modelos

OpenAI: GPT-6 Luna Pro

Markdown · JSON

OpenAI: GPT-6 Luna Pro

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.

Tarefa prática

Tarefa prática

Exemplo técnico em inglês

Find missing request details

Process this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.

Resultado esperado

A compact field table, missing-field list and targeted clarification message.

Verificar o resultado

Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions openai/gpt-6-luna-pro

openai/gpt-6-luna-pro

OpenAI /openai/gpt-6-luna-pro

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 · OpenAI Chat POST /v1/chat/completions
Entrada
text
Saída
text
Formato de saída
json ou SSE
CampoTipoRequisitoValores e limitesPredefinição
CampomodelTipostringRequisitoObrigatórioValores e limites
openai/gpt-6-luna-pro
Predefinição—
CampomessagesTipomessage[]RequisitoObrigatórioValores e limites
Número mínimo de elementos: 1
Predefinição—
Campomessages[].roleTipostringRequisitoObrigatórioValores e limites
Exemplos: system, user, assistant, tool, function
Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo.
Depende do modelo
Predefinição—
Campomessages[].contentTipostring|content_part[]|nullRequisitoOpcionalValores e limitesPredefinição—
Campomessages[].tool_callsTipotool_call[]RequisitoOpcionalValores e limitesPredefinição—
Campomessages[].tool_call_idTipostringRequisitoOpcionalValores e limites
Aplica-se quando: role=tool; use o ID realmente devolvido
Predefinição—
Campomessages[].nameTipostringRequisitoOpcionalValores e limitesPredefinição—
Campomessages[].reasoning_contentTipostringRequisitoOpcionalValores e limites
Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza
Predefinição—
Campomessages[].reasoning_detailsTipoobject|arrayRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campomax_tokensTipointegerRequisitoOpcionalValores e limites
Mínimo: 1
Depende do modelo
Predefinição—
Campomax_completion_tokensTipointegerRequisitoOpcionalValores e limites
Mínimo: 1
Depende do modelo
Predefinição—
CampostreamTipobooleanRequisitoOpcionalValores e limitesPredefiniçãofalse
Campostream_options.include_usageTipobooleanRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CampotemperatureTiponumberRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campotop_pTiponumberRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CampostopTipostring|string[]RequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CampotoolsTipofunction_tool[]RequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campotools[].typeTipostringRequisitoOpcionalValores e limites
function
Depende do modelo
Predefinição—
Campotools[].function.nameTipostringRequisitoObrigatórioValores e limites
Aplica-se quando: Função fornecida como ferramenta
Predefinição—
Campotools[].function.descriptionTipostringRequisitoOpcionalValores e limitesPredefinição—
Campotools[].function.parametersTipoJSON_schemaRequisitoOpcionalValores e limitesPredefinição—
Campotool_choiceTipostring|objectRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campoparallel_tool_callsTipobooleanRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Camporesponse_formatTipoobjectRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Camporeasoning_effortTipostringRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CamporeasoningTipoobjectRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Camposervice_tierTipostringRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CampoinstructionsTipostringRequisitoOpcionalValores e limites
Campo de compatibilidade
Predefinição—
CampofunctionsTipofunction[]RequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campofunction_callTipostring|objectRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campoprompt_cache_optionsTipoobjectRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CampomodalitiesTipostring[]RequisitoOpcionalValores e limites
text
Predefinição—
CampoproviderTipoobjectRequisitoOpcionalValores e limites
Condições: provider.options é rejeitado nesta rota textual Ultra
Predefinição—
Campocache_control.ttlTipostringRequisitoOpcionalValores e limites
Condições: 1h é rejeitado nos locais efetivos da cache de prompts
Predefinição—
Combinações de materiais de entrada

Texto · Texto UTF8

messages[].content

Parâmetros e ciclo de vida do método
ParâmetroContrato
Parâmetrocontent_typeContratoapplication/json
ParâmetrorequiredContratomodel, messages
Parâmetromaterial_typesContratotext
ParâmetromessagesContratoLista de mensagens com estrutura role/content
Parâmetrofile_materialContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido
Parâmetrooptional_controlsContratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Parâmetrocontrol_scopeContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas
Parâmetrooutput_modalitiesContratotext
Parâmetrohosted_operationsContratofalse
Parâmetromultimodal_input_bindingContratonull

Ciclo de vida: synchronous_or_streamed

Envie o ID exato do modelo com messages.

O comprimento do contexto não é um limite de saída.

Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.

Tarifários

As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.

Modo rápido
Tarifa normal Quando o modo rápido está selecionado
Modo flex
Tarifa normal Quando o modo flex está selecionado
Esforço máximo de raciocínio
Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default)
Esforço de raciocínio · elevado
Tarifa normal Quando o esforço de raciocínio é elevado
Esforço de raciocínio · baixo
Tarifa normal Quando o esforço de raciocínio é baixo
Esforço de raciocínio · máximo
Tarifa normal Quando o esforço de raciocínio é máximo
Esforço de raciocínio · médio
Tarifa normal Quando o esforço de raciocínio é médio
Esforço de raciocínio · nenhum
Tarifa normal Quando não há esforço de raciocínio
Esforço de raciocínio · xhigh
Tarifa normal Quando o esforço de raciocínio é xhigh

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 $0.0002 / 1K tokens
Saída · Tokens de saída $0.001 / 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
ConfiguraçãoEscalão 1 por comprimento do pedidoTabela de tarifas—Tokens de contexto, mais de0Tokens de contexto, até ao limite inclusive272 000Custo
Entrada · Tokens de entrada $0.0002 / 1K tokens
Saída · Tokens de saída $0.001 / 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
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 $0.0004 / 1K tokens
Saída · Tokens de saída $0.0015 / 1K tokens
Entrada · Leitura da cache $0.00004 / 1K tokens
Entrada · Escrita na cache $0.0005 / 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 · OpenAI Chat

curlPython SDKStreaming em Python
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/gpt-6-luna-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='openai/gpt-6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='openai/gpt-6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Receber e guardar os resultados

Ailoot Ultra · OpenAI Chat

json ou SSE

Guardar todos os resultados concluídos

Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.

Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.

Se for necessário verificar a resposta original

Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.

Campos da resposta
CampoTipo
Campochoices[].indexTipointeger
Campochoices[].message.contentTipostring|null
Campochoices[].message.tool_callsTipotool_call[]
Campochoices[].message.reasoning_contentTipostring
Campochoices[].message.reasoning_detailsTipoobject|array
Campochoices[].finish_reasonTipostring|null
CampousageTipoobject
Erros e passos seguintes
RespostaCondiçãoPasso seguinte
Resposta400 · invalid_request_errorCondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidosPasso seguinteCorrija os campos indicados antes de um novo pedido de criação.

Aliases

Aliases do modelo

Ailoot Ultra openai/gpt-6-luna-pro

Aliases dos caminhos dos métodos

Use os caminhos dos métodos indicados acima.

IDs de chamada relacionados

openai/gpt-6-luna-pro

Ailoot Ultra · Anthropic Messages POST /v1/messages openai/gpt-6-luna-pro

openai/gpt-6-luna-pro

OpenAI /openai/gpt-6-luna-pro

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 · Anthropic Messages POST /v1/messages
Entrada
text
Saída
text
Formato de saída
json ou SSE
CampoTipoRequisitoValores e limitesPredefinição
CampomodelTipostringRequisitoObrigatórioValores e limites
openai/gpt-6-luna-pro
Predefinição—
CampomessagesTipomessage[]RequisitoObrigatórioValores e limites
Número mínimo de elementos: 1
Predefinição—
Campomessages[].roleTipostringRequisitoObrigatórioValores e limites
user, assistant
Predefinição—
Campomessages[].contentTipostring|content_block[]RequisitoObrigatórioValores e limitesPredefinição—
CamposystemTipostring|content_block[]RequisitoOpcionalValores e limitesPredefinição—
Campomax_tokensTipointegerRequisitoObrigatórioValores e limites
Mínimo: 1
O limite aplica-se a: Limite exato do modelo ou da ficha selecionados
Predefinição—
CampostreamTipobooleanRequisitoOpcionalValores e limitesPredefiniçãofalse
CampotemperatureTiponumberRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campotop_pTiponumberRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campostop_sequencesTipostring[]RequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CampotoolsTipotool[]RequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campotools[].nameTipostringRequisitoOpcionalValores e limites
Aplica-se quando: Ferramenta fornecida
Predefinição—
Campotools[].descriptionTipostringRequisitoOpcionalValores e limitesPredefinição—
Campotools[].input_schemaTipoJSON_schemaRequisitoOpcionalValores e limitesPredefinição—
Campotool_choiceTipoobjectRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campothinking.typeTipostringRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campothinking.budget_tokensTipointegerRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campooutput_config.effortTipostringRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CampometadataTipoobjectRequisitoOpcionalValores e limitesPredefinição—
Campocache_controlTipoobjectRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Combinações de materiais de entrada

Texto · Texto UTF8

messages[].content ou bloco type=text

Texto + imagem

{type:image,source:{type:base64,media_type,data}} ou origem type=url

Parâmetros e ciclo de vida do método
ParâmetroContrato
Parâmetromaterial_typesContratotext
ParâmetrorequiredContratomodel, messages, max_tokens
Parâmetrooptional_controlsContratonull
Parâmetrocontent_typeContratoapplication/json
Parâmetrotext_file_materialContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem.

Ciclo de vida: exact retained published method

Envie o ID exato do modelo e os campos obrigatórios.

Conserve todos os elementos devolvidos e os respetivos identificadores originais.

Tarifários

As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.

Modo rápido
Tarifa normal Quando o modo rápido está selecionado
Modo flex
Tarifa normal Quando o modo flex está selecionado
Esforço máximo de raciocínio
Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default)
Esforço de raciocínio · elevado
Tarifa normal Quando o esforço de raciocínio é elevado
Esforço de raciocínio · baixo
Tarifa normal Quando o esforço de raciocínio é baixo
Esforço de raciocínio · máximo
Tarifa normal Quando o esforço de raciocínio é máximo
Esforço de raciocínio · médio
Tarifa normal Quando o esforço de raciocínio é médio
Esforço de raciocínio · nenhum
Tarifa normal Quando não há esforço de raciocínio
Esforço de raciocínio · xhigh
Tarifa normal Quando o esforço de raciocínio é xhigh

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 $0.0002 / 1K tokens
Saída · Tokens de saída $0.001 / 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
ConfiguraçãoEscalão 1 por comprimento do pedidoTabela de tarifas—Tokens de contexto, mais de0Tokens de contexto, até ao limite inclusive272 000Custo
Entrada · Tokens de entrada $0.0002 / 1K tokens
Saída · Tokens de saída $0.001 / 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
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 $0.0004 / 1K tokens
Saída · Tokens de saída $0.0015 / 1K tokens
Entrada · Leitura da cache $0.00004 / 1K tokens
Entrada · Escrita na cache $0.0005 / 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 · Anthropic Messages

Corpo JSON mínimo completocurl · use o seu documento UTF-8Python · guarde o resultado completo
{
  "model": "openai/gpt-6-luna-pro",
  "max_tokens": 4096,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ]
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Receber e guardar os resultados

Ailoot Ultra · Anthropic Messages

json ou SSE

Guardar todos os resultados concluídos

Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.

Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.

Se for necessário verificar a resposta original

Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.

Campos da resposta
CampoTipo
CampoidTipostring
CampomodelTipostring
Campocontent[]Tipotext|thinking|tool_use|other content block
Campostop_reasonTipostring|null
CampousageTipoobject
Erros e passos seguintes
RespostaCondiçãoPasso seguinte
Resposta400 · invalid_request_errorCondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidosPasso seguinteCorrija os campos indicados antes de um novo pedido de criação.

Aliases

Aliases do modelo

Ailoot Ultra openai/gpt-6-luna-pro

Aliases dos caminhos dos métodos

Use os caminhos dos métodos indicados acima.

IDs de chamada relacionados

openai/gpt-6-luna-pro

Ailoot Ultra · OpenAI Responses POST /v1/responses openai/gpt-6-luna-pro

openai/gpt-6-luna-pro

OpenAI /openai/gpt-6-luna-pro

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 · OpenAI Responses POST /v1/responses
Entrada
text
Saída
text
Formato de saída
json ou SSE
CampoTipoRequisitoValores e limitesPredefinição
CampomodelTipostringRequisitoObrigatórioValores e limites
openai/gpt-6-luna-pro
Predefinição—
CampoinputTipostring|input_item[]RequisitoObrigatórioValores e limitesPredefinição—
CampoinstructionsTipostringRequisitoOpcionalValores e limitesPredefinição—
Campoinput[].typeTipostringRequisitoOpcionalValores e limites
message, reasoning, function_call, function_call_output
Predefinição—
Campoinput[].contentTipostring|content_part[]RequisitoOpcionalValores e limitesPredefinição—
Campoinput[].call_idTipostringRequisitoOpcionalValores e limites
Aplica-se quando: function_call_output; conserve o call_id realmente devolvido
Predefinição—
Campoinput[].outputTipostring|content_part[]RequisitoOpcionalValores e limites
Aplica-se quando: function_call_output
Predefinição—
Campomax_output_tokensTipointegerRequisitoOpcionalValores e limites
Mínimo: 1
Depende do modelo
Predefinição—
CampostreamTipobooleanRequisitoOpcionalValores e limitesPredefiniçãofalse
CampotemperatureTiponumberRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campotop_pTiponumberRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CampotoolsTipotool[]RequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campotool_choiceTipostring|objectRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campoparallel_tool_callsTipobooleanRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Camporeasoning.effortTipostringRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Camporeasoning.summaryTipostringRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campotext.formatTipoobjectRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campotext.verbosityTipostringRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CampoincludeTipostring[]RequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
CampostoreTipobooleanRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campoprevious_response_idTipostringRequisitoNão suportadoValores e limites
Requisito do ID: Só um ID de resposta real de uma continuação suportada
Condições: Reenvie o histórico real da conversa com cada pedido.
Predefinição—
Camposervice_tierTipostringRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campoprompt_cache_keyTipostringRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Campoprompt_cache_optionsTipoobjectRequisitoOpcionalValores e limites
Depende do modelo
Predefinição—
Combinações de materiais de entrada

Texto · Texto UTF8

Texto de entrada ou parte input_text

Texto + imagem

{type:input_image,image_url}

Parâmetros e ciclo de vida do método
ParâmetroContrato
Parâmetromaterial_typesContratotext
ParâmetrorequiredContratomodel, input
Parâmetrooptional_controlsContratonull
Parâmetrocontent_typeContratoapplication/json
Parâmetrotext_file_materialContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem.

Ciclo de vida: exact retained published method

Envie o ID exato do modelo e os campos obrigatórios.

Conserve todos os elementos devolvidos e os respetivos identificadores originais.

Tarifários

As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.

Modo rápido
Tarifa normal Quando o modo rápido está selecionado
Modo flex
Tarifa normal Quando o modo flex está selecionado
Esforço máximo de raciocínio
Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default)
Esforço de raciocínio · elevado
Tarifa normal Quando o esforço de raciocínio é elevado
Esforço de raciocínio · baixo
Tarifa normal Quando o esforço de raciocínio é baixo
Esforço de raciocínio · máximo
Tarifa normal Quando o esforço de raciocínio é máximo
Esforço de raciocínio · médio
Tarifa normal Quando o esforço de raciocínio é médio
Esforço de raciocínio · nenhum
Tarifa normal Quando não há esforço de raciocínio
Esforço de raciocínio · xhigh
Tarifa normal Quando o esforço de raciocínio é xhigh

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 $0.0002 / 1K tokens
Saída · Tokens de saída $0.001 / 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
ConfiguraçãoEscalão 1 por comprimento do pedidoTabela de tarifas—Tokens de contexto, mais de0Tokens de contexto, até ao limite inclusive272 000Custo
Entrada · Tokens de entrada $0.0002 / 1K tokens
Saída · Tokens de saída $0.001 / 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
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 $0.0004 / 1K tokens
Saída · Tokens de saída $0.0015 / 1K tokens
Entrada · Leitura da cache $0.00004 / 1K tokens
Entrada · Escrita na cache $0.0005 / 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 · OpenAI Responses

Corpo JSON mínimo completocurl · use o seu documento UTF-8Python · guarde o resultado completo
{
  "model": "openai/gpt-6-luna-pro",
  "input": [
    {
      "content": "Hello, how are you?",
      "role": "user",
      "type": "message"
    }
  ]
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}
payload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'openai/gpt-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}
payload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}
headers['Authorization'] = 'Bearer ' + api_key
request = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Receber e guardar os resultados

Ailoot Ultra · OpenAI Responses

json ou SSE

Guardar todos os resultados concluídos

Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.

Conserve cada elemento de saída e parte de conteúdo, o call_id real da função, o raciocínio cifrado e os dados de utilização. Em streaming, mantenha a identidade completa dos eventos e elementos.

Se for necessário verificar a resposta original

Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.

Campos da resposta
CampoTipo
CampoidTipostring
CampostatusTipostring
Campooutput[]Tipomessage|reasoning|function_call|other item
Campooutput[].content[]Tipocontent part
CampousageTipoobject
Erros e passos seguintes
RespostaCondiçãoPasso seguinte
Resposta400 · invalid_request_errorCondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidosPasso seguinteCorrija os campos indicados antes de um novo pedido de criação.

Aliases

Aliases do modelo

Ailoot Ultra openai/gpt-6-luna-pro

Aliases dos caminhos dos métodos

Use os caminhos dos métodos indicados acima.

IDs de chamada relacionados

openai/gpt-6-luna-pro

FAQ · OpenAI: GPT-6 Luna Pro
Que entradas e resultados estão disponíveis?

POST /v1/chat/completions · openai/gpt-6-luna-pro: text → text

POST /v1/messages · openai/gpt-6-luna-pro: text → text

POST /v1/responses · openai/gpt-6-luna-pro: text → text

Que campos utiliza o pedido?

POST /v1/chat/completions · openai/gpt-6-luna-pro: model, messages, stream, modalities, provider

POST /v1/messages · openai/gpt-6-luna-pro: model, messages, system, max_tokens, stream, metadata

POST /v1/responses · openai/gpt-6-luna-pro: model, input, instructions, stream

Que limites se aplicam?

POST /v1/chat/completions · openai/gpt-6-luna-pro: messages.min_items: 1

POST /v1/messages · openai/gpt-6-luna-pro: messages.min_items: 1; max_tokens.minimum: 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