GPT-6 Astra Pro는 OpenAI의 GPT-6 Astra에 Pro 추론을 적용한 모델을 뜻합니다. 기반 Astra 모델은 까다로운 추론, 코딩, 연구, 컴퓨터 사용, 전문 작업을 위해 설계되었습니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. Pro는 최종 답변을 만드는 과정에서 모델의 작업을 추가하고, 추론 강도는 선택한 실행 모드 안의 분석량을 제어합니다. Pro가 실행 모드를 바꾸더라도 기반 모델은 GPT-6 Astra로 유지됩니다.
제작사의 Astra 릴리스는 관련 자료를 문서, 스프레드시트, 프레젠테이션, 분석으로 바꾸는 워크플로를 설명합니다. 작업에 중요한 컨텍스트를 선택하면서 템플릿과 글쓰기 또는 시각적 스타일을 따르는 것을 강조합니다. 전문 문서에서는 원본 자료, 템플릿 요구 사항, 독자가 내려야 할 결정을 제공하세요. 예를 들어 두 가지 프로젝트 요구 사항 집합을 조정하고, 합의된 사실, 상충하는 근거, 권고의 조건을 구분하는 요약문을 작성하도록 요청할 수 있습니다.
엔지니어링이나 연구 작업에서는 목표, 검토할 근거, 완료로 간주할 조건을 지정하세요. 코딩 작업에는 필요한 동작, 관련 파일, 제약을 포함할 수 있으며, 연구 작업에는 질문과 제공된 자료를 평가할 기준을 포함할 수 있습니다. 문서화된 Astra의 컴퓨터 사용 및 브라우징 기능은 모델의 결정을 해당 도구를 제공하는 환경과 연결합니다. 환경의 실제 출력은 다음 단계의 근거이며, 모델이 제안한 작업과 구별됩니다.
OpenAI의 GPT-6 Astra 사양은 컨텍스트 창 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰, 지식 기준일 2026년 4월 30일을 명시합니다. 추론 강도 선택지는 low, medium, high, xhigh, max이며 none은 지원하지 않습니다. 추론 토큰과 가시적 결과는 모두 컨텍스트 공간을 사용합니다. OpenAI는 Responses API의 Pro를 추가 지연과 모델 활동을 허용할 수 있는 어려운 작업용으로 설명합니다. 모드와 강도는 독립적인 설정입니다.
기반 모델은 스트리밍, Structured Outputs, 함수 호출, 웹 및 파일 검색, 이미지 생성 도구, 코드 실행, 호스팅된 shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색을 명시합니다. 함수 호출은 제작사의 Responses 인터페이스를 사용합니다. GPT-6 가이드는 비동기 도구 작업과 진행 중인 턴의 방향 조정도 설명합니다. 애플리케이션은 자체 작업을 실행하고, 대기 중인 작업을 관리하며, 결과 정보를 반환합니다. 별도의 도구가 다른 산출물을 만들어도 모델 자체의 출력은 텍스트입니다.
Astra 릴리스는 더 큰 목표를 유지하면서 새로운 요구 사항에 적응하는 방식을 설명합니다. 방어적 코드 리뷰와 패치 적용을 모델이 거부할 수 있는 고급 익스플로잇 개발 작업과 구분하며, 작업을 중단할 수 있는 자동 검사도 설명합니다. 추가 추론을 부족한 원본 자료의 대체물로 취급하지 말고, 의도한 결과, 허용된 작업, 근거를 중심으로 요청을 준비하세요. 유용한 최종 산출물은 결론이나 변경 제안, 제공된 정보에 따른 근거, 결정을 실질적으로 바꿀 수 있는 질문을 명시합니다.
", "aboutText": "GPT-6 Astra Pro는 OpenAI의 GPT-6 Astra에 Pro 추론을 적용한 모델을 뜻합니다. 기반 Astra 모델은 까다로운 추론, 코딩, 연구, 컴퓨터 사용, 전문 작업을 위해 설계되었습니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. Pro는 최종 답변을 만드는 과정에서 모델의 작업을 추가하고, 추론 강도는 선택한 실행 모드 안의 분석량을 제어합니다. Pro가 실행 모드를 바꾸더라도 기반 모델은 GPT-6 Astra로 유지됩니다.\n\n제작사의 Astra 릴리스는 관련 자료를 문서, 스프레드시트, 프레젠테이션, 분석으로 바꾸는 워크플로를 설명합니다. 작업에 중요한 컨텍스트를 선택하면서 템플릿과 글쓰기 또는 시각적 스타일을 따르는 것을 강조합니다. 전문 문서에서는 원본 자료, 템플릿 요구 사항, 독자가 내려야 할 결정을 제공하세요. 예를 들어 두 가지 프로젝트 요구 사항 집합을 조정하고, 합의된 사실, 상충하는 근거, 권고의 조건을 구분하는 요약문을 작성하도록 요청할 수 있습니다.\n\n엔지니어링이나 연구 작업에서는 목표, 검토할 근거, 완료로 간주할 조건을 지정하세요. 코딩 작업에는 필요한 동작, 관련 파일, 제약을 포함할 수 있으며, 연구 작업에는 질문과 제공된 자료를 평가할 기준을 포함할 수 있습니다. 문서화된 Astra의 컴퓨터 사용 및 브라우징 기능은 모델의 결정을 해당 도구를 제공하는 환경과 연결합니다. 환경의 실제 출력은 다음 단계의 근거이며, 모델이 제안한 작업과 구별됩니다.\n\nOpenAI의 GPT-6 Astra 사양은 컨텍스트 창 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰, 지식 기준일 2026년 4월 30일을 명시합니다. 추론 강도 선택지는 low, medium, high, xhigh, max이며 none은 지원하지 않습니다. 추론 토큰과 가시적 결과는 모두 컨텍스트 공간을 사용합니다. OpenAI는 Responses API의 Pro를 추가 지연과 모델 활동을 허용할 수 있는 어려운 작업용으로 설명합니다. 모드와 강도는 독립적인 설정입니다.\n\n기반 모델은 스트리밍, Structured Outputs, 함수 호출, 웹 및 파일 검색, 이미지 생성 도구, 코드 실행, 호스팅된 shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색을 명시합니다. 함수 호출은 제작사의 Responses 인터페이스를 사용합니다. GPT-6 가이드는 비동기 도구 작업과 진행 중인 턴의 방향 조정도 설명합니다. 애플리케이션은 자체 작업을 실행하고, 대기 중인 작업을 관리하며, 결과 정보를 반환합니다. 별도의 도구가 다른 산출물을 만들어도 모델 자체의 출력은 텍스트입니다.\n\nAstra 릴리스는 더 큰 목표를 유지하면서 새로운 요구 사항에 적응하는 방식을 설명합니다. 방어적 코드 리뷰와 패치 적용을 모델이 거부할 수 있는 고급 익스플로잇 개발 작업과 구분하며, 작업을 중단할 수 있는 자동 검사도 설명합니다. 추가 추론을 부족한 원본 자료의 대체물로 취급하지 말고, 의도한 결과, 허용된 작업, 근거를 중심으로 요청을 준비하세요. 유용한 최종 산출물은 결론이나 변경 제안, 제공된 정보에 따른 근거, 결정을 실질적으로 바꿀 수 있는 질문을 명시합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Reconcile conflicting launch requirements\n\nWrite a decision brief using this template: Decision needed; Agreed facts; Conflict; Recommendation conditions. Product requirement P1 says launch must include CSV export. Security requirement S1 prohibits exporting customer email addresses. Current design D1 exports name and email only. Reconcile the requirements, propose a compliant export scope and list the decision still needed about useful fields.A brief under the four supplied headings, with P1, S1 and D1 references beside relevant findings.Check that the proposed scope preserves an export feature while excluding emails and does not invent an approved field list.openai/gpt-6-astra-proGPT-6 Astra에 Pro 추론을 적용해 까다로운 연구, 코딩, 전문 작업에 활용합니다. Pro는 최종 답변 전에 모델의 작업을 추가합니다. 기반 모델은 텍스트와 이미지를 입력받고, 도구에 연결된 환경에서 여러 단계의 작업을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra Pro는 OpenAI의 GPT-6 Astra에 Pro 추론을 적용한 모델을 뜻합니다. 기반 Astra 모델은 까다로운 추론, 코딩, 연구, 컴퓨터 사용, 전문 작업을 위해 설계되었습니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. Pro는 최종 답변을 만드는 과정에서 모델의 작업을 추가하고, 추론 강도는 선택한 실행 모드 안의 분석량을 제어합니다. Pro가 실행 모드를 바꾸더라도 기반 모델은 GPT-6 Astra로 유지됩니다.
제작사의 Astra 릴리스는 관련 자료를 문서, 스프레드시트, 프레젠테이션, 분석으로 바꾸는 워크플로를 설명합니다. 작업에 중요한 컨텍스트를 선택하면서 템플릿과 글쓰기 또는 시각적 스타일을 따르는 것을 강조합니다. 전문 문서에서는 원본 자료, 템플릿 요구 사항, 독자가 내려야 할 결정을 제공하세요. 예를 들어 두 가지 프로젝트 요구 사항 집합을 조정하고, 합의된 사실, 상충하는 근거, 권고의 조건을 구분하는 요약문을 작성하도록 요청할 수 있습니다.
엔지니어링이나 연구 작업에서는 목표, 검토할 근거, 완료로 간주할 조건을 지정하세요. 코딩 작업에는 필요한 동작, 관련 파일, 제약을 포함할 수 있으며, 연구 작업에는 질문과 제공된 자료를 평가할 기준을 포함할 수 있습니다. 문서화된 Astra의 컴퓨터 사용 및 브라우징 기능은 모델의 결정을 해당 도구를 제공하는 환경과 연결합니다. 환경의 실제 출력은 다음 단계의 근거이며, 모델이 제안한 작업과 구별됩니다.
OpenAI의 GPT-6 Astra 사양은 컨텍스트 창 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰, 지식 기준일 2026년 4월 30일을 명시합니다. 추론 강도 선택지는 low, medium, high, xhigh, max이며 none은 지원하지 않습니다. 추론 토큰과 가시적 결과는 모두 컨텍스트 공간을 사용합니다. OpenAI는 Responses API의 Pro를 추가 지연과 모델 활동을 허용할 수 있는 어려운 작업용으로 설명합니다. 모드와 강도는 독립적인 설정입니다.
기반 모델은 스트리밍, Structured Outputs, 함수 호출, 웹 및 파일 검색, 이미지 생성 도구, 코드 실행, 호스팅된 shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색을 명시합니다. 함수 호출은 제작사의 Responses 인터페이스를 사용합니다. GPT-6 가이드는 비동기 도구 작업과 진행 중인 턴의 방향 조정도 설명합니다. 애플리케이션은 자체 작업을 실행하고, 대기 중인 작업을 관리하며, 결과 정보를 반환합니다. 별도의 도구가 다른 산출물을 만들어도 모델 자체의 출력은 텍스트입니다.
Astra 릴리스는 더 큰 목표를 유지하면서 새로운 요구 사항에 적응하는 방식을 설명합니다. 방어적 코드 리뷰와 패치 적용을 모델이 거부할 수 있는 고급 익스플로잇 개발 작업과 구분하며, 작업을 중단할 수 있는 자동 검사도 설명합니다. 추가 추론을 부족한 원본 자료의 대체물로 취급하지 말고, 의도한 결과, 허용된 작업, 근거를 중심으로 요청을 준비하세요. 유용한 최종 산출물은 결론이나 변경 제안, 제공된 정보에 따른 근거, 결정을 실질적으로 바꿀 수 있는 질문을 명시합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-6-astra-pro | 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-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-6-astra-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-6-astra-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 Ultra openai/gpt-6-astra-pro
위에 표시된 메서드 경로를 사용하세요.
openai/gpt-6-astra-proGPT-6 Astra에 Pro 추론을 적용해 까다로운 연구, 코딩, 전문 작업에 활용합니다. Pro는 최종 답변 전에 모델의 작업을 추가합니다. 기반 모델은 텍스트와 이미지를 입력받고, 도구에 연결된 환경에서 여러 단계의 작업을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra Pro는 OpenAI의 GPT-6 Astra에 Pro 추론을 적용한 모델을 뜻합니다. 기반 Astra 모델은 까다로운 추론, 코딩, 연구, 컴퓨터 사용, 전문 작업을 위해 설계되었습니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. Pro는 최종 답변을 만드는 과정에서 모델의 작업을 추가하고, 추론 강도는 선택한 실행 모드 안의 분석량을 제어합니다. Pro가 실행 모드를 바꾸더라도 기반 모델은 GPT-6 Astra로 유지됩니다.
제작사의 Astra 릴리스는 관련 자료를 문서, 스프레드시트, 프레젠테이션, 분석으로 바꾸는 워크플로를 설명합니다. 작업에 중요한 컨텍스트를 선택하면서 템플릿과 글쓰기 또는 시각적 스타일을 따르는 것을 강조합니다. 전문 문서에서는 원본 자료, 템플릿 요구 사항, 독자가 내려야 할 결정을 제공하세요. 예를 들어 두 가지 프로젝트 요구 사항 집합을 조정하고, 합의된 사실, 상충하는 근거, 권고의 조건을 구분하는 요약문을 작성하도록 요청할 수 있습니다.
엔지니어링이나 연구 작업에서는 목표, 검토할 근거, 완료로 간주할 조건을 지정하세요. 코딩 작업에는 필요한 동작, 관련 파일, 제약을 포함할 수 있으며, 연구 작업에는 질문과 제공된 자료를 평가할 기준을 포함할 수 있습니다. 문서화된 Astra의 컴퓨터 사용 및 브라우징 기능은 모델의 결정을 해당 도구를 제공하는 환경과 연결합니다. 환경의 실제 출력은 다음 단계의 근거이며, 모델이 제안한 작업과 구별됩니다.
OpenAI의 GPT-6 Astra 사양은 컨텍스트 창 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰, 지식 기준일 2026년 4월 30일을 명시합니다. 추론 강도 선택지는 low, medium, high, xhigh, max이며 none은 지원하지 않습니다. 추론 토큰과 가시적 결과는 모두 컨텍스트 공간을 사용합니다. OpenAI는 Responses API의 Pro를 추가 지연과 모델 활동을 허용할 수 있는 어려운 작업용으로 설명합니다. 모드와 강도는 독립적인 설정입니다.
기반 모델은 스트리밍, Structured Outputs, 함수 호출, 웹 및 파일 검색, 이미지 생성 도구, 코드 실행, 호스팅된 shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색을 명시합니다. 함수 호출은 제작사의 Responses 인터페이스를 사용합니다. GPT-6 가이드는 비동기 도구 작업과 진행 중인 턴의 방향 조정도 설명합니다. 애플리케이션은 자체 작업을 실행하고, 대기 중인 작업을 관리하며, 결과 정보를 반환합니다. 별도의 도구가 다른 산출물을 만들어도 모델 자체의 출력은 텍스트입니다.
Astra 릴리스는 더 큰 목표를 유지하면서 새로운 요구 사항에 적응하는 방식을 설명합니다. 방어적 코드 리뷰와 패치 적용을 모델이 거부할 수 있는 고급 익스플로잇 개발 작업과 구분하며, 작업을 중단할 수 있는 자동 검사도 설명합니다. 추가 추론을 부족한 원본 자료의 대체물로 취급하지 말고, 의도한 결과, 허용된 작업, 근거를 중심으로 요청을 준비하세요. 유용한 최종 산출물은 결론이나 변경 제안, 제공된 정보에 따른 근거, 결정을 실질적으로 바꿀 수 있는 질문을 명시합니다.
POST /v1/messagestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-6-astra-pro | 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 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "openai/gpt-6-astra-pro",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson 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 Ultra openai/gpt-6-astra-pro
위에 표시된 메서드 경로를 사용하세요.
openai/gpt-6-astra-proGPT-6 Astra에 Pro 추론을 적용해 까다로운 연구, 코딩, 전문 작업에 활용합니다. Pro는 최종 답변 전에 모델의 작업을 추가합니다. 기반 모델은 텍스트와 이미지를 입력받고, 도구에 연결된 환경에서 여러 단계의 작업을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra Pro는 OpenAI의 GPT-6 Astra에 Pro 추론을 적용한 모델을 뜻합니다. 기반 Astra 모델은 까다로운 추론, 코딩, 연구, 컴퓨터 사용, 전문 작업을 위해 설계되었습니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. Pro는 최종 답변을 만드는 과정에서 모델의 작업을 추가하고, 추론 강도는 선택한 실행 모드 안의 분석량을 제어합니다. Pro가 실행 모드를 바꾸더라도 기반 모델은 GPT-6 Astra로 유지됩니다.
제작사의 Astra 릴리스는 관련 자료를 문서, 스프레드시트, 프레젠테이션, 분석으로 바꾸는 워크플로를 설명합니다. 작업에 중요한 컨텍스트를 선택하면서 템플릿과 글쓰기 또는 시각적 스타일을 따르는 것을 강조합니다. 전문 문서에서는 원본 자료, 템플릿 요구 사항, 독자가 내려야 할 결정을 제공하세요. 예를 들어 두 가지 프로젝트 요구 사항 집합을 조정하고, 합의된 사실, 상충하는 근거, 권고의 조건을 구분하는 요약문을 작성하도록 요청할 수 있습니다.
엔지니어링이나 연구 작업에서는 목표, 검토할 근거, 완료로 간주할 조건을 지정하세요. 코딩 작업에는 필요한 동작, 관련 파일, 제약을 포함할 수 있으며, 연구 작업에는 질문과 제공된 자료를 평가할 기준을 포함할 수 있습니다. 문서화된 Astra의 컴퓨터 사용 및 브라우징 기능은 모델의 결정을 해당 도구를 제공하는 환경과 연결합니다. 환경의 실제 출력은 다음 단계의 근거이며, 모델이 제안한 작업과 구별됩니다.
OpenAI의 GPT-6 Astra 사양은 컨텍스트 창 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰, 지식 기준일 2026년 4월 30일을 명시합니다. 추론 강도 선택지는 low, medium, high, xhigh, max이며 none은 지원하지 않습니다. 추론 토큰과 가시적 결과는 모두 컨텍스트 공간을 사용합니다. OpenAI는 Responses API의 Pro를 추가 지연과 모델 활동을 허용할 수 있는 어려운 작업용으로 설명합니다. 모드와 강도는 독립적인 설정입니다.
기반 모델은 스트리밍, Structured Outputs, 함수 호출, 웹 및 파일 검색, 이미지 생성 도구, 코드 실행, 호스팅된 shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색을 명시합니다. 함수 호출은 제작사의 Responses 인터페이스를 사용합니다. GPT-6 가이드는 비동기 도구 작업과 진행 중인 턴의 방향 조정도 설명합니다. 애플리케이션은 자체 작업을 실행하고, 대기 중인 작업을 관리하며, 결과 정보를 반환합니다. 별도의 도구가 다른 산출물을 만들어도 모델 자체의 출력은 텍스트입니다.
Astra 릴리스는 더 큰 목표를 유지하면서 새로운 요구 사항에 적응하는 방식을 설명합니다. 방어적 코드 리뷰와 패치 적용을 모델이 거부할 수 있는 고급 익스플로잇 개발 작업과 구분하며, 작업을 중단할 수 있는 자동 검사도 설명합니다. 추가 추론을 부족한 원본 자료의 대체물로 취급하지 말고, 의도한 결과, 허용된 작업, 근거를 중심으로 요청을 준비하세요. 유용한 최종 산출물은 결론이나 변경 제안, 제공된 정보에 따른 근거, 결정을 실질적으로 바꿀 수 있는 질문을 명시합니다.
POST /v1/responsestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-6-astra-pro | 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 $0.05 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "openai/gpt-6-astra-pro",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson 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 Ultra openai/gpt-6-astra-pro
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Reconcile conflicting launch requirements\n\nWrite a decision brief using this template: Decision needed; Agreed facts; Conflict; Recommendation conditions. Product requirement P1 says launch must include CSV export. Security requirement S1 prohibits exporting customer email addresses. Current design D1 exports name and email only. Reconcile the requirements, propose a compliant export scope and list the decision still needed about useful fields.A brief under the four supplied headings, with P1, S1 and D1 references beside relevant findings.Check that the proposed scope preserves an export feature while excluding emails and does not invent an approved field list.