OpenAI의 Decisions 모드에 있는 GPT-6 Luna는 제공된 근거를 평가하고, 그에 관한 타입이 지정된 답을 반환합니다. 제공자는 GPT-6 Luna를 이 특수 의사결정 인터페이스의 모델로 명시합니다. 조건의 성립 여부를 추정하거나, 고정된 선택지 중 하나를 고르거나, 입력을 순서가 있는 평가 기준에 배치할 수 있습니다. 작성된 응답보다 정의된 의사결정 결과가 필요한 작업에 이 GPT-6 Luna 모드를 사용하세요.
제공자 요청에는 모델, 공유 입력, questions 배열이 포함됩니다. 입력은 텍스트 문자열이거나, 텍스트와 이미지가 담긴 사용자 메시지일 수 있습니다. 각 질문에는 고유한 이름, 타입, 지시 사항, 그리고 필요한 선택지 또는 수준이 있습니다. 답 배열은 질문 이름을 그대로 반환하므로, 결과를 실제로 요청한 조건, 범주 또는 등급과 연결할 수 있습니다.
지원 메시지는 다음 결정에 관련된 맥락과 함께 제공하고, 워크플로에 필요한 필드를 중심으로 질문 이름을 정하세요. 문서 지문은 더 큰 파일을 근거 없이 참조하기보다, 기준을 뒷받침하는 텍스트를 포함하세요. 관찰 가능한 사실을 중심으로 질문을 정의하고, 독립된 판단 사항은 분리하세요. 유용한 결과는 문제 범주와 심각도 등급을 함께 제공하면서도, 각 답의 정의와 의미를 유지할 수 있습니다.
predicate 질문은 정의한 조건이 참일 확률을 0부터 1 사이의 값으로 반환합니다. 지문의 관련성이나 이미지에서 보이는 조건을 확인할 수 있습니다. 제품 사진이라면 균열이나 찢어짐처럼 확인할 가시적 결함을 설명하고, 해당 기준과 함께 이미지를 제공하세요. 값은 모델의 추정치이며, 표시 또는 검토에 사용할 임곗값은 애플리케이션이 선택합니다.
OpenAI의 Decisions 가이드는 이 엔드포인트에서 인라인 인코딩된 이미지 데이터를 요구합니다. 문서에 명시된 이 계약에서는 호스팅된 이미지 주소와 파일 식별자를 이미지 입력으로 지원하지 않습니다. 사용자 메시지 안에 텍스트와 이미지 콘텐츠를 결합해, 관련 서면 맥락과 함께 시각적 근거를 평가할 수 있습니다. 이미지는 선명하게, 조건은 구체적으로 유지하세요. 명시된 결함 하나의 확률이 가능한 모든 문제를 다루는 일반 검사 보고서는 아닙니다.
choice 질문은 서로 다른 값과, 각각 언제 적용되는지를 설명하는 선택지 중 하나를 고릅니다. 반환된 choice는 해당 값 중 하나이며, 선택지별 확률과 별도의 confidence 필드가 함께 제공됩니다. 라우팅에서는 실제 팀이나 가능한 결과를 중심으로 범주를 정의하고, 집합이 모든 입력을 포괄하지 못하면 other 선택지를 포함하세요. 범주는 순서가 없는 상태로 유지하세요. 위치는 심각도 척도가 아닙니다.
실제 분류 작업의 기준은 제품 결함, 접근 문제, 일반 요청을 구분할 수 있습니다. 짧은 이름에만 의존하지 말고 범주 사이의 경계를 설명하세요. 반환된 choice를 제안 레이블로 사용하고, 여러 의미가 여전히 그럴듯할 때에는 분포를 살펴보세요. 결과는 선택을 제공하며, 그 선택으로 자동 라우팅을 실행할지 검토를 거칠지는 애플리케이션이 결정합니다.
score 질문은 낮은 수준부터 높은 수준까지 정렬한 단계들을 사용합니다. 단계 인덱스는 0에서 시작하며, 점수는 해당 인덱스의 확률 가중 평균입니다. 점수는 단계 사이에 놓일 수 있습니다. 문제 심각도라면 한 단계는 외관상 영향, 다른 단계는 사용할 수 있는 우회 방법, 또 다른 단계는 완전한 진행 불가를 의미할 수 있습니다. 이들을 나누는 기준을 정의하세요. 답에는 점수와 함께 단계별 확률 및 신뢰도가 포함됩니다.
기댓점수는 하나의 범주를 고르는 대신 분포를 요약합니다. 결과를 우선순위나 집계 추세에 사용할 때에는 이 차이를 유지하세요. 고정 범주로 표시하려면 choice 질문을 사용할 수 있습니다. 신뢰도는 choice와 score 답에서 별도로 보고되는 필드이며, 가이드는 이를 선택된 선택지의 확률과 동일하다고 정의하지 않습니다.
서로 다른 질문 타입을 포함해, 독립적인 질문은 하나의 제공자 요청에서 입력을 공유할 수 있습니다. 사진 하나로 결함 predicate와 범주 choice를 평가하거나, 메시지 하나로 범주와 심각도를 평가할 수 있습니다. 각 판단 사항에 고유한 지시와 의미를 부여하세요. 뒤의 결정이 앞의 결과에 의존하면, 두 번째 질문에서 그 결과를 명시적으로 사용할 수 있도록 제공자는 별도 요청을 권장합니다. 질문을 배열에서 순서대로 놓는다고 순차적인 대화가 되는 것으로 가정하지 마세요.
Decisions는 정의된 predicate, choice 또는 score 결과를 제공합니다. 답이 대신 refusal 타입일 수도 있으므로 확률, choice 또는 score를 읽기 전에 타입을 확인하세요. OpenAI는 이를 Structured Outputs를 통한 임의의 스키마 기반 객체나 서면 설명 생성, 그리고 함수 호출을 통한 도구 동작 요청과 구분합니다. 결정 답을 생성된 정당화 설명이나 외부 동작이 발생했다는 증거로 제시해서는 안 됩니다. 일반 채팅 모델의 출력, 추론, 도구 설정이 이 특수 모드에 자동으로 포함되는 것은 아닙니다.
대표적인 레이블 부착 입력으로 라우팅, 필터링, 검토의 임곗값을 평가하되, 오탐과 미탐의 결과를 고려하세요. 모호한 결과를 점검할 수 있도록 근거, 질문 정의, 원시 수치 출력을 연결해 유지하세요. 공유 근거는 이름 있는 질문에 관련된 것으로 유지하고, 결정 작업을 제출하기 전에 각 선택지나 평가 단계를 명확히 정의하세요. 문서화된 의사결정 워크플로를 중심으로 근거와 답 타입을 준비하고, 출력은 그것이 평가하는 작업에 맞춰 해석하세요.
", "aboutText": "OpenAI의 Decisions 모드에 있는 GPT-6 Luna는 제공된 근거를 평가하고, 그에 관한 타입이 지정된 답을 반환합니다. 제공자는 GPT-6 Luna를 이 특수 의사결정 인터페이스의 모델로 명시합니다. 조건의 성립 여부를 추정하거나, 고정된 선택지 중 하나를 고르거나, 입력을 순서가 있는 평가 기준에 배치할 수 있습니다. 작성된 응답보다 정의된 의사결정 결과가 필요한 작업에 이 GPT-6 Luna 모드를 사용하세요.\n\n### 공유 입력, 이름 있는 질문과 답\n\n제공자 요청에는 모델, 공유 입력, questions 배열이 포함됩니다. 입력은 텍스트 문자열이거나, 텍스트와 이미지가 담긴 사용자 메시지일 수 있습니다. 각 질문에는 고유한 이름, 타입, 지시 사항, 그리고 필요한 선택지 또는 수준이 있습니다. 답 배열은 질문 이름을 그대로 반환하므로, 결과를 실제로 요청한 조건, 범주 또는 등급과 연결할 수 있습니다.\n\n지원 메시지는 다음 결정에 관련된 맥락과 함께 제공하고, 워크플로에 필요한 필드를 중심으로 질문 이름을 정하세요. 문서 지문은 더 큰 파일을 근거 없이 참조하기보다, 기준을 뒷받침하는 텍스트를 포함하세요. 관찰 가능한 사실을 중심으로 질문을 정의하고, 독립된 판단 사항은 분리하세요. 유용한 결과는 문제 범주와 심각도 등급을 함께 제공하면서도, 각 답의 정의와 의미를 유지할 수 있습니다.\n\n### Predicate: 조건의 성립 여부 추정하기\n\npredicate 질문은 정의한 조건이 참일 확률을 0부터 1 사이의 값으로 반환합니다. 지문의 관련성이나 이미지에서 보이는 조건을 확인할 수 있습니다. 제품 사진이라면 균열이나 찢어짐처럼 확인할 가시적 결함을 설명하고, 해당 기준과 함께 이미지를 제공하세요. 값은 모델의 추정치이며, 표시 또는 검토에 사용할 임곗값은 애플리케이션이 선택합니다.\n\nOpenAI의 Decisions 가이드는 이 엔드포인트에서 인라인 인코딩된 이미지 데이터를 요구합니다. 문서에 명시된 이 계약에서는 호스팅된 이미지 주소와 파일 식별자를 이미지 입력으로 지원하지 않습니다. 사용자 메시지 안에 텍스트와 이미지 콘텐츠를 결합해, 관련 서면 맥락과 함께 시각적 근거를 평가할 수 있습니다. 이미지는 선명하게, 조건은 구체적으로 유지하세요. 명시된 결함 하나의 확률이 가능한 모든 문제를 다루는 일반 검사 보고서는 아닙니다.\n\n### Choice: 제공된 값 하나 선택하기\n\nchoice 질문은 서로 다른 값과, 각각 언제 적용되는지를 설명하는 선택지 중 하나를 고릅니다. 반환된 choice는 해당 값 중 하나이며, 선택지별 확률과 별도의 confidence 필드가 함께 제공됩니다. 라우팅에서는 실제 팀이나 가능한 결과를 중심으로 범주를 정의하고, 집합이 모든 입력을 포괄하지 못하면 other 선택지를 포함하세요. 범주는 순서가 없는 상태로 유지하세요. 위치는 심각도 척도가 아닙니다.\n\n실제 분류 작업의 기준은 제품 결함, 접근 문제, 일반 요청을 구분할 수 있습니다. 짧은 이름에만 의존하지 말고 범주 사이의 경계를 설명하세요. 반환된 choice를 제안 레이블로 사용하고, 여러 의미가 여전히 그럴듯할 때에는 분포를 살펴보세요. 결과는 선택을 제공하며, 그 선택으로 자동 라우팅을 실행할지 검토를 거칠지는 애플리케이션이 결정합니다.\n\n### Score: 확률로 가중한 평가 기준의 위치\n\nscore 질문은 낮은 수준부터 높은 수준까지 정렬한 단계들을 사용합니다. 단계 인덱스는 0에서 시작하며, 점수는 해당 인덱스의 확률 가중 평균입니다. 점수는 단계 사이에 놓일 수 있습니다. 문제 심각도라면 한 단계는 외관상 영향, 다른 단계는 사용할 수 있는 우회 방법, 또 다른 단계는 완전한 진행 불가를 의미할 수 있습니다. 이들을 나누는 기준을 정의하세요. 답에는 점수와 함께 단계별 확률 및 신뢰도가 포함됩니다.\n\n기댓점수는 하나의 범주를 고르는 대신 분포를 요약합니다. 결과를 우선순위나 집계 추세에 사용할 때에는 이 차이를 유지하세요. 고정 범주로 표시하려면 choice 질문을 사용할 수 있습니다. 신뢰도는 choice와 score 답에서 별도로 보고되는 필드이며, 가이드는 이를 선택된 선택지의 확률과 동일하다고 정의하지 않습니다.\n\n### 여러 질문과 종속된 결정\n\n서로 다른 질문 타입을 포함해, 독립적인 질문은 하나의 제공자 요청에서 입력을 공유할 수 있습니다. 사진 하나로 결함 predicate와 범주 choice를 평가하거나, 메시지 하나로 범주와 심각도를 평가할 수 있습니다. 각 판단 사항에 고유한 지시와 의미를 부여하세요. 뒤의 결정이 앞의 결과에 의존하면, 두 번째 질문에서 그 결과를 명시적으로 사용할 수 있도록 제공자는 별도 요청을 권장합니다. 질문을 배열에서 순서대로 놓는다고 순차적인 대화가 되는 것으로 가정하지 마세요.\n\n### 알맞은 출력 선택과 한계 해석\n\nDecisions는 정의된 predicate, choice 또는 score 결과를 제공합니다. 답이 대신 refusal 타입일 수도 있으므로 확률, choice 또는 score를 읽기 전에 타입을 확인하세요. OpenAI는 이를 Structured Outputs를 통한 임의의 스키마 기반 객체나 서면 설명 생성, 그리고 함수 호출을 통한 도구 동작 요청과 구분합니다. 결정 답을 생성된 정당화 설명이나 외부 동작이 발생했다는 증거로 제시해서는 안 됩니다. 일반 채팅 모델의 출력, 추론, 도구 설정이 이 특수 모드에 자동으로 포함되는 것은 아닙니다.\n\n대표적인 레이블 부착 입력으로 라우팅, 필터링, 검토의 임곗값을 평가하되, 오탐과 미탐의 결과를 고려하세요. 모호한 결과를 점검할 수 있도록 근거, 질문 정의, 원시 수치 출력을 연결해 유지하세요. 공유 근거는 이름 있는 질문에 관련된 것으로 유지하고, 결정 작업을 제출하기 전에 각 선택지나 평가 단계를 명확히 정의하세요. 문서화된 의사결정 워크플로를 중심으로 근거와 답 타입을 준비하고, 출력은 그것이 평가하는 작업에 맞춰 해석하세요.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "85cf74dcb9fc5f237e157bd9d4d7fd2d19bd5f7d6675169bcea9fccace2e67c1", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/gpt-6-luna-decisionsOpenAI Decisions 모드의 GPT-6 Luna는 텍스트와 이미지를 평가하고, 조건이 충족될 확률, 정해진 선택지, 평가 기준에 따른 점수처럼 유형이 지정된 확률적 답변을 반환합니다. 글로 된 설명을 결정 결과로 사용하는 대신 분류, 라우팅, 우선순위 지정을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
OpenAI의 Decisions 모드에 있는 GPT-6 Luna는 제공된 근거를 평가하고, 그에 관한 타입이 지정된 답을 반환합니다. 제공자는 GPT-6 Luna를 이 특수 의사결정 인터페이스의 모델로 명시합니다. 조건의 성립 여부를 추정하거나, 고정된 선택지 중 하나를 고르거나, 입력을 순서가 있는 평가 기준에 배치할 수 있습니다. 작성된 응답보다 정의된 의사결정 결과가 필요한 작업에 이 GPT-6 Luna 모드를 사용하세요.
제공자 요청에는 모델, 공유 입력, questions 배열이 포함됩니다. 입력은 텍스트 문자열이거나, 텍스트와 이미지가 담긴 사용자 메시지일 수 있습니다. 각 질문에는 고유한 이름, 타입, 지시 사항, 그리고 필요한 선택지 또는 수준이 있습니다. 답 배열은 질문 이름을 그대로 반환하므로, 결과를 실제로 요청한 조건, 범주 또는 등급과 연결할 수 있습니다.
지원 메시지는 다음 결정에 관련된 맥락과 함께 제공하고, 워크플로에 필요한 필드를 중심으로 질문 이름을 정하세요. 문서 지문은 더 큰 파일을 근거 없이 참조하기보다, 기준을 뒷받침하는 텍스트를 포함하세요. 관찰 가능한 사실을 중심으로 질문을 정의하고, 독립된 판단 사항은 분리하세요. 유용한 결과는 문제 범주와 심각도 등급을 함께 제공하면서도, 각 답의 정의와 의미를 유지할 수 있습니다.
predicate 질문은 정의한 조건이 참일 확률을 0부터 1 사이의 값으로 반환합니다. 지문의 관련성이나 이미지에서 보이는 조건을 확인할 수 있습니다. 제품 사진이라면 균열이나 찢어짐처럼 확인할 가시적 결함을 설명하고, 해당 기준과 함께 이미지를 제공하세요. 값은 모델의 추정치이며, 표시 또는 검토에 사용할 임곗값은 애플리케이션이 선택합니다.
OpenAI의 Decisions 가이드는 이 엔드포인트에서 인라인 인코딩된 이미지 데이터를 요구합니다. 문서에 명시된 이 계약에서는 호스팅된 이미지 주소와 파일 식별자를 이미지 입력으로 지원하지 않습니다. 사용자 메시지 안에 텍스트와 이미지 콘텐츠를 결합해, 관련 서면 맥락과 함께 시각적 근거를 평가할 수 있습니다. 이미지는 선명하게, 조건은 구체적으로 유지하세요. 명시된 결함 하나의 확률이 가능한 모든 문제를 다루는 일반 검사 보고서는 아닙니다.
choice 질문은 서로 다른 값과, 각각 언제 적용되는지를 설명하는 선택지 중 하나를 고릅니다. 반환된 choice는 해당 값 중 하나이며, 선택지별 확률과 별도의 confidence 필드가 함께 제공됩니다. 라우팅에서는 실제 팀이나 가능한 결과를 중심으로 범주를 정의하고, 집합이 모든 입력을 포괄하지 못하면 other 선택지를 포함하세요. 범주는 순서가 없는 상태로 유지하세요. 위치는 심각도 척도가 아닙니다.
실제 분류 작업의 기준은 제품 결함, 접근 문제, 일반 요청을 구분할 수 있습니다. 짧은 이름에만 의존하지 말고 범주 사이의 경계를 설명하세요. 반환된 choice를 제안 레이블로 사용하고, 여러 의미가 여전히 그럴듯할 때에는 분포를 살펴보세요. 결과는 선택을 제공하며, 그 선택으로 자동 라우팅을 실행할지 검토를 거칠지는 애플리케이션이 결정합니다.
score 질문은 낮은 수준부터 높은 수준까지 정렬한 단계들을 사용합니다. 단계 인덱스는 0에서 시작하며, 점수는 해당 인덱스의 확률 가중 평균입니다. 점수는 단계 사이에 놓일 수 있습니다. 문제 심각도라면 한 단계는 외관상 영향, 다른 단계는 사용할 수 있는 우회 방법, 또 다른 단계는 완전한 진행 불가를 의미할 수 있습니다. 이들을 나누는 기준을 정의하세요. 답에는 점수와 함께 단계별 확률 및 신뢰도가 포함됩니다.
기댓점수는 하나의 범주를 고르는 대신 분포를 요약합니다. 결과를 우선순위나 집계 추세에 사용할 때에는 이 차이를 유지하세요. 고정 범주로 표시하려면 choice 질문을 사용할 수 있습니다. 신뢰도는 choice와 score 답에서 별도로 보고되는 필드이며, 가이드는 이를 선택된 선택지의 확률과 동일하다고 정의하지 않습니다.
서로 다른 질문 타입을 포함해, 독립적인 질문은 하나의 제공자 요청에서 입력을 공유할 수 있습니다. 사진 하나로 결함 predicate와 범주 choice를 평가하거나, 메시지 하나로 범주와 심각도를 평가할 수 있습니다. 각 판단 사항에 고유한 지시와 의미를 부여하세요. 뒤의 결정이 앞의 결과에 의존하면, 두 번째 질문에서 그 결과를 명시적으로 사용할 수 있도록 제공자는 별도 요청을 권장합니다. 질문을 배열에서 순서대로 놓는다고 순차적인 대화가 되는 것으로 가정하지 마세요.
Decisions는 정의된 predicate, choice 또는 score 결과를 제공합니다. 답이 대신 refusal 타입일 수도 있으므로 확률, choice 또는 score를 읽기 전에 타입을 확인하세요. OpenAI는 이를 Structured Outputs를 통한 임의의 스키마 기반 객체나 서면 설명 생성, 그리고 함수 호출을 통한 도구 동작 요청과 구분합니다. 결정 답을 생성된 정당화 설명이나 외부 동작이 발생했다는 증거로 제시해서는 안 됩니다. 일반 채팅 모델의 출력, 추론, 도구 설정이 이 특수 모드에 자동으로 포함되는 것은 아닙니다.
대표적인 레이블 부착 입력으로 라우팅, 필터링, 검토의 임곗값을 평가하되, 오탐과 미탐의 결과를 고려하세요. 모호한 결과를 점검할 수 있도록 근거, 질문 정의, 원시 수치 출력을 연결해 유지하세요. 공유 근거는 이름 있는 질문에 관련된 것으로 유지하고, 결정 작업을 제출하기 전에 각 선택지나 평가 단계를 명확히 정의하세요. 문서화된 의사결정 워크플로를 중심으로 근거와 답 타입을 준비하고, 출력은 그것이 평가하는 작업에 맞춰 해석하세요.
POST /v1/systemonetext, imagedecisions| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-6-luna-decisions | 기본값— |
필드provider | 유형schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드questions | 유형object | 요건필수 | 값과 한도 | 기본값— |
필드session_id | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드state | 유형schema | 요건필수 | 값과 한도 | 기본값— |
필드trace | 유형schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드user | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드questions.<id>.type | 유형string | 요건필수 | 값과 한도 noul, choice, score | 기본값— |
필드questions.<id>.instructions | 유형string|object|array | 요건필수 | 값과 한도 | 기본값— |
필드questions.<id>.criteria | 유형object|array | 요건선택 사항 | 값과 한도 조건: choice/score: 필수; noul: 선택 사항. choice의 criteria는 객체이며, score는 minItems1인 배열입니다. | 기본값— |
필드questions.<id>.criteria.true | 유형string|object|array | 요건필수 | 값과 한도 적용 조건: noul 조건 객체가 제공됨 | 기본값— |
필드questions.<id>.criteria.false | 유형string|object|array | 요건필수 | 값과 한도 적용 조건: noul 조건 객체가 제공됨 | 기본값— |
noul · 필수: state, questions.<id>.type=noul, questions.<id>.instructions
choice · 필수: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · 필수: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, state, questions |
매개변수material_types | 명세text, image |
매개변수optional_controls | 명세provider, session_id, trace, user |
매개변수multimodal_input_binding | 명세선언된 정확한 상태/문서 표현 형식만 사용하세요. 제조사의 이미지 지원 기능만으로 모델별로 허용된 이미지 전달 형식이 확정되는 것은 아닙니다. |
수명 주기: synchronous
정확한 모델 ID를 전송하고 네이티브 응답 전체를 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 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "openai/gpt-6-luna-decisions",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='openai/gpt-6-luna-decisions'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\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\njson
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
제공된 모든 질문 ID별 답변의 정확한 유형, noul/choice/score 값, 신뢰도, 확률 및 범례가 보존됩니다. 원본 JSON 전체는 정산이 끝난 후에만 저장되고 반환됩니다.
원래 작업과 전체/부분 응답을 보존하세요. POST를 재전송하지 마세요.
| 필드 | 유형 |
|---|---|
필드model | 유형string |
필드id | 유형string |
필드provider | 유형string |
필드answers.<id>.type | 유형string |
필드answers.<id>.noul | 유형number |
필드answers.<id>.choice | 유형string |
필드answers.<id>.score | 유형number |
필드answers.<id>.confidence | 유형number |
필드answers.<id>.probabilities | 유형object |
필드answers.<id>.legend | 유형object |
필드usage.input_tokens | 유형integer |
필드usage.output_tokens | 유형integer |
필드usage.cost | 유형number |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 표현 형식 또는 값이 유효하지 않음 | 다음 단계표시된 요청 필드를 수정하세요. |
Ailoot Ultra openai/gpt-6-luna-decisions
위에 표시된 메서드 경로를 사용하세요.