GPT-6 Luna Pro là GPT-6 Luna của OpenAI ở chế độ suy luận Pro. Luna được thiết kế cho nhiệm vụ có trọng tâm và khối lượng công việc lớn; đầu vào là văn bản, hình ảnh, còn đầu ra là văn bản. Pro tăng lượng xử lý của mô hình khi xây dựng câu trả lời cuối cùng. Đây là chế độ thực thi áp dụng cho mô hình nền đã chọn, tách biệt với thiết lập mức suy luận kiểm soát lượng phân tích trong chế độ đó.
Một ứng dụng thực tế là xử lý yêu cầu được xác định trong phạm vi hẹp với nhiều quy tắc hoặc ngoại lệ. Cung cấp yêu cầu, các danh mục mà yêu cầu có thể thuộc về và thông tin quyết định hành động tiếp theo. Yêu cầu nêu danh mục, dữ kiện liên quan và câu trả lời đề xuất ngắn. Một nhiệm vụ ví dụ là phân loại yêu cầu về tài liệu, xác định trường còn thiếu và soạn tin nhắn hỏi trường đó. Nhiệm vụ vẫn có trọng tâm ngay cả khi các điều kiện của nó cần được xem xét kỹ.
Với câu hỏi dựa trên hình ảnh, cung cấp ảnh chụp màn hình rõ ràng hoặc tài liệu trực quan khác và chỉ ra chi tiết cần kiểm tra. Bạn có thể yêu cầu giải thích trạng thái giao diện nhìn thấy được cùng chỉ dẫn ngắn cho người đọc. Với tài liệu viết, xác định các trường hoặc phát biểu phải được giữ qua quá trình biến đổi, danh mục cho phép và định dạng câu trả lời mong đợi. Một tập nhỏ các ví dụ tiêu biểu có thể làm rõ ranh giới giữa những danh mục tương tự mà không buộc mô hình phải suy ra quy tắc của bạn.
OpenAI quy định cửa sổ ngữ cảnh 1,050,000 token cho GPT-6 Luna, với đầu vào tối đa 922,000 token và đầu ra tối đa 128,000 token. Mốc kiến thức trong tài liệu là ngày 18 tháng Năm năm 2026. Mô hình nền hỗ trợ các mức suy luận none, low, medium, high, xhigh và max, mặc định là medium. Suy luận cũng chiếm dung lượng token như câu trả lời cuối cùng, nên đề bài và tài liệu được cung cấp cần chừa chỗ cho phân tích và kết quả được yêu cầu.
Nhà sản xuất tài liệu hóa Pro trong Responses API cho yêu cầu khó có thể chấp nhận độ trễ và lượng xử lý bổ sung của mô hình. Công cụ tích hợp và suy luận có gọi hàm của GPT-6 Luna sử dụng Responses; trong giao diện Chat Completions của nhà sản xuất, gọi hàm chỉ được hỗ trợ khi mức suy luận được đặt thành none. Mô hình nền liệt kê truyền phát, Structured Outputs, tìm kiếm web và tệp, gọi hàm và bộ nhớ đệm prompt. Bộ công cụ cũng bao gồm tạo hình ảnh, thông dịch mã, thao tác shell và áp dụng bản vá, kỹ năng, thao tác máy tính, kết nối MCP và tìm kiếm công cụ. Ứng dụng của bạn xác định và thực thi những thao tác mà nó cung cấp.
Sử dụng hợp đồng đầu ra chính xác cho nhiệm vụ cuối cùng: quyết định, các trường làm cơ sở cho quyết định và mọi thông tin còn thiếu. Ví dụ, yêu cầu một danh mục, lời giải thích ngắn liên kết với quy tắc đã cung cấp và câu hỏi tiếp theo cần gửi cho người đọc. Rà soát kết quả theo các quy tắc đó thay vì thêm một cuộc thảo luận không giới hạn. Quy trình này dùng vai trò xử lý nhiệm vụ có trọng tâm của Luna, đồng thời dành lượng xử lý bổ sung của Pro cho yêu cầu có thành phần phụ thuộc hoặc ngoại lệ cần xem xét đầy đủ hơn.
", "aboutText": "GPT-6 Luna Pro là GPT-6 Luna của OpenAI ở chế độ suy luận Pro. Luna được thiết kế cho nhiệm vụ có trọng tâm và khối lượng công việc lớn; đầu vào là văn bản, hình ảnh, còn đầu ra là văn bản. Pro tăng lượng xử lý của mô hình khi xây dựng câu trả lời cuối cùng. Đây là chế độ thực thi áp dụng cho mô hình nền đã chọn, tách biệt với thiết lập mức suy luận kiểm soát lượng phân tích trong chế độ đó.\n\nMột ứng dụng thực tế là xử lý yêu cầu được xác định trong phạm vi hẹp với nhiều quy tắc hoặc ngoại lệ. Cung cấp yêu cầu, các danh mục mà yêu cầu có thể thuộc về và thông tin quyết định hành động tiếp theo. Yêu cầu nêu danh mục, dữ kiện liên quan và câu trả lời đề xuất ngắn. Một nhiệm vụ ví dụ là phân loại yêu cầu về tài liệu, xác định trường còn thiếu và soạn tin nhắn hỏi trường đó. Nhiệm vụ vẫn có trọng tâm ngay cả khi các điều kiện của nó cần được xem xét kỹ.\n\nVới câu hỏi dựa trên hình ảnh, cung cấp ảnh chụp màn hình rõ ràng hoặc tài liệu trực quan khác và chỉ ra chi tiết cần kiểm tra. Bạn có thể yêu cầu giải thích trạng thái giao diện nhìn thấy được cùng chỉ dẫn ngắn cho người đọc. Với tài liệu viết, xác định các trường hoặc phát biểu phải được giữ qua quá trình biến đổi, danh mục cho phép và định dạng câu trả lời mong đợi. Một tập nhỏ các ví dụ tiêu biểu có thể làm rõ ranh giới giữa những danh mục tương tự mà không buộc mô hình phải suy ra quy tắc của bạn.\n\nOpenAI quy định cửa sổ ngữ cảnh 1,050,000 token cho GPT-6 Luna, với đầu vào tối đa 922,000 token và đầu ra tối đa 128,000 token. Mốc kiến thức trong tài liệu là ngày 18 tháng Năm năm 2026. Mô hình nền hỗ trợ các mức suy luận none, low, medium, high, xhigh và max, mặc định là medium. Suy luận cũng chiếm dung lượng token như câu trả lời cuối cùng, nên đề bài và tài liệu được cung cấp cần chừa chỗ cho phân tích và kết quả được yêu cầu.\n\nNhà sản xuất tài liệu hóa Pro trong Responses API cho yêu cầu khó có thể chấp nhận độ trễ và lượng xử lý bổ sung của mô hình. Công cụ tích hợp và suy luận có gọi hàm của GPT-6 Luna sử dụng Responses; trong giao diện Chat Completions của nhà sản xuất, gọi hàm chỉ được hỗ trợ khi mức suy luận được đặt thành none. Mô hình nền liệt kê truyền phát, Structured Outputs, tìm kiếm web và tệp, gọi hàm và bộ nhớ đệm prompt. Bộ công cụ cũng bao gồm tạo hình ảnh, thông dịch mã, thao tác shell và áp dụng bản vá, kỹ năng, thao tác máy tính, kết nối MCP và tìm kiếm công cụ. Ứng dụng của bạn xác định và thực thi những thao tác mà nó cung cấp.\n\nSử dụng hợp đồng đầu ra chính xác cho nhiệm vụ cuối cùng: quyết định, các trường làm cơ sở cho quyết định và mọi thông tin còn thiếu. Ví dụ, yêu cầu một danh mục, lời giải thích ngắn liên kết với quy tắc đã cung cấp và câu hỏi tiếp theo cần gửi cho người đọc. Rà soát kết quả theo các quy tắc đó thay vì thêm một cuộc thảo luận không giới hạn. Quy trình này dùng vai trò xử lý nhiệm vụ có trọng tâm của Luna, đồng thời dành lượng xử lý bổ sung của Pro cho yêu cầu có thành phần phụ thuộc hoặc ngoại lệ cần xem xét đầy đủ hơn.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Find missing request details\n\nProcess this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.A compact field table, missing-field list and targeted clarification message.Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.openai/gpt-6-luna-proGPT-6 Luna ở chế độ suy luận Pro dành cho nhiệm vụ có trọng tâm cần phân tích bổ sung trước câu trả lời cuối cùng. Mô hình nền nhận văn bản, hình ảnh, phù hợp với xử lý tài liệu theo quy tắc, câu hỏi trực quan và kết quả viết ngắn gọn.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
GPT-6 Luna Pro là GPT-6 Luna của OpenAI ở chế độ suy luận Pro. Luna được thiết kế cho nhiệm vụ có trọng tâm và khối lượng công việc lớn; đầu vào là văn bản, hình ảnh, còn đầu ra là văn bản. Pro tăng lượng xử lý của mô hình khi xây dựng câu trả lời cuối cùng. Đây là chế độ thực thi áp dụng cho mô hình nền đã chọn, tách biệt với thiết lập mức suy luận kiểm soát lượng phân tích trong chế độ đó.
Một ứng dụng thực tế là xử lý yêu cầu được xác định trong phạm vi hẹp với nhiều quy tắc hoặc ngoại lệ. Cung cấp yêu cầu, các danh mục mà yêu cầu có thể thuộc về và thông tin quyết định hành động tiếp theo. Yêu cầu nêu danh mục, dữ kiện liên quan và câu trả lời đề xuất ngắn. Một nhiệm vụ ví dụ là phân loại yêu cầu về tài liệu, xác định trường còn thiếu và soạn tin nhắn hỏi trường đó. Nhiệm vụ vẫn có trọng tâm ngay cả khi các điều kiện của nó cần được xem xét kỹ.
Với câu hỏi dựa trên hình ảnh, cung cấp ảnh chụp màn hình rõ ràng hoặc tài liệu trực quan khác và chỉ ra chi tiết cần kiểm tra. Bạn có thể yêu cầu giải thích trạng thái giao diện nhìn thấy được cùng chỉ dẫn ngắn cho người đọc. Với tài liệu viết, xác định các trường hoặc phát biểu phải được giữ qua quá trình biến đổi, danh mục cho phép và định dạng câu trả lời mong đợi. Một tập nhỏ các ví dụ tiêu biểu có thể làm rõ ranh giới giữa những danh mục tương tự mà không buộc mô hình phải suy ra quy tắc của bạn.
OpenAI quy định cửa sổ ngữ cảnh 1,050,000 token cho GPT-6 Luna, với đầu vào tối đa 922,000 token và đầu ra tối đa 128,000 token. Mốc kiến thức trong tài liệu là ngày 18 tháng Năm năm 2026. Mô hình nền hỗ trợ các mức suy luận none, low, medium, high, xhigh và max, mặc định là medium. Suy luận cũng chiếm dung lượng token như câu trả lời cuối cùng, nên đề bài và tài liệu được cung cấp cần chừa chỗ cho phân tích và kết quả được yêu cầu.
Nhà sản xuất tài liệu hóa Pro trong Responses API cho yêu cầu khó có thể chấp nhận độ trễ và lượng xử lý bổ sung của mô hình. Công cụ tích hợp và suy luận có gọi hàm của GPT-6 Luna sử dụng Responses; trong giao diện Chat Completions của nhà sản xuất, gọi hàm chỉ được hỗ trợ khi mức suy luận được đặt thành none. Mô hình nền liệt kê truyền phát, Structured Outputs, tìm kiếm web và tệp, gọi hàm và bộ nhớ đệm prompt. Bộ công cụ cũng bao gồm tạo hình ảnh, thông dịch mã, thao tác shell và áp dụng bản vá, kỹ năng, thao tác máy tính, kết nối MCP và tìm kiếm công cụ. Ứng dụng của bạn xác định và thực thi những thao tác mà nó cung cấp.
Sử dụng hợp đồng đầu ra chính xác cho nhiệm vụ cuối cùng: quyết định, các trường làm cơ sở cho quyết định và mọi thông tin còn thiếu. Ví dụ, yêu cầu một danh mục, lời giải thích ngắn liên kết với quy tắc đã cung cấp và câu hỏi tiếp theo cần gửi cho người đọc. Rà soát kết quả theo các quy tắc đó thay vì thêm một cuộc thảo luận không giới hạn. Quy trình này dùng vai trò xử lý nhiệm vụ có trọng tâm của Luna, đồng thời dành lượng xử lý bổ sung của Pro cho yêu cầu có thành phần phụ thuộc hoặc ngoại lệ cần xem xét đầy đủ hơn.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn openai/gpt-6-luna-pro | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.001 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.00025 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồm272.000 | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.001 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.00025 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 2 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn272.000 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0004 / 1K token Đầu ra · Token đầu ra $0.0015 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00004 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.0005 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-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-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-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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra openai/gpt-6-luna-pro
Dùng các đường dẫn phương thức hiển thị ở trên.
openai/gpt-6-luna-proGPT-6 Luna ở chế độ suy luận Pro dành cho nhiệm vụ có trọng tâm cần phân tích bổ sung trước câu trả lời cuối cùng. Mô hình nền nhận văn bản, hình ảnh, phù hợp với xử lý tài liệu theo quy tắc, câu hỏi trực quan và kết quả viết ngắn gọn.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
GPT-6 Luna Pro là GPT-6 Luna của OpenAI ở chế độ suy luận Pro. Luna được thiết kế cho nhiệm vụ có trọng tâm và khối lượng công việc lớn; đầu vào là văn bản, hình ảnh, còn đầu ra là văn bản. Pro tăng lượng xử lý của mô hình khi xây dựng câu trả lời cuối cùng. Đây là chế độ thực thi áp dụng cho mô hình nền đã chọn, tách biệt với thiết lập mức suy luận kiểm soát lượng phân tích trong chế độ đó.
Một ứng dụng thực tế là xử lý yêu cầu được xác định trong phạm vi hẹp với nhiều quy tắc hoặc ngoại lệ. Cung cấp yêu cầu, các danh mục mà yêu cầu có thể thuộc về và thông tin quyết định hành động tiếp theo. Yêu cầu nêu danh mục, dữ kiện liên quan và câu trả lời đề xuất ngắn. Một nhiệm vụ ví dụ là phân loại yêu cầu về tài liệu, xác định trường còn thiếu và soạn tin nhắn hỏi trường đó. Nhiệm vụ vẫn có trọng tâm ngay cả khi các điều kiện của nó cần được xem xét kỹ.
Với câu hỏi dựa trên hình ảnh, cung cấp ảnh chụp màn hình rõ ràng hoặc tài liệu trực quan khác và chỉ ra chi tiết cần kiểm tra. Bạn có thể yêu cầu giải thích trạng thái giao diện nhìn thấy được cùng chỉ dẫn ngắn cho người đọc. Với tài liệu viết, xác định các trường hoặc phát biểu phải được giữ qua quá trình biến đổi, danh mục cho phép và định dạng câu trả lời mong đợi. Một tập nhỏ các ví dụ tiêu biểu có thể làm rõ ranh giới giữa những danh mục tương tự mà không buộc mô hình phải suy ra quy tắc của bạn.
OpenAI quy định cửa sổ ngữ cảnh 1,050,000 token cho GPT-6 Luna, với đầu vào tối đa 922,000 token và đầu ra tối đa 128,000 token. Mốc kiến thức trong tài liệu là ngày 18 tháng Năm năm 2026. Mô hình nền hỗ trợ các mức suy luận none, low, medium, high, xhigh và max, mặc định là medium. Suy luận cũng chiếm dung lượng token như câu trả lời cuối cùng, nên đề bài và tài liệu được cung cấp cần chừa chỗ cho phân tích và kết quả được yêu cầu.
Nhà sản xuất tài liệu hóa Pro trong Responses API cho yêu cầu khó có thể chấp nhận độ trễ và lượng xử lý bổ sung của mô hình. Công cụ tích hợp và suy luận có gọi hàm của GPT-6 Luna sử dụng Responses; trong giao diện Chat Completions của nhà sản xuất, gọi hàm chỉ được hỗ trợ khi mức suy luận được đặt thành none. Mô hình nền liệt kê truyền phát, Structured Outputs, tìm kiếm web và tệp, gọi hàm và bộ nhớ đệm prompt. Bộ công cụ cũng bao gồm tạo hình ảnh, thông dịch mã, thao tác shell và áp dụng bản vá, kỹ năng, thao tác máy tính, kết nối MCP và tìm kiếm công cụ. Ứng dụng của bạn xác định và thực thi những thao tác mà nó cung cấp.
Sử dụng hợp đồng đầu ra chính xác cho nhiệm vụ cuối cùng: quyết định, các trường làm cơ sở cho quyết định và mọi thông tin còn thiếu. Ví dụ, yêu cầu một danh mục, lời giải thích ngắn liên kết với quy tắc đã cung cấp và câu hỏi tiếp theo cần gửi cho người đọc. Rà soát kết quả theo các quy tắc đó thay vì thêm một cuộc thảo luận không giới hạn. Quy trình này dùng vai trò xử lý nhiệm vụ có trọng tâm của Luna, đồng thời dành lượng xử lý bổ sung của Pro cho yêu cầu có thành phần phụ thuộc hoặc ngoại lệ cần xem xét đầy đủ hơn.
POST /v1/messagestexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn openai/gpt-6-luna-pro | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring|content_block[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngsystem | Loạistring|content_block[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn Tối thiểu: 1 Giới hạn áp dụng cho: Giới hạn trên chính xác của mô hình hoặc thẻ được chọn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop_sequences | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạitool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ | Mặc định— |
Trườngtools[].description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].input_schema | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngthinking.type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngthinking.budget_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngoutput_config.effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmetadata | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngcache_control | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content hoặc khối type=text
Văn bản + ảnh
{type:image,source:{type:base64,media_type,data}} hoặc nguồn có type=url
| Tham số | Hợp đồng |
|---|---|
Tham sốmaterial_types | Hợp đồngtext |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngnull |
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: exact retained published method
Gửi ID mô hình chính xác và các trường bắt buộc.
Giữ lại mọi mục được trả về và các mã định danh gốc của mục đó.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.001 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.00025 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồm272.000 | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.001 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.00025 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 2 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn272.000 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0004 / 1K token Đầu ra · Token đầu ra $0.0015 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00004 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.0005 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "openai/gpt-6-luna-pro",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${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-6-luna-pro', 'max_tokens': 4096, '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-6-luna-pro', 'max_tokens': 4096, '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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra openai/gpt-6-luna-pro
Dùng các đường dẫn phương thức hiển thị ở trên.
openai/gpt-6-luna-proGPT-6 Luna ở chế độ suy luận Pro dành cho nhiệm vụ có trọng tâm cần phân tích bổ sung trước câu trả lời cuối cùng. Mô hình nền nhận văn bản, hình ảnh, phù hợp với xử lý tài liệu theo quy tắc, câu hỏi trực quan và kết quả viết ngắn gọn.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
GPT-6 Luna Pro là GPT-6 Luna của OpenAI ở chế độ suy luận Pro. Luna được thiết kế cho nhiệm vụ có trọng tâm và khối lượng công việc lớn; đầu vào là văn bản, hình ảnh, còn đầu ra là văn bản. Pro tăng lượng xử lý của mô hình khi xây dựng câu trả lời cuối cùng. Đây là chế độ thực thi áp dụng cho mô hình nền đã chọn, tách biệt với thiết lập mức suy luận kiểm soát lượng phân tích trong chế độ đó.
Một ứng dụng thực tế là xử lý yêu cầu được xác định trong phạm vi hẹp với nhiều quy tắc hoặc ngoại lệ. Cung cấp yêu cầu, các danh mục mà yêu cầu có thể thuộc về và thông tin quyết định hành động tiếp theo. Yêu cầu nêu danh mục, dữ kiện liên quan và câu trả lời đề xuất ngắn. Một nhiệm vụ ví dụ là phân loại yêu cầu về tài liệu, xác định trường còn thiếu và soạn tin nhắn hỏi trường đó. Nhiệm vụ vẫn có trọng tâm ngay cả khi các điều kiện của nó cần được xem xét kỹ.
Với câu hỏi dựa trên hình ảnh, cung cấp ảnh chụp màn hình rõ ràng hoặc tài liệu trực quan khác và chỉ ra chi tiết cần kiểm tra. Bạn có thể yêu cầu giải thích trạng thái giao diện nhìn thấy được cùng chỉ dẫn ngắn cho người đọc. Với tài liệu viết, xác định các trường hoặc phát biểu phải được giữ qua quá trình biến đổi, danh mục cho phép và định dạng câu trả lời mong đợi. Một tập nhỏ các ví dụ tiêu biểu có thể làm rõ ranh giới giữa những danh mục tương tự mà không buộc mô hình phải suy ra quy tắc của bạn.
OpenAI quy định cửa sổ ngữ cảnh 1,050,000 token cho GPT-6 Luna, với đầu vào tối đa 922,000 token và đầu ra tối đa 128,000 token. Mốc kiến thức trong tài liệu là ngày 18 tháng Năm năm 2026. Mô hình nền hỗ trợ các mức suy luận none, low, medium, high, xhigh và max, mặc định là medium. Suy luận cũng chiếm dung lượng token như câu trả lời cuối cùng, nên đề bài và tài liệu được cung cấp cần chừa chỗ cho phân tích và kết quả được yêu cầu.
Nhà sản xuất tài liệu hóa Pro trong Responses API cho yêu cầu khó có thể chấp nhận độ trễ và lượng xử lý bổ sung của mô hình. Công cụ tích hợp và suy luận có gọi hàm của GPT-6 Luna sử dụng Responses; trong giao diện Chat Completions của nhà sản xuất, gọi hàm chỉ được hỗ trợ khi mức suy luận được đặt thành none. Mô hình nền liệt kê truyền phát, Structured Outputs, tìm kiếm web và tệp, gọi hàm và bộ nhớ đệm prompt. Bộ công cụ cũng bao gồm tạo hình ảnh, thông dịch mã, thao tác shell và áp dụng bản vá, kỹ năng, thao tác máy tính, kết nối MCP và tìm kiếm công cụ. Ứng dụng của bạn xác định và thực thi những thao tác mà nó cung cấp.
Sử dụng hợp đồng đầu ra chính xác cho nhiệm vụ cuối cùng: quyết định, các trường làm cơ sở cho quyết định và mọi thông tin còn thiếu. Ví dụ, yêu cầu một danh mục, lời giải thích ngắn liên kết với quy tắc đã cung cấp và câu hỏi tiếp theo cần gửi cho người đọc. Rà soát kết quả theo các quy tắc đó thay vì thêm một cuộc thảo luận không giới hạn. Quy trình này dùng vai trò xử lý nhiệm vụ có trọng tâm của Luna, đồng thời dành lượng xử lý bổ sung của Pro cho yêu cầu có thành phần phụ thuộc hoặc ngoại lệ cần xem xét đầy đủ hơn.
POST /v1/responsestexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn openai/gpt-6-luna-pro | Mặc định— |
Trườnginput | Loạistring|input_item[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườnginput[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn message, reasoning, function_call, function_call_output | Mặc định— |
Trườnginput[].content | Loạistring|content_part[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườnginput[].call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: function_call_output; giữ call_id thực tế được trả về | Mặc định— |
Trườnginput[].output | Loạistring|content_part[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: function_call_output | Mặc định— |
Trườngmax_output_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạitool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning.effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning.summary | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtext.format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtext.verbosity | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginclude | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstore | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprevious_response_id | Loạistring | Yêu cầuKhông hỗ trợ | Giá trị & giới hạn Yêu cầu về ID: Chỉ ID phản hồi thực tế từ một lượt tiếp tục được hỗ trợ Điều kiện: Gửi lại lịch sử hội thoại thực tế cùng mỗi yêu cầu. | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_key | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Văn bản · Văn bản UTF8
Văn bản đầu vào hoặc phần input_text
Văn bản + ảnh
{type:input_image,image_url}
| Tham số | Hợp đồng |
|---|---|
Tham sốmaterial_types | Hợp đồngtext |
Tham sốrequired | Hợp đồngmodel, input |
Tham sốoptional_controls | Hợp đồngnull |
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: exact retained published method
Gửi ID mô hình chính xác và các trường bắt buộc.
Giữ lại mọi mục được trả về và các mã định danh gốc của mục đó.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.001 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.00025 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồm272.000 | Phí Đầu vào · Token đầu vào $0.0002 / 1K token Đầu ra · Token đầu ra $0.001 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.00025 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 2 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn272.000 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.0004 / 1K token Đầu ra · Token đầu ra $0.0015 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00004 / 1K token Đầu vào · Ghi bộ nhớ đệm $0.0005 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "openai/gpt-6-luna-pro",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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/responses \\\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\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-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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 = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', 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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ từng mục đầu ra và phần nội dung, call_id hàm thực tế, dữ liệu suy luận được mã hóa và dữ liệu sử dụng. Khi truyền luồng, giữ đầy đủ thông tin định danh của sự kiện và mục.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngstatus | Loạistring |
Trườngoutput[] | Loạimessage|reasoning|function_call|other item |
Trườngoutput[].content[] | Loạicontent part |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra openai/gpt-6-luna-pro
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Find missing request details\n\nProcess this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.A compact field table, missing-field list and targeted clarification message.Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.