GPT-5.6 Luna는 GPT-5.6 제품군 안에서 처리량이 많은 워크로드에 집중하는 OpenAI의 모델입니다. 제작사는 이 모델의 워크로드 역할을 이전 GPT-5 제품군의 소형 계층과 연결하면서, Luna를 고유한 모델로 유지합니다. 텍스트와 이미지를 입력받아 설명, 다시 쓰기, 분류, 구조화된 레코드 등의 텍스트를 생성합니다.
모델에 정의된 작업 하나와 유용한 결과의 기준을 제시하세요. 추출에서는 필드, 단위, 누락된 값의 처리 규칙을 명시하세요. 분류에서는 범주의 의미와 어느 범주에도 맞지 않을 때의 처리 방식을 제공하세요. 예를 들어 “이 구절에서 사양 값을 추출하고, 단위를 유지하며, 각 필드를 뒷받침하는 문장을 지정하세요”라고 지시할 수 있습니다.
지원 답변은 제공된 제품 또는 정책 자료를 사용하고 사용자가 요구한 언어를 따라야 합니다. 시각적 질문에서는 관련 이미지와 보이는 세부 사항을 지정하세요. 필수 출처 값이나 조건을 빼지 않으면서 후속 목적에 맞게 결과를 충분히 간결하게 유지하세요.
제작사는 none, low, medium, high, xhigh, max의 강도를 지원하며 기본값은 medium입니다. 표준 모드가 기본 추론 모드이고, Pro는 모델의 작업을 추가하는 별도의 실행 설정입니다. 강도와 모드는 독립적입니다. 따라서 일상적인 직접 작업과 더 복잡한 비교는 같은 이름의 Luna 프로필을 유지하면서도 준비에 필요한 내용이 다를 수 있습니다.
추론 가이드는 GPT-5.6이 지원되는 컨텍스트 설정을 통해 동작을 선택하며, 이전 턴에서 사용 가능한 추론을 기본적으로 반영한다고 설명합니다. 이는 여러 단계의 작업에서 유지되는 자료에 영향을 주며, 무제한 메모리는 아닙니다. 후속 작업에서도 받아들인 사실, 출처 레이블, 필요한 산출물을 명확히 유지하세요.
OpenAI는 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시합니다. 문서화된 지식 기준일은 2026년 2월 16일입니다. 추론과 최종 응답은 완료 예산을 공유하며, 모든 작업 자료는 컨텍스트 안에 들어가야 합니다. 해당 예산을 소진하면 가시적 답변이 완성되기 전에 요청이 끝날 수 있습니다.
모델 카드는 Structured Outputs, 스트리밍, 함수 호출을 명시합니다. 제작사의 도구 생태계에는 웹 및 파일 검색, 이미지 생성 도구, 코드 인터프리터, shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색이 포함됩니다. 구조화된 레코드도 실제 입력에 근거한 값이 필요합니다. JSON 형식의 유효성만으로 사실적 정확성이 독립적으로 입증되지는 않습니다.
애플리케이션은 함수를 제공하고 선택된 작업을 수행한 뒤 관찰 결과를 반환합니다. 조회를 통해 부족한 필드를 확보한 다음 Luna가 답변을 작성할 수 있습니다. 결과를 출처 및 작업과 함께 보관하고, 제안된 동작과 실제 실행된 작업을 구분하세요. 모델 자체의 출력은 텍스트이며, 도구가 생성한 이미지는 별도의 산출물입니다.
출처에 의존하는 주장은 신뢰할 수 있는 자료에 연결하고 작업의 완료 조건을 정의하세요. 좋은 산출물은 필수 이름과 근거가 유지된, 요청한 레코드, 설명, 수정된 구절입니다. Luna의 집중된 역할, 지원 강도 범위, 표준 모드 프로필은 Terra, Sol, Pro 실행, 이후의 GPT-6 릴리스와 구별됩니다.
", "aboutText": "GPT-5.6 Luna는 GPT-5.6 제품군 안에서 처리량이 많은 워크로드에 집중하는 OpenAI의 모델입니다. 제작사는 이 모델의 워크로드 역할을 이전 GPT-5 제품군의 소형 계층과 연결하면서, Luna를 고유한 모델로 유지합니다. 텍스트와 이미지를 입력받아 설명, 다시 쓰기, 분류, 구조화된 레코드 등의 텍스트를 생성합니다.\n\n### 정확하게 정의된 반복 작업\n\n모델에 정의된 작업 하나와 유용한 결과의 기준을 제시하세요. 추출에서는 필드, 단위, 누락된 값의 처리 규칙을 명시하세요. 분류에서는 범주의 의미와 어느 범주에도 맞지 않을 때의 처리 방식을 제공하세요. 예를 들어 “이 구절에서 사양 값을 추출하고, 단위를 유지하며, 각 필드를 뒷받침하는 문장을 지정하세요”라고 지시할 수 있습니다.\n\n지원 답변은 제공된 제품 또는 정책 자료를 사용하고 사용자가 요구한 언어를 따라야 합니다. 시각적 질문에서는 관련 이미지와 보이는 세부 사항을 지정하세요. 필수 출처 값이나 조건을 빼지 않으면서 후속 목적에 맞게 결과를 충분히 간결하게 유지하세요.\n\n### 추론 설정과 유지되는 컨텍스트\n\n제작사는 none, low, medium, high, xhigh, max의 강도를 지원하며 기본값은 medium입니다. 표준 모드가 기본 추론 모드이고, Pro는 모델의 작업을 추가하는 별도의 실행 설정입니다. 강도와 모드는 독립적입니다. 따라서 일상적인 직접 작업과 더 복잡한 비교는 같은 이름의 Luna 프로필을 유지하면서도 준비에 필요한 내용이 다를 수 있습니다.\n\n추론 가이드는 GPT-5.6이 지원되는 컨텍스트 설정을 통해 동작을 선택하며, 이전 턴에서 사용 가능한 추론을 기본적으로 반영한다고 설명합니다. 이는 여러 단계의 작업에서 유지되는 자료에 영향을 주며, 무제한 메모리는 아닙니다. 후속 작업에서도 받아들인 사실, 출처 레이블, 필요한 산출물을 명확히 유지하세요.\n\n### 컨텍스트와 지식\n\nOpenAI는 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시합니다. 문서화된 지식 기준일은 2026년 2월 16일입니다. 추론과 최종 응답은 완료 예산을 공유하며, 모든 작업 자료는 컨텍스트 안에 들어가야 합니다. 해당 예산을 소진하면 가시적 답변이 완성되기 전에 요청이 끝날 수 있습니다.\n\n### 구조화된 답변과 도구\n\n모델 카드는 Structured Outputs, 스트리밍, 함수 호출을 명시합니다. 제작사의 도구 생태계에는 웹 및 파일 검색, 이미지 생성 도구, 코드 인터프리터, shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색이 포함됩니다. 구조화된 레코드도 실제 입력에 근거한 값이 필요합니다. JSON 형식의 유효성만으로 사실적 정확성이 독립적으로 입증되지는 않습니다.\n\n애플리케이션은 함수를 제공하고 선택된 작업을 수행한 뒤 관찰 결과를 반환합니다. 조회를 통해 부족한 필드를 확보한 다음 Luna가 답변을 작성할 수 있습니다. 결과를 출처 및 작업과 함께 보관하고, 제안된 동작과 실제 실행된 작업을 구분하세요. 모델 자체의 출력은 텍스트이며, 도구가 생성한 이미지는 별도의 산출물입니다.\n\n### 유용한 결과\n\n출처에 의존하는 주장은 신뢰할 수 있는 자료에 연결하고 작업의 완료 조건을 정의하세요. 좋은 산출물은 필수 이름과 근거가 유지된, 요청한 레코드, 설명, 수정된 구절입니다. Luna의 집중된 역할, 지원 강도 범위, 표준 모드 프로필은 Terra, Sol, Pro 실행, 이후의 GPT-6 릴리스와 구별됩니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0945471b7c686ffb0070457fcd79d712d886cd7c980fa452960bf6542003252e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/gpt-5.6-luna:batchGPT-5.6 Luna는 반복적이고 처리량이 많은 워크로드에 집중하는 OpenAI의 모델입니다. 텍스트와 이미지를 입력받아 답변이나 구조화된 레코드를 반환하며, 선택적 추론, 출처를 활용하는 도구, 1,050,000토큰 컨텍스트를 갖춥니다. 이 프로필은 Pro 실행 설정과 구별됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-5.6 Luna는 GPT-5.6 제품군 안에서 처리량이 많은 워크로드에 집중하는 OpenAI의 모델입니다. 제작사는 이 모델의 워크로드 역할을 이전 GPT-5 제품군의 소형 계층과 연결하면서, Luna를 고유한 모델로 유지합니다. 텍스트와 이미지를 입력받아 설명, 다시 쓰기, 분류, 구조화된 레코드 등의 텍스트를 생성합니다.
모델에 정의된 작업 하나와 유용한 결과의 기준을 제시하세요. 추출에서는 필드, 단위, 누락된 값의 처리 규칙을 명시하세요. 분류에서는 범주의 의미와 어느 범주에도 맞지 않을 때의 처리 방식을 제공하세요. 예를 들어 “이 구절에서 사양 값을 추출하고, 단위를 유지하며, 각 필드를 뒷받침하는 문장을 지정하세요”라고 지시할 수 있습니다.
지원 답변은 제공된 제품 또는 정책 자료를 사용하고 사용자가 요구한 언어를 따라야 합니다. 시각적 질문에서는 관련 이미지와 보이는 세부 사항을 지정하세요. 필수 출처 값이나 조건을 빼지 않으면서 후속 목적에 맞게 결과를 충분히 간결하게 유지하세요.
제작사는 none, low, medium, high, xhigh, max의 강도를 지원하며 기본값은 medium입니다. 표준 모드가 기본 추론 모드이고, Pro는 모델의 작업을 추가하는 별도의 실행 설정입니다. 강도와 모드는 독립적입니다. 따라서 일상적인 직접 작업과 더 복잡한 비교는 같은 이름의 Luna 프로필을 유지하면서도 준비에 필요한 내용이 다를 수 있습니다.
추론 가이드는 GPT-5.6이 지원되는 컨텍스트 설정을 통해 동작을 선택하며, 이전 턴에서 사용 가능한 추론을 기본적으로 반영한다고 설명합니다. 이는 여러 단계의 작업에서 유지되는 자료에 영향을 주며, 무제한 메모리는 아닙니다. 후속 작업에서도 받아들인 사실, 출처 레이블, 필요한 산출물을 명확히 유지하세요.
OpenAI는 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시합니다. 문서화된 지식 기준일은 2026년 2월 16일입니다. 추론과 최종 응답은 완료 예산을 공유하며, 모든 작업 자료는 컨텍스트 안에 들어가야 합니다. 해당 예산을 소진하면 가시적 답변이 완성되기 전에 요청이 끝날 수 있습니다.
모델 카드는 Structured Outputs, 스트리밍, 함수 호출을 명시합니다. 제작사의 도구 생태계에는 웹 및 파일 검색, 이미지 생성 도구, 코드 인터프리터, shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색이 포함됩니다. 구조화된 레코드도 실제 입력에 근거한 값이 필요합니다. JSON 형식의 유효성만으로 사실적 정확성이 독립적으로 입증되지는 않습니다.
애플리케이션은 함수를 제공하고 선택된 작업을 수행한 뒤 관찰 결과를 반환합니다. 조회를 통해 부족한 필드를 확보한 다음 Luna가 답변을 작성할 수 있습니다. 결과를 출처 및 작업과 함께 보관하고, 제안된 동작과 실제 실행된 작업을 구분하세요. 모델 자체의 출력은 텍스트이며, 도구가 생성한 이미지는 별도의 산출물입니다.
출처에 의존하는 주장은 신뢰할 수 있는 자료에 연결하고 작업의 완료 조건을 정의하세요. 좋은 산출물은 필수 이름과 근거가 유지된, 요청한 레코드, 설명, 수정된 구절입니다. Luna의 집중된 역할, 지원 강도 범위, 표준 모드 프로필은 Terra, Sol, Pro 실행, 이후의 GPT-6 릴리스와 구별됩니다.
POST /v1/batchestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드endpoint | 유형string | 요건필수 | 값과 한도 /v1/chat/completions | 기본값— |
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-5.6-luna:batch | 기본값— |
필드requests | 유형batch_item[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드requests[].custom_id | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드requests[].body.messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드completion_window | 유형string | 요건선택 사항 | 값과 한도 24h | 기본값— |
필드provider | 유형object|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드requests[].body.model | 유형string | 요건선택 사항 | 값과 한도 openai/gpt-5.6-luna:batch, openai/gpt-5.6-luna | 기본값— |
필드provider.only | 유형string[] | 요건선택 사항 | 값과 한도 openai | 기본값— |
필드provider.allow_fallbacks | 유형boolean|null | 요건선택 사항 | 값과 한도 false, null | 기본값— |
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세endpoint, model, requests |
매개변수material_types | 명세text |
매개변수representation | 명세인라인 requests[]; 각 항목에는 custom_id와 body가 있습니다 |
매개변수request_endpoint_profile | 명세/v1/chat/completions |
매개변수file_material | 명세호출자는 실제 UTF-8 JSONL을 로컬에서 읽어 requests[]에 넣을 수 있습니다. 업로드 목적, input_file_id 또는 파일 참조는 사용하지 않습니다. 고객 자료가 없거나 비어 있으면 POST 전에 준비를 중단합니다. |
매개변수serialization_order | 명세endpoint, model, provider (제공된 경우), completion_window (제공된 경우), requests는 마지막에 |
매개변수optional_controls | 명세provider.only, provider.allow_fallbacks, completion_window |
매개변수schema_scope | 명세문서에 명시된 인라인 배치 요청 구조에 담긴 텍스트 Chat Completions 본문입니다. |
수명 주기: asynchronous
GET /v1/batches/{operation_id} · 최초 생성 응답에서 실제로 반환된 response.id; 동일한 사용자/키/그룹
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 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 — / 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 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0018 / 1K 토큰 입력 · 캐시 읽기 $0.00004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.6-luna:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.6-luna:batch', 'openai/gpt-5.6-luna']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-luna:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\n인라인 results[].response.body JSON
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\n반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
최초 상태 JSON 전체, 모든 결과/custom_id와 응답 또는 오류 본문 전체를 보관하세요. 완료된 results[]는 필터링 없이 JSONL로 저장하세요.
최초 작업 ID를 보관하세요. 503 result_pending_check에는 X-Should-Retry:false가 포함됩니다. 상태가 불명확한 최초 배치를 다시 제출하지 마세요.
| 필드 | 유형 |
|---|---|
필드results[].custom_id | 유형string |
필드results[].response.body.choices[].message.content | 유형string|null |
필드results[].error | 유형object|null |
필드usage | 유형object|null |
필드id | 유형string |
필드model | 유형string |
필드endpoint | 유형string |
필드status | 유형string |
필드request_counts | 유형object |
필드results[].id | 유형string |
필드results[].response.status_code | 유형integer |
필드results[].response.request_id | 유형string |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건문서에 명시된 인라인 요청 구조가 유효하지 않거나, 키가 중복되거나, 항목 식별 정보 또는 설정된 모델 기능에 충돌이 있습니다. | 다음 단계새로 제출하기 전에 표시된 필드를 수정하세요. |
응답401 · authentication_error | 조건유효하지 않은 API 키입니다. | 다음 단계사용 권한이 있는 Ailoot 키를 사용하세요. |
응답403 · permission_error | 조건배치 그룹을 사용할 수 없습니다. | 다음 단계키/그룹의 사용 권한을 확인하세요. |
응답422 · invalid_request_error | 조건배치는 잔액 과금을 사용하며, 구독을 통한 생성 요청은 거부됩니다. | 다음 단계사용 권한이 있는 잔액 과금 그룹을 사용하세요. |
응답422 · price_unavailable | 조건배치 입력의 예상 비용을 산출할 수 없습니다. | 다음 단계응답을 보관하고 문서에 명시된 API 계열 입력을 사용하세요. |
응답402 · billing_error | 조건배치 예약 금액을 확보할 수 없습니다. | 다음 단계새 요청 전에 요청 허용 조건을 충족하세요. |
응답503 · price_unavailable | 조건배치 메서드 가격 또는 네이티브 요율을 사용할 수 없습니다. | 다음 단계응답을 보관하고 가격을 임의로 대체하지 마세요. |
응답503 · api_error | 조건정확히 일치하는 공급업체 라우트를 사용할 수 없습니다. | 다음 단계라우트 수정을 위해 응답을 보관하세요. |
응답503 · result_pending_check | 조건최초 결과를 확인해야 합니다. X-Should-Retry:false. | 다음 단계최초 operation_id/id를 보관하고 해당 상태를 조회하세요. 최초 POST를 반복하지 마세요. |
응답404 · not_found | 조건배치 상태 조회 대상 작업이 없거나 다른 사용 주체의 소유입니다. | 다음 단계최초 id를 정확히 사용하고 동일한 사용자/키/그룹을 유지하세요. |
Ailoot Ultra openai/gpt-5.6-luna:batch
위에 표시된 메서드 경로를 사용하세요.