 요건필수 | 값과 한도 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].type | 유형string | 요건선택 사항 | 값과 한도 message, reasoning, function_call, function_call_output | 기본값— |
필드input[].content | 유형string|content_part[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: function_call_output. 실제 반환된 call_id를 유지하세요 | 기본값— |
필드input[].output | 유형string|content_part[] | 요건선택 사항 | 값과 한도 적용 조건: function_call_output | 기본값— |
필드max_output_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.summary | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.verbosity | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드include | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드store | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드previous_response_id | 유형string | 요건지원되지 않음 | 값과 한도 ID 요건: 지원되는 이어가기의 실제 응답 ID만 사용 조건: 각 요청에 실제 대화 이력을 다시 포함하세요. | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_key | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
입력 텍스트 또는 input_text 파트
텍스트 + 이미지
{type:input_image,image_url}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text |
매개변수required | 명세model, input |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: exact retained published method
정확한 모델 ID와 필수 필드를 전송하세요.
반환된 모든 항목과 원래 식별자를 보존하세요.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "openai/gpt-6-astra",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 출력 항목과 콘텐츠 파트, 실제 함수 call_id, 암호화된 추론, 사용량을 보존하세요. 스트리밍에서는 이벤트/항목의 식별 정보를 완전하게 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드status | 유형string |
필드output[] | 유형message|reasoning|function_call|other item |
필드output[].content[] | 유형content part |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
~openai/gpt-astra-latestGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ~openai/gpt-astra-latest | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~openai/gpt-astra-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='~openai/gpt-astra-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='~openai/gpt-astra-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
~openai/gpt-astra-latestGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ~openai/gpt-astra-latest | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "~openai/gpt-astra-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-astra-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-astra-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
~openai/gpt-astra-latestGPT-6 Astra는 복잡한 추론, 프로그래밍, 연구, 문서 준비를 위한 모델입니다. 여러 단계의 과제에서 텍스트, 이미지, 도구를 활용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 까다로운 추론, 프로그래밍, 연구, 전문 업무를 위한 OpenAI 모델입니다. 개발사는 문서 생성과 컴퓨터 인터페이스 상호작용을 별도로 강조합니다. 정보를 모으고, 작업을 수행하며, 이전 단계의 결과를 반영해야 하는 일련의 작업을 위해 설계되었습니다.
OpenAI에 따르면 Astra는 요구 사항이 바뀌어도 전체 구상을 유지합니다. 추가 사항을 반영하고, 작업 흐름을 조정하며, 관련 질문에 답합니다. 정보를 여러 방식으로 해석할 수 있다면 과제 범위, 완료 기준, 명확한 설명을 요청할 규칙을 정하는 것이 유용합니다. 어조와 결과 구조도 명시적으로 설명할 수 있습니다. 모델은 상세하고 형식이 갖춰진 응답을 하는 경향이 있습니다.
low, medium, high, xhigh, max 수준을 지원합니다. none을 통한 추론 비활성화는 제공되지 않습니다. 노력 수준은 해결 과정을 조절하고, 최종 텍스트의 분량은 별도로 정합니다. 필요한 결과가 짧은 응답이라면 복잡한 추론도 짧게 끝낼 수 있습니다.
OpenAI는 분석 깊이와 독립적인 일반 실행 모드와 확장 실행 모드를 제공합니다. 기본은 일반 모드입니다. 확장 모드는 추가 시간과 더 많은 토큰 사용을 허용할 수 있는 어려운 과제를 위한 것입니다. 모드는 실행 방식을 정하고 노력 수준은 그 안의 추론 깊이를 정합니다. 선택은 Responses에 대해 설명되어 있으며 애플리케이션 지원이 필요합니다. 개발사의 공개된 능력이 현재 Ailoot 호출 방식에서 활성화되었음을 확인해 주는 것은 아닙니다.
GPT-6 제품군은 이전 요청 접두부를 유지하면서 대화를 이어가는 사이에 추론 수준을 바꿀 수 있습니다. 계속 작업하려면 적절한 상태를 전달해야 합니다. 장기 지시를 제어하는 기능은 상호작용 형식과 애플리케이션의 해당 작업 지원에 따라 달라집니다.
모델은 텍스트와 이미지를 입력받고 텍스트를 반환하며, 스트리밍과 구조화 결과를 지원합니다. OpenAI는 컨텍스트 1 050 000토큰, 최대 입력 922 000토큰, 최대 출력 128 000토큰을 명시합니다. 지식 기준은 2026년 4월 30일입니다.
이미지는 보이는 내용 분석, 텍스트 읽기, 세부 요소에 대한 질문에 사용됩니다. 자세한 분석에는 여러 상세 수준이 제공됩니다. 컨텍스트 크기와 응답 제한은 다릅니다. 긴 원본 자료가 자동으로 같은 길이의 결과가 되지는 않습니다.
공식 기능 구성에는 함수 호출, 파일 및 인터넷 검색, 코드와 명령 실행, 파일 변경, 컴퓨터 작업, 필요한 도구 찾기가 있습니다. 도구 호출에는 Responses를 사용합니다. Chat Completions는 도구 없는 텍스트 교환을 지원합니다.
적절하게 연결하면 개발사는 별도의 이미지 생성 도구, 스킬 작업, MCP를 통한 외부 수단도 제공합니다. 모델의 직접 응답은 텍스트이며 이미지 생성 결과는 별도의 도구가 만듭니다. 개발사에 기능이 있다는 사실이 모든 Ailoot 호출 방식에 연결되었다는 뜻은 아닙니다.
제품군 문서는 비동기 호출을 설명합니다. 애플리케이션이 함수 하나를 실행하는 동안 모델이 독립적인 다른 작업을 이어갈 수 있습니다. 실행 중 지시를 구체화하고 이미 완료된 작업과 함께 계속 진행하는 방식도 제공합니다. 이런 사례를 위해서는 애플리케이션이 적절한 상호작용을 지원하고 호출 결과를 반환해야 합니다.
구조화 출력은 특정 필드와 자료형의 데이터 같은 결과를 지정한 스키마에 따라 준비하는 데 도움이 됩니다. 스키마는 결과를 정리하고, 정보의 정확성은 내용 검증이 필요합니다. 장기 작업에는 사용 가능한 추론 상태의 유지와 누적 컨텍스트의 축소가 제공됩니다.
캐싱은 반복되는 입력 접두부를 위한 것입니다. 검색, 명령, 컴퓨터 작업 지원은 필요한 도구가 연결되었을 때 모델의 능력을 설명합니다. 특정 요청의 함수 구성은 선택한 호출 방식과 사용 가능한 연결에 따라 달라집니다.
POST /v1/responsestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 ~openai/gpt-astra-latest | 기본값— |
필드input | 유형string|input_item[] | 요건필수 | 값과 한도 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].type | 유형string | 요건선택 사항 | 값과 한도 message, reasoning, function_call, function_call_output | 기본값— |
필드input[].content | 유형string|content_part[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드input[].call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: function_call_output. 실제 반환된 call_id를 유지하세요 | 기본값— |
필드input[].output | 유형string|content_part[] | 요건선택 사항 | 값과 한도 적용 조건: function_call_output | 기본값— |
필드max_output_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning.summary | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드text.verbosity | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드include | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드store | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드previous_response_id | 유형string | 요건지원되지 않음 | 값과 한도 ID 요건: 지원되는 이어가기의 실제 응답 ID만 사용 조건: 각 요청에 실제 대화 이력을 다시 포함하세요. | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_key | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
input text or input_text part
텍스트 + 이미지
{type:input_image,image_url}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text |
매개변수required | 명세model, input |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: exact retained published method
정확한 모델 ID와 필수 필드를 전송하세요.
반환된 모든 항목과 원래 식별자를 보존하세요.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준272,000 | 요금 입력 · 입력 토큰 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.1 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준272,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.04 / 1K 토큰 출력 · 출력 토큰 $0.15 / 1K 토큰 입력 · 캐시 읽기 $0.004 / 1K 토큰 입력 · 캐시 쓰기 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "~openai/gpt-astra-latest",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-astra-latest', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-astra-latest', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson or SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 출력 항목과 콘텐츠 파트, 실제 함수 call_id, 암호화된 추론, 사용량을 보존하세요. 스트리밍에서는 이벤트/항목의 식별 정보를 완전하게 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드status | 유형string |
필드output[] | 유형message|reasoning|function_call|other item |
필드output[].content[] | 유형content part |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
영어 기술 예제
Prepare a source-backed decision memo\n\nPrepare a one-page decision memo from these findings. F1: The legacy system exports CSV but has no audit log. F2: The replacement imports CSV and records changes. F3: A pilot imported 40 of 50 records; 10 failed because owner_id was missing. Recommend the next migration step, define acceptance criteria and preserve what the pilot has actually proved.A memo with recommendation, evidence references, unresolved data issue and acceptance criteria for a later full migration.Check that the 40-record result is not reported as a completed 50-record migration and that missing owner_id remains a blocker.