GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
", "aboutText": "### 大量處理目標明確的任務\n\nGPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。\n\n輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。\n\n### 選擇強度與工作模式\n\n支援 `none`、`low`、`medium`、`high`、`xhigh` 及 `max`，預設為 `medium`。`none` 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。\n\n製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 `Responses` 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。\n\n工具使用與推理採用 `Responses`。在 `Chat Completions` 格式中，只有推理等級為 `none` 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。\n\n### 上下文與輸出\n\nOpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。\n\n圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。\n\n### 透過已連接工具取得資訊與執行操作\n\n製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。\n\n若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。\n\n可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。\n\n重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Normalize a simple order note\n\nConvert this order note into a compact record: "PO-84: 3 packs of filters at 7 units per pack; delivery requested for Friday, not confirmed." Return order ID, pack count, units per pack, total units and delivery status as labelled lines. Retain the distinction between requested and confirmed delivery.Five labelled fields with total units calculated from the supplied counts and delivery marked requested, unconfirmed.Check the total equals packs times units per pack and Friday is not described as confirmed.gpt-6-lunaGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/messagestext, imagetext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gpt-6-luna | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string|content_block[] | 要求必填 | 值與限制 | 預設值— |
欄位system | 類型string|content_block[] | 要求選填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 最小值: 1 限制適用對象: 所選模型／卡片的確切上限 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop_sequences | 類型string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].name | 類型string | 要求選填 | 值與限制 適用條件: 已提供工具 | 預設值— |
欄位tools[].description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].input_schema | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位thinking.type | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位thinking.budget_tokens | 類型integer | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位output_config.effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位metadata | 類型object | 要求選填 | 值與限制 | 預設值— |
欄位cache_control | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
文字 · UTF8 文字
messages[].content 或 type=text 區塊
文字 + 圖片
{type:image,source:{type:base64,media_type,data}} 或 type=url 的來源
| 參數 | 規格 |
|---|---|
參數material_types | 規格text, image |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格null |
參數content_type | 規格application/json |
參數text_file_material | 規格實際 UTF-8 內容以文字插入；檔案 ID／URLs 需要另有精確支援 |
生命週期： exact retained published method
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
POST /v1/messages| 請求大小，tokens | 輸入 | 輸出 | 讀取快取 | 寫入快取 | 快取 5 分鐘 | 快取 1 小時 |
|---|---|---|---|---|---|---|
| 請求大小，tokens(0; 272,000] | 輸入US$0.0001 | 輸出US$0.0005 | 讀取快取US$0.00001 | 寫入快取US$0.000125 | 快取 5 分鐘US$0.000125 | 快取 1 小時基本費率：— |
| 請求大小，tokens(272,000; ∞) | 輸入US$0.0002 | 輸出US$0.00075 | 讀取快取US$0.00002 | 寫入快取US$0.00025 | 快取 5 分鐘US$0.00025 | 快取 1 小時基本費率：— |
費率單位為每 1K Token 的 USD 金額。 未設定費率時，會沿用此方法的基本費率；«—» 表示未設定基本費率。
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定OpenAI Chat · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Chat · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Chat · 請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Responses · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Responses · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Responses · 請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt-6-luna",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt-6-luna",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gpt-6-luna',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
gpt-6-lunaGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/responsestext, imagetext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gpt-6-luna | 預設值— |
欄位input | 類型string|input_item[] | 要求必填 | 值與限制 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位input[].type | 類型string | 要求選填 | 值與限制 message, reasoning, function_call, function_call_output | 預設值— |
欄位input[].content | 類型string|content_part[] | 要求選填 | 值與限制 | 預設值— |
欄位input[].call_id | 類型string | 要求選填 | 值與限制 適用條件: function_call_output；保留實際回傳的 call_id | 預設值— |
欄位input[].output | 類型string|content_part[] | 要求選填 | 值與限制 適用條件: function_call_output | 預設值— |
欄位max_output_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning.effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning.summary | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位text.format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位text.verbosity | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位include | 類型string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位store | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位previous_response_id | 類型string | 要求選填 | 值與限制 ID 要求: 僅限支援的延續流程實際回傳的回應 ID 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_key | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
文字 · UTF8 文字
輸入文字或 input_text 部分
文字 + 圖片
{type:input_image,image_url}
| 參數 | 規格 |
|---|---|
參數material_types | 規格text, image |
參數required | 規格model, input |
參數optional_controls | 規格null |
參數content_type | 規格application/json |
參數text_file_material | 規格實際 UTF-8 內容以文字插入；檔案 ID／URLs 需要另有精確支援 |
生命週期： exact retained published method
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
POST /v1/responses| 請求大小，tokens | 輸入 | 輸出 | 讀取快取 | 寫入快取 | 快取 5 分鐘 | 快取 1 小時 |
|---|---|---|---|---|---|---|
| 請求大小，tokens(0; 272,000] | 輸入US$0.0001 | 輸出US$0.0005 | 讀取快取US$0.00001 | 寫入快取US$0.000125 | 快取 5 分鐘US$0.000125 | 快取 1 小時基本費率：— |
| 請求大小，tokens(272,000; ∞) | 輸入US$0.0002 | 輸出US$0.00075 | 讀取快取US$0.00002 | 寫入快取US$0.00025 | 快取 5 分鐘US$0.00025 | 快取 1 小時基本費率：— |
費率單位為每 1K Token 的 USD 金額。 未設定費率時，會沿用此方法的基本費率；«—» 表示未設定基本費率。
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定OpenAI Chat · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Chat · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Chat · 請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Responses · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Responses · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Responses · 請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="gpt-6-luna", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt-6-luna", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="gpt-6-luna", input="Explain the difference between an observation and a hypothesis 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_response()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個輸出項目與內容部分、實際函式 call_id、加密推理與用量。串流時保留完整事件／項目身分。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位status | 類型string |
欄位output[] | 類型message|reasoning|function_call|other item |
欄位output[].content[] | 類型content part |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
gpt-6-lunaGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/chat/completionstext, imagetext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gpt-6-luna | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
文字 · UTF8 文字
messages[].content
文字 + 圖片
{type:image_url,image_url:{url,detail}}
| 參數 | 規格 |
|---|---|
參數material_types | 規格text, image |
參數required | 規格model, messages |
參數optional_controls | 規格null |
參數content_type | 規格application/json |
參數text_file_material | 規格實際 UTF-8 內容以文字插入；檔案 ID／URLs 需要另有精確支援 |
生命週期： exact retained published method
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
POST /v1/chat/completions| 請求大小，tokens | 輸入 | 輸出 | 讀取快取 | 寫入快取 | 快取 5 分鐘 | 快取 1 小時 |
|---|---|---|---|---|---|---|
| 請求大小，tokens(0; 272,000] | 輸入US$0.0001 | 輸出US$0.0005 | 讀取快取US$0.00001 | 寫入快取US$0.000125 | 快取 5 分鐘US$0.000125 | 快取 1 小時基本費率：— |
| 請求大小，tokens(272,000; ∞) | 輸入US$0.0002 | 輸出US$0.00075 | 讀取快取US$0.00002 | 寫入快取US$0.00025 | 快取 5 分鐘US$0.00025 | 快取 1 小時基本費率：— |
費率單位為每 1K Token 的 USD 金額。 未設定費率時，會沿用此方法的基本費率；«—» 表示未設定基本費率。
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定OpenAI Chat · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Chat · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Chat · 請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Responses · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Responses · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Responses · 請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-luna", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="gpt-6-luna",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt-6-luna",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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='gpt-6-luna',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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
gpt-6-lunaGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gpt-6-luna | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 依模型而定 | 預設值— |
欄位messages[].content | 類型string | 要求選填 | 值與限制 適用條件: 文字對話 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream |
參數control_scope | 規格文字對話；stream 是布林值，預設為 false。 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
方法別名： /chat/completions
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-6-luna","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-6-luna", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
gpt-6-lunaGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gpt-6-luna | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "gpt-6-luna",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-luna', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-6-luna', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
gpt-6-lunaGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/responsestexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gpt-6-luna | 預設值— |
欄位input | 類型string|input_item[] | 要求必填 | 值與限制 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位input[].type | 類型string | 要求選填 | 值與限制 message, reasoning, function_call, function_call_output | 預設值— |
欄位input[].content | 類型string|content_part[] | 要求選填 | 值與限制 | 預設值— |
欄位input[].call_id | 類型string | 要求選填 | 值與限制 適用條件: function_call_output；保留實際回傳的 call_id | 預設值— |
欄位input[].output | 類型string|content_part[] | 要求選填 | 值與限制 適用條件: function_call_output | 預設值— |
欄位max_output_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning.effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning.summary | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位text.format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位text.verbosity | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位include | 類型string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位store | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位previous_response_id | 類型string | 要求不支援 | 值與限制 ID 要求: 僅限支援的延續流程實際回傳的回應 ID 條件: 每次請求都請帶入實際的對話歷史紀錄。 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_key | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
文字 · UTF8 文字
input text or input_text part
文字 + 圖片
{type:input_image,image_url}
| 參數 | 規格 |
|---|---|
參數material_types | 規格text |
參數required | 規格model, input |
參數optional_controls | 規格null |
參數content_type | 規格application/json |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： exact retained published method
請傳送完全相符的模型 ID 與必要欄位。
請保留每個回傳項目及其原始識別碼。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "gpt-6-luna",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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': 'gpt-6-luna', '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': 'gpt-6-luna', '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 or SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個輸出項目與內容部分、實際函式 call_id、加密推理與用量。串流時保留完整事件／項目身分。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位status | 類型string |
欄位output[] | 類型message|reasoning|function_call|other item |
欄位output[].content[] | 類型content part |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
openai/gpt-6-lunaGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 openai/gpt-6-luna | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${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", "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',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',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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
openai/gpt-6-lunaGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/messagestexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 openai/gpt-6-luna | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string|content_block[] | 要求必填 | 值與限制 | 預設值— |
欄位system | 類型string|content_block[] | 要求選填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 最小值: 1 限制適用對象: 所選模型／卡片的確切上限 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop_sequences | 類型string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].name | 類型string | 要求選填 | 值與限制 適用條件: 已提供工具 | 預設值— |
欄位tools[].description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].input_schema | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位thinking.type | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位thinking.budget_tokens | 類型integer | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位output_config.effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位metadata | 類型object | 要求選填 | 值與限制 | 預設值— |
欄位cache_control | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
文字 · UTF8 文字
messages[].content 或 type=text 區塊
文字 + 圖片
{type:image,source:{type:base64,media_type,data}} 或 type=url 的來源
| 參數 | 規格 |
|---|---|
參數material_types | 規格text |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格null |
參數content_type | 規格application/json |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： exact retained published method
請傳送完全相符的模型 ID 與必要欄位。
請保留每個回傳項目及其原始識別碼。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "openai/gpt-6-luna",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${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', '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', '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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
openai/gpt-6-lunaGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/responsestexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 openai/gpt-6-luna | 預設值— |
欄位input | 類型string|input_item[] | 要求必填 | 值與限制 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位input[].type | 類型string | 要求選填 | 值與限制 message, reasoning, function_call, function_call_output | 預設值— |
欄位input[].content | 類型string|content_part[] | 要求選填 | 值與限制 | 預設值— |
欄位input[].call_id | 類型string | 要求選填 | 值與限制 適用條件: function_call_output；保留實際回傳的 call_id | 預設值— |
欄位input[].output | 類型string|content_part[] | 要求選填 | 值與限制 適用條件: function_call_output | 預設值— |
欄位max_output_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning.effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning.summary | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位text.format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位text.verbosity | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位include | 類型string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位store | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位previous_response_id | 類型string | 要求不支援 | 值與限制 ID 要求: 僅限支援的延續流程實際回傳的回應 ID 條件: 每次請求都請帶入實際的對話歷史紀錄。 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_key | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
文字 · UTF8 文字
輸入文字或 input_text 部分
文字 + 圖片
{type:input_image,image_url}
| 參數 | 規格 |
|---|---|
參數material_types | 規格text |
參數required | 規格model, input |
參數optional_controls | 規格null |
參數content_type | 規格application/json |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： exact retained published method
請傳送完全相符的模型 ID 與必要欄位。
請保留每個回傳項目及其原始識別碼。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "openai/gpt-6-luna",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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', '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', '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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個輸出項目與內容部分、實際函式 call_id、加密推理與用量。串流時保留完整事件／項目身分。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位status | 類型string |
欄位output[] | 類型message|reasoning|function_call|other item |
欄位output[].content[] | 類型content part |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
~openai/gpt-luna-latestGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 ~openai/gpt-luna-latest | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~openai/gpt-luna-latest", "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-luna-latest',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-luna-latest',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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
~openai/gpt-luna-latestGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 ~openai/gpt-luna-latest | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "~openai/gpt-luna-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-luna-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-luna-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
~openai/gpt-luna-latestGPT-6 Luna 適合請求量大的日常任務。可接收文字與圖片，支援不進行推理的模式，以及多種推理深度。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-6 Luna 是 OpenAI 用於大量執行聚焦任務的模型。製造商將它定位為系列中能有效率處理這類工作量的選項。模型接收文字與圖片，產生文字，並支援調整推理深度。
輸入可包含指令與工作資料，成果則可以是一般回答或具有指定結構的物件。串流輸出可逐步取得文字。若後續步驟需要特定欄位與資料型別，結果 schema 便能派上用場。
支援 none、low、medium、high、xhigh 及 max，預設為 medium。none 適合不進行推理的處理方式。可依個別任務調整強度，並另外指定最終文字的長度。
製造商的一般與延伸執行模式，和推理深度分開選擇。一般模式為預設；延伸模式適合能分配額外時間與更多 token 的複雜任務。模式決定處理方式，強度等級則調整其中的推理。這項選擇是在 Responses 中描述的，並需應用程式支援；不可視為每一種 Ailoot 方法都已啟用。
工具使用與推理採用 Responses。在 Chat Completions 格式中，只有推理等級為 none 時，才允許函式呼叫。因此，功能名稱相同，不代表所有格式都能以相同方式使用。
OpenAI 標示的上下文視窗為 1 050 000 token，輸入上限為 922 000，輸出上限為 128 000 token。知識截止日為五月 18 日（2026 年）。大型上下文容納資料與歷史內容，輸出上限則另外限制成果的形成。
圖片屬於輸入；模型分析視覺資料，再以文字回答。內部推理也會使用輸出預算，因此最大輸出量不保證可見回答能達到同樣長度。若要取得新資訊，可在請求中提供，或接上製造商支援的工具。
製造商的模型介紹列有函式呼叫、網路與檔案搜尋、程式碼及命令執行、檔案修改、電腦介面操作，以及工具搜尋。模型從已提供的工具中選擇操作，並利用回傳的資訊繼續回答。
若有相應連接，製造商也提供獨立的圖片生成工具、技能，以及透過 MCP 使用外部工具的能力。模型直接回覆的內容仍是文字，圖片由另一個工具生成。製造商提供這些能力，並不表示每一種 Ailoot 方法都已接上。
可用工具由方法與應用程式決定。自訂函式由應用程式執行：模型產生引數，再取得結果。結構化回答指定資料形式，資訊是否正確則是另一項需要確認的事。
重複的輸入前綴支援快取。請求開頭不變的指令與資料可再次使用；新增條件仍須傳入目前的請求。
POST /v1/responsestexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 ~openai/gpt-luna-latest | 預設值— |
欄位input | 類型string|input_item[] | 要求必填 | 值與限制 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位input[].type | 類型string | 要求選填 | 值與限制 message, reasoning, function_call, function_call_output | 預設值— |
欄位input[].content | 類型string|content_part[] | 要求選填 | 值與限制 | 預設值— |
欄位input[].call_id | 類型string | 要求選填 | 值與限制 適用條件: function_call_output；保留實際回傳的 call_id | 預設值— |
欄位input[].output | 類型string|content_part[] | 要求選填 | 值與限制 適用條件: function_call_output | 預設值— |
欄位max_output_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning.effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning.summary | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位text.format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位text.verbosity | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位include | 類型string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位store | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位previous_response_id | 類型string | 要求不支援 | 值與限制 ID 要求: 僅限支援的延續流程實際回傳的回應 ID 條件: 每次請求都請帶入實際的對話歷史紀錄。 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_key | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
文字 · UTF8 文字
input text or input_text part
文字 + 圖片
{type:input_image,image_url}
| 參數 | 規格 |
|---|---|
參數material_types | 規格text |
參數required | 規格model, input |
參數optional_controls | 規格null |
參數content_type | 規格application/json |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： exact retained published method
請傳送完全相符的模型 ID 與必要欄位。
請保留每個回傳項目及其原始識別碼。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於272,000 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.001 / 1K Token 輸入 · 讀取快取 $0.00002 / 1K Token 輸入 · 寫入快取 $0.00025 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 2 | 費率表— | 上下文 Token 數大於272,000 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0004 / 1K Token 輸出 · 輸出 Token $0.0015 / 1K Token 輸入 · 讀取快取 $0.00004 / 1K Token 輸入 · 寫入快取 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "~openai/gpt-luna-latest",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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-luna-latest', '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-luna-latest', '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 or SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個輸出項目與內容部分、實際函式 call_id、加密推理與用量。串流時保留完整事件／項目身分。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位status | 類型string |
欄位output[] | 類型message|reasoning|function_call|other item |
欄位output[].content[] | 類型content part |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot gpt-6-luna
Ailoot Ultra gpt-6-luna, openai/gpt-6-luna, ~openai/gpt-luna-latest
/chat/completions
openai/gpt-6-luna, ~openai/gpt-luna-latest, gpt-6-luna, gpt-6-luna
英文技術範例
Normalize a simple order note\n\nConvert this order note into a compact record: "PO-84: 3 packs of filters at 7 units per pack; delivery requested for Friday, not confirmed." Return order ID, pack count, units per pack, total units and delivery status as labelled lines. Retain the distinction between requested and confirmed delivery.Five labelled fields with total units calculated from the supplied counts and delivery marked requested, unconfirmed.Check the total equals packs times units per pack and Friday is not described as confirmed.