OpenAI: GPT-6 Luna Pro (batch)
GPT-6 Luna com raciocínio Pro para tarefas focadas que necessitam de análise adicional antes de uma resposta final. O modelo de base aceita texto e imagens, sendo útil para tratar documentos segundo regras, responder a perguntas visuais e produzir resultados escritos concisos.
Sobre o modelo
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-6 Luna Pro designa GPT-6 Luna da OpenAI com raciocínio Pro. Luna foi concebido para tarefas focadas e cargas de trabalho de elevado volume; as entradas são texto e imagens e a saída é texto. Pro acrescenta processamento do modelo ao desenvolver a resposta final. É um modo de execução aplicado ao modelo de base escolhido, distinto da definição de esforço de raciocínio que controla a quantidade de análise dentro desse modo.
Uma aplicação prática é processar um pedido definido de forma estrita, com várias regras ou exceções. Forneça o pedido, as categorias a que pode pertencer e as informações que determinam a ação seguinte. Peça a categoria, os factos pertinentes e uma proposta de resposta curta. Um exemplo de tarefa é classificar um pedido de documento, identificar um campo em falta e redigir uma mensagem a pedir esse campo. A tarefa continua focada mesmo quando as condições exigem consideração cuidadosa.
Para uma pergunta baseada numa imagem, forneça uma captura de ecrã clara ou outro material visual e identifique o pormenor a examinar. Pode pedir uma explicação de um estado visível da interface juntamente com uma breve instrução para o leitor. Para material escrito, defina os campos ou as afirmações que têm de sobreviver à transformação, as categorias permitidas e o formato de resposta esperado. Um pequeno conjunto de exemplos representativos pode esclarecer a fronteira entre categorias semelhantes sem obrigar o modelo a inferir as suas regras.
A OpenAI especifica para GPT-6 Luna uma janela de contexto de 1 050 000 tokens, com uma entrada máxima de 922 000 tokens e uma saída máxima de 128 000 tokens. Os conhecimentos documentados estão atualizados até 18 de maio de 2026. O modelo de base suporta os níveis de esforço de raciocínio none, low, medium, high, xhigh e max, com medium como predefinição. O raciocínio ocupa espaço em tokens, além da resposta final; as instruções da tarefa e o material fornecido devem, por isso, deixar espaço para a análise e o resultado pedido.
O produtor documenta Pro na API Responses para pedidos difíceis que permitam latência adicional e mais atividade do modelo. As ferramentas integradas de GPT-6 Luna e o raciocínio com chamadas de funções usam Responses; na interface Chat Completions do produtor, as chamadas de funções são suportadas apenas com o esforço de raciocínio definido como none. O modelo de base indica transmissão progressiva, Structured Outputs, pesquisa na Web e em ficheiros, chamadas de funções e colocação da entrada em cache. O conjunto de ferramentas também inclui geração de imagens, interpretação de código, operações de linha de comandos e de aplicação de correções, competências, utilização do computador, ligações MCP e pesquisa de ferramentas. A sua aplicação determina e executa as operações que expõe.
Use especificações de saída precisas para a tarefa final: a decisão, os campos que a sustentam e qualquer informação ainda em falta. Por exemplo, peça uma categoria, uma breve justificação ligada à regra fornecida e a pergunta seguinte a enviar ao leitor. Verifique o resultado face a essas regras, em vez de acrescentar uma discussão sem restrições. Este fluxo usa a função de Luna para tarefas focadas, reservando o trabalho adicional de Pro para um pedido cujas dependências ou exceções precisem de exame mais completo.
Ailoot Ultra · Processamento em lote POST /v1/batches openai/gpt-6-luna-pro:batch
openai/gpt-6-luna-pro:batchIntrodução
GPT-6 Luna com raciocínio Pro para tarefas focadas que necessitam de análise adicional antes de uma resposta final. O modelo de base aceita texto e imagens, sendo útil para tratar documentos segundo regras, responder a perguntas visuais e produzir resultados escritos concisos.
- Entradas aceites
- Texto
- Resultados
- Texto
Disponível no Ailoot · entradas e métodos
Ailoot Ultra · Processamento em lote POST /v1/batches
- Entrada
text- Saída
text- Formato de saída
- JSON em linha de results[].response.body
| 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-luna-pro: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-luna-pro:batch, openai/gpt-6-luna-pro | Predefinição— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores e limites openai | Predefinição— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores e limites false, null | Predefinição— |
Parâmetros e ciclo de vida do método
| 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
Tarifários
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
- Modo rápido
- Não especificado Quando o modo rápido está selecionado
- Modo flex
- Não especificado Quando o modo flex está selecionado
- Esforço máximo de raciocínio
- Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default)
- Preços da cache explícita
- Não ativado Quando é pedida cache explícita
Tarifas Ailoot
Preços por configuração
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 $0.0001 / 1K tokens Saída · Tokens de saída $0.0005 / 1K tokens Entrada · Leitura da cache $0.00001 / 1K tokens Entrada · Escrita na cache $0.000125 / 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 $0.0001 / 1K tokens Saída · Tokens de saída $0.0005 / 1K tokens Entrada · Leitura da cache $0.00001 / 1K tokens Entrada · Escrita na cache $0.000125 / 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 $0.0002 / 1K tokens Saída · Tokens de saída $0.00075 / 1K tokens Entrada · Leitura da cache $0.00002 / 1K tokens Entrada · Escrita na cache $0.00025 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
Exemplos de pedidos
Ailoot Ultra · Processamento em lote
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-6-luna-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
import json, os
from pathlib import Path
from urllib.request import Request, urlopen
def prepare_requests(customer_path):
path = Path(customer_path)
if not path.is_file(): raise ValueError("Customer JSONL file is missing")
items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
if not items: raise ValueError("Customer JSONL contains no requests")
ids = set()
for item in items:
if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
cid = item["custom_id"]
if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
ids.add(cid)
if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
supplied_model = item["body"].get("model")
if supplied_model is not None and supplied_model not in ['openai/gpt-6-luna-pro:batch', 'openai/gpt-6-luna-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")
return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-luna-pro: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.
Receber e guardar os resultados
Ailoot Ultra · Processamento em lote
JSON em linha de results[].response.body
GET /v1/batches/{operation_id}
Verificar o estado da tarefa
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
Guardar todos os resultados concluídos
Guarde 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.
Se for necessário verificar a resposta original
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.
Campos da resposta
| 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 |
Erros e passos seguintes
| 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. |
Aliases
Aliases do modelo
Ailoot Ultra openai/gpt-6-luna-pro:batch
Aliases dos caminhos dos métodos
Use os caminhos dos métodos indicados acima.
IDs de chamada relacionados
FAQ · OpenAI: GPT-6 Luna Pro (batch)
- Que entradas e resultados estão disponíveis?
POST /v1/batches·openai/gpt-6-luna-pro:batch:text→text- Que campos utiliza o pedido?
POST /v1/batches·openai/gpt-6-luna-pro:batch:endpoint,model,requests,completion_window,provider- Que limites se aplicam?
POST /v1/batches·openai/gpt-6-luna-pro:batch:requests.min_items:1