OpenAI: GPT-6 Luna (batch)
GPT-6 Luna er OpenAIs målrettede resonneringsmodell for gjentatte oppgaver og store arbeidsmengder. Tekst og bilder kan understøtte klassifisering, uthenting, assistanse og verktøystyrt arbeid, med en kontekst på 1050000 tokens, strukturerte tekstutdata og en valgfri innstilling uten resonnering.
Om modellen
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-6 Luna er OpenAIs målrettede modell for gjentatte oppgaver og store arbeidsmengder. Den tar imot tekst og bilder og produserer tekst, noe som gjør den nyttig for definerte operasjoner som klassifisering, uthenting, omskriving, bildebaserte spørsmål og enkelttrinn i en assistentarbeidsflyt. Luna beholder sin egen profil innen GPT-6, atskilt fra Sols rolle i kompleks koding, Astras mest krevende arbeid og Lunas Pro-kjøringsinnstilling.
Definer en gjentakbar operasjon
Gi hver oppgave et tydelig resultat: en kategori, en liten post, en forklaring eller en revidert passasje. For klassifisering oppgir du kategorienes betydning og en konvensjon for elementer som ikke passer i noen av dem. For uthenting definerer du feltene, enhetene og håndteringen av manglende informasjon. En nyttig oppgavebeskrivelse er: «Angi brukerens hovedproblem, velg en av disse kategoriene og returner setningen som understøtter valget.»
For et støttesvar legger du ved spørsmålet og det relevante godkjente kildematerialet, og angir deretter svarspråket og detaljene som skal bevares. For et bilde bevarer du synlige etiketter og forteller modellen hva spørsmålet gjelder. Hold uthentet ordlyd atskilt fra tolkning, slik at den resulterende posten kan kontrolleres mot inndataene.
Resonneringsnivå og utdataformat
Produsenten støtter resonneringsnivåene none, low, medium, high, xhigh og max; medium er standard. none tillater oppgaver som ikke trenger mellomliggende resonnering, mens et høyere nivå kan utvikle analyse for et mer sammensatt spørsmål. Resonneringsnivå og standard- eller Pro-kjøringsmodus er uavhengige valg. En avgrenset utdatakontrakt trengs fortsatt på hvert resonneringsnivå.
Structured Outputs kan begrense formen på en definert post, og vanlig tekst kan formidle et kort svar eller en forklaring. Angi feltbetydninger og konvensjoner for manglende verdier. Et gyldig format fastslår ikke at en uthentet verdi finnes i kilden, så vurder innholdet i tillegg til strukturen.
Kontekst og kunnskap
Modellkortet oppgir en kontekst på 1050000 tokens, opptil 922000 inndatatokens og opptil 128000 utdatatokens. Kunnskapsgrensen er 18. mai 2026. Kildemateriale, samtale, resonnering og det synlige svaret trenger plass sammen. For gjentatt arbeid bevarer du kriteriene og kildemerkingen som er viktige, fremfor å la uvedkommende historikk skjule operasjonen.
Verktøy og applikasjonsresultater
OpenAI dokumenterer Responses for innebygde verktøy og funksjonskall. Chat Completions støtter funksjonskall for denne modellen bare når resonneringsnivået er none. Produsentens verktøyliste omfatter nett- og filsøk, bildegenereringsverktøy, en kodetolker, skall- og patchverktøy, ferdigheter, datamaskinbruk, MCP-tilkoblinger og verktøysøk. Lunas egne utdata er tekst; verktøyproduserte bilder eller utførte handlinger er separate resultater.
Applikasjonen utfører valgte operasjoner og returnerer observasjonen for neste modelltrinn. Et produktoppslag kan gi det manglende feltet før svaret utformes; en uthentingsoppgave kan bruke en faktisk hentet passasje. GPT-6-veiledningen beskriver også asynkront verktøyarbeid, styring og funksjoner for konteksthåndtering på familienivå.
Et nyttig sluttresultat er et fokusert svar eller en post knyttet til den vedlagte dokumentasjonen. Kontroller verdiene, bevar påkrevd terminologi og hold spørsmål om aktuelle kilder knyttet til autoritativt materiale eller faktiske verktøyobservasjoner. Lunas rolle er å fullføre den definerte operasjonen, ikke gjøre en stor kildesamling til en uspesifisert oppgave.
Ailoot Ultra · Batchbehandling POST /v1/batches openai/gpt-6-luna:batch
openai/gpt-6-luna:batchStart
GPT-6 Luna er OpenAIs målrettede resonneringsmodell for gjentatte oppgaver og store arbeidsmengder. Tekst og bilder kan understøtte klassifisering, uthenting, assistanse og verktøystyrt arbeid, med en kontekst på 1050000 tokens, strukturerte tekstutdata og en valgfri innstilling uten resonnering.
- 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
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrevd | Verdier & grenser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-6-luna:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltcompletion_window | Typestring | KravValgfritt | Verdier & grenser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfritt | Verdier & grenser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfritt | Verdier & grenser openai/gpt-6-luna:batch, openai/gpt-6-luna | Standard— |
Feltprovider.only | Typestring[] | KravValgfritt | Verdier & grenser openai | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfritt | Verdier & grenser false, null | Standard— |
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtaleendpoint, model, requests |
Parametermaterial_types | Avtaletext |
Parameterrepresentation | Avtalerequests[] direkte i forespørselen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Avtale/v1/chat/completions |
Parameterfile_material | AvtaleKlienten 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_order | Avtaleendpoint, model, provider (hvis angitt), completion_window (hvis angitt), requests til slutt |
Parameteroptional_controls | Avtaleprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtaleForespørselsinnhold 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.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0001 / 1K tokener Utdata · Utgående tokener $0.0005 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00001 / 1K tokener Inndata · Skriving til hurtigbuffer $0.000125 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.0001 / 1K tokener Utdata · Utgående tokener $0.0005 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00001 / 1K tokener Inndata · Skriving til hurtigbuffer $0.000125 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0002 / 1K tokener Utdata · Utgående tokener $0.00075 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer $0.00025 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Eksempelforespørsler
Ailoot Ultra · Batchbehandling
set -eu
: "${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-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-6-luna:batch', 'openai/gpt-6-luna']: raise ValueError("body.model must be an exact documented caller or wire ID")
return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-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
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
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
Feil og neste trinn
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldig 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_error | VilkårUgyldig API-nøkkel. | Neste trinnBruk den autoriserte Ailoot-nøkkelen. |
Svar403 · permission_error | VilkårGruppen for batchbehandling er ikke tilgjengelig. | Neste trinnKontroller tilgangsrettighetene til nøkkelen/gruppen. |
Svar422 · invalid_request_error | VilkårBatch belastes saldoen; opprettelse via abonnement avvises. | Neste trinnBruk den autoriserte gruppen som belastes saldoen. |
Svar422 · price_unavailable | VilkårDet kan ikke beregnes en pris for batchens inndata. | Neste trinnBevar svaret; bruk de dokumenterte inndataene for API-familien. |
Svar402 · billing_error | VilkårBeløpsreservasjon for batchbehandling er ikke tilgjengelig. | Neste trinnLøs problemet som hindrer forespørselen i å bli godkjent før du sender en ny forespørsel. |
Svar503 · price_unavailable | VilkårPris for Batch-metoden eller systemets innebygde satser er ikke tilgjengelige. | Neste trinnBevar svaret; ikke erstatt prisene. |
Svar503 · api_error | VilkårDen nøyaktige leverandørruten er ikke tilgjengelig. | Neste trinnBevar svaret slik at ruten kan repareres. |
Svar503 · result_pending_check | VilkårDet 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_found | VilkårStatusoperasjonen 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-6-luna:batch
Aliaser for metodestier
Bruk metodestiene som vises ovenfor.
Tilknyttede anroper-ID-er
FAQ · OpenAI: GPT-6 Luna (batch)
- Hvilke inndata og resultater er tilgjengelige?
POST /v1/batches·openai/gpt-6-luna:batch:text→text- Hvilke felt bruker forespørselen?
POST /v1/batches·openai/gpt-6-luna:batch:endpoint,model,requests,completion_window,provider- Hvilke grenser gjelder?
POST /v1/batches·openai/gpt-6-luna:batch:requests.min_items:1