modelos

OpenAI: GPT-6 Luna Pro (batch)

Markdown · JSON

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:batch

OpenAI /openai/gpt-6-luna-pro:batch

Introdução

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
CampoTipoRequisitoValores e limitesPredefinição
CampoendpointTipostringRequisitoObrigatórioValores e limites
/v1/chat/completions
Predefinição—
CampomodelTipostringRequisitoObrigatórioValores e limites
openai/gpt-6-luna-pro:batch
Predefinição—
CamporequestsTipobatch_item[]RequisitoObrigatórioValores e limites
Número mínimo de elementos: 1
Predefinição—
Camporequests[].custom_idTipostringRequisitoObrigatórioValores e limitesPredefinição—
Camporequests[].body.messagesTipomessage[]RequisitoObrigatórioValores e limitesPredefinição—
Campocompletion_windowTipostringRequisitoOpcionalValores e limites
24h
Predefinição—
CampoproviderTipoobject|nullRequisitoOpcionalValores e limitesPredefinição—
Camporequests[].body.modelTipostringRequisitoOpcionalValores e limites
openai/gpt-6-luna-pro:batch, openai/gpt-6-luna-pro
Predefinição—
Campoprovider.onlyTipostring[]RequisitoOpcionalValores e limites
openai
Predefinição—
Campoprovider.allow_fallbacksTipoboolean|nullRequisitoOpcionalValores e limites
false, null
Predefinição—
Parâmetros e ciclo de vida do método
ParâmetroContrato
Parâmetrocontent_typeContratoapplication/json
ParâmetrorequiredContratoendpoint, model, requests
Parâmetromaterial_typesContratotext
ParâmetrorepresentationContratorequests[] em linha; cada item tem custom_id e body
Parâmetrorequest_endpoint_profileContrato/v1/chat/completions
Parâmetrofile_materialContratoQuem 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_orderContratoendpoint, model, provider (se fornecido), completion_window (se fornecido), requests em último lugar
Parâmetrooptional_controlsContratoprovider.only, provider.allow_fallbacks, completion_window
Parâmetroschema_scopeContratoCorpos 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.

ConfiguraçãoTabela de tarifasTokens de contexto, mais deTokens de contexto, até ao limite inclusiveCusto
ConfiguraçãoTarifas base dos tokensTabela de tarifasTarifa baseTokens de contexto, mais de—Tokens de contexto, até ao limite inclusiveSem limite superiorCusto
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 pedidoTabela de tarifas—Tokens de contexto, mais de0Tokens de contexto, até ao limite inclusive272 000Custo
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 pedidoTabela de tarifas—Tokens de contexto, mais de272 000Tokens de contexto, até ao limite inclusiveSem limite superiorCusto
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

curl · dados de teste preservadosPython HTTP · JSONL real do clientePython · guarde cada resultado concluído
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
curl · estado da operação original
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
CampoTipo
Camporesults[].custom_idTipostring
Camporesults[].response.body.choices[].message.contentTipostring|null
Camporesults[].errorTipoobject|null
CampousageTipoobject|null
CampoidTipostring
CampomodelTipostring
CampoendpointTipostring
CampostatusTipostring
Camporequest_countsTipoobject
Camporesults[].idTipostring
Camporesults[].response.status_codeTipointeger
Camporesults[].response.request_idTipostring
Erros e passos seguintes
RespostaCondiçãoPasso seguinte
Resposta400 · invalid_request_errorCondiçãoEstrutura 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_errorCondiçãoChave de API inválida.Passo seguinteUse a chave Ailoot autorizada.
Resposta403 · permission_errorCondiçãoGrupo de processamento em lote indisponível.Passo seguinteVerifique os direitos de acesso da chave/do grupo.
Resposta422 · invalid_request_errorCondiçãoO 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_unavailableCondiçãoNão 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_errorCondiçãoReserva para processamento em lote indisponível.Passo seguinteResolva a questão da admissão antes de um novo pedido.
Resposta503 · price_unavailableCondiçãoPreço do método de processamento em lote/tarifas nativas indisponíveis.Passo seguinteConserve a resposta; não substitua os preços.
Resposta503 · api_errorCondiçãoA rota exata do fornecedor está indisponível.Passo seguinteConserve a resposta para corrigir a rota.
Resposta503 · result_pending_checkCondiçãoO 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_foundCondiçãoA 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

openai/gpt-6-luna-pro:batch

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

Mais detalhes

Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação.

A empresa e a sua carteira de projetos

A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões.

Compre tokens com desconto.

Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens.

Subscrição
Escolha um plano com desconto para os pedidos regulares.
Código promocional até 50%
Introduza o código na compra. O preço é recalculado conforme a campanha em vigor.
Custos no histórico
O modelo, os tokens e o montante são guardados para cada pedido.

Escolher subscrição · Ver preços dos modelos

Ligue a API ao produto que vende.

SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor.

Aplicação comercial
Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço.
Licença de revendedor
Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda.
Documentos no site
A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação.

Pedir licença de revendedor · Oferta e contrato de licença