OpenAI: GPT-6 Luna (batch)
GPT-6 Luna är OpenAI:s fokuserade resonemangsmodell för återkommande uppgifter i stora volymer. Text och bilder kan stödja klassificering, extraktion, assistans och verktygslett arbete, med en kontext på 1 050 000 token, strukturerade textutdata och en valfri inställning utan resonemang.
Om modellen
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-6 Luna är OpenAI:s fokuserade modell för återkommande uppgifter i stora volymer. Den tar emot text och bilder och producerar text, vilket gör den användbar för definierade operationer som klassificering, extraktion, omskrivning, bildbaserade frågor och enskilda steg i ett assistentarbetsflöde. Luna behåller sin egen profil inom GPT-6, separat från Sols roll för komplex programmering, Astras mest krävande arbete och Lunas körinställning Pro.
Definiera en upprepbar operation
Ge varje uppgift ett tydligt resultat: en kategori, en liten post, en förklaring eller en reviderad passage. För klassificering ska du lämna kategoriernas betydelser och en konvention för poster som inte passar i någon kategori. För extraktion ska du definiera fält, enheter och hanteringen av saknad information. En användbar instruktion är: ”Identifiera användarens huvudproblem, välj en av dessa kategorier och returnera meningen som stöder valet.”
För ett supportsvar ska du lämna frågan och relevant godkänt källmaterial och sedan identifiera svarsspråket och de detaljer som ska bevaras. För en bild ska du bevara synliga beteckningar och tala om vad frågan gäller. Håll extraherad ordalydelse åtskild från tolkningen så att den resulterande posten kan kontrolleras mot indatan.
Resonemangsnivå och utdataformat
Tillverkaren stöder resonemangsnivåerna none, low, medium, high, xhigh och max; medium är standard. None möjliggör uppgifter som inte behöver mellanliggande resonemang, medan en högre nivå kan utveckla analysen för en mer invecklad fråga. Resonemangsnivå och standardläge eller Pro-körläge är oberoende val. Ett avgränsat utdatakontrakt behövs fortfarande vid varje resonemangsnivå.
Structured Outputs kan begränsa en definierad post, och vanlig text kan förmedla ett kort svar eller en förklaring. Ange fältens betydelser och konventioner för saknade värden. Ett giltigt format fastställer inte att ett extraherat värde finns i källan, så granska både innehåll och struktur.
Kontext och kunskap
Modellbeskrivningen anger en kontext på 1 050 000 token, upp till 922 000 indatatoken och upp till 128 000 utdatatoken. Kunskapsgränsen är den 18 maj 2026. Källmaterial, konversation, resonemang och det synliga svaret behöver utrymme tillsammans. För återkommande arbete ska du bevara de kriterier och källbeteckningar som spelar roll i stället för att låta orelaterad historik skymma operationen.
Verktyg och applikationsresultat
OpenAI dokumenterar Responses för inbyggda verktyg och funktionsanrop. Chat Completions stöder funktionsanrop för den här modellen endast när resonemangsnivån är none. Tillverkarens verktygslista omfattar webb- och filsökning, verktyg för bildgenerering, en kodtolk, skal- och rättelseverktyg, färdigheter, datoranvändning, MCP-anslutningar och verktygssökning. Lunas egen utdata är text; verktygsproducerade bilder eller utförda åtgärder är separata resultat.
Applikationen utför valda operationer och returnerar observationen för nästa modellsteg. En produktsökning kan tillföra ett saknat fält innan svaret sätts samman; en extraktionsuppgift kan använda en faktiskt hämtad passage. GPT-6-guiden beskriver också asynkront verktygsarbete, styrning och kontexthanteringsfunktioner på familjenivå.
Ett användbart slutresultat är ett fokuserat svar eller en post kopplad till det tillhandahållna underlaget. Kontrollera dess värden, bevara obligatorisk terminologi och håll frågor om aktuella källor kopplade till auktoritativt material eller faktiska verktygsobservationer. Lunas roll är att slutföra den definierade operationen, inte att omvandla en stor källsamling till en ospecificerad uppgift.
Ailoot Ultra · Batchkörning POST /v1/batches openai/gpt-6-luna:batch
openai/gpt-6-luna:batchStart
GPT-6 Luna är OpenAI:s fokuserade resonemangsmodell för återkommande uppgifter i stora volymer. Text och bilder kan stödja klassificering, extraktion, assistans och verktygslett arbete, med en kontext på 1 050 000 token, strukturerade textutdata och en valfri inställning utan resonemang.
- Godkända indata
- Text
- Resultat
- Text
Tillgängligt i Ailoot · indata & metoder
Ailoot Ultra · Batchkörning POST /v1/batches
- Indatatyper
text- Utdatatyper
text- Utdataformat
- JSON i inbäddade results[].response.body
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältendpoint | Typstring | KravObligatoriskt | Värden & gränser /v1/chat/completions | Standard— |
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-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-6-luna:batch, openai/gpt-6-luna | Standard— |
Fältprovider.only | Typstring[] | KravValfritt | Värden & gränser openai | Standard— |
Fältprovider.allow_fallbacks | Typboolean|null | KravValfritt | Värden & gränser false, null | Standard— |
Metodparametrar och livscykel
| 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
Priser
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
- Snabbt läge
- Ej angivet När snabbt läge är valt
- Flex-läge
- Ej angivet När läget flex är valt
- Högsta resonemangsnivå
- Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default)
- Prissättning för explicit cache
- Inte aktiverat När explicit cache begärs
Ailoot-priser
Priser efter konfiguration
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 $0.0001 / 1K token Utdata · Utdatatoken $0.0005 / 1K token Indata · Cacheläsning $0.00001 / 1K token Indata · Skrivning till cache $0.000125 / 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 $0.0001 / 1K token Utdata · Utdatatoken $0.0005 / 1K token Indata · Cacheläsning $0.00001 / 1K token Indata · Skrivning till cache $0.000125 / 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 $0.0002 / 1K token Utdata · Utdatatoken $0.00075 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.00025 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot Ultra · Batchkörning
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-6-luna:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
import json, os
from pathlib import Path
from urllib.request import Request, urlopen
def prepare_requests(customer_path):
path = Path(customer_path)
if not path.is_file(): raise ValueError("Customer JSONL file is missing")
items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
if not items: raise ValueError("Customer JSONL contains no requests")
ids = set()
for item in items:
if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
cid = item["custom_id"]
if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
ids.add(cid)
if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
supplied_model = item["body"].get("model")
if supplied_model is not None and supplied_model not in ['openai/gpt-6-luna:batch', 'openai/gpt-6-luna']: raise ValueError("body.model must be an exact documented caller or wire ID")
return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-luna:batch", "requests":items}
if __name__ == "__main__":
material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
body = prepare_requests(material)
key = os.environ.get("AILOOT_API_KEY", "")
if not key: raise SystemExit("Set AILOOT_API_KEY")
request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")
with urlopen(request) as response:
raw = response.read()
Path("batch-create-response.json").write_bytes(raw)
print(raw.decode("utf-8"))
import json
from pathlib import Path
raw = Path("batch-status-response.json").read_bytes()
response = json.loads(raw)
if response.get("status") != "completed":
raise SystemExit("Keep the original operation; read its status without resubmitting")
results = response.get("results")
if not isinstance(results, list) or not results:
raise SystemExit("Preserve the original response; completed results are missing")
Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8")
# Preserve batch-status-response.json with aggregate usage and every result/error.
Ta emot och spara resultat
Ailoot Ultra · Batchkörning
JSON i inbäddade results[].response.body
GET /v1/batches/{operation_id}
Kontrollera jobbstatus
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json
Behåll alla färdiga resultat
Behåll 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.
Om det ursprungliga svaret behöver kontrolleras
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.
Svarsfält
| 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 |
Fel och nästa steg
| 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. |
Alias
Modellalias
Ailoot Ultra openai/gpt-6-luna:batch
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
FAQ · OpenAI: GPT-6 Luna (batch)
- Vilka indata och resultat finns?
POST /v1/batches·openai/gpt-6-luna:batch:text→text- Vilka fält använder begäran?
POST /v1/batches·openai/gpt-6-luna:batch:endpoint,model,requests,completion_window,provider- Vilka gränser gäller?
POST /v1/batches·openai/gpt-6-luna:batch:requests.min_items:1