GPT-5.6 Luna Pro duidt op OpenAI’s GPT-5.6 Luna met Pro-redeneren. De basiseditie Luna is ontworpen voor gerichte taken met grote verwerkingsvolumes en komt globaal overeen met de nano-laag in eerdere GPT-5-families. Het accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe om het eindantwoord te ontwikkelen; het is een uitvoeringsmodus die de basiseditie niet vervangt.
Een praktische toepassing is een bepaalde verzameling informatie uit een document te halen waarvan de regels uitzonderingen bevatten. Lever het document en de benodigde velden aan, benoem eventuele passages die voorrang hebben en leg uit hoe een ontbrekende waarde moet worden behandeld. Een voorbeeldopdracht is het onderwerp van het document, de voorwaarden die relevant zijn voor een aanvraag en de volgende vraag die nodig is om deze af te ronden te extraheren. Vraag om een uitleg van een uitzondering naast de geëxtraheerde velden, zodat het resultaat met de bron kan worden vergeleken.
Lever voor visueel materiaal een duidelijke pagina of screenshot aan en benoem het specifieke detail of label dat voor de taak van belang is. Lever voor een taak om een antwoord te schrijven de aanvraag, de regels voor het antwoord en de te behouden feiten aan. Definieer de gewenste toon en lengte en vraag daarna om één beknopt antwoord, in plaats van een onbeperkte discussie. Deze voorbereiding verbindt Luna’s gerichte rol met een concreet tekstresultaat.
OpenAI specificeert voor GPT-5.6 Luna een contextvenster van 1.050.000 tokens, een maximale invoer van 922.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 16 februari 2026. De keuzes voor redeneerinspanning van het basismodel zijn none, low, medium, high, xhigh en max; medium is de standaard. Modus en inspanning zijn onafhankelijk: Pro bepaalt extra modelwerk, terwijl inspanning de hoeveelheid redeneren binnen de modus regelt. Redeneren gebruikt ook contextruimte, dus laat ruimte voor analyse en het zichtbare antwoord.
De maker documenteert Pro in de Responses API voor moeilijke taken die extra wachttijd en modelactiviteit kunnen toelaten. Het basismodel vermeldt streaming, Structured Outputs, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer en promptcaching. De hulpmiddelen omvatten afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Hulpmiddelbewerkingen vereisen de bijbehorende omgeving; een toepassing voert haar acties uit en levert de werkelijke resultaten om het werk voort te zetten.
Specificeer een bruikbaar eindresultaat: vereiste velden, de regel die een beslissing ondersteunt en een eventueel nog openstaande vraag. Vraag bijvoorbeeld om een conceptantwoord met de documentfeiten waarop het berust en verfijn het antwoord nadat ontbrekende informatie is aangeleverd. Houd het onderscheid tussen een voorgestelde actie en een door een hulpmiddel voltooide actie zichtbaar. Deze werkwijze geeft de extra analyse van Pro een specifiek doel binnen een afgebakende Luna-taak.
", "aboutText": "GPT-5.6 Luna Pro duidt op OpenAI’s GPT-5.6 Luna met Pro-redeneren. De basiseditie Luna is ontworpen voor gerichte taken met grote verwerkingsvolumes en komt globaal overeen met de nano-laag in eerdere GPT-5-families. Het accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe om het eindantwoord te ontwikkelen; het is een uitvoeringsmodus die de basiseditie niet vervangt.\n\nEen praktische toepassing is een bepaalde verzameling informatie uit een document te halen waarvan de regels uitzonderingen bevatten. Lever het document en de benodigde velden aan, benoem eventuele passages die voorrang hebben en leg uit hoe een ontbrekende waarde moet worden behandeld. Een voorbeeldopdracht is het onderwerp van het document, de voorwaarden die relevant zijn voor een aanvraag en de volgende vraag die nodig is om deze af te ronden te extraheren. Vraag om een uitleg van een uitzondering naast de geëxtraheerde velden, zodat het resultaat met de bron kan worden vergeleken.\n\nLever voor visueel materiaal een duidelijke pagina of screenshot aan en benoem het specifieke detail of label dat voor de taak van belang is. Lever voor een taak om een antwoord te schrijven de aanvraag, de regels voor het antwoord en de te behouden feiten aan. Definieer de gewenste toon en lengte en vraag daarna om één beknopt antwoord, in plaats van een onbeperkte discussie. Deze voorbereiding verbindt Luna’s gerichte rol met een concreet tekstresultaat.\n\nOpenAI specificeert voor GPT-5.6 Luna een contextvenster van 1.050.000 tokens, een maximale invoer van 922.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 16 februari 2026. De keuzes voor redeneerinspanning van het basismodel zijn none, low, medium, high, xhigh en max; medium is de standaard. Modus en inspanning zijn onafhankelijk: Pro bepaalt extra modelwerk, terwijl inspanning de hoeveelheid redeneren binnen de modus regelt. Redeneren gebruikt ook contextruimte, dus laat ruimte voor analyse en het zichtbare antwoord.\n\nDe maker documenteert Pro in de Responses API voor moeilijke taken die extra wachttijd en modelactiviteit kunnen toelaten. Het basismodel vermeldt streaming, Structured Outputs, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer en promptcaching. De hulpmiddelen omvatten afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Hulpmiddelbewerkingen vereisen de bijbehorende omgeving; een toepassing voert haar acties uit en levert de werkelijke resultaten om het werk voort te zetten.\n\nSpecificeer een bruikbaar eindresultaat: vereiste velden, de regel die een beslissing ondersteunt en een eventueel nog openstaande vraag. Vraag bijvoorbeeld om een conceptantwoord met de documentfeiten waarop het berust en verfijn het antwoord nadat ontbrekende informatie is aangeleverd. Houd het onderscheid tussen een voorgestelde actie en een door een hulpmiddel voltooide actie zichtbaar. Deze werkwijze geeft de extra analyse van Pro een specifiek doel binnen een afgebakende Luna-taak.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f41c49e2e882723c7c08d898e9af56a2cfe385044ae818332071704c91ff4bd8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "openai/gpt-5.6-luna-pro:batchGPT-5.6 Luna met Pro-redeneren voor gerichte taken die extra analyse vereisen. Lever tekst of afbeeldingen en expliciete regels aan om een extractieresultaat, een beknopt antwoord of een uitleg van een uitzondering te ontwikkelen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.6 Luna Pro duidt op OpenAI’s GPT-5.6 Luna met Pro-redeneren. De basiseditie Luna is ontworpen voor gerichte taken met grote verwerkingsvolumes en komt globaal overeen met de nano-laag in eerdere GPT-5-families. Het accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe om het eindantwoord te ontwikkelen; het is een uitvoeringsmodus die de basiseditie niet vervangt.
Een praktische toepassing is een bepaalde verzameling informatie uit een document te halen waarvan de regels uitzonderingen bevatten. Lever het document en de benodigde velden aan, benoem eventuele passages die voorrang hebben en leg uit hoe een ontbrekende waarde moet worden behandeld. Een voorbeeldopdracht is het onderwerp van het document, de voorwaarden die relevant zijn voor een aanvraag en de volgende vraag die nodig is om deze af te ronden te extraheren. Vraag om een uitleg van een uitzondering naast de geëxtraheerde velden, zodat het resultaat met de bron kan worden vergeleken.
Lever voor visueel materiaal een duidelijke pagina of screenshot aan en benoem het specifieke detail of label dat voor de taak van belang is. Lever voor een taak om een antwoord te schrijven de aanvraag, de regels voor het antwoord en de te behouden feiten aan. Definieer de gewenste toon en lengte en vraag daarna om één beknopt antwoord, in plaats van een onbeperkte discussie. Deze voorbereiding verbindt Luna’s gerichte rol met een concreet tekstresultaat.
OpenAI specificeert voor GPT-5.6 Luna een contextvenster van 1.050.000 tokens, een maximale invoer van 922.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 16 februari 2026. De keuzes voor redeneerinspanning van het basismodel zijn none, low, medium, high, xhigh en max; medium is de standaard. Modus en inspanning zijn onafhankelijk: Pro bepaalt extra modelwerk, terwijl inspanning de hoeveelheid redeneren binnen de modus regelt. Redeneren gebruikt ook contextruimte, dus laat ruimte voor analyse en het zichtbare antwoord.
De maker documenteert Pro in de Responses API voor moeilijke taken die extra wachttijd en modelactiviteit kunnen toelaten. Het basismodel vermeldt streaming, Structured Outputs, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer en promptcaching. De hulpmiddelen omvatten afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Hulpmiddelbewerkingen vereisen de bijbehorende omgeving; een toepassing voert haar acties uit en levert de werkelijke resultaten om het werk voort te zetten.
Specificeer een bruikbaar eindresultaat: vereiste velden, de regel die een beslissing ondersteunt en een eventueel nog openstaande vraag. Vraag bijvoorbeeld om een conceptantwoord met de documentfeiten waarop het berust en verfijn het antwoord nadat ontbrekende informatie is aangeleverd. Houd het onderscheid tussen een voorgestelde actie en een door een hulpmiddel voltooide actie zichtbaar. Deze werkwijze geeft de extra analyse van Pro een specifiek doel binnen een afgebakende Luna-taak.
POST /v1/batchestexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldendpoint | Typestring | VereisteVereist | Waarden en limieten /v1/chat/completions | Standaard— |
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.6-luna-pro:batch | Standaard— |
Veldrequests | Typebatch_item[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldrequests[].custom_id | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldrequests[].body.messages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldcompletion_window | Typestring | VereisteOptioneel | Waarden en limieten 24h | Standaard— |
Veldprovider | Typeobject|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldrequests[].body.model | Typestring | VereisteOptioneel | Waarden en limieten openai/gpt-5.6-luna-pro:batch, openai/gpt-5.6-luna-pro | Standaard— |
Veldprovider.only | Typestring[] | VereisteOptioneel | Waarden en limieten openai | Standaard— |
Veldprovider.allow_fallbacks | Typeboolean|null | VereisteOptioneel | Waarden en limieten false, null | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractendpoint, model, requests |
Parametermaterial_types | Contracttext |
Parameterrepresentation | Contractinline requests[]; elk item bevat custom_id en body |
Parameterrequest_endpoint_profile | Contract/v1/chat/completions |
Parameterfile_material | ContractDe aanroeper kan de daadwerkelijke UTF-8 JSONL lokaal in requests[] inlezen. Er wordt geen uploaddoel, input_file_id of bestandsverwijzing gebruikt. Ontbrekend of leeg klantmateriaal stopt de voorbereiding vóór POST. |
Parameterserialization_order | Contractendpoint, model, provider (indien opgegeven), completion_window (indien opgegeven), requests als laatste |
Parameteroptional_controls | Contractprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | ContractAanvraagbodies voor tekst via Chat Completions in de gedocumenteerde inline Batch-structuur. |
Levenscyclus: asynchronous
GET /v1/batches/{operation_id} · daadwerkelijke response.id uit de oorspronkelijke aanmaakrespons; dezelfde gebruiker/sleutel/groep
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0012 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0012 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 2 | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen $0.00004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.6-luna-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.6-luna-pro:batch', 'openai/gpt-5.6-luna-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-luna-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\ninline JSON uit results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige oorspronkelijke status-JSON, elk resultaat/custom_id en de volledige respons- of foutbody. Sla voltooide results[] op als JSONL, zonder te filteren.
Bewaar de oorspronkelijke bewerkings-ID. 503 result_pending_check bevat X-Should-Retry:false; dien een oorspronkelijke batch met onbekende status nooit opnieuw in.
| Veld | Type |
|---|---|
Veldresults[].custom_id | Typestring |
Veldresults[].response.body.choices[].message.content | Typestring|null |
Veldresults[].error | Typeobject|null |
Veldusage | Typeobject|null |
Veldid | Typestring |
Veldmodel | Typestring |
Veldendpoint | Typestring |
Veldstatus | Typestring |
Veldrequest_counts | Typeobject |
Veldresults[].id | Typestring |
Veldresults[].response.status_code | Typeinteger |
Veldresults[].response.request_id | Typestring |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeOngeldige gedocumenteerde inline structuur, dubbele sleutels, ongeldige itemidentiteit of conflict met de geconfigureerde modelmogelijkheden. | Volgende stapCorrigeer de aangegeven velden vóór elke nieuwe indiening. |
Antwoord401 · authentication_error | VoorwaardeOngeldige API-sleutel. | Volgende stapGebruik de geautoriseerde Ailoot-sleutel. |
Antwoord403 · permission_error | VoorwaardeBatch-groep niet beschikbaar. | Volgende stapControleer de toegangsrechten van de sleutel/groep. |
Antwoord422 · invalid_request_error | VoorwaardeBatch wordt via het saldo gefactureerd; aanmaken via een abonnement wordt geweigerd. | Volgende stapGebruik de geautoriseerde groep die via het saldo wordt gefactureerd. |
Antwoord422 · price_unavailable | VoorwaardeVoor de Batch-invoer kan geen prijsraming worden gemaakt. | Volgende stapBewaar de respons; gebruik de gedocumenteerde invoer voor deze familie. |
Antwoord402 · billing_error | VoorwaardeReservering voor Batch niet beschikbaar. | Volgende stapLos het toelatingsprobleem op vóór een nieuwe aanvraag. |
Antwoord503 · price_unavailable | VoorwaardePrijs voor de Batch-methode/native tarieven niet beschikbaar. | Volgende stapBewaar de respons; vervang de prijzen niet. |
Antwoord503 · api_error | VoorwaardeDe exacte leveranciersroute is niet beschikbaar. | Volgende stapBewaar de respons voor het herstel van de route. |
Antwoord503 · result_pending_check | VoorwaardeHet oorspronkelijke resultaat moet gecontroleerd worden; X-Should-Retry:false. | Volgende stapBewaar de oorspronkelijke operation_id/id en lees de status ervan uit; herhaal de oorspronkelijke POST nooit. |
Antwoord404 · not_found | VoorwaardeBewerking voor de Batch-status ontbreekt of behoort toe aan een andere identiteit. | Volgende stapGebruik de exacte oorspronkelijke id en dezelfde gebruiker/sleutel/groep. |
Ailoot Ultra openai/gpt-5.6-luna-pro:batch
Gebruik de hierboven getoonde methodepaden.