OpenAI: GPT-6 Luna (batch)

GPT-6 Luna is OpenAI’s gerichte redeneermodel voor herhaalde taken in grote aantallen. Tekst en afbeeldingen kunnen classificatie, extractie, assistentie en werk met hulpmiddelen ondersteunen, met een context van 1.050.000 tokens, gestructureerde tekstuitvoer en een optionele inspanningsinstelling zonder redeneren.

Ailoot Ultra · Batchverwerking POST /v1/batches openai/gpt-6-luna:batch

Over het model

Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.

GPT-6 Luna is OpenAI’s gerichte model voor herhaalde taken in grote aantallen. Het accepteert tekst en afbeeldingen en produceert tekst, waardoor het bruikbaar is voor omschreven bewerkingen zoals classificatie, extractie, herschrijven, vragen op basis van afbeeldingen en afzonderlijke stappen in een assistentwerkwijze. Luna behoudt een eigen profiel binnen GPT-6, onderscheiden van Sols rol bij complex programmeren, Astra’s meest veeleisende werk en Luna’s uitvoeringsinstelling Pro.

Definieer een herhaalbare bewerking

Geef elke taak een duidelijk resultaat: een categorie, klein record, uitleg of herziene passage. Lever voor classificatie de betekenis van de categorieën en een conventie voor items die in geen enkele categorie passen aan. Definieer voor extractie de velden, eenheden en behandeling van ontbrekende informatie. Een bruikbare opdracht is: “Benoem het belangrijkste probleem van de gebruiker, kies één van deze categorieën en geef de zin terug die de keuze ondersteunt.”

Lever voor een ondersteuningsantwoord de vraag en het relevante goedgekeurde bronmateriaal aan en benoem vervolgens de antwoordtaal en de te behouden details. Behoud bij een afbeelding zichtbare labels en vertel het model waarover de vraag gaat. Houd geëxtraheerde formuleringen gescheiden van interpretatie, zodat het resulterende record aan de invoer kan worden getoetst.

Inspanning en uitvoerformaat

De maker ondersteunt redeneerinspanning none, low, medium, high, xhigh en max; medium is de standaard. De instelling none maakt taken mogelijk die geen tussentijds redeneerwerk nodig hebben, terwijl grotere inspanning analyse kan uitwerken voor een complexere vraag. Redeneerinspanning en de uitvoeringsmodus standaard of Pro zijn onafhankelijke keuzes. Op elk inspanningsniveau blijft een afgebakend uitvoercontract nodig.

Structured Outputs kan een omschreven record begrenzen en gewone tekst kan een kort antwoord of uitleg overbrengen. Specificeer de betekenis van velden en conventies voor ontbrekende waarden. Een geldig formaat toont niet aan dat een geëxtraheerde waarde in de bron aanwezig is; controleer daarom de inhoud én de structuur.

Context en kennis

De modelkaart vermeldt een context van 1.050.000 tokens, maximaal 922.000 invoertokens en maximaal 128.000 uitvoertokens. De kennisgrens is 18 mei 2026. Bronmateriaal, gesprek, redeneren en het zichtbare antwoord hebben samen ruimte nodig. Behoud voor herhaald werk de relevante criteria en bronlabels, in plaats van de bewerking door niet-gerelateerde geschiedenis te laten verhullen.

Hulpmiddelen en toepassingsresultaten

OpenAI documenteert Responses voor ingebouwde hulpmiddelen en functieaanroepen. Chat Completions ondersteunt voor dit model alleen functieaanroepen wanneer de redeneerinspanning none is. De hulpmiddelenlijst van de maker omvat zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, een code-interpreter, shell- en patchhulpmiddelen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Luna’s eigen uitvoer is tekst; afbeeldingen of uitgevoerde acties van hulpmiddelen zijn afzonderlijke resultaten.

De toepassing voert geselecteerde bewerkingen uit en geeft de waarneming voor de volgende modelstap terug. Een productzoekopdracht kan het ontbrekende veld leveren voordat het antwoord wordt opgesteld; een extractietaak kan een werkelijk opgehaalde passage gebruiken. De GPT-6-handleiding beschrijft ook asynchroon hulpmiddelwerk, bijsturing en contextbeheer op familieniveau.

Een bruikbaar eindresultaat is een gericht antwoord of record dat met het aangeleverde bewijs verbonden is. Controleer de waarden, behoud verplichte terminologie en houd vragen over actuele informatie gekoppeld aan gezaghebbend materiaal of werkelijke hulpmiddelwaarnemingen. Luna’s rol is de omschreven bewerking te voltooien, niet een grote bronverzameling in een ongespecificeerde taak te veranderen.

Ailoot Ultra · Batchverwerking POST /v1/batches openai/gpt-6-luna:batch

openai/gpt-6-luna:batch

OpenAI /openai/gpt-6-luna:batch

Aan de slag

Toegestane invoer: Tekst
Resultaten: Tekst

Beschikbaar in Ailoot · invoer en methoden

Ailoot Ultra · Batchverwerking POST /v1/batches

Invoer: text
Uitvoer: text
Uitvoerformaat: inline JSON uit results[].response.body

Veld	Type	Vereiste	Waarden en limieten	Standaard
Veld`endpoint`	Type`string`	VereisteVereist	Waarden en limieten /v1/chat/completions	Standaard—
Veld`model`	Type`string`	VereisteVereist	Waarden en limieten openai/gpt-6-luna:batch	Standaard—
Veld`requests`	Type`batch_item[]`	VereisteVereist	Waarden en limieten Minimumaantal items: 1	Standaard—
Veld`requests[].custom_id`	Type`string`	VereisteVereist	Waarden en limieten	Standaard—
Veld`requests[].body.messages`	Type`message[]`	VereisteVereist	Waarden en limieten	Standaard—
Veld`completion_window`	Type`string`	VereisteOptioneel	Waarden en limieten 24h	Standaard—
Veld`provider`	Type`object\|null`	VereisteOptioneel	Waarden en limieten	Standaard—
Veld`requests[].body.model`	Type`string`	VereisteOptioneel	Waarden en limieten openai/gpt-6-luna:batch, openai/gpt-6-luna	Standaard—
Veld`provider.only`	Type`string[]`	VereisteOptioneel	Waarden en limieten openai	Standaard—
Veld`provider.allow_fallbacks`	Type`boolean\|null`	VereisteOptioneel	Waarden en limieten false, null	Standaard—

Methodeparameters en levenscyclus

Parameter	Contract
Parameter`content_type`	Contractapplication/json
Parameter`required`	Contractendpoint, model, requests
Parameter`material_types`	Contracttext
Parameter`representation`	Contractinline requests[]; elk item bevat custom_id en body
Parameter`request_endpoint_profile`	Contract/v1/chat/completions
Parameter`file_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.
Parameter`serialization_order`	Contractendpoint, model, provider (indien opgegeven), completion_window (indien opgegeven), requests als laatste
Parameter`optional_controls`	Contractprovider.only, provider.allow_fallbacks, completion_window
Parameter`schema_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

Tarieven

Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.

Snelle modus: Niet opgegeven Wanneer de snelle modus geselecteerd is
Flex-modus: Niet opgegeven Wanneer de flex-modus geselecteerd is
Maximale redeneerinspanning: Niet opgegeven Wanneer voor maximale redeneerinspanning de default-aanpassing wordt gebruikt
Tarieven voor expliciete caching: Niet ingeschakeld Wanneer expliciete caching wordt aangevraagd

Ailoot-tarieven

Prijzen per configuratie

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 $0.0001 / 1K tokens Uitvoer · Uitvoertokens $0.0005 / 1K tokens Invoer · Cache lezen $0.00001 / 1K tokens Invoer · Cache schrijven $0.000125 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens
ConfiguratieAanvraaglengte · niveau 1	Tariefstaffel—	Contexttokens, meer dan0	Contexttokens, tot en met272.000	Kosten Invoer · Invoertokens $0.0001 / 1K tokens Uitvoer · Uitvoertokens $0.0005 / 1K tokens Invoer · Cache lezen $0.00001 / 1K tokens Invoer · Cache schrijven $0.000125 / 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 $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.00075 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.00025 / 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 →

Voorbeeldverzoeken

Ailoot Ultra · Batchverwerking

curl · bewaarde fixturePython HTTP · daadwerkelijke JSONL van de klantPython · sla elk voltooid resultaat op

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.

Resultaten ophalen en opslaan

Ailoot Ultra · Batchverwerking

inline JSON uit results[].response.body

GET /v1/batches/{operation_id}

Taakstatus controleren

curl · Status van de oorspronkelijke bewerking

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

Alle voltooide resultaten bewaren

Bewaar 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.

Als het oorspronkelijke antwoord moet worden gecontroleerd

Bewaar de oorspronkelijke bewerkings-ID. 503 result_pending_check bevat X-Should-Retry:false; dien een oorspronkelijke batch met onbekende status nooit opnieuw in.

Antwoordvelden

Veld	Type
Veld`results[].custom_id`	Typestring
Veld`results[].response.body.choices[].message.content`	Typestring\|null
Veld`results[].error`	Typeobject\|null
Veld`usage`	Typeobject\|null
Veld`id`	Typestring
Veld`model`	Typestring
Veld`endpoint`	Typestring
Veld`status`	Typestring
Veld`request_counts`	Typeobject
Veld`results[].id`	Typestring
Veld`results[].response.status_code`	Typeinteger
Veld`results[].response.request_id`	Typestring

Fouten en vervolgstappen

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.

Aliasnamen

Modelaliasnamen

Ailoot Ultra openai/gpt-6-luna:batch

Aliasnamen voor methodepaden

Gebruik de hierboven getoonde methodepaden.

Gerelateerde aanroeper-ID’s

openai/gpt-6-luna:batch

FAQ · OpenAI: GPT-6 Luna (batch)

Welke invoer en resultaten zijn beschikbaar?: POST /v1/batches · openai/gpt-6-luna:batch: text → text
Welke velden gebruikt het verzoek?: POST /v1/batches · openai/gpt-6-luna:batch: endpoint, model, requests, completion_window, provider
Welke limieten gelden?: POST /v1/batches · openai/gpt-6-luna:batch: requests.min_items: 1

OpenAI: GPT-6 Luna (batch)