GPT-6 Luna Pro는 OpenAI의 GPT-6 Luna에 Pro 추론을 적용한 모델을 뜻합니다. Luna는 집중된 작업과 처리량이 많은 워크로드를 위해 설계되었으며, 텍스트와 이미지를 입력받고 텍스트를 출력합니다. Pro는 최종 답변을 만드는 과정에서 모델의 작업을 추가합니다. 선택한 기반 모델에 적용되는 실행 모드이며, 그 모드 안의 분석량을 제어하는 추론 강도 설정과 구별됩니다.
실용적인 활용 사례는 여러 규칙이나 예외가 있는, 범위가 좁게 정의된 요청을 처리하는 것입니다. 요청, 해당할 수 있는 범주, 다음 동작을 결정하는 정보를 제공하세요. 범주, 관련 사실, 짧은 답변안을 요청하세요. 예를 들어 문서 요청을 분류하고, 누락된 필드를 파악한 뒤, 그 필드를 요청하는 메시지를 작성할 수 있습니다. 조건을 신중히 검토해야 하더라도 작업의 초점은 유지됩니다.
이미지에 기반한 질문에서는 선명한 스크린샷이나 다른 시각 자료를 제공하고 확인할 세부 사항을 지정하세요. 보이는 인터페이스 상태에 대한 설명과 독자에게 제공할 짧은 지침을 함께 요청할 수 있습니다. 서면 자료에서는 변환 후에도 유지해야 할 필드나 문장, 허용 범주, 기대하는 답변 형식을 정의하세요. 소수의 대표적인 예시는 모델이 규칙을 추론하게 하지 않으면서 비슷한 범주 사이의 경계를 명확히 할 수 있습니다.
OpenAI는 GPT-6 Luna의 컨텍스트 창을 1,050,000토큰, 최대 입력을 922,000토큰, 최대 출력을 128,000토큰으로 명시합니다. 문서화된 지식 기준일은 2026년 5월 18일입니다. 기반 모델은 none, low, medium, high, xhigh, max의 추론 강도를 지원하며 기본값은 medium입니다. 추론은 최종 답변과 함께 토큰 공간을 사용하므로, 작업 지침과 제공된 자료에는 분석 및 요청한 결과를 위한 공간을 남겨야 합니다.
제작사는 Responses API의 Pro를 추가 지연과 모델 활동을 허용하는 어려운 요청용으로 문서화합니다. GPT-6 Luna의 내장 도구와 함수 호출을 동반한 추론은 Responses를 사용합니다. 제작사의 Chat Completions 인터페이스에서는 추론 강도를 none으로 설정했을 때만 함수 호출이 지원됩니다. 기반 모델은 스트리밍, Structured Outputs, 웹 및 파일 검색, 함수 호출, 프롬프트 캐싱을 명시합니다. 도구 모음에는 이미지 생성, 코드 실행, shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색도 포함됩니다. 애플리케이션이 제공할 작업을 결정하고 실행합니다.
최종 작업에는 정확한 출력 계약을 사용하세요. 필요한 것은 결정, 이를 뒷받침하는 필드, 아직 부족한 정보입니다. 예를 들어 범주 하나, 제공된 규칙에 연결된 짧은 근거, 독자에게 다음으로 보낼 질문을 요청하세요. 무제한의 논의를 더하지 말고 해당 규칙에 비추어 결과를 검토하세요. 이 워크플로는 Luna의 집중된 작업 역할을 활용하면서, 의존성이나 예외를 더 자세히 검토해야 하는 요청에 Pro의 추가 작업을 배정합니다.
", "aboutText": "GPT-6 Luna Pro는 OpenAI의 GPT-6 Luna에 Pro 추론을 적용한 모델을 뜻합니다. Luna는 집중된 작업과 처리량이 많은 워크로드를 위해 설계되었으며, 텍스트와 이미지를 입력받고 텍스트를 출력합니다. Pro는 최종 답변을 만드는 과정에서 모델의 작업을 추가합니다. 선택한 기반 모델에 적용되는 실행 모드이며, 그 모드 안의 분석량을 제어하는 추론 강도 설정과 구별됩니다.\n\n실용적인 활용 사례는 여러 규칙이나 예외가 있는, 범위가 좁게 정의된 요청을 처리하는 것입니다. 요청, 해당할 수 있는 범주, 다음 동작을 결정하는 정보를 제공하세요. 범주, 관련 사실, 짧은 답변안을 요청하세요. 예를 들어 문서 요청을 분류하고, 누락된 필드를 파악한 뒤, 그 필드를 요청하는 메시지를 작성할 수 있습니다. 조건을 신중히 검토해야 하더라도 작업의 초점은 유지됩니다.\n\n이미지에 기반한 질문에서는 선명한 스크린샷이나 다른 시각 자료를 제공하고 확인할 세부 사항을 지정하세요. 보이는 인터페이스 상태에 대한 설명과 독자에게 제공할 짧은 지침을 함께 요청할 수 있습니다. 서면 자료에서는 변환 후에도 유지해야 할 필드나 문장, 허용 범주, 기대하는 답변 형식을 정의하세요. 소수의 대표적인 예시는 모델이 규칙을 추론하게 하지 않으면서 비슷한 범주 사이의 경계를 명확히 할 수 있습니다.\n\nOpenAI는 GPT-6 Luna의 컨텍스트 창을 1,050,000토큰, 최대 입력을 922,000토큰, 최대 출력을 128,000토큰으로 명시합니다. 문서화된 지식 기준일은 2026년 5월 18일입니다. 기반 모델은 none, low, medium, high, xhigh, max의 추론 강도를 지원하며 기본값은 medium입니다. 추론은 최종 답변과 함께 토큰 공간을 사용하므로, 작업 지침과 제공된 자료에는 분석 및 요청한 결과를 위한 공간을 남겨야 합니다.\n\n제작사는 Responses API의 Pro를 추가 지연과 모델 활동을 허용하는 어려운 요청용으로 문서화합니다. GPT-6 Luna의 내장 도구와 함수 호출을 동반한 추론은 Responses를 사용합니다. 제작사의 Chat Completions 인터페이스에서는 추론 강도를 none으로 설정했을 때만 함수 호출이 지원됩니다. 기반 모델은 스트리밍, Structured Outputs, 웹 및 파일 검색, 함수 호출, 프롬프트 캐싱을 명시합니다. 도구 모음에는 이미지 생성, 코드 실행, shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색도 포함됩니다. 애플리케이션이 제공할 작업을 결정하고 실행합니다.\n\n최종 작업에는 정확한 출력 계약을 사용하세요. 필요한 것은 결정, 이를 뒷받침하는 필드, 아직 부족한 정보입니다. 예를 들어 범주 하나, 제공된 규칙에 연결된 짧은 근거, 독자에게 다음으로 보낼 질문을 요청하세요. 무제한의 논의를 더하지 말고 해당 규칙에 비추어 결과를 검토하세요. 이 워크플로는 Luna의 집중된 작업 역할을 활용하면서, 의존성이나 예외를 더 자세히 검토해야 하는 요청에 Pro의 추가 작업을 배정합니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c5f2555d581d06241f77a231da2c3f086a79b19fbf6ec238b8ad41be6fd1a5b0", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/gpt-6-luna-pro:batchGPT-6 Luna에 Pro 추론을 적용해 최종 답변 전에 추가 분석이 필요한 집중된 작업에 활용합니다. 기반 모델은 텍스트와 이미지를 입력받아, 규칙에 따른 문서 처리, 시각적 질문, 간결한 서면 결과에 유용합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Luna Pro는 OpenAI의 GPT-6 Luna에 Pro 추론을 적용한 모델을 뜻합니다. Luna는 집중된 작업과 처리량이 많은 워크로드를 위해 설계되었으며, 텍스트와 이미지를 입력받고 텍스트를 출력합니다. Pro는 최종 답변을 만드는 과정에서 모델의 작업을 추가합니다. 선택한 기반 모델에 적용되는 실행 모드이며, 그 모드 안의 분석량을 제어하는 추론 강도 설정과 구별됩니다.
실용적인 활용 사례는 여러 규칙이나 예외가 있는, 범위가 좁게 정의된 요청을 처리하는 것입니다. 요청, 해당할 수 있는 범주, 다음 동작을 결정하는 정보를 제공하세요. 범주, 관련 사실, 짧은 답변안을 요청하세요. 예를 들어 문서 요청을 분류하고, 누락된 필드를 파악한 뒤, 그 필드를 요청하는 메시지를 작성할 수 있습니다. 조건을 신중히 검토해야 하더라도 작업의 초점은 유지됩니다.
이미지에 기반한 질문에서는 선명한 스크린샷이나 다른 시각 자료를 제공하고 확인할 세부 사항을 지정하세요. 보이는 인터페이스 상태에 대한 설명과 독자에게 제공할 짧은 지침을 함께 요청할 수 있습니다. 서면 자료에서는 변환 후에도 유지해야 할 필드나 문장, 허용 범주, 기대하는 답변 형식을 정의하세요. 소수의 대표적인 예시는 모델이 규칙을 추론하게 하지 않으면서 비슷한 범주 사이의 경계를 명확히 할 수 있습니다.
OpenAI는 GPT-6 Luna의 컨텍스트 창을 1,050,000토큰, 최대 입력을 922,000토큰, 최대 출력을 128,000토큰으로 명시합니다. 문서화된 지식 기준일은 2026년 5월 18일입니다. 기반 모델은 none, low, medium, high, xhigh, max의 추론 강도를 지원하며 기본값은 medium입니다. 추론은 최종 답변과 함께 토큰 공간을 사용하므로, 작업 지침과 제공된 자료에는 분석 및 요청한 결과를 위한 공간을 남겨야 합니다.
제작사는 Responses API의 Pro를 추가 지연과 모델 활동을 허용하는 어려운 요청용으로 문서화합니다. GPT-6 Luna의 내장 도구와 함수 호출을 동반한 추론은 Responses를 사용합니다. 제작사의 Chat Completions 인터페이스에서는 추론 강도를 none으로 설정했을 때만 함수 호출이 지원됩니다. 기반 모델은 스트리밍, Structured Outputs, 웹 및 파일 검색, 함수 호출, 프롬프트 캐싱을 명시합니다. 도구 모음에는 이미지 생성, 코드 실행, shell 및 patch 작업, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색도 포함됩니다. 애플리케이션이 제공할 작업을 결정하고 실행합니다.
최종 작업에는 정확한 출력 계약을 사용하세요. 필요한 것은 결정, 이를 뒷받침하는 필드, 아직 부족한 정보입니다. 예를 들어 범주 하나, 제공된 규칙에 연결된 짧은 근거, 독자에게 다음으로 보낼 질문을 요청하세요. 무제한의 논의를 더하지 말고 해당 규칙에 비추어 결과를 검토하세요. 이 워크플로는 Luna의 집중된 작업 역할을 활용하면서, 의존성이나 예외를 더 자세히 검토해야 하는 요청에 Pro의 추가 작업을 배정합니다.
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-luna-pro: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-luna-pro:batch, openai/gpt-6-luna-pro | 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 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.0005 / 1K 토큰 입력 · 캐시 읽기 $0.00001 / 1K 토큰 입력 · 캐시 쓰기 $0.000125 / 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 $0.0001 / 1K 토큰 출력 · 출력 토큰 $0.0005 / 1K 토큰 입력 · 캐시 읽기 $0.00001 / 1K 토큰 입력 · 캐시 쓰기 $0.000125 / 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 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.00075 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-luna-pro: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-luna-pro:batch', 'openai/gpt-6-luna-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-luna-pro: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-luna-pro:batch
위에 표시된 메서드 경로를 사용하세요.