GPT-6 Luna Pro merujuk kepada GPT-6 Luna OpenAI dengan penaakulan Pro. Luna direka bentuk untuk tugas tertumpu dan beban kerja berjumlah besar; inputnya ialah teks serta imej dan outputnya ialah teks. Pro menambah kerja model apabila membina jawapan akhir. Pro ialah mod pelaksanaan yang digunakan pada model asas yang dipilih, berbeza daripada tetapan usaha penaakulan yang mengawal jumlah analisis dalam mod tersebut.
Kegunaan praktikal ialah memproses permintaan yang ditakrifkan secara sempit dengan beberapa peraturan atau pengecualian. Berikan permintaan, kategori yang mungkin sepadan dan maklumat yang menentukan tindakan seterusnya. Minta kategori, fakta yang berkaitan dan respons ringkas yang dicadangkan. Contoh tugas ialah mengelaskan permintaan dokumen, mengenal pasti medan yang tiada dan mendraf mesej untuk meminta medan itu. Tugas kekal tertumpu walaupun syaratnya memerlukan pertimbangan yang teliti.
Untuk soalan berasaskan imej, berikan tangkapan skrin yang jelas atau bahan visual lain dan kenal pasti butiran yang perlu diperiksa. Anda boleh meminta penerangan tentang keadaan antara muka yang kelihatan bersama arahan ringkas untuk pembaca. Untuk bahan bertulis, takrifkan medan atau pernyataan yang mesti dikekalkan melalui transformasi, kategori yang dibenarkan dan format jawapan yang dijangkakan. Sebilangan kecil contoh yang mewakili kes boleh menjelaskan sempadan antara kategori yang serupa tanpa membuat model menyimpulkan peraturan anda sendiri.
OpenAI menetapkan tetingkap konteks 1,050,000 token untuk GPT-6 Luna, dengan input maksimum 922,000 token dan output maksimum 128,000 token. Had pengetahuan yang didokumenkan ialah 18 Mei 2026. Model asas menyokong usaha penaakulan none, low, medium, high, xhigh dan max, dengan medium sebagai nilai lalai. Penaakulan mengambil ruang token seperti jawapan akhir, jadi taklimat tugas dan bahan yang dibekalkan harus meninggalkan ruang untuk analisis serta hasil yang diminta.
Pengeluar mendokumenkan Pro dalam Responses API untuk permintaan sukar yang membenarkan kependaman tambahan dan aktiviti model. Alat terbina dalam GPT-6 Luna dan penaakulan dengan panggilan fungsi menggunakan Responses; dalam antara muka Chat Completions pengeluar, panggilan fungsi disokong hanya apabila usaha penaakulan ditetapkan kepada none. Model asas menyenaraikan penstriman, Structured Outputs, carian web dan fail, panggilan fungsi serta cache prompt. Set alatnya turut merangkumi penjanaan imej, pentafsiran kod, operasi shell dan patch, kemahiran, penggunaan komputer, sambungan MCP serta carian alat. Aplikasi anda menentukan dan melaksanakan operasi yang disediakannya.
Gunakan kontrak output yang tepat untuk tugas akhir: keputusan, medan yang menyokongnya dan sebarang maklumat yang masih tiada. Sebagai contoh, minta satu kategori, justifikasi ringkas yang berkaitan dengan peraturan yang dibekalkan dan soalan seterusnya untuk dihantar kepada pembaca. Semak hasil terhadap peraturan itu, bukannya menambah perbincangan tanpa had. Aliran kerja ini menggunakan peranan Luna untuk tugas tertumpu sambil memperuntukkan kerja tambahan Pro bagi permintaan yang kebergantungan atau pengecualiannya memerlukan pemeriksaan yang lebih mendalam.
", "aboutText": "GPT-6 Luna Pro merujuk kepada GPT-6 Luna OpenAI dengan penaakulan Pro. Luna direka bentuk untuk tugas tertumpu dan beban kerja berjumlah besar; inputnya ialah teks serta imej dan outputnya ialah teks. Pro menambah kerja model apabila membina jawapan akhir. Pro ialah mod pelaksanaan yang digunakan pada model asas yang dipilih, berbeza daripada tetapan usaha penaakulan yang mengawal jumlah analisis dalam mod tersebut.\n\nKegunaan praktikal ialah memproses permintaan yang ditakrifkan secara sempit dengan beberapa peraturan atau pengecualian. Berikan permintaan, kategori yang mungkin sepadan dan maklumat yang menentukan tindakan seterusnya. Minta kategori, fakta yang berkaitan dan respons ringkas yang dicadangkan. Contoh tugas ialah mengelaskan permintaan dokumen, mengenal pasti medan yang tiada dan mendraf mesej untuk meminta medan itu. Tugas kekal tertumpu walaupun syaratnya memerlukan pertimbangan yang teliti.\n\nUntuk soalan berasaskan imej, berikan tangkapan skrin yang jelas atau bahan visual lain dan kenal pasti butiran yang perlu diperiksa. Anda boleh meminta penerangan tentang keadaan antara muka yang kelihatan bersama arahan ringkas untuk pembaca. Untuk bahan bertulis, takrifkan medan atau pernyataan yang mesti dikekalkan melalui transformasi, kategori yang dibenarkan dan format jawapan yang dijangkakan. Sebilangan kecil contoh yang mewakili kes boleh menjelaskan sempadan antara kategori yang serupa tanpa membuat model menyimpulkan peraturan anda sendiri.\n\nOpenAI menetapkan tetingkap konteks 1,050,000 token untuk GPT-6 Luna, dengan input maksimum 922,000 token dan output maksimum 128,000 token. Had pengetahuan yang didokumenkan ialah 18 Mei 2026. Model asas menyokong usaha penaakulan none, low, medium, high, xhigh dan max, dengan medium sebagai nilai lalai. Penaakulan mengambil ruang token seperti jawapan akhir, jadi taklimat tugas dan bahan yang dibekalkan harus meninggalkan ruang untuk analisis serta hasil yang diminta.\n\nPengeluar mendokumenkan Pro dalam Responses API untuk permintaan sukar yang membenarkan kependaman tambahan dan aktiviti model. Alat terbina dalam GPT-6 Luna dan penaakulan dengan panggilan fungsi menggunakan Responses; dalam antara muka Chat Completions pengeluar, panggilan fungsi disokong hanya apabila usaha penaakulan ditetapkan kepada none. Model asas menyenaraikan penstriman, Structured Outputs, carian web dan fail, panggilan fungsi serta cache prompt. Set alatnya turut merangkumi penjanaan imej, pentafsiran kod, operasi shell dan patch, kemahiran, penggunaan komputer, sambungan MCP serta carian alat. Aplikasi anda menentukan dan melaksanakan operasi yang disediakannya.\n\nGunakan kontrak output yang tepat untuk tugas akhir: keputusan, medan yang menyokongnya dan sebarang maklumat yang masih tiada. Sebagai contoh, minta satu kategori, justifikasi ringkas yang berkaitan dengan peraturan yang dibekalkan dan soalan seterusnya untuk dihantar kepada pembaca. Semak hasil terhadap peraturan itu, bukannya menambah perbincangan tanpa had. Aliran kerja ini menggunakan peranan Luna untuk tugas tertumpu sambil memperuntukkan kerja tambahan Pro bagi permintaan yang kebergantungan atau pengecualiannya memerlukan pemeriksaan yang lebih mendalam.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Find missing request details\n\nProcess this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.A compact field table, missing-field list and targeted clarification message.Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.openai/gpt-6-luna-proGPT-6 Luna dengan penaakulan Pro untuk tugas tertumpu yang memerlukan analisis tambahan sebelum jawapan akhir. Model asas menerima teks dan imej, menjadikannya berguna untuk pengendalian dokumen berasaskan peraturan, soalan visual dan hasil bertulis yang ringkas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Luna Pro merujuk kepada GPT-6 Luna OpenAI dengan penaakulan Pro. Luna direka bentuk untuk tugas tertumpu dan beban kerja berjumlah besar; inputnya ialah teks serta imej dan outputnya ialah teks. Pro menambah kerja model apabila membina jawapan akhir. Pro ialah mod pelaksanaan yang digunakan pada model asas yang dipilih, berbeza daripada tetapan usaha penaakulan yang mengawal jumlah analisis dalam mod tersebut.
Kegunaan praktikal ialah memproses permintaan yang ditakrifkan secara sempit dengan beberapa peraturan atau pengecualian. Berikan permintaan, kategori yang mungkin sepadan dan maklumat yang menentukan tindakan seterusnya. Minta kategori, fakta yang berkaitan dan respons ringkas yang dicadangkan. Contoh tugas ialah mengelaskan permintaan dokumen, mengenal pasti medan yang tiada dan mendraf mesej untuk meminta medan itu. Tugas kekal tertumpu walaupun syaratnya memerlukan pertimbangan yang teliti.
Untuk soalan berasaskan imej, berikan tangkapan skrin yang jelas atau bahan visual lain dan kenal pasti butiran yang perlu diperiksa. Anda boleh meminta penerangan tentang keadaan antara muka yang kelihatan bersama arahan ringkas untuk pembaca. Untuk bahan bertulis, takrifkan medan atau pernyataan yang mesti dikekalkan melalui transformasi, kategori yang dibenarkan dan format jawapan yang dijangkakan. Sebilangan kecil contoh yang mewakili kes boleh menjelaskan sempadan antara kategori yang serupa tanpa membuat model menyimpulkan peraturan anda sendiri.
OpenAI menetapkan tetingkap konteks 1,050,000 token untuk GPT-6 Luna, dengan input maksimum 922,000 token dan output maksimum 128,000 token. Had pengetahuan yang didokumenkan ialah 18 Mei 2026. Model asas menyokong usaha penaakulan none, low, medium, high, xhigh dan max, dengan medium sebagai nilai lalai. Penaakulan mengambil ruang token seperti jawapan akhir, jadi taklimat tugas dan bahan yang dibekalkan harus meninggalkan ruang untuk analisis serta hasil yang diminta.
Pengeluar mendokumenkan Pro dalam Responses API untuk permintaan sukar yang membenarkan kependaman tambahan dan aktiviti model. Alat terbina dalam GPT-6 Luna dan penaakulan dengan panggilan fungsi menggunakan Responses; dalam antara muka Chat Completions pengeluar, panggilan fungsi disokong hanya apabila usaha penaakulan ditetapkan kepada none. Model asas menyenaraikan penstriman, Structured Outputs, carian web dan fail, panggilan fungsi serta cache prompt. Set alatnya turut merangkumi penjanaan imej, pentafsiran kod, operasi shell dan patch, kemahiran, penggunaan komputer, sambungan MCP serta carian alat. Aplikasi anda menentukan dan melaksanakan operasi yang disediakannya.
Gunakan kontrak output yang tepat untuk tugas akhir: keputusan, medan yang menyokongnya dan sebarang maklumat yang masih tiada. Sebagai contoh, minta satu kategori, justifikasi ringkas yang berkaitan dengan peraturan yang dibekalkan dan soalan seterusnya untuk dihantar kepada pembaca. Semak hasil terhadap peraturan itu, bukannya menambah perbincangan tanpa had. Aliran kerja ini menggunakan peranan Luna untuk tugas tertumpu sambil memperuntukkan kerja tambahan Pro bagi permintaan yang kebergantungan atau pengecualiannya memerlukan pemeriksaan yang lebih mendalam.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-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 $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 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 $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 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 $0.0004 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-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-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-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 openai/gpt-6-luna-pro
Gunakan laluan kaedah yang dipaparkan di atas.
openai/gpt-6-luna-proGPT-6 Luna dengan penaakulan Pro untuk tugas tertumpu yang memerlukan analisis tambahan sebelum jawapan akhir. Model asas menerima teks dan imej, menjadikannya berguna untuk pengendalian dokumen berasaskan peraturan, soalan visual dan hasil bertulis yang ringkas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Luna Pro merujuk kepada GPT-6 Luna OpenAI dengan penaakulan Pro. Luna direka bentuk untuk tugas tertumpu dan beban kerja berjumlah besar; inputnya ialah teks serta imej dan outputnya ialah teks. Pro menambah kerja model apabila membina jawapan akhir. Pro ialah mod pelaksanaan yang digunakan pada model asas yang dipilih, berbeza daripada tetapan usaha penaakulan yang mengawal jumlah analisis dalam mod tersebut.
Kegunaan praktikal ialah memproses permintaan yang ditakrifkan secara sempit dengan beberapa peraturan atau pengecualian. Berikan permintaan, kategori yang mungkin sepadan dan maklumat yang menentukan tindakan seterusnya. Minta kategori, fakta yang berkaitan dan respons ringkas yang dicadangkan. Contoh tugas ialah mengelaskan permintaan dokumen, mengenal pasti medan yang tiada dan mendraf mesej untuk meminta medan itu. Tugas kekal tertumpu walaupun syaratnya memerlukan pertimbangan yang teliti.
Untuk soalan berasaskan imej, berikan tangkapan skrin yang jelas atau bahan visual lain dan kenal pasti butiran yang perlu diperiksa. Anda boleh meminta penerangan tentang keadaan antara muka yang kelihatan bersama arahan ringkas untuk pembaca. Untuk bahan bertulis, takrifkan medan atau pernyataan yang mesti dikekalkan melalui transformasi, kategori yang dibenarkan dan format jawapan yang dijangkakan. Sebilangan kecil contoh yang mewakili kes boleh menjelaskan sempadan antara kategori yang serupa tanpa membuat model menyimpulkan peraturan anda sendiri.
OpenAI menetapkan tetingkap konteks 1,050,000 token untuk GPT-6 Luna, dengan input maksimum 922,000 token dan output maksimum 128,000 token. Had pengetahuan yang didokumenkan ialah 18 Mei 2026. Model asas menyokong usaha penaakulan none, low, medium, high, xhigh dan max, dengan medium sebagai nilai lalai. Penaakulan mengambil ruang token seperti jawapan akhir, jadi taklimat tugas dan bahan yang dibekalkan harus meninggalkan ruang untuk analisis serta hasil yang diminta.
Pengeluar mendokumenkan Pro dalam Responses API untuk permintaan sukar yang membenarkan kependaman tambahan dan aktiviti model. Alat terbina dalam GPT-6 Luna dan penaakulan dengan panggilan fungsi menggunakan Responses; dalam antara muka Chat Completions pengeluar, panggilan fungsi disokong hanya apabila usaha penaakulan ditetapkan kepada none. Model asas menyenaraikan penstriman, Structured Outputs, carian web dan fail, panggilan fungsi serta cache prompt. Set alatnya turut merangkumi penjanaan imej, pentafsiran kod, operasi shell dan patch, kemahiran, penggunaan komputer, sambungan MCP serta carian alat. Aplikasi anda menentukan dan melaksanakan operasi yang disediakannya.
Gunakan kontrak output yang tepat untuk tugas akhir: keputusan, medan yang menyokongnya dan sebarang maklumat yang masih tiada. Sebagai contoh, minta satu kategori, justifikasi ringkas yang berkaitan dengan peraturan yang dibekalkan dan soalan seterusnya untuk dihantar kepada pembaca. Semak hasil terhadap peraturan itu, bukannya menambah perbincangan tanpa had. Aliran kerja ini menggunakan peranan Luna untuk tugas tertumpu sambil memperuntukkan kerja tambahan Pro bagi permintaan yang kebergantungan atau pengecualiannya memerlukan pemeriksaan yang lebih mendalam.
POST /v1/messagestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-6-luna-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring|content_block[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medansystem | Jenisstring|content_block[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had Minimum: 1 Had terpakai pada: had maksimum tepat bagi model/kad yang dipilih | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop_sequences | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].name | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: alat dibekalkan | Lalai— |
Medantools[].description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].input_schema | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.type | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.budget_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanoutput_config.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmetadata | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medancache_control | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + imej
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: exact retained published method
Hantar ID model yang tepat dan medan wajib.
Simpan setiap item yang dikembalikan dan pengecam asalnya.
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 $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 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 $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 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 $0.0004 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-6-luna-pro",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${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-6-luna-pro', 'max_tokens': 4096, '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-6-luna-pro', 'max_tokens': 4096, '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 openai/gpt-6-luna-pro
Gunakan laluan kaedah yang dipaparkan di atas.
openai/gpt-6-luna-proGPT-6 Luna dengan penaakulan Pro untuk tugas tertumpu yang memerlukan analisis tambahan sebelum jawapan akhir. Model asas menerima teks dan imej, menjadikannya berguna untuk pengendalian dokumen berasaskan peraturan, soalan visual dan hasil bertulis yang ringkas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Luna Pro merujuk kepada GPT-6 Luna OpenAI dengan penaakulan Pro. Luna direka bentuk untuk tugas tertumpu dan beban kerja berjumlah besar; inputnya ialah teks serta imej dan outputnya ialah teks. Pro menambah kerja model apabila membina jawapan akhir. Pro ialah mod pelaksanaan yang digunakan pada model asas yang dipilih, berbeza daripada tetapan usaha penaakulan yang mengawal jumlah analisis dalam mod tersebut.
Kegunaan praktikal ialah memproses permintaan yang ditakrifkan secara sempit dengan beberapa peraturan atau pengecualian. Berikan permintaan, kategori yang mungkin sepadan dan maklumat yang menentukan tindakan seterusnya. Minta kategori, fakta yang berkaitan dan respons ringkas yang dicadangkan. Contoh tugas ialah mengelaskan permintaan dokumen, mengenal pasti medan yang tiada dan mendraf mesej untuk meminta medan itu. Tugas kekal tertumpu walaupun syaratnya memerlukan pertimbangan yang teliti.
Untuk soalan berasaskan imej, berikan tangkapan skrin yang jelas atau bahan visual lain dan kenal pasti butiran yang perlu diperiksa. Anda boleh meminta penerangan tentang keadaan antara muka yang kelihatan bersama arahan ringkas untuk pembaca. Untuk bahan bertulis, takrifkan medan atau pernyataan yang mesti dikekalkan melalui transformasi, kategori yang dibenarkan dan format jawapan yang dijangkakan. Sebilangan kecil contoh yang mewakili kes boleh menjelaskan sempadan antara kategori yang serupa tanpa membuat model menyimpulkan peraturan anda sendiri.
OpenAI menetapkan tetingkap konteks 1,050,000 token untuk GPT-6 Luna, dengan input maksimum 922,000 token dan output maksimum 128,000 token. Had pengetahuan yang didokumenkan ialah 18 Mei 2026. Model asas menyokong usaha penaakulan none, low, medium, high, xhigh dan max, dengan medium sebagai nilai lalai. Penaakulan mengambil ruang token seperti jawapan akhir, jadi taklimat tugas dan bahan yang dibekalkan harus meninggalkan ruang untuk analisis serta hasil yang diminta.
Pengeluar mendokumenkan Pro dalam Responses API untuk permintaan sukar yang membenarkan kependaman tambahan dan aktiviti model. Alat terbina dalam GPT-6 Luna dan penaakulan dengan panggilan fungsi menggunakan Responses; dalam antara muka Chat Completions pengeluar, panggilan fungsi disokong hanya apabila usaha penaakulan ditetapkan kepada none. Model asas menyenaraikan penstriman, Structured Outputs, carian web dan fail, panggilan fungsi serta cache prompt. Set alatnya turut merangkumi penjanaan imej, pentafsiran kod, operasi shell dan patch, kemahiran, penggunaan komputer, sambungan MCP serta carian alat. Aplikasi anda menentukan dan melaksanakan operasi yang disediakannya.
Gunakan kontrak output yang tepat untuk tugas akhir: keputusan, medan yang menyokongnya dan sebarang maklumat yang masih tiada. Sebagai contoh, minta satu kategori, justifikasi ringkas yang berkaitan dengan peraturan yang dibekalkan dan soalan seterusnya untuk dihantar kepada pembaca. Semak hasil terhadap peraturan itu, bukannya menambah perbincangan tanpa had. Aliran kerja ini menggunakan peranan Luna untuk tugas tertumpu sambil memperuntukkan kerja tambahan Pro bagi permintaan yang kebergantungan atau pengecualiannya memerlukan pemeriksaan yang lebih mendalam.
POST /v1/responsestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-6-luna-pro | Lalai— |
Medaninput | Jenisstring|input_item[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].type | Jenisstring | KeperluanPilihan | Nilai & had message, reasoning, function_call, function_call_output | Lalai— |
Medaninput[].content | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output; kekalkan call_id sebenar yang dipulangkan | Lalai— |
Medaninput[].output | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output | Lalai— |
Medanmax_output_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.summary | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.verbosity | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninclude | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstore | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprevious_response_id | Jenisstring | KeperluanTidak disokong | Nilai & had Keperluan ID: Hanya ID respons sebenar daripada penerusan yang disokong Syarat: Sertakan semula sejarah perbualan sebenar dengan setiap permintaan. | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_key | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
Teks input atau bahagian input_text
Teks + imej
{type:input_image,image_url}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: exact retained published method
Hantar ID model yang tepat dan medan wajib.
Simpan setiap item yang dikembalikan dan pengecam asalnya.
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 $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 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 $0.0002 / 1K token Output · Token output $0.001 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache $0.00025 / 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 $0.0004 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0.0005 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-6-luna-pro",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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/responses \\\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\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-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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 = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', 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 setiap item output dan bahagian kandungan, call_id fungsi sebenar, penaakulan disulitkan serta data penggunaan. Semasa penstriman, kekalkan identiti peristiwa/item yang lengkap.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanstatus | Jenisstring |
Medanoutput[] | Jenismessage|reasoning|function_call|other item |
Medanoutput[].content[] | Jeniscontent part |
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 openai/gpt-6-luna-pro
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Find missing request details\n\nProcess this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.A compact field table, missing-field list and targeted clarification message.Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.