GPT-6 Astra는 OpenAI의 가장 까다로운 추론 및 전문 작업을 위한 모델입니다. 제작사는 소프트웨어 엔지니어링, 컴퓨터 사용, 연구, 과학 작업, 문서 생성을 위해 이 모델을 개발합니다. 텍스트와 이미지를 입력받아 설명, 코드, 구조화된 산출물 등의 텍스트를 생성합니다. 이 표준 Astra 프로필은 Pro 추론 모드 및 Sol과 Luna 프로필과 구별됩니다.
원하는 결과, 관련 출처, 완료 기준을 중심으로 작업을 준비하세요. 소프트웨어 엔지니어링에서는 코드, 관찰된 실패, 기대하는 동작, 보존해야 할 인터페이스를 포함하세요. 전문 분석에서는 문서, 결정, 결론에서 다뤄야 할 조건을 제공하세요. 예를 들어 “이 대안들을 요구 사항과 비교하고, 의존성을 파악한 뒤, 중요한 발견 사항마다 근거를 첨부한 의사결정 메모를 작성하세요”라고 요청할 수 있습니다.
시각적 작업에서는 출처가 잘 읽히도록 준비하고, 인터페이스 상태, 차트, 설계 요구 사항 중 무엇을 보여 주는지 지정하세요. 관찰을 뒷받침하는 가시적 세부 사항을 요청하세요. 코드나 문서 산출물은 외부 동작이 실행되었다는 가정이 아니라 해당 근거와 연결되어 있어야 합니다.
OpenAI의 Astra 지침은 명확한 목표, 성공 기준, 근거 규칙, 중단 조건을 권장합니다. 컨텍스트와 접근 가능한 파일의 상세한 지시에 매우 민감하다고 설명하므로, 충돌하는 지침을 조정하고 사용자 작업의 우선순위를 명시하세요. 모델이 사용 가능한 정보를 활용할 때, 합리적인 가정을 세울 때, 결과를 바꾸는 부족한 세부 사항을 물어야 할 때를 지정하세요.
제작사는 응답 스타일과 검증 깊이의 조정도 권장합니다. 문서에서는 독자와 최종 구조를 설명하고, 엔지니어링 작업에서는 변경과 관련된 검증을 요구하세요. 그러면 관계없는 작업을 더하지 않으면서 모델에 명확한 완료 지점을 제시할 수 있습니다.
Astra는 low, medium, high, xhigh, max의 추론 강도를 지원하며 none은 지원하지 않습니다. 강도는 제작사의 표준 또는 Pro 추론 모드와 별개입니다. 모델 카드는 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시합니다. 지식 기준일은 2026년 4월 30일입니다.
내부 원시 토큰이 일반 답변으로 공개되지는 않지만 추론은 응답 공간을 사용합니다. 최종 산출물의 공간을 확보하고, 예산을 소진했을 때 종료 상태를 확인하세요. 컨텍스트 창이 커도 출처 레이블, 작업 범위, 관련 관찰 결과가 필요합니다.
제작사는 Responses를 통한 함수 호출을 문서화합니다. Astra의 Chat Completions는 함수 호출을 지원하지 않습니다. 지원 도구에는 웹 및 파일 검색, 이미지 생성, 코드 인터프리터, shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색이 포함됩니다. Structured Outputs와 스트리밍도 명시되어 있습니다. Astra 자체의 출력은 텍스트이며, 도구 작업은 각각의 관찰 결과나 산출물을 만듭니다.
문서화된 GPT-6 워크플로는 비동기 도구가 실행되는 동안 분석을 계속하고, 턴 중간의 방향 조정을 반영하며, 호출 사이의 추론을 유지하고, 긴 대화를 압축할 수 있습니다. 애플리케이션은 자체 도구를 실행하고 대기 중인 결과를 관리합니다. 작업이 실제 근거를 사용하도록 원래 호출과 관찰 결과의 연결을 유지하세요.
유용한 최종 결과는 근거와 남은 조건을 명시한 완성된 분석 또는 코드 산출물입니다. 출처에 의존하는 진술을 검토하고 실행된 작업에는 실제 검증 관찰 결과를 사용하세요. 다른 모델의 직접 응답 설정이나 한도를 가져오지 말고, 이름이 지정된 Astra 프로필과 지원되는 강도 범위를 유지하세요.
", "aboutText": "GPT-6 Astra는 OpenAI의 가장 까다로운 추론 및 전문 작업을 위한 모델입니다. 제작사는 소프트웨어 엔지니어링, 컴퓨터 사용, 연구, 과학 작업, 문서 생성을 위해 이 모델을 개발합니다. 텍스트와 이미지를 입력받아 설명, 코드, 구조화된 산출물 등의 텍스트를 생성합니다. 이 표준 Astra 프로필은 Pro 추론 모드 및 Sol과 Luna 프로필과 구별됩니다.\n\n### 처음부터 끝까지 작업하기\n\n원하는 결과, 관련 출처, 완료 기준을 중심으로 작업을 준비하세요. 소프트웨어 엔지니어링에서는 코드, 관찰된 실패, 기대하는 동작, 보존해야 할 인터페이스를 포함하세요. 전문 분석에서는 문서, 결정, 결론에서 다뤄야 할 조건을 제공하세요. 예를 들어 “이 대안들을 요구 사항과 비교하고, 의존성을 파악한 뒤, 중요한 발견 사항마다 근거를 첨부한 의사결정 메모를 작성하세요”라고 요청할 수 있습니다.\n\n시각적 작업에서는 출처가 잘 읽히도록 준비하고, 인터페이스 상태, 차트, 설계 요구 사항 중 무엇을 보여 주는지 지정하세요. 관찰을 뒷받침하는 가시적 세부 사항을 요청하세요. 코드나 문서 산출물은 외부 동작이 실행되었다는 가정이 아니라 해당 근거와 연결되어 있어야 합니다.\n\n### 프롬프트와 후속 진행\n\nOpenAI의 Astra 지침은 명확한 목표, 성공 기준, 근거 규칙, 중단 조건을 권장합니다. 컨텍스트와 접근 가능한 파일의 상세한 지시에 매우 민감하다고 설명하므로, 충돌하는 지침을 조정하고 사용자 작업의 우선순위를 명시하세요. 모델이 사용 가능한 정보를 활용할 때, 합리적인 가정을 세울 때, 결과를 바꾸는 부족한 세부 사항을 물어야 할 때를 지정하세요.\n\n제작사는 응답 스타일과 검증 깊이의 조정도 권장합니다. 문서에서는 독자와 최종 구조를 설명하고, 엔지니어링 작업에서는 변경과 관련된 검증을 요구하세요. 그러면 관계없는 작업을 더하지 않으면서 모델에 명확한 완료 지점을 제시할 수 있습니다.\n\n### 추론과 컨텍스트\n\nAstra는 low, medium, high, xhigh, max의 추론 강도를 지원하며 none은 지원하지 않습니다. 강도는 제작사의 표준 또는 Pro 추론 모드와 별개입니다. 모델 카드는 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시합니다. 지식 기준일은 2026년 4월 30일입니다.\n\n내부 원시 토큰이 일반 답변으로 공개되지는 않지만 추론은 응답 공간을 사용합니다. 최종 산출물의 공간을 확보하고, 예산을 소진했을 때 종료 상태를 확인하세요. 컨텍스트 창이 커도 출처 레이블, 작업 범위, 관련 관찰 결과가 필요합니다.\n\n### 도구와 지속되는 작업\n\n제작사는 Responses를 통한 함수 호출을 문서화합니다. Astra의 Chat Completions는 함수 호출을 지원하지 않습니다. 지원 도구에는 웹 및 파일 검색, 이미지 생성, 코드 인터프리터, shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색이 포함됩니다. Structured Outputs와 스트리밍도 명시되어 있습니다. Astra 자체의 출력은 텍스트이며, 도구 작업은 각각의 관찰 결과나 산출물을 만듭니다.\n\n문서화된 GPT-6 워크플로는 비동기 도구가 실행되는 동안 분석을 계속하고, 턴 중간의 방향 조정을 반영하며, 호출 사이의 추론을 유지하고, 긴 대화를 압축할 수 있습니다. 애플리케이션은 자체 도구를 실행하고 대기 중인 결과를 관리합니다. 작업이 실제 근거를 사용하도록 원래 호출과 관찰 결과의 연결을 유지하세요.\n\n유용한 최종 결과는 근거와 남은 조건을 명시한 완성된 분석 또는 코드 산출물입니다. 출처에 의존하는 진술을 검토하고 실행된 작업에는 실제 검증 관찰 결과를 사용하세요. 다른 모델의 직접 응답 설정이나 한도를 가져오지 말고, 이름이 지정된 Astra 프로필과 지원되는 강도 범위를 유지하세요.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0128fdcc4d2032a0713a051ac142f424e4d076af0d15a018b1b81dbff8523ec6", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/gpt-6-astra:batchGPT-6 Astra는 까다로운 추론, 소프트웨어 엔지니어링, 연구, 전문 문서 작업을 위한 OpenAI의 모델입니다. 텍스트와 이미지 이해, 긴 컨텍스트 분석, 도구를 활용하는 워크플로를 결합해 1,050,000토큰 컨텍스트 안에서 텍스트 결과를 생성합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Astra는 OpenAI의 가장 까다로운 추론 및 전문 작업을 위한 모델입니다. 제작사는 소프트웨어 엔지니어링, 컴퓨터 사용, 연구, 과학 작업, 문서 생성을 위해 이 모델을 개발합니다. 텍스트와 이미지를 입력받아 설명, 코드, 구조화된 산출물 등의 텍스트를 생성합니다. 이 표준 Astra 프로필은 Pro 추론 모드 및 Sol과 Luna 프로필과 구별됩니다.
원하는 결과, 관련 출처, 완료 기준을 중심으로 작업을 준비하세요. 소프트웨어 엔지니어링에서는 코드, 관찰된 실패, 기대하는 동작, 보존해야 할 인터페이스를 포함하세요. 전문 분석에서는 문서, 결정, 결론에서 다뤄야 할 조건을 제공하세요. 예를 들어 “이 대안들을 요구 사항과 비교하고, 의존성을 파악한 뒤, 중요한 발견 사항마다 근거를 첨부한 의사결정 메모를 작성하세요”라고 요청할 수 있습니다.
시각적 작업에서는 출처가 잘 읽히도록 준비하고, 인터페이스 상태, 차트, 설계 요구 사항 중 무엇을 보여 주는지 지정하세요. 관찰을 뒷받침하는 가시적 세부 사항을 요청하세요. 코드나 문서 산출물은 외부 동작이 실행되었다는 가정이 아니라 해당 근거와 연결되어 있어야 합니다.
OpenAI의 Astra 지침은 명확한 목표, 성공 기준, 근거 규칙, 중단 조건을 권장합니다. 컨텍스트와 접근 가능한 파일의 상세한 지시에 매우 민감하다고 설명하므로, 충돌하는 지침을 조정하고 사용자 작업의 우선순위를 명시하세요. 모델이 사용 가능한 정보를 활용할 때, 합리적인 가정을 세울 때, 결과를 바꾸는 부족한 세부 사항을 물어야 할 때를 지정하세요.
제작사는 응답 스타일과 검증 깊이의 조정도 권장합니다. 문서에서는 독자와 최종 구조를 설명하고, 엔지니어링 작업에서는 변경과 관련된 검증을 요구하세요. 그러면 관계없는 작업을 더하지 않으면서 모델에 명확한 완료 지점을 제시할 수 있습니다.
Astra는 low, medium, high, xhigh, max의 추론 강도를 지원하며 none은 지원하지 않습니다. 강도는 제작사의 표준 또는 Pro 추론 모드와 별개입니다. 모델 카드는 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시합니다. 지식 기준일은 2026년 4월 30일입니다.
내부 원시 토큰이 일반 답변으로 공개되지는 않지만 추론은 응답 공간을 사용합니다. 최종 산출물의 공간을 확보하고, 예산을 소진했을 때 종료 상태를 확인하세요. 컨텍스트 창이 커도 출처 레이블, 작업 범위, 관련 관찰 결과가 필요합니다.
제작사는 Responses를 통한 함수 호출을 문서화합니다. Astra의 Chat Completions는 함수 호출을 지원하지 않습니다. 지원 도구에는 웹 및 파일 검색, 이미지 생성, 코드 인터프리터, shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색이 포함됩니다. Structured Outputs와 스트리밍도 명시되어 있습니다. Astra 자체의 출력은 텍스트이며, 도구 작업은 각각의 관찰 결과나 산출물을 만듭니다.
문서화된 GPT-6 워크플로는 비동기 도구가 실행되는 동안 분석을 계속하고, 턴 중간의 방향 조정을 반영하며, 호출 사이의 추론을 유지하고, 긴 대화를 압축할 수 있습니다. 애플리케이션은 자체 도구를 실행하고 대기 중인 결과를 관리합니다. 작업이 실제 근거를 사용하도록 원래 호출과 관찰 결과의 연결을 유지하세요.
유용한 최종 결과는 근거와 남은 조건을 명시한 완성된 분석 또는 코드 산출물입니다. 출처에 의존하는 진술을 검토하고 실행된 작업에는 실제 검증 관찰 결과를 사용하세요. 다른 모델의 직접 응답 설정이나 한도를 가져오지 말고, 이름이 지정된 Astra 프로필과 지원되는 강도 범위를 유지하세요.
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-6-astra: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-6-astra:batch, openai/gpt-6-astra | 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 $0.01 / 1K 토큰 출력 · 출력 토큰 $0.05 / 1K 토큰 입력 · 캐시 읽기 $0.001 / 1K 토큰 입력 · 캐시 쓰기 $0.0125 / 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 $0.01 / 1K 토큰 출력 · 출력 토큰 $0.05 / 1K 토큰 입력 · 캐시 읽기 $0.001 / 1K 토큰 입력 · 캐시 쓰기 $0.0125 / 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 $0.02 / 1K 토큰 출력 · 출력 토큰 $0.075 / 1K 토큰 입력 · 캐시 읽기 $0.002 / 1K 토큰 입력 · 캐시 쓰기 $0.025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-6-astra: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-6-astra:batch', 'openai/gpt-6-astra']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-astra: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-6-astra:batch
위에 표시된 메서드 경로를 사용하세요.