GPT-6 Astra é o modelo da OpenAI para as suas tarefas de raciocínio e profissionais mais exigentes. O produtor desenvolve-o para engenharia de software, utilização do computador, investigação, trabalho científico e criação de documentos. Aceita texto e imagens e gera texto, incluindo explicações, código e resultados estruturados. Este perfil normal de Astra é separado do modo de raciocínio Pro e dos perfis Sol e Luna.
Prepare a tarefa em torno do resultado desejado, das fontes pertinentes e dos critérios de conclusão. Para engenharia de software, inclua o código, a falha observada, o comportamento esperado e as interfaces a preservar. Para análise profissional, forneça os documentos, a decisão e as condições que uma conclusão deve abordar. Uma instrução prática é: «Compare estas alternativas com os requisitos, identifique as dependências e produza uma nota de decisão com provas para cada conclusão relevante.»
Para uma tarefa visual, torne a fonte legível e identifique se mostra um estado da interface, um gráfico ou um requisito de conceção. Peça o pormenor visível que sustenta uma observação. Um resultado de código ou documental deve continuar ligado a essas provas, em vez de a uma ação externa presumida.
As orientações da OpenAI para Astra recomendam objetivos claros, critérios de sucesso, regras de prova e condições de paragem. Assinalam uma forte sensibilidade a instruções detalhadas no contexto e nos ficheiros acessíveis; resolva, por isso, orientações contraditórias e indique a prioridade da tarefa do utilizador. Especifique quando o modelo deve usar a informação disponível, fazer um pressuposto razoável ou pedir um pormenor em falta que mude o resultado.
O produtor também recomenda ajustar o estilo da resposta e a profundidade da validação. Descreva o público e a estrutura final de um documento e exija validação pertinente para a alteração numa tarefa de engenharia. Isto dá ao modelo uma meta explícita sem acrescentar trabalho alheio.
Astra suporta os níveis de esforço de raciocínio low, medium, high, xhigh e max e não suporta none. O esforço é distinto do modo de raciocínio normal ou Pro do produtor. A ficha indica um contexto de 1 050 000 tokens, até 922 000 tokens de entrada e até 128 000 tokens de saída. Os conhecimentos estão atualizados até 30 de abril de 2026.
O raciocínio ocupa espaço na resposta, embora os tokens internos brutos não sejam apresentados como uma resposta normal. Reserve espaço para o resultado final e examine o estado de terminação quando um orçamento se esgota. Uma janela ampla continua a precisar de rótulos de origem, limites da tarefa e observações pertinentes.
O produtor documenta chamadas de funções através de Responses; Chat Completions não suporta chamadas de funções para Astra. As ferramentas suportadas incluem pesquisa na Web e em ficheiros, geração de imagens, um intérprete de código, operações de linha de comandos e de aplicação de correções, competências, utilização do computador, ligações MCP e pesquisa de ferramentas. Structured Outputs e transmissão progressiva também são indicados. A saída do próprio Astra continua a ser texto, enquanto as operações das ferramentas produzem as respetivas observações ou resultados.
O fluxo documentado de GPT-6 pode prosseguir a análise enquanto uma ferramenta assíncrona é executada, incorporar orientação a meio de um turno, preservar o raciocínio entre chamadas e compactar uma conversa longa. A aplicação executa as suas ferramentas e gere os resultados pendentes. Preserve a associação entre a chamada original e a observação, para que a tarefa use provas reais.
Um resultado final útil é um trabalho analítico ou de código concluído, com a sua base e as condições restantes explícitas. Verifique afirmações dependentes das fontes e use observações reais da validação para trabalho executado. Mantenha o perfil denominado Astra e o intervalo de esforço suportado, em vez de importar uma definição de resposta direta ou limites de outro modelo.
", "aboutText": "GPT-6 Astra é o modelo da OpenAI para as suas tarefas de raciocínio e profissionais mais exigentes. O produtor desenvolve-o para engenharia de software, utilização do computador, investigação, trabalho científico e criação de documentos. Aceita texto e imagens e gera texto, incluindo explicações, código e resultados estruturados. Este perfil normal de Astra é separado do modo de raciocínio Pro e dos perfis Sol e Luna.\n\n### Trabalho do princípio ao fim\n\nPrepare a tarefa em torno do resultado desejado, das fontes pertinentes e dos critérios de conclusão. Para engenharia de software, inclua o código, a falha observada, o comportamento esperado e as interfaces a preservar. Para análise profissional, forneça os documentos, a decisão e as condições que uma conclusão deve abordar. Uma instrução prática é: «Compare estas alternativas com os requisitos, identifique as dependências e produza uma nota de decisão com provas para cada conclusão relevante.»\n\nPara uma tarefa visual, torne a fonte legível e identifique se mostra um estado da interface, um gráfico ou um requisito de conceção. Peça o pormenor visível que sustenta uma observação. Um resultado de código ou documental deve continuar ligado a essas provas, em vez de a uma ação externa presumida.\n\n### Instruções e continuidade do trabalho\n\nAs orientações da OpenAI para Astra recomendam objetivos claros, critérios de sucesso, regras de prova e condições de paragem. Assinalam uma forte sensibilidade a instruções detalhadas no contexto e nos ficheiros acessíveis; resolva, por isso, orientações contraditórias e indique a prioridade da tarefa do utilizador. Especifique quando o modelo deve usar a informação disponível, fazer um pressuposto razoável ou pedir um pormenor em falta que mude o resultado.\n\nO produtor também recomenda ajustar o estilo da resposta e a profundidade da validação. Descreva o público e a estrutura final de um documento e exija validação pertinente para a alteração numa tarefa de engenharia. Isto dá ao modelo uma meta explícita sem acrescentar trabalho alheio.\n\n### Raciocínio e contexto\n\nAstra suporta os níveis de esforço de raciocínio low, medium, high, xhigh e max e não suporta none. O esforço é distinto do modo de raciocínio normal ou Pro do produtor. A ficha indica um contexto de 1 050 000 tokens, até 922 000 tokens de entrada e até 128 000 tokens de saída. Os conhecimentos estão atualizados até 30 de abril de 2026.\n\nO raciocínio ocupa espaço na resposta, embora os tokens internos brutos não sejam apresentados como uma resposta normal. Reserve espaço para o resultado final e examine o estado de terminação quando um orçamento se esgota. Uma janela ampla continua a precisar de rótulos de origem, limites da tarefa e observações pertinentes.\n\n### Ferramentas e tarefas em curso\n\nO produtor documenta chamadas de funções através de Responses; Chat Completions não suporta chamadas de funções para Astra. As ferramentas suportadas incluem pesquisa na Web e em ficheiros, geração de imagens, um intérprete de código, operações de linha de comandos e de aplicação de correções, competências, utilização do computador, ligações MCP e pesquisa de ferramentas. Structured Outputs e transmissão progressiva também são indicados. A saída do próprio Astra continua a ser texto, enquanto as operações das ferramentas produzem as respetivas observações ou resultados.\n\nO fluxo documentado de GPT-6 pode prosseguir a análise enquanto uma ferramenta assíncrona é executada, incorporar orientação a meio de um turno, preservar o raciocínio entre chamadas e compactar uma conversa longa. A aplicação executa as suas ferramentas e gere os resultados pendentes. Preserve a associação entre a chamada original e a observação, para que a tarefa use provas reais.\n\nUm resultado final útil é um trabalho analítico ou de código concluído, com a sua base e as condições restantes explícitas. Verifique afirmações dependentes das fontes e use observações reais da validação para trabalho executado. Mantenha o perfil denominado Astra e o intervalo de esforço suportado, em vez de importar uma definição de resposta direta ou limites de outro modelo.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "df2b8bdebfd37dc1d71ad0b80ff3d31b266e1c6c7086df8e3f1ad6ef7704ecca", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "openai/gpt-6-astra:batchGPT-6 Astra é o modelo da OpenAI para raciocínio exigente, engenharia de software, investigação e trabalho documental profissional. Combina compreensão de texto e imagens com análise de contextos longos e fluxos guiados por ferramentas, produzindo um resultado textual num contexto de 1 050 000 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-6 Astra é o modelo da OpenAI para as suas tarefas de raciocínio e profissionais mais exigentes. O produtor desenvolve-o para engenharia de software, utilização do computador, investigação, trabalho científico e criação de documentos. Aceita texto e imagens e gera texto, incluindo explicações, código e resultados estruturados. Este perfil normal de Astra é separado do modo de raciocínio Pro e dos perfis Sol e Luna.
Prepare a tarefa em torno do resultado desejado, das fontes pertinentes e dos critérios de conclusão. Para engenharia de software, inclua o código, a falha observada, o comportamento esperado e as interfaces a preservar. Para análise profissional, forneça os documentos, a decisão e as condições que uma conclusão deve abordar. Uma instrução prática é: «Compare estas alternativas com os requisitos, identifique as dependências e produza uma nota de decisão com provas para cada conclusão relevante.»
Para uma tarefa visual, torne a fonte legível e identifique se mostra um estado da interface, um gráfico ou um requisito de conceção. Peça o pormenor visível que sustenta uma observação. Um resultado de código ou documental deve continuar ligado a essas provas, em vez de a uma ação externa presumida.
As orientações da OpenAI para Astra recomendam objetivos claros, critérios de sucesso, regras de prova e condições de paragem. Assinalam uma forte sensibilidade a instruções detalhadas no contexto e nos ficheiros acessíveis; resolva, por isso, orientações contraditórias e indique a prioridade da tarefa do utilizador. Especifique quando o modelo deve usar a informação disponível, fazer um pressuposto razoável ou pedir um pormenor em falta que mude o resultado.
O produtor também recomenda ajustar o estilo da resposta e a profundidade da validação. Descreva o público e a estrutura final de um documento e exija validação pertinente para a alteração numa tarefa de engenharia. Isto dá ao modelo uma meta explícita sem acrescentar trabalho alheio.
Astra suporta os níveis de esforço de raciocínio low, medium, high, xhigh e max e não suporta none. O esforço é distinto do modo de raciocínio normal ou Pro do produtor. A ficha indica um contexto de 1 050 000 tokens, até 922 000 tokens de entrada e até 128 000 tokens de saída. Os conhecimentos estão atualizados até 30 de abril de 2026.
O raciocínio ocupa espaço na resposta, embora os tokens internos brutos não sejam apresentados como uma resposta normal. Reserve espaço para o resultado final e examine o estado de terminação quando um orçamento se esgota. Uma janela ampla continua a precisar de rótulos de origem, limites da tarefa e observações pertinentes.
O produtor documenta chamadas de funções através de Responses; Chat Completions não suporta chamadas de funções para Astra. As ferramentas suportadas incluem pesquisa na Web e em ficheiros, geração de imagens, um intérprete de código, operações de linha de comandos e de aplicação de correções, competências, utilização do computador, ligações MCP e pesquisa de ferramentas. Structured Outputs e transmissão progressiva também são indicados. A saída do próprio Astra continua a ser texto, enquanto as operações das ferramentas produzem as respetivas observações ou resultados.
O fluxo documentado de GPT-6 pode prosseguir a análise enquanto uma ferramenta assíncrona é executada, incorporar orientação a meio de um turno, preservar o raciocínio entre chamadas e compactar uma conversa longa. A aplicação executa as suas ferramentas e gere os resultados pendentes. Preserve a associação entre a chamada original e a observação, para que a tarefa use provas reais.
Um resultado final útil é um trabalho analítico ou de código concluído, com a sua base e as condições restantes explícitas. Verifique afirmações dependentes das fontes e use observações reais da validação para trabalho executado. Mantenha o perfil denominado Astra e o intervalo de esforço suportado, em vez de importar uma definição de resposta direta ou limites de outro modelo.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObrigatório | Valores e limites /v1/chat/completions | Predefinição— |
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites openai/gpt-6-astra:batch | Predefinição— |
Camporequests | Tipobatch_item[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Camporequests[].custom_id | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores e limites 24h | Predefinição— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores e limites | Predefinição— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores e limites openai/gpt-6-astra:batch, openai/gpt-6-astra | Predefinição— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores e limites openai | Predefinição— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores e limites false, null | Predefinição— |
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratoendpoint, model, requests |
Parâmetromaterial_types | Contratotext |
Parâmetrorepresentation | Contratorequests[] em linha; cada item tem custom_id e body |
Parâmetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parâmetrofile_material | ContratoQuem faz a chamada pode ler localmente o conteúdo JSONL UTF-8 efetivo para requests[]. Não é utilizada qualquer finalidade de carregamento, input_file_id ou referência a ficheiro. Se o material do cliente estiver em falta ou vazio, a preparação é interrompida antes do POST. |
Parâmetroserialization_order | Contratoendpoint, model, provider (se fornecido), completion_window (se fornecido), requests em último lugar |
Parâmetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parâmetroschema_scope | ContratoCorpos de pedidos de texto de Chat Completions na estrutura de lote em linha documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id efetivo da resposta original de criação; mesmo utilizador/chave/grupo
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.01 / 1K tokens Saída · Tokens de saída $0.05 / 1K tokens Entrada · Leitura da cache $0.001 / 1K tokens Entrada · Escrita na cache $0.0125 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive272 000 | Custo Entrada · Tokens de entrada $0.01 / 1K tokens Saída · Tokens de saída $0.05 / 1K tokens Entrada · Leitura da cache $0.001 / 1K tokens Entrada · Escrita na cache $0.0125 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de272 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.02 / 1K tokens Saída · Tokens de saída $0.075 / 1K tokens Entrada · Leitura da cache $0.002 / 1K tokens Entrada · Escrita na cache $0.025 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-6-astra:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-6-astra:batch', 'openai/gpt-6-astra']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-astra:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON em linha de results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGuarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve o JSON completo do estado original, todos os resultados/custom_id e o corpo completo da resposta ou do erro. Guarde os results[] concluídos em formato JSONL, sem filtrar.
Preserve o ID original da operação. A resposta 503 result_pending_check inclui X-Should-Retry:false; nunca volte a enviar um lote original de estado desconhecido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoEstrutura em linha documentada inválida, chaves duplicadas, identidade do item inválida ou conflito com as capacidades configuradas do modelo. | Passo seguinteCorrija os campos indicados antes de qualquer novo envio. |
Resposta401 · authentication_error | CondiçãoChave de API inválida. | Passo seguinteUse a chave Ailoot autorizada. |
Resposta403 · permission_error | CondiçãoGrupo de processamento em lote indisponível. | Passo seguinteVerifique os direitos de acesso da chave/do grupo. |
Resposta422 · invalid_request_error | CondiçãoO processamento em lote usa faturação por débito do saldo; a criação com subscrição é rejeitada. | Passo seguinteUse o grupo autorizado com faturação por débito do saldo. |
Resposta422 · price_unavailable | CondiçãoNão é possível calcular uma estimativa de preço para os dados de entrada do lote. | Passo seguinteConserve a resposta; use os dados de entrada documentados para a família. |
Resposta402 · billing_error | CondiçãoReserva para processamento em lote indisponível. | Passo seguinteResolva a questão da admissão antes de um novo pedido. |
Resposta503 · price_unavailable | CondiçãoPreço do método de processamento em lote/tarifas nativas indisponíveis. | Passo seguinteConserve a resposta; não substitua os preços. |
Resposta503 · api_error | CondiçãoA rota exata do fornecedor está indisponível. | Passo seguinteConserve a resposta para corrigir a rota. |
Resposta503 · result_pending_check | CondiçãoO resultado original requer verificação; X-Should-Retry:false. | Passo seguinteGuarde o operation_id/id original e consulte o respetivo estado; nunca repita o POST original. |
Resposta404 · not_found | CondiçãoA operação de consulta do estado do lote não existe ou pertence a outra identidade. | Passo seguinteUse o id original exato e o mesmo utilizador/chave/grupo. |
Ailoot Ultra openai/gpt-6-astra:batch
Use os caminhos dos métodos indicados acima.