GPT-5.6 Luna is OpenAI’s gerichte model voor taken met grote verwerkingsvolumes binnen de GPT-5.6-familie. De maker verbindt de taakrol met de kleinere laag die in eerdere GPT-5-families werd gebruikt, terwijl Luna een eigen modelidentiteit behoudt. Het accepteert tekst en afbeeldingen en genereert tekst, waaronder uitleg, herformuleringen, classificaties en gestructureerde records.
Geef het model één bepaalde bewerking en de criteria voor een bruikbaar resultaat. Benoem voor extractie de velden, eenheden en conventie voor ontbrekende waarden. Lever voor classificatie de betekenissen van de categorieën aan en benoem wat er moet gebeuren wanneer geen categorie van toepassing is. Een voorbeeldinstructie is: “Haal de specificatiewaarden uit deze passage, behoud hun eenheden en benoem de zin die elk veld ondersteunt.”
Een ondersteuningsantwoord moet het aangeleverde product- of beleidsmateriaal gebruiken en de door de gebruiker vereiste taal volgen. Benoem voor een visuele vraag de relevante afbeelding en het zichtbare detail. Houd het resultaat beknopt genoeg voor het vervolgdoel, zonder een vereiste bronwaarde of nadere voorwaarde weg te laten.
De maker ondersteunt inspanning none, low, medium, high, xhigh en max, met medium als standaard. Standard is de standaardredeneermodus, terwijl Pro een afzonderlijke uitvoeringsinstelling is die modelwerk toevoegt. Inspanning en modus zijn onafhankelijk; een routinematige directe taak en een uitgebreidere vergelijking kunnen daarom verschillende voorbereidingsbehoeften hebben terwijl het benoemde Luna-profiel hetzelfde blijft.
De redeneerhandleiding vermeldt dat GPT-5.6 standaard beschikbaar redeneerwerk uit eerdere beurten meeneemt, met een ondersteunde contextinstelling die het gedrag kiest. Dit beïnvloedt het materiaal dat gedurende een taak met meerdere stappen behouden blijft; het is geen onbeperkt geheugen. Houd geaccepteerde feiten, bronlabels en het vereiste eindresultaat duidelijk gedurende vervolgstappen.
OpenAI vermeldt een context van 1.050.000 tokens, een maximale invoer van 922.000 tokens en een maximale uitvoer van 128.000 tokens. De gedocumenteerde kennisgrens is 16 februari 2026. Redeneren en het eindantwoord delen het antwoordbudget en al het taakmateriaal vereist ruimte in de context. Een aanvraag kan vóór een volledig zichtbaar antwoord eindigen wanneer die budgetten zijn uitgeput.
De modelkaart vermeldt Structured Outputs, streaming en functieaanroepen. Het hulpmiddelenecosysteem van de maker omvat zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, een code-interpreter, shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Een gestructureerd record vereist nog steeds waarden die op de werkelijke invoer zijn gebaseerd; geldige JSON bewijst de feitelijke juistheid niet zelfstandig.
Een toepassing levert functies, voert gekozen bewerkingen uit en geeft waarnemingen terug. Een opzoekactie kan een ontbrekend veld leveren voordat Luna het antwoord opstelt. Bewaar het resultaat met de bron en bewerking en onderscheid een voorgestelde actie van werk dat daadwerkelijk is uitgevoerd. De eigen uitvoer van het model is tekst, terwijl een door een hulpmiddel gegenereerde afbeelding een afzonderlijk resultaat is.
Houd bronafhankelijke claims verbonden met gezaghebbend materiaal en definieer wanneer de bewerking voltooid is. Een goed eindresultaat is het gevraagde record, de uitleg of de herziene passage met behoud van verplichte namen en bewijs. Luna’s gerichte rol, ondersteunde inspanningsbereik en profiel in standaardmodus blijven onderscheiden van Terra, Sol, Pro-uitvoering en latere GPT-6-uitgaven.
", "aboutText": "GPT-5.6 Luna is OpenAI’s gerichte model voor taken met grote verwerkingsvolumes binnen de GPT-5.6-familie. De maker verbindt de taakrol met de kleinere laag die in eerdere GPT-5-families werd gebruikt, terwijl Luna een eigen modelidentiteit behoudt. Het accepteert tekst en afbeeldingen en genereert tekst, waaronder uitleg, herformuleringen, classificaties en gestructureerde records.\n\n### Een nauwkeurige herhaalde taak\n\nGeef het model één bepaalde bewerking en de criteria voor een bruikbaar resultaat. Benoem voor extractie de velden, eenheden en conventie voor ontbrekende waarden. Lever voor classificatie de betekenissen van de categorieën aan en benoem wat er moet gebeuren wanneer geen categorie van toepassing is. Een voorbeeldinstructie is: “Haal de specificatiewaarden uit deze passage, behoud hun eenheden en benoem de zin die elk veld ondersteunt.”\n\nEen ondersteuningsantwoord moet het aangeleverde product- of beleidsmateriaal gebruiken en de door de gebruiker vereiste taal volgen. Benoem voor een visuele vraag de relevante afbeelding en het zichtbare detail. Houd het resultaat beknopt genoeg voor het vervolgdoel, zonder een vereiste bronwaarde of nadere voorwaarde weg te laten.\n\n### Redeneerinstellingen en behouden context\n\nDe maker ondersteunt inspanning none, low, medium, high, xhigh en max, met medium als standaard. Standard is de standaardredeneermodus, terwijl Pro een afzonderlijke uitvoeringsinstelling is die modelwerk toevoegt. Inspanning en modus zijn onafhankelijk; een routinematige directe taak en een uitgebreidere vergelijking kunnen daarom verschillende voorbereidingsbehoeften hebben terwijl het benoemde Luna-profiel hetzelfde blijft.\n\nDe redeneerhandleiding vermeldt dat GPT-5.6 standaard beschikbaar redeneerwerk uit eerdere beurten meeneemt, met een ondersteunde contextinstelling die het gedrag kiest. Dit beïnvloedt het materiaal dat gedurende een taak met meerdere stappen behouden blijft; het is geen onbeperkt geheugen. Houd geaccepteerde feiten, bronlabels en het vereiste eindresultaat duidelijk gedurende vervolgstappen.\n\n### Context en kennis\n\nOpenAI vermeldt een context van 1.050.000 tokens, een maximale invoer van 922.000 tokens en een maximale uitvoer van 128.000 tokens. De gedocumenteerde kennisgrens is 16 februari 2026. Redeneren en het eindantwoord delen het antwoordbudget en al het taakmateriaal vereist ruimte in de context. Een aanvraag kan vóór een volledig zichtbaar antwoord eindigen wanneer die budgetten zijn uitgeput.\n\n### Gestructureerde antwoorden en hulpmiddelen\n\nDe modelkaart vermeldt Structured Outputs, streaming en functieaanroepen. Het hulpmiddelenecosysteem van de maker omvat zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, een code-interpreter, shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Een gestructureerd record vereist nog steeds waarden die op de werkelijke invoer zijn gebaseerd; geldige JSON bewijst de feitelijke juistheid niet zelfstandig.\n\nEen toepassing levert functies, voert gekozen bewerkingen uit en geeft waarnemingen terug. Een opzoekactie kan een ontbrekend veld leveren voordat Luna het antwoord opstelt. Bewaar het resultaat met de bron en bewerking en onderscheid een voorgestelde actie van werk dat daadwerkelijk is uitgevoerd. De eigen uitvoer van het model is tekst, terwijl een door een hulpmiddel gegenereerde afbeelding een afzonderlijk resultaat is.\n\n### Een bruikbaar resultaat\n\nHoud bronafhankelijke claims verbonden met gezaghebbend materiaal en definieer wanneer de bewerking voltooid is. Een goed eindresultaat is het gevraagde record, de uitleg of de herziene passage met behoud van verplichte namen en bewijs. Luna’s gerichte rol, ondersteunde inspanningsbereik en profiel in standaardmodus blijven onderscheiden van Terra, Sol, Pro-uitvoering en latere GPT-6-uitgaven.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ee9e41fa6d2095ba899154e1dfc3801df4f68bc3060ceb69aa76454941d34e3f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "openai/gpt-5.6-luna:batchGPT-5.6 Luna is OpenAI’s gerichte model voor herhaalde taken met grote verwerkingsvolumes. Het accepteert tekst en afbeeldingen en geeft antwoorden of gestructureerde records terug, met optioneel redeneren, hulpmiddelen die op bronnen werken en een context van 1.050.000 tokens die losstaat van de uitvoeringsinstelling Pro.
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 is OpenAI’s gerichte model voor taken met grote verwerkingsvolumes binnen de GPT-5.6-familie. De maker verbindt de taakrol met de kleinere laag die in eerdere GPT-5-families werd gebruikt, terwijl Luna een eigen modelidentiteit behoudt. Het accepteert tekst en afbeeldingen en genereert tekst, waaronder uitleg, herformuleringen, classificaties en gestructureerde records.
Geef het model één bepaalde bewerking en de criteria voor een bruikbaar resultaat. Benoem voor extractie de velden, eenheden en conventie voor ontbrekende waarden. Lever voor classificatie de betekenissen van de categorieën aan en benoem wat er moet gebeuren wanneer geen categorie van toepassing is. Een voorbeeldinstructie is: “Haal de specificatiewaarden uit deze passage, behoud hun eenheden en benoem de zin die elk veld ondersteunt.”
Een ondersteuningsantwoord moet het aangeleverde product- of beleidsmateriaal gebruiken en de door de gebruiker vereiste taal volgen. Benoem voor een visuele vraag de relevante afbeelding en het zichtbare detail. Houd het resultaat beknopt genoeg voor het vervolgdoel, zonder een vereiste bronwaarde of nadere voorwaarde weg te laten.
De maker ondersteunt inspanning none, low, medium, high, xhigh en max, met medium als standaard. Standard is de standaardredeneermodus, terwijl Pro een afzonderlijke uitvoeringsinstelling is die modelwerk toevoegt. Inspanning en modus zijn onafhankelijk; een routinematige directe taak en een uitgebreidere vergelijking kunnen daarom verschillende voorbereidingsbehoeften hebben terwijl het benoemde Luna-profiel hetzelfde blijft.
De redeneerhandleiding vermeldt dat GPT-5.6 standaard beschikbaar redeneerwerk uit eerdere beurten meeneemt, met een ondersteunde contextinstelling die het gedrag kiest. Dit beïnvloedt het materiaal dat gedurende een taak met meerdere stappen behouden blijft; het is geen onbeperkt geheugen. Houd geaccepteerde feiten, bronlabels en het vereiste eindresultaat duidelijk gedurende vervolgstappen.
OpenAI vermeldt een context van 1.050.000 tokens, een maximale invoer van 922.000 tokens en een maximale uitvoer van 128.000 tokens. De gedocumenteerde kennisgrens is 16 februari 2026. Redeneren en het eindantwoord delen het antwoordbudget en al het taakmateriaal vereist ruimte in de context. Een aanvraag kan vóór een volledig zichtbaar antwoord eindigen wanneer die budgetten zijn uitgeput.
De modelkaart vermeldt Structured Outputs, streaming en functieaanroepen. Het hulpmiddelenecosysteem van de maker omvat zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, een code-interpreter, shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Een gestructureerd record vereist nog steeds waarden die op de werkelijke invoer zijn gebaseerd; geldige JSON bewijst de feitelijke juistheid niet zelfstandig.
Een toepassing levert functies, voert gekozen bewerkingen uit en geeft waarnemingen terug. Een opzoekactie kan een ontbrekend veld leveren voordat Luna het antwoord opstelt. Bewaar het resultaat met de bron en bewerking en onderscheid een voorgestelde actie van werk dat daadwerkelijk is uitgevoerd. De eigen uitvoer van het model is tekst, terwijl een door een hulpmiddel gegenereerde afbeelding een afzonderlijk resultaat is.
Houd bronafhankelijke claims verbonden met gezaghebbend materiaal en definieer wanneer de bewerking voltooid is. Een goed eindresultaat is het gevraagde record, de uitleg of de herziene passage met behoud van verplichte namen en bewijs. Luna’s gerichte rol, ondersteunde inspanningsbereik en profiel in standaardmodus blijven onderscheiden van Terra, Sol, Pro-uitvoering en latere GPT-6-uitgaven.
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: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:batch, openai/gpt-5.6-luna | 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: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:batch', 'openai/gpt-5.6-luna']: 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: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:batch
Gebruik de hierboven getoonde methodepaden.