GPT-5.6 Luna är OpenAI:s specialiserade modell för arbetsuppgifter i stora volymer inom GPT-5.6-familjen. Tillverkaren relaterar dess uppgiftsroll till den mindre modellnivån i tidigare GPT-5-familjer, samtidigt som Luna behåller sin egen modellidentitet. Den tar emot text och bilder och genererar text, bland annat förklaringar, omskrivningar, klassificeringar och strukturerade poster.
Ge modellen en definierad operation och kriterierna för ett användbart resultat. För extraktion anger du fälten, enheterna och konventionen för saknade värden. För klassificering tillhandahåller du kategoriernas betydelse och anger vad som ska göras när ingen passar. En illustrativ instruktion är: ”Extrahera specifikationsvärdena ur detta stycke, bevara deras enheter och ange meningen som stöder varje fält.”
Ett supportsvar ska använda det tillhandahållna produkt- eller policymaterialet och följa användarens språkkrav. För en visuell fråga anger du den relevanta bilden och den synliga detaljen. Håll resultatet tillräckligt kortfattat för sitt nästa användningsområde utan att utelämna ett obligatoriskt källvärde eller förbehåll.
Tillverkaren stöder resonemangsnivåerna none, low, medium, high, xhigh och max, med medium som standard. Standard är det förvalda resonemangsläget, medan Pro är en separat körinställning som innebär mer modellarbete. Resonemangsnivå och läge är oberoende; en rutinmässig direkt uppgift och en mer omfattande jämförelse kan därför kräva olika förberedelser samtidigt som samma namngivna Luna-profil bevaras.
Resonemangsguiden anger att GPT-5.6 som standard återger tillgängligt resonemang från tidigare turer, med en kontextinställning som väljer beteendet i arbetsflöden som stöds. Det påverkar materialet som bevaras över en uppgift i flera steg; det är inte obegränsat minne. Håll accepterade fakta, källbeteckningar och den begärda leveransen tydliga genom uppföljningarna.
OpenAI anger en kontext på 1 050 000 token, högst 922 000 indatatoken och högst 128 000 utdatatoken. Den dokumenterade kunskapsgränsen är den 16 februari 2026. Resonemang och slutsvar delar på budgeten för genereringen av svaret, och allt uppgiftsmaterial behöver plats i kontexten. En begäran kan avslutas innan ett fullständigt synligt svar har getts om dessa budgetar förbrukas.
Modellkortet anger stöd för Structured Outputs, strömning och funktionsanrop. Tillverkarens verktygsekosystem omfattar webb- och filsökning, verktyg för bildgenerering, kodtolk, skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. En strukturerad post behöver fortfarande värden förankrade i den faktiska indatan; giltig JSON fastställer inte i sig att innehållet är sakligt korrekt.
En applikation tillhandahåller funktioner, utför valda operationer och återför observationer. En sökning kan tillföra ett saknat fält innan Luna formulerar svaret. Bevara resultatet med dess källa och operation och skilj en föreslagen åtgärd från arbete som faktiskt har utförts. Modellens egen utdata är text, medan en verktygsgenererad bild är en separat leverans.
Knyt källberoende påståenden till auktoritativt material och definiera när operationen är slutförd. En bra leverans är den begärda posten, förklaringen eller den omarbetade texten med obligatoriska namn och belägg bevarade. Lunas specialiserade roll, stödda resonemangsnivåer och profil med standardläge förblir skilda från Terra, Sol, Pro-körning och senare GPT-6-utgåvor.
", "aboutText": "GPT-5.6 Luna är OpenAI:s specialiserade modell för arbetsuppgifter i stora volymer inom GPT-5.6-familjen. Tillverkaren relaterar dess uppgiftsroll till den mindre modellnivån i tidigare GPT-5-familjer, samtidigt som Luna behåller sin egen modellidentitet. Den tar emot text och bilder och genererar text, bland annat förklaringar, omskrivningar, klassificeringar och strukturerade poster.\n\n### En precis återkommande uppgift\n\nGe modellen en definierad operation och kriterierna för ett användbart resultat. För extraktion anger du fälten, enheterna och konventionen för saknade värden. För klassificering tillhandahåller du kategoriernas betydelse och anger vad som ska göras när ingen passar. En illustrativ instruktion är: ”Extrahera specifikationsvärdena ur detta stycke, bevara deras enheter och ange meningen som stöder varje fält.”\n\nEtt supportsvar ska använda det tillhandahållna produkt- eller policymaterialet och följa användarens språkkrav. För en visuell fråga anger du den relevanta bilden och den synliga detaljen. Håll resultatet tillräckligt kortfattat för sitt nästa användningsområde utan att utelämna ett obligatoriskt källvärde eller förbehåll.\n\n### Resonemangsinställningar och bevarad kontext\n\nTillverkaren stöder resonemangsnivåerna none, low, medium, high, xhigh och max, med medium som standard. Standard är det förvalda resonemangsläget, medan Pro är en separat körinställning som innebär mer modellarbete. Resonemangsnivå och läge är oberoende; en rutinmässig direkt uppgift och en mer omfattande jämförelse kan därför kräva olika förberedelser samtidigt som samma namngivna Luna-profil bevaras.\n\nResonemangsguiden anger att GPT-5.6 som standard återger tillgängligt resonemang från tidigare turer, med en kontextinställning som väljer beteendet i arbetsflöden som stöds. Det påverkar materialet som bevaras över en uppgift i flera steg; det är inte obegränsat minne. Håll accepterade fakta, källbeteckningar och den begärda leveransen tydliga genom uppföljningarna.\n\n### Kontext och kunskap\n\nOpenAI anger en kontext på 1 050 000 token, högst 922 000 indatatoken och högst 128 000 utdatatoken. Den dokumenterade kunskapsgränsen är den 16 februari 2026. Resonemang och slutsvar delar på budgeten för genereringen av svaret, och allt uppgiftsmaterial behöver plats i kontexten. En begäran kan avslutas innan ett fullständigt synligt svar har getts om dessa budgetar förbrukas.\n\n### Strukturerade svar och verktyg\n\nModellkortet anger stöd för Structured Outputs, strömning och funktionsanrop. Tillverkarens verktygsekosystem omfattar webb- och filsökning, verktyg för bildgenerering, kodtolk, skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. En strukturerad post behöver fortfarande värden förankrade i den faktiska indatan; giltig JSON fastställer inte i sig att innehållet är sakligt korrekt.\n\nEn applikation tillhandahåller funktioner, utför valda operationer och återför observationer. En sökning kan tillföra ett saknat fält innan Luna formulerar svaret. Bevara resultatet med dess källa och operation och skilj en föreslagen åtgärd från arbete som faktiskt har utförts. Modellens egen utdata är text, medan en verktygsgenererad bild är en separat leverans.\n\n### Ett användbart resultat\n\nKnyt källberoende påståenden till auktoritativt material och definiera när operationen är slutförd. En bra leverans är den begärda posten, förklaringen eller den omarbetade texten med obligatoriska namn och belägg bevarade. Lunas specialiserade roll, stödda resonemangsnivåer och profil med standardläge förblir skilda från Terra, Sol, Pro-körning och senare GPT-6-utgåvor.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ea46d460d6209c128f0b7125eadd8c7769752d75357fb8015bce45cfb7410f82", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "openai/gpt-5.6-luna:batchGPT-5.6 Luna är OpenAI:s specialiserade modell för återkommande arbetsuppgifter i stora volymer. Den tar emot text och bilder och ger svar eller strukturerade poster, med valfritt resonemang, källstyrda verktyg och en kontext på 1 050 000 token som hålls skild från dess Pro-inställning för körningen.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.6 Luna är OpenAI:s specialiserade modell för arbetsuppgifter i stora volymer inom GPT-5.6-familjen. Tillverkaren relaterar dess uppgiftsroll till den mindre modellnivån i tidigare GPT-5-familjer, samtidigt som Luna behåller sin egen modellidentitet. Den tar emot text och bilder och genererar text, bland annat förklaringar, omskrivningar, klassificeringar och strukturerade poster.
Ge modellen en definierad operation och kriterierna för ett användbart resultat. För extraktion anger du fälten, enheterna och konventionen för saknade värden. För klassificering tillhandahåller du kategoriernas betydelse och anger vad som ska göras när ingen passar. En illustrativ instruktion är: ”Extrahera specifikationsvärdena ur detta stycke, bevara deras enheter och ange meningen som stöder varje fält.”
Ett supportsvar ska använda det tillhandahållna produkt- eller policymaterialet och följa användarens språkkrav. För en visuell fråga anger du den relevanta bilden och den synliga detaljen. Håll resultatet tillräckligt kortfattat för sitt nästa användningsområde utan att utelämna ett obligatoriskt källvärde eller förbehåll.
Tillverkaren stöder resonemangsnivåerna none, low, medium, high, xhigh och max, med medium som standard. Standard är det förvalda resonemangsläget, medan Pro är en separat körinställning som innebär mer modellarbete. Resonemangsnivå och läge är oberoende; en rutinmässig direkt uppgift och en mer omfattande jämförelse kan därför kräva olika förberedelser samtidigt som samma namngivna Luna-profil bevaras.
Resonemangsguiden anger att GPT-5.6 som standard återger tillgängligt resonemang från tidigare turer, med en kontextinställning som väljer beteendet i arbetsflöden som stöds. Det påverkar materialet som bevaras över en uppgift i flera steg; det är inte obegränsat minne. Håll accepterade fakta, källbeteckningar och den begärda leveransen tydliga genom uppföljningarna.
OpenAI anger en kontext på 1 050 000 token, högst 922 000 indatatoken och högst 128 000 utdatatoken. Den dokumenterade kunskapsgränsen är den 16 februari 2026. Resonemang och slutsvar delar på budgeten för genereringen av svaret, och allt uppgiftsmaterial behöver plats i kontexten. En begäran kan avslutas innan ett fullständigt synligt svar har getts om dessa budgetar förbrukas.
Modellkortet anger stöd för Structured Outputs, strömning och funktionsanrop. Tillverkarens verktygsekosystem omfattar webb- och filsökning, verktyg för bildgenerering, kodtolk, skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. En strukturerad post behöver fortfarande värden förankrade i den faktiska indatan; giltig JSON fastställer inte i sig att innehållet är sakligt korrekt.
En applikation tillhandahåller funktioner, utför valda operationer och återför observationer. En sökning kan tillföra ett saknat fält innan Luna formulerar svaret. Bevara resultatet med dess källa och operation och skilj en föreslagen åtgärd från arbete som faktiskt har utförts. Modellens egen utdata är text, medan en verktygsgenererad bild är en separat leverans.
Knyt källberoende påståenden till auktoritativt material och definiera när operationen är slutförd. En bra leverans är den begärda posten, förklaringen eller den omarbetade texten med obligatoriska namn och belägg bevarade. Lunas specialiserade roll, stödda resonemangsnivåer och profil med standardläge förblir skilda från Terra, Sol, Pro-körning och senare GPT-6-utgåvor.
POST /v1/batchestexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältendpoint | Typstring | KravObligatoriskt | Värden & gränser /v1/chat/completions | Standard— |
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-5.6-luna:batch | Standard— |
Fältrequests | Typbatch_item[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältrequests[].custom_id | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältrequests[].body.messages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältcompletion_window | Typstring | KravValfritt | Värden & gränser 24h | Standard— |
Fältprovider | Typobject|null | KravValfritt | Värden & gränser | Standard— |
Fältrequests[].body.model | Typstring | KravValfritt | Värden & gränser openai/gpt-5.6-luna:batch, openai/gpt-5.6-luna | Standard— |
Fältprovider.only | Typstring[] | KravValfritt | Värden & gränser openai | Standard— |
Fältprovider.allow_fallbacks | Typboolean|null | KravValfritt | Värden & gränser false, null | Standard— |
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalendpoint, model, requests |
Parametermaterial_types | Avtaltext |
Parameterrepresentation | AvtalInbäddade requests[]; varje objekt har custom_id och body |
Parameterrequest_endpoint_profile | Avtal/v1/chat/completions |
Parameterfile_material | AvtalDen anropande klienten kan läsa in faktiska UTF-8 JSONL-data lokalt i requests[]. Inget uppladdningssyfte, input_file_id eller någon filreferens används. Om kundmaterial saknas eller är tomt avbryts förberedelserna före POST. |
Parameterserialization_order | Avtalendpoint, model, provider (om angivet), completion_window (om angivet), requests sist |
Parameteroptional_controls | Avtalprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtalFörfrågningskroppar för Text Chat Completions i det dokumenterade inbäddade Batch-formatet. |
Livscykel: asynchronous
GET /v1/batches/{operation_id} · Det faktiska response.id från det ursprungliga skapandesvaret; samma användare/nyckel/grupp
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 $0.0002 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache — / 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 $0.0002 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache — / 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 $0.0004 / 1K token Utdata · Utdatatoken $0.0018 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.6-luna:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.6-luna:batch', 'openai/gpt-5.6-luna']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-luna:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON i inbäddade results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBehåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela det ursprungliga statusobjektet i JSON, varje resultat/custom_id och hela svars- eller felkroppen. Spara slutförda results[] som JSONL utan filtrering.
Behåll det ursprungliga operations-ID:t. Vid 503 result_pending_check gäller X-Should-Retry:false; skicka aldrig om en ursprunglig batch med okänt utfall.
| Fält | Typ |
|---|---|
Fältresults[].custom_id | Typstring |
Fältresults[].response.body.choices[].message.content | Typstring|null |
Fältresults[].error | Typobject|null |
Fältusage | Typobject|null |
Fältid | Typstring |
Fältmodel | Typstring |
Fältendpoint | Typstring |
Fältstatus | Typstring |
Fältrequest_counts | Typobject |
Fältresults[].id | Typstring |
Fältresults[].response.status_code | Typinteger |
Fältresults[].response.request_id | Typstring |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorFörfrågan har ett ogiltigt inbäddat format enligt dokumentationen, duplicerade nycklar eller en felaktig objektidentitet, eller står i konflikt med modellens konfigurerade funktioner. | Nästa stegRätta de angivna fälten innan du skickar en ny förfrågan. |
Svar401 · authentication_error | VillkorOgiltig API-nyckel. | Nästa stegAnvänd den behöriga Ailoot-nyckeln. |
Svar403 · permission_error | VillkorGrupp för batchkörning är inte tillgänglig. | Nästa stegKontrollera nyckelns/gruppens behörighet. |
Svar422 · invalid_request_error | VillkorBatchkörning debiteras från saldot; skapande via abonnemang avvisas. | Nästa stegAnvänd den behöriga gruppen med saldodebitering. |
Svar422 · price_unavailable | VillkorKostnaden för batchindata kan inte beräknas i förväg. | Nästa stegSpara svaret; använd det dokumenterade indataformatet för API-familjen. |
Svar402 · billing_error | VillkorReservation för batchkörning är inte tillgänglig. | Nästa stegSe till att villkoren för att godta förfrågan är uppfyllda innan du skickar en ny. |
Svar503 · price_unavailable | VillkorPriset för batchmetoden eller de inbyggda priserna är inte tillgängliga. | Nästa stegSpara svaret; ersätt inte priserna med andra. |
Svar503 · api_error | VillkorDen exakta leverantörsrutten är inte tillgänglig. | Nästa stegSpara svaret för att kunna reparera routningen. |
Svar503 · result_pending_check | VillkorDet ursprungliga resultatet behöver kontrolleras; X-Should-Retry:false. | Nästa stegBehåll det ursprungliga värdet för operation_id/id och läs av operationens status; upprepa aldrig det ursprungliga POST-anropet. |
Svar404 · not_found | VillkorOperationen för batchstatus saknas eller tillhör en annan identitet. | Nästa stegAnvänd exakt det ursprungliga id-värdet och samma användare/nyckel/grupp. |
Ailoot Ultra openai/gpt-5.6-luna:batch
Använd metodsökvägarna som visas ovan.