GPT-6 Astra Pro duidt op OpenAI’s GPT-6 Astra met Pro-redeneren. Het basismodel Astra is ontworpen voor veeleisend redeneren, programmeren, onderzoek, computergebruik en professioneel werk. Het accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe bij het uitwerken van het eindantwoord, terwijl de redeneerinspanning de hoeveelheid analyse binnen de gekozen uitvoeringsmodus regelt. Pro verandert de uitvoeringsmodus, terwijl GPT-6 Astra het onderliggende model blijft.
De aankondiging van Astra door de maker beschrijft werkwijzen die relevant materiaal in documenten, spreadsheets, presentaties en analyses omzetten. Zij benadrukt het volgen van sjablonen en een schrijf- of visuele stijl, terwijl de relevante context voor de taak wordt geselecteerd. Lever voor een professioneel document het bronmateriaal, de sjabloonvereisten en de beslissing aan die de lezer moet nemen. Een voorbeeldopdracht is twee verzamelingen projectvereisten met elkaar in overeenstemming te brengen en een briefing te produceren die overeengekomen feiten, tegenstrijdig bewijs en voorwaarden voor een aanbeveling onderscheidt.
Specificeer voor technisch of onderzoekswerk het doel, het te onderzoeken bewijs en wat als voltooiing zou gelden. Een programmeertaak kan het vereiste gedrag, de gerelateerde bestanden en voorwaarden bevatten; een onderzoekstaak kan de vraag en de criteria voor het wegen van het aangeleverde materiaal bevatten. Astra’s gedocumenteerde mogelijkheden voor computergebruik en browsen verbinden de beslissingen van het model met een omgeving die de bijbehorende hulpmiddelen levert. De werkelijke uitvoer van de omgeving is bewijs voor de volgende stap, onderscheiden van voorgestelde acties van het model.
OpenAI’s specificatie van GPT-6 Astra vermeldt 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 30 april 2026. De keuzes voor redeneerinspanning zijn low, medium, high, xhigh en max; none wordt niet ondersteund. Zowel redeneertokens als het zichtbare resultaat nemen contextruimte in. OpenAI documenteert Pro in de Responses API voor moeilijk werk dat extra wachttijd en modelactiviteit kan toelaten; modus en inspanning blijven onafhankelijke instellingen.
Het basismodel vermeldt streaming, Structured Outputs, functieaanroepen, zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Functieaanroepen gebruiken de interface Responses van de maker. De GPT-6-handleiding beschrijft ook asynchroon hulpmiddelwerk en het bijsturen van een actieve beurt. Toepassingen voeren hun eigen bewerkingen uit, beheren nog uitstaand werk en geven de resulterende informatie terug; de eigen uitvoer van het model blijft tekst, ook wanneer een afzonderlijk hulpmiddel een ander resultaat maakt.
De aankondiging van Astra beschrijft het aanpassen aan nieuwe vereisten met behoud van het bredere doel. Zij onderscheidt ook defensieve codebeoordeling en patches van geavanceerde exploitontwikkeling, die het model kan weigeren, en beschrijft automatische controles die een taak kunnen onderbreken. Bereid een aanvraag voor rond het beoogde resultaat, toegestane werk en bewijs, in plaats van extra redeneerwerk als vervanging voor ontbrekend bronmateriaal te behandelen. Een bruikbaar eindresultaat vermeldt de conclusie of voorgestelde wijziging, de basis in de aangeleverde informatie en elke vraag die de beslissing wezenlijk zou veranderen.
", "aboutText": "GPT-6 Astra Pro duidt op OpenAI’s GPT-6 Astra met Pro-redeneren. Het basismodel Astra is ontworpen voor veeleisend redeneren, programmeren, onderzoek, computergebruik en professioneel werk. Het accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe bij het uitwerken van het eindantwoord, terwijl de redeneerinspanning de hoeveelheid analyse binnen de gekozen uitvoeringsmodus regelt. Pro verandert de uitvoeringsmodus, terwijl GPT-6 Astra het onderliggende model blijft.\n\nDe aankondiging van Astra door de maker beschrijft werkwijzen die relevant materiaal in documenten, spreadsheets, presentaties en analyses omzetten. Zij benadrukt het volgen van sjablonen en een schrijf- of visuele stijl, terwijl de relevante context voor de taak wordt geselecteerd. Lever voor een professioneel document het bronmateriaal, de sjabloonvereisten en de beslissing aan die de lezer moet nemen. Een voorbeeldopdracht is twee verzamelingen projectvereisten met elkaar in overeenstemming te brengen en een briefing te produceren die overeengekomen feiten, tegenstrijdig bewijs en voorwaarden voor een aanbeveling onderscheidt.\n\nSpecificeer voor technisch of onderzoekswerk het doel, het te onderzoeken bewijs en wat als voltooiing zou gelden. Een programmeertaak kan het vereiste gedrag, de gerelateerde bestanden en voorwaarden bevatten; een onderzoekstaak kan de vraag en de criteria voor het wegen van het aangeleverde materiaal bevatten. Astra’s gedocumenteerde mogelijkheden voor computergebruik en browsen verbinden de beslissingen van het model met een omgeving die de bijbehorende hulpmiddelen levert. De werkelijke uitvoer van de omgeving is bewijs voor de volgende stap, onderscheiden van voorgestelde acties van het model.\n\nOpenAI’s specificatie van GPT-6 Astra vermeldt 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 30 april 2026. De keuzes voor redeneerinspanning zijn low, medium, high, xhigh en max; none wordt niet ondersteund. Zowel redeneertokens als het zichtbare resultaat nemen contextruimte in. OpenAI documenteert Pro in de Responses API voor moeilijk werk dat extra wachttijd en modelactiviteit kan toelaten; modus en inspanning blijven onafhankelijke instellingen.\n\nHet basismodel vermeldt streaming, Structured Outputs, functieaanroepen, zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Functieaanroepen gebruiken de interface Responses van de maker. De GPT-6-handleiding beschrijft ook asynchroon hulpmiddelwerk en het bijsturen van een actieve beurt. Toepassingen voeren hun eigen bewerkingen uit, beheren nog uitstaand werk en geven de resulterende informatie terug; de eigen uitvoer van het model blijft tekst, ook wanneer een afzonderlijk hulpmiddel een ander resultaat maakt.\n\nDe aankondiging van Astra beschrijft het aanpassen aan nieuwe vereisten met behoud van het bredere doel. Zij onderscheidt ook defensieve codebeoordeling en patches van geavanceerde exploitontwikkeling, die het model kan weigeren, en beschrijft automatische controles die een taak kunnen onderbreken. Bereid een aanvraag voor rond het beoogde resultaat, toegestane werk en bewijs, in plaats van extra redeneerwerk als vervanging voor ontbrekend bronmateriaal te behandelen. Een bruikbaar eindresultaat vermeldt de conclusie of voorgestelde wijziging, de basis in de aangeleverde informatie en elke vraag die de beslissing wezenlijk zou veranderen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Reconcile conflicting launch requirements\n\nWrite a decision brief using this template: Decision needed; Agreed facts; Conflict; Recommendation conditions. Product requirement P1 says launch must include CSV export. Security requirement S1 prohibits exporting customer email addresses. Current design D1 exports name and email only. Reconcile the requirements, propose a compliant export scope and list the decision still needed about useful fields.A brief under the four supplied headings, with P1, S1 and D1 references beside relevant findings.Check that the proposed scope preserves an export feature while excluding emails and does not invent an approved field list.openai/gpt-6-astra-proGPT-6 Astra met Pro-redeneren voor veeleisend onderzoek, programmeren en professioneel werk. Pro voegt modelwerk toe vóór het eindantwoord; het basismodel accepteert tekst en afbeeldingen en ondersteunt werk in meerdere stappen binnen een omgeving met aangesloten hulpmiddelen.
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 Astra Pro duidt op OpenAI’s GPT-6 Astra met Pro-redeneren. Het basismodel Astra is ontworpen voor veeleisend redeneren, programmeren, onderzoek, computergebruik en professioneel werk. Het accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe bij het uitwerken van het eindantwoord, terwijl de redeneerinspanning de hoeveelheid analyse binnen de gekozen uitvoeringsmodus regelt. Pro verandert de uitvoeringsmodus, terwijl GPT-6 Astra het onderliggende model blijft.
De aankondiging van Astra door de maker beschrijft werkwijzen die relevant materiaal in documenten, spreadsheets, presentaties en analyses omzetten. Zij benadrukt het volgen van sjablonen en een schrijf- of visuele stijl, terwijl de relevante context voor de taak wordt geselecteerd. Lever voor een professioneel document het bronmateriaal, de sjabloonvereisten en de beslissing aan die de lezer moet nemen. Een voorbeeldopdracht is twee verzamelingen projectvereisten met elkaar in overeenstemming te brengen en een briefing te produceren die overeengekomen feiten, tegenstrijdig bewijs en voorwaarden voor een aanbeveling onderscheidt.
Specificeer voor technisch of onderzoekswerk het doel, het te onderzoeken bewijs en wat als voltooiing zou gelden. Een programmeertaak kan het vereiste gedrag, de gerelateerde bestanden en voorwaarden bevatten; een onderzoekstaak kan de vraag en de criteria voor het wegen van het aangeleverde materiaal bevatten. Astra’s gedocumenteerde mogelijkheden voor computergebruik en browsen verbinden de beslissingen van het model met een omgeving die de bijbehorende hulpmiddelen levert. De werkelijke uitvoer van de omgeving is bewijs voor de volgende stap, onderscheiden van voorgestelde acties van het model.
OpenAI’s specificatie van GPT-6 Astra vermeldt 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 30 april 2026. De keuzes voor redeneerinspanning zijn low, medium, high, xhigh en max; none wordt niet ondersteund. Zowel redeneertokens als het zichtbare resultaat nemen contextruimte in. OpenAI documenteert Pro in de Responses API voor moeilijk werk dat extra wachttijd en modelactiviteit kan toelaten; modus en inspanning blijven onafhankelijke instellingen.
Het basismodel vermeldt streaming, Structured Outputs, functieaanroepen, zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Functieaanroepen gebruiken de interface Responses van de maker. De GPT-6-handleiding beschrijft ook asynchroon hulpmiddelwerk en het bijsturen van een actieve beurt. Toepassingen voeren hun eigen bewerkingen uit, beheren nog uitstaand werk en geven de resulterende informatie terug; de eigen uitvoer van het model blijft tekst, ook wanneer een afzonderlijk hulpmiddel een ander resultaat maakt.
De aankondiging van Astra beschrijft het aanpassen aan nieuwe vereisten met behoud van het bredere doel. Zij onderscheidt ook defensieve codebeoordeling en patches van geavanceerde exploitontwikkeling, die het model kan weigeren, en beschrijft automatische controles die een taak kunnen onderbreken. Bereid een aanvraag voor rond het beoogde resultaat, toegestane werk en bewijs, in plaats van extra redeneerwerk als vervanging voor ontbrekend bronmateriaal te behandelen. Een bruikbaar eindresultaat vermeldt de conclusie of voorgestelde wijziging, de basis in de aangeleverde informatie en elke vraag die de beslissing wezenlijk zou veranderen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-6-astra-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 $0.02 / 1K tokens Uitvoer · Uitvoertokens $0.1 / 1K tokens Invoer · Cache lezen $0.002 / 1K tokens Invoer · Cache schrijven $0.025 / 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 $0.02 / 1K tokens Uitvoer · Uitvoertokens $0.1 / 1K tokens Invoer · Cache lezen $0.002 / 1K tokens Invoer · Cache schrijven $0.025 / 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 $0.04 / 1K tokens Uitvoer · Uitvoertokens $0.15 / 1K tokens Invoer · Cache lezen $0.004 / 1K tokens Invoer · Cache schrijven $0.05 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-6-astra-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-6-astra-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-6-astra-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 openai/gpt-6-astra-pro
Gebruik de hierboven getoonde methodepaden.
openai/gpt-6-astra-proGPT-6 Astra met Pro-redeneren voor veeleisend onderzoek, programmeren en professioneel werk. Pro voegt modelwerk toe vóór het eindantwoord; het basismodel accepteert tekst en afbeeldingen en ondersteunt werk in meerdere stappen binnen een omgeving met aangesloten hulpmiddelen.
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 Astra Pro duidt op OpenAI’s GPT-6 Astra met Pro-redeneren. Het basismodel Astra is ontworpen voor veeleisend redeneren, programmeren, onderzoek, computergebruik en professioneel werk. Het accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe bij het uitwerken van het eindantwoord, terwijl de redeneerinspanning de hoeveelheid analyse binnen de gekozen uitvoeringsmodus regelt. Pro verandert de uitvoeringsmodus, terwijl GPT-6 Astra het onderliggende model blijft.
De aankondiging van Astra door de maker beschrijft werkwijzen die relevant materiaal in documenten, spreadsheets, presentaties en analyses omzetten. Zij benadrukt het volgen van sjablonen en een schrijf- of visuele stijl, terwijl de relevante context voor de taak wordt geselecteerd. Lever voor een professioneel document het bronmateriaal, de sjabloonvereisten en de beslissing aan die de lezer moet nemen. Een voorbeeldopdracht is twee verzamelingen projectvereisten met elkaar in overeenstemming te brengen en een briefing te produceren die overeengekomen feiten, tegenstrijdig bewijs en voorwaarden voor een aanbeveling onderscheidt.
Specificeer voor technisch of onderzoekswerk het doel, het te onderzoeken bewijs en wat als voltooiing zou gelden. Een programmeertaak kan het vereiste gedrag, de gerelateerde bestanden en voorwaarden bevatten; een onderzoekstaak kan de vraag en de criteria voor het wegen van het aangeleverde materiaal bevatten. Astra’s gedocumenteerde mogelijkheden voor computergebruik en browsen verbinden de beslissingen van het model met een omgeving die de bijbehorende hulpmiddelen levert. De werkelijke uitvoer van de omgeving is bewijs voor de volgende stap, onderscheiden van voorgestelde acties van het model.
OpenAI’s specificatie van GPT-6 Astra vermeldt 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 30 april 2026. De keuzes voor redeneerinspanning zijn low, medium, high, xhigh en max; none wordt niet ondersteund. Zowel redeneertokens als het zichtbare resultaat nemen contextruimte in. OpenAI documenteert Pro in de Responses API voor moeilijk werk dat extra wachttijd en modelactiviteit kan toelaten; modus en inspanning blijven onafhankelijke instellingen.
Het basismodel vermeldt streaming, Structured Outputs, functieaanroepen, zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Functieaanroepen gebruiken de interface Responses van de maker. De GPT-6-handleiding beschrijft ook asynchroon hulpmiddelwerk en het bijsturen van een actieve beurt. Toepassingen voeren hun eigen bewerkingen uit, beheren nog uitstaand werk en geven de resulterende informatie terug; de eigen uitvoer van het model blijft tekst, ook wanneer een afzonderlijk hulpmiddel een ander resultaat maakt.
De aankondiging van Astra beschrijft het aanpassen aan nieuwe vereisten met behoud van het bredere doel. Zij onderscheidt ook defensieve codebeoordeling en patches van geavanceerde exploitontwikkeling, die het model kan weigeren, en beschrijft automatische controles die een taak kunnen onderbreken. Bereid een aanvraag voor rond het beoogde resultaat, toegestane werk en bewijs, in plaats van extra redeneerwerk als vervanging voor ontbrekend bronmateriaal te behandelen. Een bruikbaar eindresultaat vermeldt de conclusie of voorgestelde wijziging, de basis in de aangeleverde informatie en elke vraag die de beslissing wezenlijk zou veranderen.
POST /v1/messagestexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-6-astra-pro | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring|content_block[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldsystem | Typestring|content_block[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten Minimum: 1 Limiet geldt voor: exacte bovengrens van het gekozen model/de gekozen modelkaart | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop_sequences | Typestring[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typetool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].name | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: tool opgegeven | Standaard— |
Veldtools[].description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].input_schema | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldthinking.type | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldthinking.budget_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldoutput_config.effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmetadata | Typeobject | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldcache_control | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Tekst · UTF8-tekst
messages[].content of een blok met type=text
Tekst + afbeelding
{type:image,source:{type:base64,media_type,data}} of bron met type=url
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
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: exact retained published method
Verstuur de exacte model-ID en vereiste velden.
Bewaar elk geretourneerd item en de oorspronkelijke identificaties.
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 $0.02 / 1K tokens Uitvoer · Uitvoertokens $0.1 / 1K tokens Invoer · Cache lezen $0.002 / 1K tokens Invoer · Cache schrijven $0.025 / 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 $0.02 / 1K tokens Uitvoer · Uitvoertokens $0.1 / 1K tokens Invoer · Cache lezen $0.002 / 1K tokens Invoer · Cache schrijven $0.025 / 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 $0.04 / 1K tokens Uitvoer · Uitvoertokens $0.15 / 1K tokens Invoer · Cache lezen $0.004 / 1K tokens Invoer · Cache schrijven $0.05 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/gpt-6-astra-pro",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${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-6-astra-pro', 'max_tokens': 4096, '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-6-astra-pro', 'max_tokens': 4096, '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 openai/gpt-6-astra-pro
Gebruik de hierboven getoonde methodepaden.
openai/gpt-6-astra-proGPT-6 Astra met Pro-redeneren voor veeleisend onderzoek, programmeren en professioneel werk. Pro voegt modelwerk toe vóór het eindantwoord; het basismodel accepteert tekst en afbeeldingen en ondersteunt werk in meerdere stappen binnen een omgeving met aangesloten hulpmiddelen.
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 Astra Pro duidt op OpenAI’s GPT-6 Astra met Pro-redeneren. Het basismodel Astra is ontworpen voor veeleisend redeneren, programmeren, onderzoek, computergebruik en professioneel werk. Het accepteert tekst en afbeeldingen en produceert tekst. Pro voegt modelwerk toe bij het uitwerken van het eindantwoord, terwijl de redeneerinspanning de hoeveelheid analyse binnen de gekozen uitvoeringsmodus regelt. Pro verandert de uitvoeringsmodus, terwijl GPT-6 Astra het onderliggende model blijft.
De aankondiging van Astra door de maker beschrijft werkwijzen die relevant materiaal in documenten, spreadsheets, presentaties en analyses omzetten. Zij benadrukt het volgen van sjablonen en een schrijf- of visuele stijl, terwijl de relevante context voor de taak wordt geselecteerd. Lever voor een professioneel document het bronmateriaal, de sjabloonvereisten en de beslissing aan die de lezer moet nemen. Een voorbeeldopdracht is twee verzamelingen projectvereisten met elkaar in overeenstemming te brengen en een briefing te produceren die overeengekomen feiten, tegenstrijdig bewijs en voorwaarden voor een aanbeveling onderscheidt.
Specificeer voor technisch of onderzoekswerk het doel, het te onderzoeken bewijs en wat als voltooiing zou gelden. Een programmeertaak kan het vereiste gedrag, de gerelateerde bestanden en voorwaarden bevatten; een onderzoekstaak kan de vraag en de criteria voor het wegen van het aangeleverde materiaal bevatten. Astra’s gedocumenteerde mogelijkheden voor computergebruik en browsen verbinden de beslissingen van het model met een omgeving die de bijbehorende hulpmiddelen levert. De werkelijke uitvoer van de omgeving is bewijs voor de volgende stap, onderscheiden van voorgestelde acties van het model.
OpenAI’s specificatie van GPT-6 Astra vermeldt 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 30 april 2026. De keuzes voor redeneerinspanning zijn low, medium, high, xhigh en max; none wordt niet ondersteund. Zowel redeneertokens als het zichtbare resultaat nemen contextruimte in. OpenAI documenteert Pro in de Responses API voor moeilijk werk dat extra wachttijd en modelactiviteit kan toelaten; modus en inspanning blijven onafhankelijke instellingen.
Het basismodel vermeldt streaming, Structured Outputs, functieaanroepen, zoeken op het web en in bestanden, hulpmiddelen voor afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills, computergebruik, MCP-verbindingen en het zoeken naar hulpmiddelen. Functieaanroepen gebruiken de interface Responses van de maker. De GPT-6-handleiding beschrijft ook asynchroon hulpmiddelwerk en het bijsturen van een actieve beurt. Toepassingen voeren hun eigen bewerkingen uit, beheren nog uitstaand werk en geven de resulterende informatie terug; de eigen uitvoer van het model blijft tekst, ook wanneer een afzonderlijk hulpmiddel een ander resultaat maakt.
De aankondiging van Astra beschrijft het aanpassen aan nieuwe vereisten met behoud van het bredere doel. Zij onderscheidt ook defensieve codebeoordeling en patches van geavanceerde exploitontwikkeling, die het model kan weigeren, en beschrijft automatische controles die een taak kunnen onderbreken. Bereid een aanvraag voor rond het beoogde resultaat, toegestane werk en bewijs, in plaats van extra redeneerwerk als vervanging voor ontbrekend bronmateriaal te behandelen. Een bruikbaar eindresultaat vermeldt de conclusie of voorgestelde wijziging, de basis in de aangeleverde informatie en elke vraag die de beslissing wezenlijk zou veranderen.
POST /v1/responsestexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-6-astra-pro | Standaard— |
Veldinput | Typestring|input_item[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldinput[].type | Typestring | VereisteOptioneel | Waarden en limieten message, reasoning, function_call, function_call_output | Standaard— |
Veldinput[].content | Typestring|content_part[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldinput[].call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: function_call_output; bewaar de werkelijk teruggegeven call_id | Standaard— |
Veldinput[].output | Typestring|content_part[] | VereisteOptioneel | Waarden en limieten Geldt wanneer: function_call_output | Standaard— |
Veldmax_output_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typetool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | 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— |
Veldreasoning.effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning.summary | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtext.format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtext.verbosity | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinclude | Typestring[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstore | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprevious_response_id | Typestring | VereisteNiet ondersteund | Waarden en limieten ID-vereiste: Alleen een werkelijk antwoord-ID van een ondersteunde voortzetting Voorwaarden: Stuur de daadwerkelijke gespreksgeschiedenis opnieuw mee met elk verzoek. | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_key | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Tekst · UTF8-tekst
invoertekst of een input_text-onderdeel
Tekst + afbeelding
{type:input_image,image_url}
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext |
Parameterrequired | Contractmodel, input |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
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: exact retained published method
Verstuur de exacte model-ID en vereiste velden.
Bewaar elk geretourneerd item en de oorspronkelijke identificaties.
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 $0.02 / 1K tokens Uitvoer · Uitvoertokens $0.1 / 1K tokens Invoer · Cache lezen $0.002 / 1K tokens Invoer · Cache schrijven $0.025 / 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 $0.02 / 1K tokens Uitvoer · Uitvoertokens $0.1 / 1K tokens Invoer · Cache lezen $0.002 / 1K tokens Invoer · Cache schrijven $0.025 / 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 $0.04 / 1K tokens Uitvoer · Uitvoertokens $0.15 / 1K tokens Invoer · Cache lezen $0.004 / 1K tokens Invoer · Cache schrijven $0.05 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/gpt-6-astra-pro",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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-6-astra-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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/responses \\\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\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-6-astra-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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 = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', 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 elk uitvoeritem en inhoudsonderdeel, de werkelijke call_id van functies, versleutelde redeneringen en verbruiksgegevens. Behoud bij streaming de volledige identiteit van gebeurtenissen en items.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldstatus | Typestring |
Veldoutput[] | Typemessage|reasoning|function_call|other item |
Veldoutput[].content[] | Typecontent part |
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 openai/gpt-6-astra-pro
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Reconcile conflicting launch requirements\n\nWrite a decision brief using this template: Decision needed; Agreed facts; Conflict; Recommendation conditions. Product requirement P1 says launch must include CSV export. Security requirement S1 prohibits exporting customer email addresses. Current design D1 exports name and email only. Reconcile the requirements, propose a compliant export scope and list the decision still needed about useful fields.A brief under the four supplied headings, with P1, S1 and D1 references beside relevant findings.Check that the proposed scope preserves an export feature while excluding emails and does not invent an approved field list.