GPT-5.6 Luna Pro betecknar OpenAI:s GPT-5.6 Luna med Pro-resonemang. Grundutgåvan Luna är utformad för avgränsade arbetsuppgifter i stora volymer och motsvarar ungefär nano-nivån i tidigare GPT-5-familjer. Den tar emot text och bilder och ger text som utdata. Pro innebär mer modellarbete för att ta fram det slutliga svaret; det är ett körläge snarare än en ersättning för grundutgåvan.
En praktisk användning är att extrahera en definierad uppsättning information ur ett dokument vars regler innehåller undantag. Tillhandahåll dokumentet och fälten du behöver, ange eventuella textavsnitt som har företräde och förklara hur ett saknat värde ska hanteras. En illustrativ begäran är att extrahera dokumentets ämne, villkoren som är relevanta för en begäran och nästa fråga som behövs för att slutföra den. Be om en förklaring av ett undantag tillsammans med de extraherade fälten så att resultatet kan jämföras med källan.
För visuellt material tillhandahåller du en tydlig sida eller skärmbild och anger den specifika detalj eller beteckning som uppgiften bygger på. För en uppgift där ett svar ska skrivas tillhandahåller du begäran, reglerna som styr svaret och fakta som måste bevaras. Definiera önskad ton och längd och be sedan om ett kortfattat svar snarare än en obegränsad diskussion. Dessa förberedelser knyter Lunas specialiserade roll till ett konkret textresultat.
OpenAI anger ett kontextfönster på 1 050 000 token för GPT-5.6 Luna, högst 922 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 16 februari 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max; medium är standard. Läge och resonemangsnivå är oberoende: Pro avgör det ytterligare modellarbetet, medan resonemangsnivån styr mängden resonemang inom läget. Resonemang använder också kontextutrymme, så lämna plats för analysen och det synliga svaret.
Tillverkaren dokumenterar Pro i Responses API för svåra uppgifter som kan tillåta ytterligare fördröjning och modellarbete. Grundmodellen anger stöd för strömning, Structured Outputs, funktionsanrop, webb- och filsökning, bildindata och promptcache. Verktygsuppsättningen omfattar bildgenerering, kodtolkning, värdbaserade skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. Verktygsoperationer kräver motsvarande miljö; en applikation utför sina åtgärder och tillhandahåller faktiska resultat för fortsatt arbete.
Specificera en användbar slutleverans: obligatoriska fält, regeln som stöder ett beslut och eventuella frågor som fortfarande är öppna. Be till exempel om ett svarsutkast och de dokumentfakta det bygger på, och förfina sedan svaret efter att ha tillhandahållit saknad information. Håll skillnaden mellan en föreslagen åtgärd och en åtgärd som har slutförts av ett verktyg tydlig. Detta arbetsflöde ger Pros extra analys ett specifikt syfte inom en avgränsad Luna-uppgift.
", "aboutText": "GPT-5.6 Luna Pro betecknar OpenAI:s GPT-5.6 Luna med Pro-resonemang. Grundutgåvan Luna är utformad för avgränsade arbetsuppgifter i stora volymer och motsvarar ungefär nano-nivån i tidigare GPT-5-familjer. Den tar emot text och bilder och ger text som utdata. Pro innebär mer modellarbete för att ta fram det slutliga svaret; det är ett körläge snarare än en ersättning för grundutgåvan.\n\nEn praktisk användning är att extrahera en definierad uppsättning information ur ett dokument vars regler innehåller undantag. Tillhandahåll dokumentet och fälten du behöver, ange eventuella textavsnitt som har företräde och förklara hur ett saknat värde ska hanteras. En illustrativ begäran är att extrahera dokumentets ämne, villkoren som är relevanta för en begäran och nästa fråga som behövs för att slutföra den. Be om en förklaring av ett undantag tillsammans med de extraherade fälten så att resultatet kan jämföras med källan.\n\nFör visuellt material tillhandahåller du en tydlig sida eller skärmbild och anger den specifika detalj eller beteckning som uppgiften bygger på. För en uppgift där ett svar ska skrivas tillhandahåller du begäran, reglerna som styr svaret och fakta som måste bevaras. Definiera önskad ton och längd och be sedan om ett kortfattat svar snarare än en obegränsad diskussion. Dessa förberedelser knyter Lunas specialiserade roll till ett konkret textresultat.\n\nOpenAI anger ett kontextfönster på 1 050 000 token för GPT-5.6 Luna, högst 922 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 16 februari 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max; medium är standard. Läge och resonemangsnivå är oberoende: Pro avgör det ytterligare modellarbetet, medan resonemangsnivån styr mängden resonemang inom läget. Resonemang använder också kontextutrymme, så lämna plats för analysen och det synliga svaret.\n\nTillverkaren dokumenterar Pro i Responses API för svåra uppgifter som kan tillåta ytterligare fördröjning och modellarbete. Grundmodellen anger stöd för strömning, Structured Outputs, funktionsanrop, webb- och filsökning, bildindata och promptcache. Verktygsuppsättningen omfattar bildgenerering, kodtolkning, värdbaserade skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. Verktygsoperationer kräver motsvarande miljö; en applikation utför sina åtgärder och tillhandahåller faktiska resultat för fortsatt arbete.\n\nSpecificera en användbar slutleverans: obligatoriska fält, regeln som stöder ett beslut och eventuella frågor som fortfarande är öppna. Be till exempel om ett svarsutkast och de dokumentfakta det bygger på, och förfina sedan svaret efter att ha tillhandahållit saknad information. Håll skillnaden mellan en föreslagen åtgärd och en åtgärd som har slutförts av ett verktyg tydlig. Detta arbetsflöde ger Pros extra analys ett specifikt syfte inom en avgränsad Luna-uppgift.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Apply an explicit policy exception\n\nExtract the applicable conditions from this internal loaner policy: [GENERAL] Devices are returned within seven days. [EXCEPTION] Training teams may keep devices for fourteen days if their booking names a trainer. Booking T6 names a training team but no trainer. Return the topic, ordinary rule, exception conditions, unresolved field and one question needed to assess T6.A focused extraction record and a short explanation of why the exception cannot yet be confirmed.Check that training-team status alone is not treated as satisfying the named-trainer requirement.gpt-5.6-luna-proGPT-5.6 Luna med Pro-resonemang för avgränsade uppgifter som behöver ytterligare analys. Tillhandahåll text eller bilder och uttryckliga regler för att ta fram ett extraktionsresultat, ett kortfattat svar eller en förklaring av ett undantag.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.6 Luna Pro betecknar OpenAI:s GPT-5.6 Luna med Pro-resonemang. Grundutgåvan Luna är utformad för avgränsade arbetsuppgifter i stora volymer och motsvarar ungefär nano-nivån i tidigare GPT-5-familjer. Den tar emot text och bilder och ger text som utdata. Pro innebär mer modellarbete för att ta fram det slutliga svaret; det är ett körläge snarare än en ersättning för grundutgåvan.
En praktisk användning är att extrahera en definierad uppsättning information ur ett dokument vars regler innehåller undantag. Tillhandahåll dokumentet och fälten du behöver, ange eventuella textavsnitt som har företräde och förklara hur ett saknat värde ska hanteras. En illustrativ begäran är att extrahera dokumentets ämne, villkoren som är relevanta för en begäran och nästa fråga som behövs för att slutföra den. Be om en förklaring av ett undantag tillsammans med de extraherade fälten så att resultatet kan jämföras med källan.
För visuellt material tillhandahåller du en tydlig sida eller skärmbild och anger den specifika detalj eller beteckning som uppgiften bygger på. För en uppgift där ett svar ska skrivas tillhandahåller du begäran, reglerna som styr svaret och fakta som måste bevaras. Definiera önskad ton och längd och be sedan om ett kortfattat svar snarare än en obegränsad diskussion. Dessa förberedelser knyter Lunas specialiserade roll till ett konkret textresultat.
OpenAI anger ett kontextfönster på 1 050 000 token för GPT-5.6 Luna, högst 922 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 16 februari 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max; medium är standard. Läge och resonemangsnivå är oberoende: Pro avgör det ytterligare modellarbetet, medan resonemangsnivån styr mängden resonemang inom läget. Resonemang använder också kontextutrymme, så lämna plats för analysen och det synliga svaret.
Tillverkaren dokumenterar Pro i Responses API för svåra uppgifter som kan tillåta ytterligare fördröjning och modellarbete. Grundmodellen anger stöd för strömning, Structured Outputs, funktionsanrop, webb- och filsökning, bildindata och promptcache. Verktygsuppsättningen omfattar bildgenerering, kodtolkning, värdbaserade skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. Verktygsoperationer kräver motsvarande miljö; en applikation utför sina åtgärder och tillhandahåller faktiska resultat för fortsatt arbete.
Specificera en användbar slutleverans: obligatoriska fält, regeln som stöder ett beslut och eventuella frågor som fortfarande är öppna. Be till exempel om ett svarsutkast och de dokumentfakta det bygger på, och förfina sedan svaret efter att ha tillhandahållit saknad information. Håll skillnaden mellan en föreslagen åtgärd och en åtgärd som har slutförts av ett verktyg tydlig. Detta arbetsflöde ger Pros extra analys ett specifikt syfte inom en avgränsad Luna-uppgift.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-5.6-luna-pro | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Beror på modellen | Standard— |
Fältmessages[].content | Typstring | KravValfritt | Värden & gränser Gäller när: Textsamtal | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream |
Parametercontrol_scope | AvtalTextsamtal; stream är ett booleskt värde och har false som standard. |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Metodalias: /chat/completions
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache $0.0005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med272 000 | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache $0.0005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än272 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0036 / 1K token Indata · Cacheläsning $0.00008 / 1K token Indata · Skrivning till cache $0.001 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.6-luna-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.6-luna-pro", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
gpt-5.6-luna-proGPT-5.6 Luna med Pro-resonemang för avgränsade uppgifter som behöver ytterligare analys. Tillhandahåll text eller bilder och uttryckliga regler för att ta fram ett extraktionsresultat, ett kortfattat svar eller en förklaring av ett undantag.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.6 Luna Pro betecknar OpenAI:s GPT-5.6 Luna med Pro-resonemang. Grundutgåvan Luna är utformad för avgränsade arbetsuppgifter i stora volymer och motsvarar ungefär nano-nivån i tidigare GPT-5-familjer. Den tar emot text och bilder och ger text som utdata. Pro innebär mer modellarbete för att ta fram det slutliga svaret; det är ett körläge snarare än en ersättning för grundutgåvan.
En praktisk användning är att extrahera en definierad uppsättning information ur ett dokument vars regler innehåller undantag. Tillhandahåll dokumentet och fälten du behöver, ange eventuella textavsnitt som har företräde och förklara hur ett saknat värde ska hanteras. En illustrativ begäran är att extrahera dokumentets ämne, villkoren som är relevanta för en begäran och nästa fråga som behövs för att slutföra den. Be om en förklaring av ett undantag tillsammans med de extraherade fälten så att resultatet kan jämföras med källan.
För visuellt material tillhandahåller du en tydlig sida eller skärmbild och anger den specifika detalj eller beteckning som uppgiften bygger på. För en uppgift där ett svar ska skrivas tillhandahåller du begäran, reglerna som styr svaret och fakta som måste bevaras. Definiera önskad ton och längd och be sedan om ett kortfattat svar snarare än en obegränsad diskussion. Dessa förberedelser knyter Lunas specialiserade roll till ett konkret textresultat.
OpenAI anger ett kontextfönster på 1 050 000 token för GPT-5.6 Luna, högst 922 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 16 februari 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max; medium är standard. Läge och resonemangsnivå är oberoende: Pro avgör det ytterligare modellarbetet, medan resonemangsnivån styr mängden resonemang inom läget. Resonemang använder också kontextutrymme, så lämna plats för analysen och det synliga svaret.
Tillverkaren dokumenterar Pro i Responses API för svåra uppgifter som kan tillåta ytterligare fördröjning och modellarbete. Grundmodellen anger stöd för strömning, Structured Outputs, funktionsanrop, webb- och filsökning, bildindata och promptcache. Verktygsuppsättningen omfattar bildgenerering, kodtolkning, värdbaserade skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. Verktygsoperationer kräver motsvarande miljö; en applikation utför sina åtgärder och tillhandahåller faktiska resultat för fortsatt arbete.
Specificera en användbar slutleverans: obligatoriska fält, regeln som stöder ett beslut och eventuella frågor som fortfarande är öppna. Be till exempel om ett svarsutkast och de dokumentfakta det bygger på, och förfina sedan svaret efter att ha tillhandahållit saknad information. Håll skillnaden mellan en föreslagen åtgärd och en åtgärd som har slutförts av ett verktyg tydlig. Detta arbetsflöde ger Pros extra analys ett specifikt syfte inom en avgränsad Luna-uppgift.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-5.6-luna-pro | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache $0.0005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med272 000 | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache $0.0005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än272 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0036 / 1K token Indata · Cacheläsning $0.00008 / 1K token Indata · Skrivning till cache $0.001 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gpt-5.6-luna-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.6-luna-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.6-luna-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
openai/gpt-5.6-luna-proGPT-5.6 Luna med Pro-resonemang för avgränsade uppgifter som behöver ytterligare analys. Tillhandahåll text eller bilder och uttryckliga regler för att ta fram ett extraktionsresultat, ett kortfattat svar eller en förklaring av ett undantag.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.6 Luna Pro betecknar OpenAI:s GPT-5.6 Luna med Pro-resonemang. Grundutgåvan Luna är utformad för avgränsade arbetsuppgifter i stora volymer och motsvarar ungefär nano-nivån i tidigare GPT-5-familjer. Den tar emot text och bilder och ger text som utdata. Pro innebär mer modellarbete för att ta fram det slutliga svaret; det är ett körläge snarare än en ersättning för grundutgåvan.
En praktisk användning är att extrahera en definierad uppsättning information ur ett dokument vars regler innehåller undantag. Tillhandahåll dokumentet och fälten du behöver, ange eventuella textavsnitt som har företräde och förklara hur ett saknat värde ska hanteras. En illustrativ begäran är att extrahera dokumentets ämne, villkoren som är relevanta för en begäran och nästa fråga som behövs för att slutföra den. Be om en förklaring av ett undantag tillsammans med de extraherade fälten så att resultatet kan jämföras med källan.
För visuellt material tillhandahåller du en tydlig sida eller skärmbild och anger den specifika detalj eller beteckning som uppgiften bygger på. För en uppgift där ett svar ska skrivas tillhandahåller du begäran, reglerna som styr svaret och fakta som måste bevaras. Definiera önskad ton och längd och be sedan om ett kortfattat svar snarare än en obegränsad diskussion. Dessa förberedelser knyter Lunas specialiserade roll till ett konkret textresultat.
OpenAI anger ett kontextfönster på 1 050 000 token för GPT-5.6 Luna, högst 922 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 16 februari 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max; medium är standard. Läge och resonemangsnivå är oberoende: Pro avgör det ytterligare modellarbetet, medan resonemangsnivån styr mängden resonemang inom läget. Resonemang använder också kontextutrymme, så lämna plats för analysen och det synliga svaret.
Tillverkaren dokumenterar Pro i Responses API för svåra uppgifter som kan tillåta ytterligare fördröjning och modellarbete. Grundmodellen anger stöd för strömning, Structured Outputs, funktionsanrop, webb- och filsökning, bildindata och promptcache. Verktygsuppsättningen omfattar bildgenerering, kodtolkning, värdbaserade skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. Verktygsoperationer kräver motsvarande miljö; en applikation utför sina åtgärder och tillhandahåller faktiska resultat för fortsatt arbete.
Specificera en användbar slutleverans: obligatoriska fält, regeln som stöder ett beslut och eventuella frågor som fortfarande är öppna. Be till exempel om ett svarsutkast och de dokumentfakta det bygger på, och förfina sedan svaret efter att ha tillhandahållit saknad information. Håll skillnaden mellan en föreslagen åtgärd och en åtgärd som har slutförts av ett verktyg tydlig. Detta arbetsflöde ger Pros extra analys ett specifikt syfte inom en avgränsad Luna-uppgift.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-5.6-luna-pro | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache $0.0005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med272 000 | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache $0.0005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än272 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0036 / 1K token Indata · Cacheläsning $0.00008 / 1K token Indata · Skrivning till cache $0.001 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.6-luna-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n 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\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
openai/gpt-5.6-luna-proGPT-5.6 Luna med Pro-resonemang för avgränsade uppgifter som behöver ytterligare analys. Tillhandahåll text eller bilder och uttryckliga regler för att ta fram ett extraktionsresultat, ett kortfattat svar eller en förklaring av ett undantag.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.6 Luna Pro betecknar OpenAI:s GPT-5.6 Luna med Pro-resonemang. Grundutgåvan Luna är utformad för avgränsade arbetsuppgifter i stora volymer och motsvarar ungefär nano-nivån i tidigare GPT-5-familjer. Den tar emot text och bilder och ger text som utdata. Pro innebär mer modellarbete för att ta fram det slutliga svaret; det är ett körläge snarare än en ersättning för grundutgåvan.
En praktisk användning är att extrahera en definierad uppsättning information ur ett dokument vars regler innehåller undantag. Tillhandahåll dokumentet och fälten du behöver, ange eventuella textavsnitt som har företräde och förklara hur ett saknat värde ska hanteras. En illustrativ begäran är att extrahera dokumentets ämne, villkoren som är relevanta för en begäran och nästa fråga som behövs för att slutföra den. Be om en förklaring av ett undantag tillsammans med de extraherade fälten så att resultatet kan jämföras med källan.
För visuellt material tillhandahåller du en tydlig sida eller skärmbild och anger den specifika detalj eller beteckning som uppgiften bygger på. För en uppgift där ett svar ska skrivas tillhandahåller du begäran, reglerna som styr svaret och fakta som måste bevaras. Definiera önskad ton och längd och be sedan om ett kortfattat svar snarare än en obegränsad diskussion. Dessa förberedelser knyter Lunas specialiserade roll till ett konkret textresultat.
OpenAI anger ett kontextfönster på 1 050 000 token för GPT-5.6 Luna, högst 922 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 16 februari 2026. Grundmodellens resonemangsnivåer är none, low, medium, high, xhigh och max; medium är standard. Läge och resonemangsnivå är oberoende: Pro avgör det ytterligare modellarbetet, medan resonemangsnivån styr mängden resonemang inom läget. Resonemang använder också kontextutrymme, så lämna plats för analysen och det synliga svaret.
Tillverkaren dokumenterar Pro i Responses API för svåra uppgifter som kan tillåta ytterligare fördröjning och modellarbete. Grundmodellen anger stöd för strömning, Structured Outputs, funktionsanrop, webb- och filsökning, bildindata och promptcache. Verktygsuppsättningen omfattar bildgenerering, kodtolkning, värdbaserade skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. Verktygsoperationer kräver motsvarande miljö; en applikation utför sina åtgärder och tillhandahåller faktiska resultat för fortsatt arbete.
Specificera en användbar slutleverans: obligatoriska fält, regeln som stöder ett beslut och eventuella frågor som fortfarande är öppna. Be till exempel om ett svarsutkast och de dokumentfakta det bygger på, och förfina sedan svaret efter att ha tillhandahållit saknad information. Håll skillnaden mellan en föreslagen åtgärd och en åtgärd som har slutförts av ett verktyg tydlig. Detta arbetsflöde ger Pros extra analys ett specifikt syfte inom en avgränsad Luna-uppgift.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-5.6-luna-pro | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache $0.0005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med272 000 | Avgift Indata · Indatatoken $0.0004 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache $0.0005 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än272 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0036 / 1K token Indata · Cacheläsning $0.00008 / 1K token Indata · Skrivning till cache $0.001 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "openai/gpt-5.6-luna-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.6-luna-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.6-luna-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gpt-5.6-luna-pro, openai/gpt-5.6-luna-pro
/chat/completions
Tekniskt exempel på engelska
Apply an explicit policy exception\n\nExtract the applicable conditions from this internal loaner policy: [GENERAL] Devices are returned within seven days. [EXCEPTION] Training teams may keep devices for fourteen days if their booking names a trainer. Booking T6 names a training team but no trainer. Return the topic, ordinary rule, exception conditions, unresolved field and one question needed to assess T6.A focused extraction record and a short explanation of why the exception cannot yet be confirmed.Check that training-team status alone is not treated as satisfying the named-trainer requirement.