GPT-6 Luna는 반복적이고 처리량이 많은 작업에 집중하는 OpenAI의 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 생성하므로, 분류, 추출, 다시 쓰기, 이미지에 근거한 질문, 어시스턴트 워크플로의 개별 단계 같은 정의된 작업에 유용합니다. Luna는 GPT-6 안에서 고유한 프로필을 유지하며, 복잡한 코딩을 담당하는 Sol, 가장 까다로운 작업을 담당하는 Astra, Luna의 Pro 실행 설정과 구별됩니다.
각 작업에 범주, 작은 레코드, 설명, 수정된 구절처럼 명확한 결과를 지정하세요. 분류에서는 범주의 의미와 어느 범주에도 맞지 않는 항목의 처리 규칙을 제공하세요. 추출에서는 필드, 단위, 정보가 없을 때의 처리 방식을 정의하세요. 예를 들어 “사용자의 주된 문제를 파악하고, 이 범주 중 하나를 고른 뒤, 그 선택을 뒷받침하는 문장을 반환하세요”라고 요청할 수 있습니다.
지원 답변에서는 질문과 관련된 승인된 원본 자료를 제공하고, 답변 언어와 유지할 세부 사항을 지정하세요. 이미지에서는 보이는 레이블을 유지하고 모델에 질문의 대상을 알려 주세요. 추출한 문구와 해석을 분리하여 생성된 레코드를 입력과 대조할 수 있게 하세요.
제작사는 none, low, medium, high, xhigh, max의 추론 강도를 지원하며 기본값은 medium입니다. none은 중간 추론이 필요하지 않은 작업을 허용하고, 더 높은 강도에서는 더 복잡한 질문의 분석을 발전시킬 수 있습니다. 추론 강도와 표준 또는 Pro 실행 모드는 독립적인 선택입니다. 모든 강도 수준에서 범위가 좁은 출력 계약은 여전히 필요합니다.
Structured Outputs로 정의된 레코드의 형식을 제한할 수 있으며, 일반 텍스트로는 짧은 답이나 설명을 전달할 수 있습니다. 필드의 의미와 값이 없을 때의 규칙을 지정하세요. 형식이 유효하다는 사실만으로 추출한 값이 출처에 존재한다고 볼 수는 없으므로, 구조뿐 아니라 내용도 검토하세요.
모델 카드는 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시합니다. 지식 기준일은 2026년 5월 18일입니다. 원본 자료, 대화, 추론, 가시적 답변이 함께 들어갈 공간이 필요합니다. 반복 작업에서는 관련 없는 이력이 작업의 목적을 흐리지 않도록 중요한 기준과 출처 레이블을 유지하세요.
OpenAI는 내장 도구와 함수 호출에 Responses를 사용한다고 문서화합니다. 이 모델의 Chat Completions는 추론 강도가 none일 때만 함수 호출을 지원합니다. 제작사의 도구 목록에는 웹 및 파일 검색, 이미지 생성 도구, 코드 인터프리터, shell 및 patch 도구, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색이 포함됩니다. Luna 자체의 출력은 텍스트이며, 도구가 생성한 이미지나 실행한 작업은 별도의 결과입니다.
애플리케이션이 선택된 작업을 수행하고 모델의 다음 단계에 관찰 결과를 반환합니다. 제품 검색으로 답변을 작성하기 전에 부족한 필드를 확보하거나, 추출 작업에서 실제로 가져온 구절을 사용할 수 있습니다. GPT-6 가이드는 제품군 차원에서 비동기 도구 작업, 방향 조정, 컨텍스트 관리 기능도 설명합니다.
유용한 최종 결과는 제공된 근거에 연결된 집중적인 답변이나 레코드입니다. 값을 확인하고, 필수 용어를 유지하며, 최신 출처에 관한 질문은 신뢰할 수 있는 자료나 실제 도구 관찰 결과에 연결하세요. Luna의 역할은 정의된 작업을 완료하는 것이며, 큰 자료 모음을 명세 없는 작업으로 바꾸는 것이 아닙니다.
", "aboutText": "GPT-6 Luna는 반복적이고 처리량이 많은 작업에 집중하는 OpenAI의 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 생성하므로, 분류, 추출, 다시 쓰기, 이미지에 근거한 질문, 어시스턴트 워크플로의 개별 단계 같은 정의된 작업에 유용합니다. Luna는 GPT-6 안에서 고유한 프로필을 유지하며, 복잡한 코딩을 담당하는 Sol, 가장 까다로운 작업을 담당하는 Astra, Luna의 Pro 실행 설정과 구별됩니다.\n\n### 반복 가능한 작업 정의하기\n\n각 작업에 범주, 작은 레코드, 설명, 수정된 구절처럼 명확한 결과를 지정하세요. 분류에서는 범주의 의미와 어느 범주에도 맞지 않는 항목의 처리 규칙을 제공하세요. 추출에서는 필드, 단위, 정보가 없을 때의 처리 방식을 정의하세요. 예를 들어 “사용자의 주된 문제를 파악하고, 이 범주 중 하나를 고른 뒤, 그 선택을 뒷받침하는 문장을 반환하세요”라고 요청할 수 있습니다.\n\n지원 답변에서는 질문과 관련된 승인된 원본 자료를 제공하고, 답변 언어와 유지할 세부 사항을 지정하세요. 이미지에서는 보이는 레이블을 유지하고 모델에 질문의 대상을 알려 주세요. 추출한 문구와 해석을 분리하여 생성된 레코드를 입력과 대조할 수 있게 하세요.\n\n### 강도와 출력 형식\n\n제작사는 none, low, medium, high, xhigh, max의 추론 강도를 지원하며 기본값은 medium입니다. none은 중간 추론이 필요하지 않은 작업을 허용하고, 더 높은 강도에서는 더 복잡한 질문의 분석을 발전시킬 수 있습니다. 추론 강도와 표준 또는 Pro 실행 모드는 독립적인 선택입니다. 모든 강도 수준에서 범위가 좁은 출력 계약은 여전히 필요합니다.\n\nStructured Outputs로 정의된 레코드의 형식을 제한할 수 있으며, 일반 텍스트로는 짧은 답이나 설명을 전달할 수 있습니다. 필드의 의미와 값이 없을 때의 규칙을 지정하세요. 형식이 유효하다는 사실만으로 추출한 값이 출처에 존재한다고 볼 수는 없으므로, 구조뿐 아니라 내용도 검토하세요.\n\n### 컨텍스트와 지식\n\n모델 카드는 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시합니다. 지식 기준일은 2026년 5월 18일입니다. 원본 자료, 대화, 추론, 가시적 답변이 함께 들어갈 공간이 필요합니다. 반복 작업에서는 관련 없는 이력이 작업의 목적을 흐리지 않도록 중요한 기준과 출처 레이블을 유지하세요.\n\n### 도구와 애플리케이션 결과\n\nOpenAI는 내장 도구와 함수 호출에 Responses를 사용한다고 문서화합니다. 이 모델의 Chat Completions는 추론 강도가 none일 때만 함수 호출을 지원합니다. 제작사의 도구 목록에는 웹 및 파일 검색, 이미지 생성 도구, 코드 인터프리터, shell 및 patch 도구, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색이 포함됩니다. Luna 자체의 출력은 텍스트이며, 도구가 생성한 이미지나 실행한 작업은 별도의 결과입니다.\n\n애플리케이션이 선택된 작업을 수행하고 모델의 다음 단계에 관찰 결과를 반환합니다. 제품 검색으로 답변을 작성하기 전에 부족한 필드를 확보하거나, 추출 작업에서 실제로 가져온 구절을 사용할 수 있습니다. GPT-6 가이드는 제품군 차원에서 비동기 도구 작업, 방향 조정, 컨텍스트 관리 기능도 설명합니다.\n\n유용한 최종 결과는 제공된 근거에 연결된 집중적인 답변이나 레코드입니다. 값을 확인하고, 필수 용어를 유지하며, 최신 출처에 관한 질문은 신뢰할 수 있는 자료나 실제 도구 관찰 결과에 연결하세요. Luna의 역할은 정의된 작업을 완료하는 것이며, 큰 자료 모음을 명세 없는 작업으로 바꾸는 것이 아닙니다.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "032adb6cf0ad2f3b880861011963e42602772ab8245e0b18e0efc412a9abc8e5", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "openai/gpt-6-luna:batchGPT-6 Luna는 반복적이고 처리량이 많은 작업에 집중하는 OpenAI의 추론 모델입니다. 텍스트와 이미지로 분류, 추출, 지원, 도구를 활용한 작업을 수행할 수 있으며, 1,050,000토큰 컨텍스트, 구조화된 텍스트 출력, 추론을 사용하지 않는 선택적 강도 설정을 갖추고 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-6 Luna는 반복적이고 처리량이 많은 작업에 집중하는 OpenAI의 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 생성하므로, 분류, 추출, 다시 쓰기, 이미지에 근거한 질문, 어시스턴트 워크플로의 개별 단계 같은 정의된 작업에 유용합니다. Luna는 GPT-6 안에서 고유한 프로필을 유지하며, 복잡한 코딩을 담당하는 Sol, 가장 까다로운 작업을 담당하는 Astra, Luna의 Pro 실행 설정과 구별됩니다.
각 작업에 범주, 작은 레코드, 설명, 수정된 구절처럼 명확한 결과를 지정하세요. 분류에서는 범주의 의미와 어느 범주에도 맞지 않는 항목의 처리 규칙을 제공하세요. 추출에서는 필드, 단위, 정보가 없을 때의 처리 방식을 정의하세요. 예를 들어 “사용자의 주된 문제를 파악하고, 이 범주 중 하나를 고른 뒤, 그 선택을 뒷받침하는 문장을 반환하세요”라고 요청할 수 있습니다.
지원 답변에서는 질문과 관련된 승인된 원본 자료를 제공하고, 답변 언어와 유지할 세부 사항을 지정하세요. 이미지에서는 보이는 레이블을 유지하고 모델에 질문의 대상을 알려 주세요. 추출한 문구와 해석을 분리하여 생성된 레코드를 입력과 대조할 수 있게 하세요.
제작사는 none, low, medium, high, xhigh, max의 추론 강도를 지원하며 기본값은 medium입니다. none은 중간 추론이 필요하지 않은 작업을 허용하고, 더 높은 강도에서는 더 복잡한 질문의 분석을 발전시킬 수 있습니다. 추론 강도와 표준 또는 Pro 실행 모드는 독립적인 선택입니다. 모든 강도 수준에서 범위가 좁은 출력 계약은 여전히 필요합니다.
Structured Outputs로 정의된 레코드의 형식을 제한할 수 있으며, 일반 텍스트로는 짧은 답이나 설명을 전달할 수 있습니다. 필드의 의미와 값이 없을 때의 규칙을 지정하세요. 형식이 유효하다는 사실만으로 추출한 값이 출처에 존재한다고 볼 수는 없으므로, 구조뿐 아니라 내용도 검토하세요.
모델 카드는 컨텍스트 1,050,000토큰, 최대 입력 922,000토큰, 최대 출력 128,000토큰을 명시합니다. 지식 기준일은 2026년 5월 18일입니다. 원본 자료, 대화, 추론, 가시적 답변이 함께 들어갈 공간이 필요합니다. 반복 작업에서는 관련 없는 이력이 작업의 목적을 흐리지 않도록 중요한 기준과 출처 레이블을 유지하세요.
OpenAI는 내장 도구와 함수 호출에 Responses를 사용한다고 문서화합니다. 이 모델의 Chat Completions는 추론 강도가 none일 때만 함수 호출을 지원합니다. 제작사의 도구 목록에는 웹 및 파일 검색, 이미지 생성 도구, 코드 인터프리터, shell 및 patch 도구, 스킬, 컴퓨터 사용, MCP 연결, 도구 검색이 포함됩니다. Luna 자체의 출력은 텍스트이며, 도구가 생성한 이미지나 실행한 작업은 별도의 결과입니다.
애플리케이션이 선택된 작업을 수행하고 모델의 다음 단계에 관찰 결과를 반환합니다. 제품 검색으로 답변을 작성하기 전에 부족한 필드를 확보하거나, 추출 작업에서 실제로 가져온 구절을 사용할 수 있습니다. GPT-6 가이드는 제품군 차원에서 비동기 도구 작업, 방향 조정, 컨텍스트 관리 기능도 설명합니다.
유용한 최종 결과는 제공된 근거에 연결된 집중적인 답변이나 레코드입니다. 값을 확인하고, 필수 용어를 유지하며, 최신 출처에 관한 질문은 신뢰할 수 있는 자료나 실제 도구 관찰 결과에 연결하세요. Luna의 역할은 정의된 작업을 완료하는 것이며, 큰 자료 모음을 명세 없는 작업으로 바꾸는 것이 아닙니다.
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: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:batch, openai/gpt-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 $0.0001 / 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: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:batch', 'openai/gpt-6-luna']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-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-6-luna:batch
위에 표시된 메서드 경로를 사용하세요.