modele

OpenAI: GPT-5.6 Luna (batch)

Markdown · JSON

OpenAI: GPT-5.6 Luna (batch)

GPT-5.6 Luna to model OpenAI do określonych zadań w powtarzalnych obciążeniach o dużej skali. Przyjmuje tekst i obrazy, a zwraca odpowiedzi lub uporządkowane rekordy, z opcjonalnym rozumowaniem, narzędziami kierowanymi przez informacje źródłowe i kontekstem 1 050 000 tokenów, odrębnym od ustawienia wykonania Pro.

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

GPT-5.6 Luna to model OpenAI do określonych zadań przy dużej skali obciążeń w rodzinie GPT-5.6. Producent porównuje jego rolę w obsłudze zadań z mniejszym wariantem we wcześniejszych rodzinach GPT-5, zachowując przy tym Lunę jako model o odrębnej tożsamości. Przyjmuje tekst i obrazy, a generuje tekst, w tym wyjaśnienia, przeredagowane fragmenty, klasyfikacje i uporządkowane rekordy.

Precyzyjne zadanie powtarzalne

Zleć modelowi jedną określoną operację i podaj kryteria użytecznego wyniku. Przy wydobywaniu danych nazwij pola, jednostki i sposób zapisu brakujących wartości. Przy klasyfikacji podaj znaczenie kategorii i określ postępowanie, gdy żadna nie pasuje. Przykładowe polecenie to: „Wydobądź wartości specyfikacji z tego fragmentu, zachowaj ich jednostki i wskaż zdanie uzasadniające każde pole”.

Odpowiedź pomocowa powinna korzystać z dostarczonych materiałów o produkcie lub zasadach i być zgodna z wymaganym przez użytkownika językiem. W pytaniu wizualnym wskaż odpowiedni obraz i widoczny szczegół. Zachowaj zwięzłość wyniku odpowiednią do dalszego zastosowania, nie pomijając wymaganej wartości ze źródła ani zastrzeżenia dotyczącego jej znaczenia.

Ustawienia rozumowania i zachowany kontekst

Producent obsługuje poziomy nakładu none, low, medium, high, xhigh i max, z domyślnym medium. Standard to domyślny tryb rozumowania, natomiast Pro jest osobnym ustawieniem wykonania oznaczającym dodatkową pracę modelu. Nakład i tryb są niezależne; rutynowe zadanie bezpośrednie i bardziej złożone porównanie mogą więc wymagać innego przygotowania przy zachowaniu tego samego nazwanego profilu Luna.

Przewodnik po rozumowaniu stwierdza, że GPT-5.6 domyślnie przedstawia dostępne rozumowanie z wcześniejszych tur, a obsługiwane ustawienie kontekstu wybiera to zachowanie. Wpływa to na materiały zachowywane w toku wieloetapowego zadania; nie oznacza nieograniczonej pamięci. W kolejnych poleceniach utrzymuj jasność przyjętych faktów, oznaczeń źródeł i wymaganego wyniku.

Kontekst i wiedza

OpenAI podaje kontekst 1 050 000 tokenów, maksymalny limit wejścia 922 000 tokenów i maksymalny limit wyjścia 128 000 tokenów. Udokumentowana data graniczna wiedzy to 16 lutego 2026 r. Rozumowanie i odpowiedź końcowa współdzielą budżet generowania, a wszystkie materiały zadania muszą zmieścić się w kontekście. Po wyczerpaniu tych budżetów żądanie może się zakończyć przed uzyskaniem pełnej widocznej odpowiedzi.

Uporządkowane odpowiedzi i narzędzia

Karta modelu wymienia Structured Outputs, strumieniowanie i wywoływanie funkcji. Ekosystem narzędzi producenta obejmuje wyszukiwanie w sieci i plikach, narzędzia do generowania obrazów, interpreter kodu, operacje powłoki i stosowania poprawek, umiejętności, korzystanie z komputera, połączenia MCP i wyszukiwanie narzędzi. Uporządkowany rekord nadal wymaga wartości opartych na rzeczywistym wejściu; poprawność JSON sama nie dowodzi zgodności z faktami.

Aplikacja udostępnia funkcje, wykonuje wybrane operacje i zwraca obserwacje. Wyszukiwanie może dostarczyć brakujące pole, zanim Luna ułoży odpowiedź. Zachowaj wynik wraz z jego źródłem i operacją oraz odróżniaj proponowane działanie od pracy, która rzeczywiście została wykonana. Własnym wyjściem modelu jest tekst, natomiast obraz wygenerowany przez narzędzie stanowi odrębny rezultat.

Użyteczny wynik

Wiąż twierdzenia zależne od źródeł z autorytatywnymi materiałami i określ moment zakończenia operacji. Dobry wynik to zamówiony rekord, wyjaśnienie lub przeredagowany fragment z zachowaniem obowiązkowych nazw i dowodów. Wyspecjalizowana rola Luny, obsługiwany zakres nakładu na rozumowanie i profil trybu standardowego pozostają odrębne od Terry, Sol, wykonania Pro i późniejszych wydań GPT-6.

Ailoot Ultra · Batch POST /v1/batches openai/gpt-5.6-luna:batch

openai/gpt-5.6-luna:batch

OpenAI /openai/gpt-5.6-luna:batch

Start

GPT-5.6 Luna to model OpenAI do określonych zadań w powtarzalnych obciążeniach o dużej skali. Przyjmuje tekst i obrazy, a zwraca odpowiedzi lub uporządkowane rekordy, z opcjonalnym rozumowaniem, narzędziami kierowanymi przez informacje źródłowe i kontekstem 1 050 000 tokenów, odrębnym od ustawienia wykonania Pro.

Akceptowane dane wejściowe
Tekst
Wyniki
Tekst

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Batch POST /v1/batches
Wejście
text
Wyjście
text
Format wyjściowy
JSON bezpośrednio w results[].response.body
PoleTypWymaganieWartości i limityDomyślnie
PoleendpointTypstringWymaganieWymaganeWartości i limity
/v1/chat/completions
Domyślnie—
PolemodelTypstringWymaganieWymaganeWartości i limity
openai/gpt-5.6-luna:batch
Domyślnie—
PolerequestsTypbatch_item[]WymaganieWymaganeWartości i limity
Minimalna liczba elementów: 1
Domyślnie—
Polerequests[].custom_idTypstringWymaganieWymaganeWartości i limityDomyślnie—
Polerequests[].body.messagesTypmessage[]WymaganieWymaganeWartości i limityDomyślnie—
Polecompletion_windowTypstringWymaganieOpcjonalneWartości i limity
24h
Domyślnie—
PoleproviderTypobject|nullWymaganieOpcjonalneWartości i limityDomyślnie—
Polerequests[].body.modelTypstringWymaganieOpcjonalneWartości i limity
openai/gpt-5.6-luna:batch, openai/gpt-5.6-luna
Domyślnie—
Poleprovider.onlyTypstring[]WymaganieOpcjonalneWartości i limity
openai
Domyślnie—
Poleprovider.allow_fallbacksTypboolean|nullWymaganieOpcjonalneWartości i limity
false, null
Domyślnie—
Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktendpoint, model, requests
Parametrmaterial_typesKontrakttext
ParametrrepresentationKontraktrequests[] bezpośrednio w żądaniu; każdy element zawiera custom_id i body
Parametrrequest_endpoint_profileKontrakt/v1/chat/completions
Parametrfile_materialKontraktWywołujący może lokalnie wczytać rzeczywisty plik JSONL w kodowaniu UTF-8 do requests[]. Nie używa się przeznaczenia przesyłanego pliku, input_file_id ani odwołania do pliku. Brak materiałów klienta lub ich pusta zawartość zatrzymują przygotowanie przed POST.
Parametrserialization_orderKontraktendpoint, model, provider (jeśli podano), completion_window (jeśli podano), requests na końcu
Parametroptional_controlsKontraktprovider.only, provider.allow_fallbacks, completion_window
Parametrschema_scopeKontraktTreści żądań tekstowych Chat Completions w udokumentowanej strukturze Batch z danymi bezpośrednio w żądaniu.

Cykl życia: asynchronous

GET /v1/batches/{operation_id} · Rzeczywista wartość response.id zwrócona przy pierwotnym utworzeniu; ten sam użytkownik, klucz i grupa

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki
Nie określono Gdy wybrany jest tryb szybki
Tryb flex
Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania
Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)
Wycena jawnej pamięci podręcznej
Niewłączone Gdy zażądano jawnej pamięci podręcznej

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

KonfiguracjaTabela stawekTokeny kontekstu, więcej niżTokeny kontekstu, do podanej wartości włącznieOpłata
KonfiguracjaPodstawowe stawki za tokenyTabela stawekStawka podstawowaTokeny kontekstu, więcej niż—Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.0002 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0012 / 1K tokenów
Wejście · Odczyt cache $0.00002 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaPrzedział długości żądania 1Tabela stawek—Tokeny kontekstu, więcej niż0Tokeny kontekstu, do podanej wartości włącznie272 000Opłata
Wejście · Tokeny wejściowe $0.0002 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0012 / 1K tokenów
Wejście · Odczyt cache $0.00002 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaPrzedział długości żądania 2Tabela stawek—Tokeny kontekstu, więcej niż272 000Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.0004 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0018 / 1K tokenów
Wejście · Odczyt cache $0.00004 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Batch

curl · zachowany zestaw danych testowychPython HTTP · rzeczywisty JSONL klientaPython · zapisz każdy ukończony wynik
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.6-luna:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
        supplied_model = item["body"].get("model")
        if supplied_model is not None and supplied_model not in ['openai/gpt-5.6-luna:batch', 'openai/gpt-5.6-luna']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-luna:batch", "requests":items}

if __name__ == "__main__":
    material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
    if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
    body = prepare_requests(material)
    key = os.environ.get("AILOOT_API_KEY", "")
    if not key: raise SystemExit("Set AILOOT_API_KEY")
    request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")
    with urlopen(request) as response:
        raw = response.read()
        Path("batch-create-response.json").write_bytes(raw)
        print(raw.decode("utf-8"))
import json
from pathlib import Path
raw = Path("batch-status-response.json").read_bytes()
response = json.loads(raw)
if response.get("status") != "completed":
    raise SystemExit("Keep the original operation; read its status without resubmitting")
results = response.get("results")
if not isinstance(results, list) or not results:
    raise SystemExit("Preserve the original response; completed results are missing")
Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8")
# Preserve batch-status-response.json with aggregate usage and every result/error.

Odbieranie i zapisywanie wyników

Ailoot Ultra · Batch

JSON bezpośrednio w results[].response.body

  • GET /v1/batches/{operation_id}
Sprawdź status zadania
curl · status pierwotnej operacji
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json
Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj pełny pierwotny JSON stanu, każdy wynik i custom_id oraz pełną treść odpowiedzi lub błędu. Zapisz ukończone wyniki z results[] jako JSONL bez filtrowania.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj pierwotny identyfikator operacji. Odpowiedź 503 result_pending_check zawiera X-Should-Retry:false; nigdy nie wysyłaj ponownie pierwotnego żądania Batch, którego wynik jest nieznany.

Pola odpowiedzi
PoleTyp
Poleresults[].custom_idTypstring
Poleresults[].response.body.choices[].message.contentTypstring|null
Poleresults[].errorTypobject|null
PoleusageTypobject|null
PoleidTypstring
PolemodelTypstring
PoleendpointTypstring
PolestatusTypstring
Polerequest_countsTypobject
Poleresults[].idTypstring
Poleresults[].response.status_codeTypinteger
Poleresults[].response.request_idTypstring
Błędy i dalsze kroki
OdpowiedźWarunekNastępny krok
Odpowiedź400 · invalid_request_errorWarunekNieprawidłowa udokumentowana struktura z danymi bezpośrednio w żądaniu, zduplikowane klucze, problem z tożsamością elementu lub konflikt ze skonfigurowanymi możliwościami modelu.Następny krokPopraw wskazane pola przed wysłaniem jakiegokolwiek nowego żądania.
Odpowiedź401 · authentication_errorWarunekNieprawidłowy klucz API.Następny krokUżyj autoryzowanego klucza Ailoot.
Odpowiedź403 · permission_errorWarunekGrupa Batch jest niedostępna.Następny krokSprawdź uprawnienia klucza i grupy.
Odpowiedź422 · invalid_request_errorWarunekBatch korzysta z rozliczania z salda; utworzenie w ramach subskrypcji jest odrzucane.Następny krokUżyj autoryzowanej grupy rozliczanej z salda.
Odpowiedź422 · price_unavailableWarunekNie można wycenić danych wejściowych Batch.Następny krokZachowaj odpowiedź; użyj danych wejściowych udokumentowanych dla tej rodziny API.
Odpowiedź402 · billing_errorWarunekRezerwa dla Batch jest niedostępna.Następny krokRozwiąż problem dopuszczenia żądania przed wysłaniem nowego.
Odpowiedź503 · price_unavailableWarunekCena metody Batch lub stawki natywne są niedostępne.Następny krokZachowaj odpowiedź; nie zastępuj cen innymi.
Odpowiedź503 · api_errorWarunekDokładna trasa dostawcy jest niedostępna.Następny krokZachowaj odpowiedź na potrzeby naprawy trasy.
Odpowiedź503 · result_pending_checkWarunekPierwotny wynik wymaga sprawdzenia; X-Should-Retry:false.Następny krokZachowaj pierwotny operation_id/id i odczytuj stan operacji; nigdy nie powtarzaj pierwotnego POST.
Odpowiedź404 · not_foundWarunekOperacja sprawdzania stanu Batch nie istnieje lub należy do innej tożsamości.Następny krokUżyj dokładnego pierwotnego id oraz tego samego użytkownika, klucza i grupy.

Aliasy

Aliasy modelu

Ailoot Ultra openai/gpt-5.6-luna:batch

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

openai/gpt-5.6-luna:batch

FAQ · OpenAI: GPT-5.6 Luna (batch)
Jakie dane wejściowe i wyniki są dostępne?

POST /v1/batches · openai/gpt-5.6-luna:batch: text → text

Jakich pól używa żądanie?

POST /v1/batches · openai/gpt-5.6-luna:batch: endpoint, model, requests, completion_window, provider

Jakie limity obowiązują?

POST /v1/batches · openai/gpt-5.6-luna:batch: requests.min_items: 1

Więcej szczegółów

Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją.

Firma i jej portfel projektów

Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach.

Kupuj tokeny z rabatem.

Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny.

Subskrypcja
Wybierz plan z rabatem do regularnych żądań.
Kod promocyjny do 50%
Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji.
Koszty w historii
Model, tokeny i kwota są zapisywane dla każdego żądania.

Wybierz subskrypcję · Sprawdź ceny modeli

Połącz API z produktem, który sprzedajesz.

SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską.

Aplikacja komercyjna
Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi.
Licencja resellerska
Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży.
Dokumenty na stronie
Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem.

Poproś o licencję resellerską · Oferta i umowa licencyjna