GPT-6 Astra Pro betecknar OpenAI:s GPT-6 Astra med Pro-resonemang. Grundmodellen Astra är utformad för krävande resonemang, kodning, forskning, datoranvändning och professionellt arbete. Den tar emot text och bilder och ger text som utdata. Pro innebär mer modellarbete när det slutliga svaret tas fram, medan resonemangsnivån styr analysens omfattning inom det valda körläget. Pro ändrar körläget medan GPT-6 Astra förblir den underliggande modellen.
Tillverkarens Astra-lansering beskriver arbetsflöden som omvandlar relevant material till dokument, kalkylblad, presentationer och analyser. Den betonar att följa mallar och skriftlig eller visuell stil samtidigt som den kontext som är relevant för uppgiften väljs ut. För ett professionellt dokument tillhandahåller du källmaterialet, mallkraven och det beslut som läsaren behöver fatta. Ett illustrativt uppdrag är att jämka samman två uppsättningar projektkrav och ta fram ett underlag som skiljer överenskomna fakta, motstridiga belägg och villkor för en rekommendation åt.
För utvecklings- eller forskningsarbete anger du målet, vilka belägg som ska granskas och vad som räknas som slutfört. En koduppgift kan omfatta önskat beteende, relaterade filer och begränsningar; en forskningsuppgift kan omfatta frågan och kriterierna för att värdera det tillhandahållna materialet. Astras dokumenterade funktioner för datoranvändning och webbläsning knyter modellens beslut till en miljö som tillhandahåller motsvarande verktyg. Miljöns faktiska utdata är belägg för nästa steg och är skilda från modellens föreslagna åtgärder.
OpenAI:s specifikation för GPT-6 Astra anger ett kontextfönster på 1 050 000 token, högst 922 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 30 april 2026. Alternativen för resonemangsnivå är low, medium, high, xhigh och max; none stöds inte. Både resonemangstoken och det synliga resultatet tar kontextutrymme i anspråk. OpenAI dokumenterar Pro i Responses API för svåra uppgifter som kan tillåta ytterligare fördröjning och modellarbete; läge och resonemangsnivå förblir oberoende inställningar.
Grundmodellen anger stöd för strömning, Structured Outputs, funktionsanrop, webb- och filsökning, verktyg för bildgenerering, kodtolkning, värdbaserade skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. Funktionsanrop använder tillverkarens Responses-gränssnitt. GPT-6-guiden beskriver också asynkront verktygsarbete och styrning under en pågående tur. Applikationer kör sina egna operationer, hanterar väntande arbete och återför informationen som uppstår; modellens egen utdata förblir text även när ett separat verktyg skapar ett annat underlag.
Astra-lanseringen beskriver anpassning till nya krav samtidigt som det övergripande målet hålls i sikte. Den skiljer också defensiv kodgranskning och korrigering från avancerat arbete med att utveckla exploateringskod, som modellen kan vägra utföra, och beskriver automatiska kontroller som kan avbryta en uppgift. Utforma en begäran kring det avsedda resultatet, tillåtet arbete och belägg, i stället för att behandla extra resonemang som ersättning för källmaterial som saknas. Ett användbart slutligt underlag anger slutsatsen eller den föreslagna ändringen, grunden i den tillhandahållna informationen och eventuella frågor som skulle förändra beslutet väsentligt.
", "aboutText": "GPT-6 Astra Pro betecknar OpenAI:s GPT-6 Astra med Pro-resonemang. Grundmodellen Astra är utformad för krävande resonemang, kodning, forskning, datoranvändning och professionellt arbete. Den tar emot text och bilder och ger text som utdata. Pro innebär mer modellarbete när det slutliga svaret tas fram, medan resonemangsnivån styr analysens omfattning inom det valda körläget. Pro ändrar körläget medan GPT-6 Astra förblir den underliggande modellen.\n\nTillverkarens Astra-lansering beskriver arbetsflöden som omvandlar relevant material till dokument, kalkylblad, presentationer och analyser. Den betonar att följa mallar och skriftlig eller visuell stil samtidigt som den kontext som är relevant för uppgiften väljs ut. För ett professionellt dokument tillhandahåller du källmaterialet, mallkraven och det beslut som läsaren behöver fatta. Ett illustrativt uppdrag är att jämka samman två uppsättningar projektkrav och ta fram ett underlag som skiljer överenskomna fakta, motstridiga belägg och villkor för en rekommendation åt.\n\nFör utvecklings- eller forskningsarbete anger du målet, vilka belägg som ska granskas och vad som räknas som slutfört. En koduppgift kan omfatta önskat beteende, relaterade filer och begränsningar; en forskningsuppgift kan omfatta frågan och kriterierna för att värdera det tillhandahållna materialet. Astras dokumenterade funktioner för datoranvändning och webbläsning knyter modellens beslut till en miljö som tillhandahåller motsvarande verktyg. Miljöns faktiska utdata är belägg för nästa steg och är skilda från modellens föreslagna åtgärder.\n\nOpenAI:s specifikation för GPT-6 Astra anger ett kontextfönster på 1 050 000 token, högst 922 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 30 april 2026. Alternativen för resonemangsnivå är low, medium, high, xhigh och max; none stöds inte. Både resonemangstoken och det synliga resultatet tar kontextutrymme i anspråk. OpenAI dokumenterar Pro i Responses API för svåra uppgifter som kan tillåta ytterligare fördröjning och modellarbete; läge och resonemangsnivå förblir oberoende inställningar.\n\nGrundmodellen anger stöd för strömning, Structured Outputs, funktionsanrop, webb- och filsökning, verktyg för bildgenerering, kodtolkning, värdbaserade skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. Funktionsanrop använder tillverkarens Responses-gränssnitt. GPT-6-guiden beskriver också asynkront verktygsarbete och styrning under en pågående tur. Applikationer kör sina egna operationer, hanterar väntande arbete och återför informationen som uppstår; modellens egen utdata förblir text även när ett separat verktyg skapar ett annat underlag.\n\nAstra-lanseringen beskriver anpassning till nya krav samtidigt som det övergripande målet hålls i sikte. Den skiljer också defensiv kodgranskning och korrigering från avancerat arbete med att utveckla exploateringskod, som modellen kan vägra utföra, och beskriver automatiska kontroller som kan avbryta en uppgift. Utforma en begäran kring det avsedda resultatet, tillåtet arbete och belägg, i stället för att behandla extra resonemang som ersättning för källmaterial som saknas. Ett användbart slutligt underlag anger slutsatsen eller den föreslagna ändringen, grunden i den tillhandahållna informationen och eventuella frågor som skulle förändra beslutet väsentligt.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "666d989aed7da32f45edbf0fae998a23bc0a17fbe8bb279768ce6baeb323ba8c", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "openai/gpt-6-astra-pro:batchGPT-6 Astra med Pro-resonemang för krävande forskning, kodning och professionellt arbete. Pro innebär mer modellarbete före det slutliga svaret; grundmodellen tar emot text och bilder och stöder arbete i flera steg i en miljö med anslutna verktyg.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-6 Astra Pro betecknar OpenAI:s GPT-6 Astra med Pro-resonemang. Grundmodellen Astra är utformad för krävande resonemang, kodning, forskning, datoranvändning och professionellt arbete. Den tar emot text och bilder och ger text som utdata. Pro innebär mer modellarbete när det slutliga svaret tas fram, medan resonemangsnivån styr analysens omfattning inom det valda körläget. Pro ändrar körläget medan GPT-6 Astra förblir den underliggande modellen.
Tillverkarens Astra-lansering beskriver arbetsflöden som omvandlar relevant material till dokument, kalkylblad, presentationer och analyser. Den betonar att följa mallar och skriftlig eller visuell stil samtidigt som den kontext som är relevant för uppgiften väljs ut. För ett professionellt dokument tillhandahåller du källmaterialet, mallkraven och det beslut som läsaren behöver fatta. Ett illustrativt uppdrag är att jämka samman två uppsättningar projektkrav och ta fram ett underlag som skiljer överenskomna fakta, motstridiga belägg och villkor för en rekommendation åt.
För utvecklings- eller forskningsarbete anger du målet, vilka belägg som ska granskas och vad som räknas som slutfört. En koduppgift kan omfatta önskat beteende, relaterade filer och begränsningar; en forskningsuppgift kan omfatta frågan och kriterierna för att värdera det tillhandahållna materialet. Astras dokumenterade funktioner för datoranvändning och webbläsning knyter modellens beslut till en miljö som tillhandahåller motsvarande verktyg. Miljöns faktiska utdata är belägg för nästa steg och är skilda från modellens föreslagna åtgärder.
OpenAI:s specifikation för GPT-6 Astra anger ett kontextfönster på 1 050 000 token, högst 922 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 30 april 2026. Alternativen för resonemangsnivå är low, medium, high, xhigh och max; none stöds inte. Både resonemangstoken och det synliga resultatet tar kontextutrymme i anspråk. OpenAI dokumenterar Pro i Responses API för svåra uppgifter som kan tillåta ytterligare fördröjning och modellarbete; läge och resonemangsnivå förblir oberoende inställningar.
Grundmodellen anger stöd för strömning, Structured Outputs, funktionsanrop, webb- och filsökning, verktyg för bildgenerering, kodtolkning, värdbaserade skal- och patchoperationer, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. Funktionsanrop använder tillverkarens Responses-gränssnitt. GPT-6-guiden beskriver också asynkront verktygsarbete och styrning under en pågående tur. Applikationer kör sina egna operationer, hanterar väntande arbete och återför informationen som uppstår; modellens egen utdata förblir text även när ett separat verktyg skapar ett annat underlag.
Astra-lanseringen beskriver anpassning till nya krav samtidigt som det övergripande målet hålls i sikte. Den skiljer också defensiv kodgranskning och korrigering från avancerat arbete med att utveckla exploateringskod, som modellen kan vägra utföra, och beskriver automatiska kontroller som kan avbryta en uppgift. Utforma en begäran kring det avsedda resultatet, tillåtet arbete och belägg, i stället för att behandla extra resonemang som ersättning för källmaterial som saknas. Ett användbart slutligt underlag anger slutsatsen eller den föreslagna ändringen, grunden i den tillhandahållna informationen och eventuella frågor som skulle förändra beslutet väsentligt.
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-6-astra-pro: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-6-astra-pro:batch, openai/gpt-6-astra-pro | 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 $0.01 / 1K token Utdata · Utdatatoken $0.05 / 1K token Indata · Cacheläsning $0.001 / 1K token Indata · Skrivning till cache $0.0125 / 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 $0.01 / 1K token Utdata · Utdatatoken $0.05 / 1K token Indata · Cacheläsning $0.001 / 1K token Indata · Skrivning till cache $0.0125 / 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 $0.02 / 1K token Utdata · Utdatatoken $0.075 / 1K token Indata · Cacheläsning $0.002 / 1K token Indata · Skrivning till cache $0.025 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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-6-astra-pro: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-6-astra-pro:batch', 'openai/gpt-6-astra-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-astra-pro: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-6-astra-pro:batch
Använd metodsökvägarna som visas ovan.