modeller

OpenAI: GPT-5.6 Luna (batch)

Markdown · JSON

OpenAI: GPT-5.6 Luna (batch)

GPT-5.6 Luna er OpenAIs målrettede modell for gjentakende arbeidsoppgaver med stort volum. Den godtar tekst og bilder og returnerer svar eller strukturerte registreringer, med valgfri resonnering, kildestyrte verktøy og en kontekst på 1050000 tokener som holdes atskilt fra Pro-innstillingen for utføring.

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

GPT-5.6 Luna er OpenAIs målrettede modell for arbeidsoppgaver med stort volum i GPT-5.6-familien. Produsenten sammenligner oppgaveprofilen med den mindre modellklassen i tidligere GPT-5-familier, samtidig som Luna beholder sin egen modellidentitet. Den godtar tekst og bilder og genererer tekst, inkludert forklaringer, omskrivinger, klassifiseringer og strukturerte registreringer.

En presis, gjentakende oppgave

Gi modellen én definert operasjon og kriteriene for et nyttig resultat. For uthenting angir du feltene, enhetene og hvordan manglende verdier skal vises. For klassifisering oppgir du betydningen av kategoriene og hva som skal gjøres når ingen passer. En illustrerende instruksjon er: «Hent spesifikasjonsverdiene fra denne passasjen, behold enhetene og angi setningen som underbygger hvert felt.»

Et støttesvar skal bruke det innsendte produkt- eller regelmaterialet og følge brukerens språkkrav. For et visuelt spørsmål angir du det relevante bildet og den synlige detaljen. Hold resultatet kort nok for det videre formålet uten å utelate en obligatorisk kildeverdi eller et nødvendig forbehold.

Resonneringsinnstillinger og beholdt kontekst

Produsenten støtter innsatsnivåene none, low, medium, high, xhigh og max, med medium som standard. Standardmodus er den vanlige resonneringsmodusen, mens Pro er en separat utføringsinnstilling som legger til modellarbeid. Innsats og modus er uavhengige; en rutinemessig direkte oppgave og en mer krevende sammenligning kan derfor trenge ulik forberedelse, samtidig som de beholder den samme navngitte Luna-profilen.

Resonneringsveiledningen sier at GPT-5.6 som standard tar tilgjengelig resonnering fra tidligere runder inn i konteksten, med en støttet kontekstinnstilling som velger denne atferden. Dette påvirker materialet som beholdes gjennom en oppgave med flere trinn; det er ikke ubegrenset minne. Hold godkjente fakta, kildeetiketter og den påkrevde leveransen tydelige gjennom oppfølgingene.

Kontekst og kunnskap

OpenAI oppgir en kontekst på 1050000 tokener, en maksimal inndatamengde på 922000 tokener og en maksimal utdatamengde på 128000 tokener. Den dokumenterte kunnskapsgrensen er 16. februar 2026. Resonnering og det endelige svaret deler fullføringsbudsjettet, og alt oppgavematerialet trenger plass i konteksten. En forespørsel kan avsluttes før et fullstendig synlig svar er ferdig dersom disse budsjettene er brukt opp.

Strukturerte svar og verktøy

Modellkortet oppgir Structured Outputs, strømming og funksjonskall. Produsentens verktøymiljø omfatter nett- og filsøk, verktøy for bildegenerering, en kodefortolker, kommandoskall og oppdateringsoperasjoner, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. En strukturert registrering trenger fortsatt verdier som bygger på de faktiske inndataene; gyldig JSON fastslår ikke i seg selv faktuell nøyaktighet.

En applikasjon stiller funksjoner til rådighet, utfører valgte operasjoner og returnerer observasjoner. Et oppslag kan gi et manglende felt før Luna utformer svaret. Behold resultatet sammen med kilden og operasjonen, og skill en foreslått handling fra arbeid som faktisk er utført. Modellens egne utdata er tekst, mens et verktøygenerert bilde er et separat produkt.

Et nyttig resultat

Knytt kildeavhengige påstander til autoritativt materiale, og definer når operasjonen er fullført. En god leveranse er den forespurte registreringen, forklaringen eller reviderte passasjen med obligatoriske navn og belegg intakt. Lunas målrettede rolle, støttede innsatsområde og standardprofil forblir atskilt fra Terra, Sol, Pro-utføring og senere GPT-6-utgivelser.

Ailoot Ultra · Batchbehandling POST /v1/batches openai/gpt-5.6-luna:batch

openai/gpt-5.6-luna:batch

OpenAI /openai/gpt-5.6-luna:batch

Start

GPT-5.6 Luna er OpenAIs målrettede modell for gjentakende arbeidsoppgaver med stort volum. Den godtar tekst og bilder og returnerer svar eller strukturerte registreringer, med valgfri resonnering, kildestyrte verktøy og en kontekst på 1050000 tokener som holdes atskilt fra Pro-innstillingen for utføring.

Godkjente inndata
Tekst
Resultater
Tekst

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Batchbehandling POST /v1/batches
Inndatatyper
text
Utdatatyper
text
Utdataformat
JSON fra results[].response.body direkte i svaret
FeltTypeKravVerdier & grenserStandard
FeltendpointTypestringKravPåkrevdVerdier & grenser
/v1/chat/completions
Standard—
FeltmodelTypestringKravPåkrevdVerdier & grenser
openai/gpt-5.6-luna:batch
Standard—
FeltrequestsTypebatch_item[]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Standard—
Feltrequests[].custom_idTypestringKravPåkrevdVerdier & grenserStandard—
Feltrequests[].body.messagesTypemessage[]KravPåkrevdVerdier & grenserStandard—
Feltcompletion_windowTypestringKravValgfrittVerdier & grenser
24h
Standard—
FeltproviderTypeobject|nullKravValgfrittVerdier & grenserStandard—
Feltrequests[].body.modelTypestringKravValgfrittVerdier & grenser
openai/gpt-5.6-luna:batch, openai/gpt-5.6-luna
Standard—
Feltprovider.onlyTypestring[]KravValgfrittVerdier & grenser
openai
Standard—
Feltprovider.allow_fallbacksTypeboolean|nullKravValgfrittVerdier & grenser
false, null
Standard—
Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtaleendpoint, model, requests
Parametermaterial_typesAvtaletext
ParameterrepresentationAvtalerequests[] direkte i forespørselen; hvert element har custom_id og body
Parameterrequest_endpoint_profileAvtale/v1/chat/completions
Parameterfile_materialAvtaleKlienten kan lese det faktiske UTF-8-kodede JSONL-innholdet lokalt inn i requests[]. Feltet purpose for opplasting, input_file_id og filreferanser brukes ikke. Manglende eller tomt kundemateriale stopper klargjøringen før POST.
Parameterserialization_orderAvtaleendpoint, model, provider (hvis angitt), completion_window (hvis angitt), requests til slutt
Parameteroptional_controlsAvtaleprovider.only, provider.allow_fallbacks, completion_window
Parameterschema_scopeAvtaleForespørselsinnhold for tekstbasert Chat Completions lagt direkte inn i det dokumenterte Batch-formatet.

Livssyklus: asynchronous

GET /v1/batches/{operation_id} · faktisk response.id fra den opprinnelige opprettelsen; samme bruker/nøkkel/gruppe

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Ikke angitt Når hurtigmodus er valgt
Flex-modus
Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats
Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats
Priser for eksplisitt mellomlagring
Ikke aktivert Når eksplisitt mellomlagring forespørres

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanKonteksttokener, mer ennKonteksttokener, opptil og medKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKonteksttokener, mer enn—Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.0002 / 1K tokener
Utdata · Utgående tokener $0.0012 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 1 for forespørselslengdePrisplan—Konteksttokener, mer enn0Konteksttokener, opptil og med272 000Kostnad
Inndata · Inngående tokener $0.0002 / 1K tokener
Utdata · Utgående tokener $0.0012 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
KonfigurasjonNivå 2 for forespørselslengdePrisplan—Konteksttokener, mer enn272 000Konteksttokener, opptil og medIngen øvre grenseKostnad
Inndata · Inngående tokener $0.0004 / 1K tokener
Utdata · Utgående tokener $0.0018 / 1K tokener
Inndata · Lesing fra hurtigbuffer $0.00004 / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · Batchbehandling

curl · bevarte testdataPython HTTP · kundens faktiske JSONLPython · lagre hvert ferdige resultat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.6-luna:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
        supplied_model = item["body"].get("model")
        if supplied_model is not None and supplied_model not in ['openai/gpt-5.6-luna:batch', 'openai/gpt-5.6-luna']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-luna:batch", "requests":items}

if __name__ == "__main__":
    material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
    if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
    body = prepare_requests(material)
    key = os.environ.get("AILOOT_API_KEY", "")
    if not key: raise SystemExit("Set AILOOT_API_KEY")
    request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")
    with urlopen(request) as response:
        raw = response.read()
        Path("batch-create-response.json").write_bytes(raw)
        print(raw.decode("utf-8"))
import json
from pathlib import Path
raw = Path("batch-status-response.json").read_bytes()
response = json.loads(raw)
if response.get("status") != "completed":
    raise SystemExit("Keep the original operation; read its status without resubmitting")
results = response.get("results")
if not isinstance(results, list) or not results:
    raise SystemExit("Preserve the original response; completed results are missing")
Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8")
# Preserve batch-status-response.json with aggregate usage and every result/error.

Motta og lagre resultater

Ailoot Ultra · Batchbehandling

JSON fra results[].response.body direkte i svaret

  • GET /v1/batches/{operation_id}
Kontroller jobbstatus
curl · status for opprinnelig operasjon
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json
Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Bevar hele den opprinnelige statusresponsen i JSON, alle resultater og custom_id-verdier samt hele svar- eller feilinnholdet. Lagre fullførte results[] som JSONL uten filtrering.

Hvis det opprinnelige svaret må kontrolleres

Bevar den opprinnelige operasjons-ID-en. 503 result_pending_check har X-Should-Retry:false; send aldri den opprinnelige batchen på nytt når utfallet er ukjent.

Svarfelter
FeltType
Feltresults[].custom_idTypestring
Feltresults[].response.body.choices[].message.contentTypestring|null
Feltresults[].errorTypeobject|null
FeltusageTypeobject|null
FeltidTypestring
FeltmodelTypestring
FeltendpointTypestring
FeltstatusTypestring
Feltrequest_countsTypeobject
Feltresults[].idTypestring
Feltresults[].response.status_codeTypeinteger
Feltresults[].response.request_idTypestring
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldig struktur i det dokumenterte formatet med innebygde forespørsler, dupliserte nøkler, ugyldig elementidentitet eller konflikt med modellens konfigurerte funksjoner.Neste trinnRett de angitte feltene før du sender en ny forespørsel.
Svar401 · authentication_errorVilkårUgyldig API-nøkkel.Neste trinnBruk den autoriserte Ailoot-nøkkelen.
Svar403 · permission_errorVilkårGruppen for batchbehandling er ikke tilgjengelig.Neste trinnKontroller tilgangsrettighetene til nøkkelen/gruppen.
Svar422 · invalid_request_errorVilkårBatch belastes saldoen; opprettelse via abonnement avvises.Neste trinnBruk den autoriserte gruppen som belastes saldoen.
Svar422 · price_unavailableVilkårDet kan ikke beregnes en pris for batchens inndata.Neste trinnBevar svaret; bruk de dokumenterte inndataene for API-familien.
Svar402 · billing_errorVilkårBeløpsreservasjon for batchbehandling er ikke tilgjengelig.Neste trinnLøs problemet som hindrer forespørselen i å bli godkjent før du sender en ny forespørsel.
Svar503 · price_unavailableVilkårPris for Batch-metoden eller systemets innebygde satser er ikke tilgjengelige.Neste trinnBevar svaret; ikke erstatt prisene.
Svar503 · api_errorVilkårDen nøyaktige leverandørruten er ikke tilgjengelig.Neste trinnBevar svaret slik at ruten kan repareres.
Svar503 · result_pending_checkVilkårDet opprinnelige resultatet må kontrolleres; X-Should-Retry:false.Neste trinnBevar opprinnelig operation_id/id og les statusen; gjenta aldri den opprinnelige POST-forespørselen.
Svar404 · not_foundVilkårStatusoperasjonen for batchen finnes ikke eller tilhører en annen identitet.Neste trinnBruk nøyaktig den opprinnelige id-verdien og samme bruker/nøkkel/gruppe.

Aliaser

Modellaliaser

Ailoot Ultra openai/gpt-5.6-luna:batch

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

openai/gpt-5.6-luna:batch

FAQ · OpenAI: GPT-5.6 Luna (batch)
Hvilke inndata og resultater er tilgjengelige?

POST /v1/batches · openai/gpt-5.6-luna:batch: text → text

Hvilke felt bruker forespørselen?

POST /v1/batches · openai/gpt-5.6-luna:batch: endpoint, model, requests, completion_window, provider

Hvilke grenser gjelder?

POST /v1/batches · openai/gpt-5.6-luna:batch: requests.min_items: 1

Flere detaljer

Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon.

Selskapet og dets prosjektportefølje

Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.

Kjøp tokener med rabatt.

Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp.

Abonnement
Velg et rabattabonnement for faste forespørsler.
Kampanjekode opptil 50%
Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje.
Kostnader i historikken
Modell, tokener og beløp lagres for hver forespørsel.

Velg abonnement · Se modellpriser

Koble API-et til produktet du selger.

SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg.

Kommersiell applikasjon
Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten.
Forhandlerlisens
Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg.
Dokumenter på nettstedet
Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling.

Be om forhandlerlisens · Offentlig tilbud og lisensavtale