GPT-5.6 Luna Pro merujuk kepada GPT-5.6 Luna daripada OpenAI dengan penaakulan Pro. Edisi asas Luna direka untuk beban kerja tertumpu yang bervolum tinggi dan secara kasar sepadan dengan kelas nano dalam keluarga GPT-5 terdahulu. Model ini menerima teks dan imej serta menghasilkan teks. Pro menambahkan kerja model untuk membangunkan jawapan akhir; Pro ialah mod pelaksanaan, bukannya pengganti edisi asas.
Kegunaan praktikalnya ialah mengekstrak satu set maklumat yang ditentukan daripada dokumen yang peraturannya merangkumi pengecualian. Sediakan dokumen dan medan yang diperlukan, kenal pasti petikan yang perlu diutamakan dan terangkan cara mengendalikan nilai yang tiada. Contoh permintaan ialah mengekstrak topik dokumen, syarat yang berkaitan dengan permintaan dan soalan seterusnya yang diperlukan untuk melengkapkannya. Minta penjelasan tentang pengecualian bersama medan yang diekstrak supaya hasil dapat dibandingkan dengan sumber.
Untuk bahan visual, bekalkan halaman atau tangkapan skrin yang jelas dan kenal pasti butiran atau label khusus yang menjadi asas tugas. Untuk tugas penulisan respons, sediakan permintaan, peraturan yang menentukan jawapan dan fakta yang mesti dikekalkan. Tentukan nada dan panjang yang dikehendaki, kemudian minta satu jawapan ringkas dan bukannya perbincangan tanpa had. Persediaan ini menghubungkan peranan Luna yang tertumpu dengan hasil teks yang konkrit.
OpenAI menetapkan tetingkap konteks 1050000 token untuk GPT-5.6 Luna, input maksimum 922000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 16 Februari 2026. Pilihan usaha penaakulan asas ialah none, low, medium, high, xhigh dan max; medium ialah lalai. Mod dan usaha tidak saling bergantung: Pro menentukan kerja model tambahan, manakala usaha mengawal jumlah penaakulan dalam mod itu. Penaakulan turut menggunakan ruang konteks, jadi peruntukkan ruang untuk analisis dan respons yang kelihatan.
Pengeluar mendokumenkan Pro dalam Responses API untuk tugas sukar yang boleh menerima latensi dan aktiviti model tambahan. Model asas menyenaraikan penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran, penggunaan komputer, sambungan MCP dan carian alat. Operasi alat memerlukan persekitaran yang sepadan; aplikasi melaksanakan tindakannya dan membekalkan hasil sebenar untuk meneruskan kerja.
Nyatakan hasil akhir yang berguna: medan wajib, peraturan yang menyokong keputusan dan sebarang soalan yang masih terbuka. Contohnya, minta draf jawapan bersama fakta dokumen yang menjadi asasnya, kemudian perhalusi jawapan selepas membekalkan maklumat yang tiada. Pastikan perbezaan antara tindakan yang dicadangkan dan tindakan yang telah diselesaikan oleh alat kekal jelas. Aliran kerja ini memberikan tujuan khusus kepada analisis tambahan Pro dalam tugas Luna yang terhad.
", "aboutText": "GPT-5.6 Luna Pro merujuk kepada GPT-5.6 Luna daripada OpenAI dengan penaakulan Pro. Edisi asas Luna direka untuk beban kerja tertumpu yang bervolum tinggi dan secara kasar sepadan dengan kelas nano dalam keluarga GPT-5 terdahulu. Model ini menerima teks dan imej serta menghasilkan teks. Pro menambahkan kerja model untuk membangunkan jawapan akhir; Pro ialah mod pelaksanaan, bukannya pengganti edisi asas.\n\nKegunaan praktikalnya ialah mengekstrak satu set maklumat yang ditentukan daripada dokumen yang peraturannya merangkumi pengecualian. Sediakan dokumen dan medan yang diperlukan, kenal pasti petikan yang perlu diutamakan dan terangkan cara mengendalikan nilai yang tiada. Contoh permintaan ialah mengekstrak topik dokumen, syarat yang berkaitan dengan permintaan dan soalan seterusnya yang diperlukan untuk melengkapkannya. Minta penjelasan tentang pengecualian bersama medan yang diekstrak supaya hasil dapat dibandingkan dengan sumber.\n\nUntuk bahan visual, bekalkan halaman atau tangkapan skrin yang jelas dan kenal pasti butiran atau label khusus yang menjadi asas tugas. Untuk tugas penulisan respons, sediakan permintaan, peraturan yang menentukan jawapan dan fakta yang mesti dikekalkan. Tentukan nada dan panjang yang dikehendaki, kemudian minta satu jawapan ringkas dan bukannya perbincangan tanpa had. Persediaan ini menghubungkan peranan Luna yang tertumpu dengan hasil teks yang konkrit.\n\nOpenAI menetapkan tetingkap konteks 1050000 token untuk GPT-5.6 Luna, input maksimum 922000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 16 Februari 2026. Pilihan usaha penaakulan asas ialah none, low, medium, high, xhigh dan max; medium ialah lalai. Mod dan usaha tidak saling bergantung: Pro menentukan kerja model tambahan, manakala usaha mengawal jumlah penaakulan dalam mod itu. Penaakulan turut menggunakan ruang konteks, jadi peruntukkan ruang untuk analisis dan respons yang kelihatan.\n\nPengeluar mendokumenkan Pro dalam Responses API untuk tugas sukar yang boleh menerima latensi dan aktiviti model tambahan. Model asas menyenaraikan penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran, penggunaan komputer, sambungan MCP dan carian alat. Operasi alat memerlukan persekitaran yang sepadan; aplikasi melaksanakan tindakannya dan membekalkan hasil sebenar untuk meneruskan kerja.\n\nNyatakan hasil akhir yang berguna: medan wajib, peraturan yang menyokong keputusan dan sebarang soalan yang masih terbuka. Contohnya, minta draf jawapan bersama fakta dokumen yang menjadi asasnya, kemudian perhalusi jawapan selepas membekalkan maklumat yang tiada. Pastikan perbezaan antara tindakan yang dicadangkan dan tindakan yang telah diselesaikan oleh alat kekal jelas. Aliran kerja ini memberikan tujuan khusus kepada analisis tambahan Pro dalam tugas Luna yang terhad.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Apply an explicit policy exception\n\nExtract the applicable conditions from this internal loaner policy: [GENERAL] Devices are returned within seven days. [EXCEPTION] Training teams may keep devices for fourteen days if their booking names a trainer. Booking T6 names a training team but no trainer. Return the topic, ordinary rule, exception conditions, unresolved field and one question needed to assess T6.A focused extraction record and a short explanation of why the exception cannot yet be confirmed.Check that training-team status alone is not treated as satisfying the named-trainer requirement.gpt-5.6-luna-proGPT-5.6 Luna dengan penaakulan Pro untuk tugas tertumpu yang memerlukan analisis tambahan. Bekalkan teks atau imej serta peraturan yang jelas untuk membangunkan hasil pengekstrakan, respons ringkas atau penjelasan tentang pengecualian.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.6 Luna Pro merujuk kepada GPT-5.6 Luna daripada OpenAI dengan penaakulan Pro. Edisi asas Luna direka untuk beban kerja tertumpu yang bervolum tinggi dan secara kasar sepadan dengan kelas nano dalam keluarga GPT-5 terdahulu. Model ini menerima teks dan imej serta menghasilkan teks. Pro menambahkan kerja model untuk membangunkan jawapan akhir; Pro ialah mod pelaksanaan, bukannya pengganti edisi asas.
Kegunaan praktikalnya ialah mengekstrak satu set maklumat yang ditentukan daripada dokumen yang peraturannya merangkumi pengecualian. Sediakan dokumen dan medan yang diperlukan, kenal pasti petikan yang perlu diutamakan dan terangkan cara mengendalikan nilai yang tiada. Contoh permintaan ialah mengekstrak topik dokumen, syarat yang berkaitan dengan permintaan dan soalan seterusnya yang diperlukan untuk melengkapkannya. Minta penjelasan tentang pengecualian bersama medan yang diekstrak supaya hasil dapat dibandingkan dengan sumber.
Untuk bahan visual, bekalkan halaman atau tangkapan skrin yang jelas dan kenal pasti butiran atau label khusus yang menjadi asas tugas. Untuk tugas penulisan respons, sediakan permintaan, peraturan yang menentukan jawapan dan fakta yang mesti dikekalkan. Tentukan nada dan panjang yang dikehendaki, kemudian minta satu jawapan ringkas dan bukannya perbincangan tanpa had. Persediaan ini menghubungkan peranan Luna yang tertumpu dengan hasil teks yang konkrit.
OpenAI menetapkan tetingkap konteks 1050000 token untuk GPT-5.6 Luna, input maksimum 922000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 16 Februari 2026. Pilihan usaha penaakulan asas ialah none, low, medium, high, xhigh dan max; medium ialah lalai. Mod dan usaha tidak saling bergantung: Pro menentukan kerja model tambahan, manakala usaha mengawal jumlah penaakulan dalam mod itu. Penaakulan turut menggunakan ruang konteks, jadi peruntukkan ruang untuk analisis dan respons yang kelihatan.
Pengeluar mendokumenkan Pro dalam Responses API untuk tugas sukar yang boleh menerima latensi dan aktiviti model tambahan. Model asas menyenaraikan penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran, penggunaan komputer, sambungan MCP dan carian alat. Operasi alat memerlukan persekitaran yang sepadan; aplikasi melaksanakan tindakannya dan membekalkan hasil sebenar untuk meneruskan kerja.
Nyatakan hasil akhir yang berguna: medan wajib, peraturan yang menyokong keputusan dan sebarang soalan yang masih terbuka. Contohnya, minta draf jawapan bersama fakta dokumen yang menjadi asasnya, kemudian perhalusi jawapan selepas membekalkan maklumat yang tiada. Pastikan perbezaan antara tindakan yang dicadangkan dan tindakan yang telah diselesaikan oleh alat kekal jelas. Aliran kerja ini memberikan tujuan khusus kepada analisis tambahan Pro dalam tugas Luna yang terhad.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.6-luna-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0004 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.0004 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0008 / 1K token Output · Token output $0.0036 / 1K token Input · Bacaan cache $0.00008 / 1K token Input · Penulisan cache $0.001 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.6-luna-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="gpt-5.6-luna-pro", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
gpt-5.6-luna-proGPT-5.6 Luna dengan penaakulan Pro untuk tugas tertumpu yang memerlukan analisis tambahan. Bekalkan teks atau imej serta peraturan yang jelas untuk membangunkan hasil pengekstrakan, respons ringkas atau penjelasan tentang pengecualian.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.6 Luna Pro merujuk kepada GPT-5.6 Luna daripada OpenAI dengan penaakulan Pro. Edisi asas Luna direka untuk beban kerja tertumpu yang bervolum tinggi dan secara kasar sepadan dengan kelas nano dalam keluarga GPT-5 terdahulu. Model ini menerima teks dan imej serta menghasilkan teks. Pro menambahkan kerja model untuk membangunkan jawapan akhir; Pro ialah mod pelaksanaan, bukannya pengganti edisi asas.
Kegunaan praktikalnya ialah mengekstrak satu set maklumat yang ditentukan daripada dokumen yang peraturannya merangkumi pengecualian. Sediakan dokumen dan medan yang diperlukan, kenal pasti petikan yang perlu diutamakan dan terangkan cara mengendalikan nilai yang tiada. Contoh permintaan ialah mengekstrak topik dokumen, syarat yang berkaitan dengan permintaan dan soalan seterusnya yang diperlukan untuk melengkapkannya. Minta penjelasan tentang pengecualian bersama medan yang diekstrak supaya hasil dapat dibandingkan dengan sumber.
Untuk bahan visual, bekalkan halaman atau tangkapan skrin yang jelas dan kenal pasti butiran atau label khusus yang menjadi asas tugas. Untuk tugas penulisan respons, sediakan permintaan, peraturan yang menentukan jawapan dan fakta yang mesti dikekalkan. Tentukan nada dan panjang yang dikehendaki, kemudian minta satu jawapan ringkas dan bukannya perbincangan tanpa had. Persediaan ini menghubungkan peranan Luna yang tertumpu dengan hasil teks yang konkrit.
OpenAI menetapkan tetingkap konteks 1050000 token untuk GPT-5.6 Luna, input maksimum 922000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 16 Februari 2026. Pilihan usaha penaakulan asas ialah none, low, medium, high, xhigh dan max; medium ialah lalai. Mod dan usaha tidak saling bergantung: Pro menentukan kerja model tambahan, manakala usaha mengawal jumlah penaakulan dalam mod itu. Penaakulan turut menggunakan ruang konteks, jadi peruntukkan ruang untuk analisis dan respons yang kelihatan.
Pengeluar mendokumenkan Pro dalam Responses API untuk tugas sukar yang boleh menerima latensi dan aktiviti model tambahan. Model asas menyenaraikan penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran, penggunaan komputer, sambungan MCP dan carian alat. Operasi alat memerlukan persekitaran yang sepadan; aplikasi melaksanakan tindakannya dan membekalkan hasil sebenar untuk meneruskan kerja.
Nyatakan hasil akhir yang berguna: medan wajib, peraturan yang menyokong keputusan dan sebarang soalan yang masih terbuka. Contohnya, minta draf jawapan bersama fakta dokumen yang menjadi asasnya, kemudian perhalusi jawapan selepas membekalkan maklumat yang tiada. Pastikan perbezaan antara tindakan yang dicadangkan dan tindakan yang telah diselesaikan oleh alat kekal jelas. Aliran kerja ini memberikan tujuan khusus kepada analisis tambahan Pro dalam tugas Luna yang terhad.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.6-luna-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0004 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.0004 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0008 / 1K token Output · Token output $0.0036 / 1K token Input · Bacaan cache $0.00008 / 1K token Input · Penulisan cache $0.001 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-5.6-luna-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'gpt-5.6-luna-pro', 'max_tokens': 128, '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': 'gpt-5.6-luna-pro', 'max_tokens': 128, '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
openai/gpt-5.6-luna-proGPT-5.6 Luna dengan penaakulan Pro untuk tugas tertumpu yang memerlukan analisis tambahan. Bekalkan teks atau imej serta peraturan yang jelas untuk membangunkan hasil pengekstrakan, respons ringkas atau penjelasan tentang pengecualian.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.6 Luna Pro merujuk kepada GPT-5.6 Luna daripada OpenAI dengan penaakulan Pro. Edisi asas Luna direka untuk beban kerja tertumpu yang bervolum tinggi dan secara kasar sepadan dengan kelas nano dalam keluarga GPT-5 terdahulu. Model ini menerima teks dan imej serta menghasilkan teks. Pro menambahkan kerja model untuk membangunkan jawapan akhir; Pro ialah mod pelaksanaan, bukannya pengganti edisi asas.
Kegunaan praktikalnya ialah mengekstrak satu set maklumat yang ditentukan daripada dokumen yang peraturannya merangkumi pengecualian. Sediakan dokumen dan medan yang diperlukan, kenal pasti petikan yang perlu diutamakan dan terangkan cara mengendalikan nilai yang tiada. Contoh permintaan ialah mengekstrak topik dokumen, syarat yang berkaitan dengan permintaan dan soalan seterusnya yang diperlukan untuk melengkapkannya. Minta penjelasan tentang pengecualian bersama medan yang diekstrak supaya hasil dapat dibandingkan dengan sumber.
Untuk bahan visual, bekalkan halaman atau tangkapan skrin yang jelas dan kenal pasti butiran atau label khusus yang menjadi asas tugas. Untuk tugas penulisan respons, sediakan permintaan, peraturan yang menentukan jawapan dan fakta yang mesti dikekalkan. Tentukan nada dan panjang yang dikehendaki, kemudian minta satu jawapan ringkas dan bukannya perbincangan tanpa had. Persediaan ini menghubungkan peranan Luna yang tertumpu dengan hasil teks yang konkrit.
OpenAI menetapkan tetingkap konteks 1050000 token untuk GPT-5.6 Luna, input maksimum 922000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 16 Februari 2026. Pilihan usaha penaakulan asas ialah none, low, medium, high, xhigh dan max; medium ialah lalai. Mod dan usaha tidak saling bergantung: Pro menentukan kerja model tambahan, manakala usaha mengawal jumlah penaakulan dalam mod itu. Penaakulan turut menggunakan ruang konteks, jadi peruntukkan ruang untuk analisis dan respons yang kelihatan.
Pengeluar mendokumenkan Pro dalam Responses API untuk tugas sukar yang boleh menerima latensi dan aktiviti model tambahan. Model asas menyenaraikan penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran, penggunaan komputer, sambungan MCP dan carian alat. Operasi alat memerlukan persekitaran yang sepadan; aplikasi melaksanakan tindakannya dan membekalkan hasil sebenar untuk meneruskan kerja.
Nyatakan hasil akhir yang berguna: medan wajib, peraturan yang menyokong keputusan dan sebarang soalan yang masih terbuka. Contohnya, minta draf jawapan bersama fakta dokumen yang menjadi asasnya, kemudian perhalusi jawapan selepas membekalkan maklumat yang tiada. Pastikan perbezaan antara tindakan yang dicadangkan dan tindakan yang telah diselesaikan oleh alat kekal jelas. Aliran kerja ini memberikan tujuan khusus kepada analisis tambahan Pro dalam tugas Luna yang terhad.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.6-luna-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0004 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.0004 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0008 / 1K token Output · Token output $0.0036 / 1K token Input · Bacaan cache $0.00008 / 1K token Input · Penulisan cache $0.001 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.6-luna-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-5.6-luna-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-5.6-luna-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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
openai/gpt-5.6-luna-proGPT-5.6 Luna dengan penaakulan Pro untuk tugas tertumpu yang memerlukan analisis tambahan. Bekalkan teks atau imej serta peraturan yang jelas untuk membangunkan hasil pengekstrakan, respons ringkas atau penjelasan tentang pengecualian.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.6 Luna Pro merujuk kepada GPT-5.6 Luna daripada OpenAI dengan penaakulan Pro. Edisi asas Luna direka untuk beban kerja tertumpu yang bervolum tinggi dan secara kasar sepadan dengan kelas nano dalam keluarga GPT-5 terdahulu. Model ini menerima teks dan imej serta menghasilkan teks. Pro menambahkan kerja model untuk membangunkan jawapan akhir; Pro ialah mod pelaksanaan, bukannya pengganti edisi asas.
Kegunaan praktikalnya ialah mengekstrak satu set maklumat yang ditentukan daripada dokumen yang peraturannya merangkumi pengecualian. Sediakan dokumen dan medan yang diperlukan, kenal pasti petikan yang perlu diutamakan dan terangkan cara mengendalikan nilai yang tiada. Contoh permintaan ialah mengekstrak topik dokumen, syarat yang berkaitan dengan permintaan dan soalan seterusnya yang diperlukan untuk melengkapkannya. Minta penjelasan tentang pengecualian bersama medan yang diekstrak supaya hasil dapat dibandingkan dengan sumber.
Untuk bahan visual, bekalkan halaman atau tangkapan skrin yang jelas dan kenal pasti butiran atau label khusus yang menjadi asas tugas. Untuk tugas penulisan respons, sediakan permintaan, peraturan yang menentukan jawapan dan fakta yang mesti dikekalkan. Tentukan nada dan panjang yang dikehendaki, kemudian minta satu jawapan ringkas dan bukannya perbincangan tanpa had. Persediaan ini menghubungkan peranan Luna yang tertumpu dengan hasil teks yang konkrit.
OpenAI menetapkan tetingkap konteks 1050000 token untuk GPT-5.6 Luna, input maksimum 922000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 16 Februari 2026. Pilihan usaha penaakulan asas ialah none, low, medium, high, xhigh dan max; medium ialah lalai. Mod dan usaha tidak saling bergantung: Pro menentukan kerja model tambahan, manakala usaha mengawal jumlah penaakulan dalam mod itu. Penaakulan turut menggunakan ruang konteks, jadi peruntukkan ruang untuk analisis dan respons yang kelihatan.
Pengeluar mendokumenkan Pro dalam Responses API untuk tugas sukar yang boleh menerima latensi dan aktiviti model tambahan. Model asas menyenaraikan penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran, penggunaan komputer, sambungan MCP dan carian alat. Operasi alat memerlukan persekitaran yang sepadan; aplikasi melaksanakan tindakannya dan membekalkan hasil sebenar untuk meneruskan kerja.
Nyatakan hasil akhir yang berguna: medan wajib, peraturan yang menyokong keputusan dan sebarang soalan yang masih terbuka. Contohnya, minta draf jawapan bersama fakta dokumen yang menjadi asasnya, kemudian perhalusi jawapan selepas membekalkan maklumat yang tiada. Pastikan perbezaan antara tindakan yang dicadangkan dan tindakan yang telah diselesaikan oleh alat kekal jelas. Aliran kerja ini memberikan tujuan khusus kepada analisis tambahan Pro dalam tugas Luna yang terhad.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.6-luna-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0004 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.0004 / 1K token Output · Token output $0.0024 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0008 / 1K token Output · Token output $0.0036 / 1K token Input · Bacaan cache $0.00008 / 1K token Input · Penulisan cache $0.001 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-5.6-luna-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.6-luna-pro', 'max_tokens': 128, '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-5.6-luna-pro', 'max_tokens': 128, '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Apply an explicit policy exception\n\nExtract the applicable conditions from this internal loaner policy: [GENERAL] Devices are returned within seven days. [EXCEPTION] Training teams may keep devices for fourteen days if their booking names a trainer. Booking T6 names a training team but no trainer. Return the topic, ordinary rule, exception conditions, unresolved field and one question needed to assess T6.A focused extraction record and a short explanation of why the exception cannot yet be confirmed.Check that training-team status alone is not treated as satisfying the named-trainer requirement.