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": { "practical_html": "Technisch voorbeeld in het Engels
Apply an explicit policy exception\n\nExtract the applicable conditions from this internal loaner policy: [GENERAL] Devices are returned within seven days. [EXCEPTION] Training teams may keep devices for fourteen days if their booking names a trainer. Booking T6 names a training team but no trainer. Return the topic, ordinary rule, exception conditions, unresolved field and one question needed to assess T6.A focused extraction record and a short explanation of why the exception cannot yet be confirmed.Check that training-team status alone is not treated as satisfying the named-trainer requirement.gpt-5.6-luna-proGPT-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/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5.6-luna-pro | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
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 $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0024 / 1K tokens Invoer · Cache lezen $0.00004 / 1K tokens Invoer · Cache schrijven $0.0005 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0024 / 1K tokens Invoer · Cache lezen $0.00004 / 1K tokens Invoer · Cache schrijven $0.0005 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0036 / 1K tokens Invoer · Cache lezen $0.00008 / 1K tokens Invoer · Cache schrijven $0.001 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.6-luna-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.6-luna-pro", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
gpt-5.6-luna-proGPT-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/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5.6-luna-pro | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
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 $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0024 / 1K tokens Invoer · Cache lezen $0.00004 / 1K tokens Invoer · Cache schrijven $0.0005 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0024 / 1K tokens Invoer · Cache lezen $0.00004 / 1K tokens Invoer · Cache schrijven $0.0005 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0036 / 1K tokens Invoer · Cache lezen $0.00008 / 1K tokens Invoer · Cache schrijven $0.001 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gpt-5.6-luna-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.6-luna-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.6-luna-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
openai/gpt-5.6-luna-proGPT-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/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.6-luna-pro | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
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 $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0024 / 1K tokens Invoer · Cache lezen $0.00004 / 1K tokens Invoer · Cache schrijven $0.0005 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0024 / 1K tokens Invoer · Cache lezen $0.00004 / 1K tokens Invoer · Cache schrijven $0.0005 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0036 / 1K tokens Invoer · Cache lezen $0.00008 / 1K tokens Invoer · Cache schrijven $0.001 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.6-luna-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
openai/gpt-5.6-luna-proGPT-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/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.6-luna-pro | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
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 $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0024 / 1K tokens Invoer · Cache lezen $0.00004 / 1K tokens Invoer · Cache schrijven $0.0005 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.0024 / 1K tokens Invoer · Cache lezen $0.00004 / 1K tokens Invoer · Cache schrijven $0.0005 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0036 / 1K tokens Invoer · Cache lezen $0.00008 / 1K tokens Invoer · Cache schrijven $0.001 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/gpt-5.6-luna-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.6-luna-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.6-luna-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
Technisch voorbeeld in het Engels
Apply an explicit policy exception\n\nExtract the applicable conditions from this internal loaner policy: [GENERAL] Devices are returned within seven days. [EXCEPTION] Training teams may keep devices for fourteen days if their booking names a trainer. Booking T6 names a training team but no trainer. Return the topic, ordinary rule, exception conditions, unresolved field and one question needed to assess T6.A focused extraction record and a short explanation of why the exception cannot yet be confirmed.Check that training-team status alone is not treated as satisfying the named-trainer requirement.