GPT-6 Astra Pro 指的是搭配 Pro 推理的 OpenAI GPT-6 Astra。基礎 Astra 模型為高難度推理、程式設計、研究、電腦操作與專業工作而設計。它接受文字與圖片並輸出文字。Pro 在形成最終回答時增加模型的處理工作，而推理強度控制所選執行模式內的分析工作量。Pro 改變的是執行模式，底層模型仍是 GPT-6 Astra。
開發商的 Astra 發布說明描述了將相關資料轉為文件、試算表、簡報與分析的工作流程。它強調遵循範本、文字或視覺風格，同時挑選與任務相關的上下文。製作專業文件時，提供來源資料、範本要求，以及讀者需要做的決策。示例要求是整合兩組專案需求，並產出簡要說明，區分已達成共識的事實、相互衝突的證據，以及提出建議的條件。
工程或研究工作應指定目標、要檢查的證據，以及何謂完成。程式設計任務可包含所需行為、相關檔案與限制；研究任務可包含問題，以及衡量所提供資料的標準。Astra 文件所述的電腦操作與瀏覽能力，透過提供相應工具的環境連接模型的決策。環境的實際輸出是下一步的證據，與模型提出的動作不同。
OpenAI 的 GPT-6 Astra 規格列出 1,050,000 token 的上下文視窗、最多 922,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2026 年 4 月 30 日。推理強度可選 low、medium、high、xhigh 與 max，不支援 none。推理 token 與可見結果都會佔用上下文空間。OpenAI 在 Responses API 中記載，Pro 適用於能接受額外延遲與模型處理活動的困難工作；模式與強度仍是獨立設定。
基礎模型列有串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、圖片生成工具、程式碼執行、託管的 shell 與 patch 操作、技能、電腦操作、MCP 連線，以及工具搜尋。函式呼叫使用開發商的 Responses 介面。GPT-6 指南也描述了非同步工具工作，以及調整進行中回合的方向。應用程式執行自己的操作、管理待處理工作，並回傳結果資訊；即使另一個工具產生其他成果，模型本身的輸出仍是文字。
Astra 發布說明描述了在保有整體目標的同時，適應新的要求。它也區分防禦性程式碼審查與修補，以及模型可能拒絕的進階漏洞利用開發工作，並描述可中斷任務的自動檢查。圍繞預期成果、允許的工作與證據準備要求，不要把額外推理當成缺少來源資料的替代品。有用的最終成果會列出結論或建議變更、它在所提供資訊中的依據，以及任何會實質改變決策的問題。
", "aboutText": "GPT-6 Astra Pro 指的是搭配 Pro 推理的 OpenAI GPT-6 Astra。基礎 Astra 模型為高難度推理、程式設計、研究、電腦操作與專業工作而設計。它接受文字與圖片並輸出文字。Pro 在形成最終回答時增加模型的處理工作，而推理強度控制所選執行模式內的分析工作量。Pro 改變的是執行模式，底層模型仍是 GPT-6 Astra。\n\n開發商的 Astra 發布說明描述了將相關資料轉為文件、試算表、簡報與分析的工作流程。它強調遵循範本、文字或視覺風格，同時挑選與任務相關的上下文。製作專業文件時，提供來源資料、範本要求，以及讀者需要做的決策。示例要求是整合兩組專案需求，並產出簡要說明，區分已達成共識的事實、相互衝突的證據，以及提出建議的條件。\n\n工程或研究工作應指定目標、要檢查的證據，以及何謂完成。程式設計任務可包含所需行為、相關檔案與限制；研究任務可包含問題，以及衡量所提供資料的標準。Astra 文件所述的電腦操作與瀏覽能力，透過提供相應工具的環境連接模型的決策。環境的實際輸出是下一步的證據，與模型提出的動作不同。\n\nOpenAI 的 GPT-6 Astra 規格列出 1,050,000 token 的上下文視窗、最多 922,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2026 年 4 月 30 日。推理強度可選 low、medium、high、xhigh 與 max，不支援 none。推理 token 與可見結果都會佔用上下文空間。OpenAI 在 Responses API 中記載，Pro 適用於能接受額外延遲與模型處理活動的困難工作；模式與強度仍是獨立設定。\n\n基礎模型列有串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、圖片生成工具、程式碼執行、託管的 shell 與 patch 操作、技能、電腦操作、MCP 連線，以及工具搜尋。函式呼叫使用開發商的 Responses 介面。GPT-6 指南也描述了非同步工具工作，以及調整進行中回合的方向。應用程式執行自己的操作、管理待處理工作，並回傳結果資訊；即使另一個工具產生其他成果，模型本身的輸出仍是文字。\n\nAstra 發布說明描述了在保有整體目標的同時，適應新的要求。它也區分防禦性程式碼審查與修補，以及模型可能拒絕的進階漏洞利用開發工作，並描述可中斷任務的自動檢查。圍繞預期成果、允許的工作與證據準備要求，不要把額外推理當成缺少來源資料的替代品。有用的最終成果會列出結論或建議變更、它在所提供資訊中的依據，以及任何會實質改變決策的問題。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Reconcile conflicting launch requirements\n\nWrite a decision brief using this template: Decision needed; Agreed facts; Conflict; Recommendation conditions. Product requirement P1 says launch must include CSV export. Security requirement S1 prohibits exporting customer email addresses. Current design D1 exports name and email only. Reconcile the requirements, propose a compliant export scope and list the decision still needed about useful fields.A brief under the four supplied headings, with P1, S1 and D1 references beside relevant findings.Check that the proposed scope preserves an export feature while excluding emails and does not invent an approved field list.openai/gpt-6-astra-pro搭配 Pro 推理的 GPT-6 Astra，適用於高難度研究、程式設計與專業工作。Pro 會在最終回答前增加模型的處理工作；基礎模型接受文字與圖片，並支援在連接工具的環境中執行多步驟工作。
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 Astra Pro 指的是搭配 Pro 推理的 OpenAI GPT-6 Astra。基礎 Astra 模型為高難度推理、程式設計、研究、電腦操作與專業工作而設計。它接受文字與圖片並輸出文字。Pro 在形成最終回答時增加模型的處理工作，而推理強度控制所選執行模式內的分析工作量。Pro 改變的是執行模式，底層模型仍是 GPT-6 Astra。
開發商的 Astra 發布說明描述了將相關資料轉為文件、試算表、簡報與分析的工作流程。它強調遵循範本、文字或視覺風格，同時挑選與任務相關的上下文。製作專業文件時，提供來源資料、範本要求，以及讀者需要做的決策。示例要求是整合兩組專案需求，並產出簡要說明，區分已達成共識的事實、相互衝突的證據，以及提出建議的條件。
工程或研究工作應指定目標、要檢查的證據，以及何謂完成。程式設計任務可包含所需行為、相關檔案與限制；研究任務可包含問題，以及衡量所提供資料的標準。Astra 文件所述的電腦操作與瀏覽能力，透過提供相應工具的環境連接模型的決策。環境的實際輸出是下一步的證據，與模型提出的動作不同。
OpenAI 的 GPT-6 Astra 規格列出 1,050,000 token 的上下文視窗、最多 922,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2026 年 4 月 30 日。推理強度可選 low、medium、high、xhigh 與 max，不支援 none。推理 token 與可見結果都會佔用上下文空間。OpenAI 在 Responses API 中記載，Pro 適用於能接受額外延遲與模型處理活動的困難工作；模式與強度仍是獨立設定。
基礎模型列有串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、圖片生成工具、程式碼執行、託管的 shell 與 patch 操作、技能、電腦操作、MCP 連線，以及工具搜尋。函式呼叫使用開發商的 Responses 介面。GPT-6 指南也描述了非同步工具工作，以及調整進行中回合的方向。應用程式執行自己的操作、管理待處理工作，並回傳結果資訊；即使另一個工具產生其他成果，模型本身的輸出仍是文字。
Astra 發布說明描述了在保有整體目標的同時，適應新的要求。它也區分防禦性程式碼審查與修補，以及模型可能拒絕的進階漏洞利用開發工作，並描述可中斷任務的自動檢查。圍繞預期成果、允許的工作與證據準備要求，不要把額外推理當成缺少來源資料的替代品。有用的最終成果會列出結論或建議變更、它在所提供資訊中的依據，以及任何會實質改變決策的問題。
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-astra-pro | 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 $0.02 / 1K Token 輸出 · 輸出 Token $0.1 / 1K Token 輸入 · 讀取快取 $0.002 / 1K Token 輸入 · 寫入快取 $0.025 / 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 $0.02 / 1K Token 輸出 · 輸出 Token $0.1 / 1K Token 輸入 · 讀取快取 $0.002 / 1K Token 輸入 · 寫入快取 $0.025 / 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 $0.04 / 1K Token 輸出 · 輸出 Token $0.15 / 1K Token 輸入 · 讀取快取 $0.004 / 1K Token 輸入 · 寫入快取 $0.05 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${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-astra-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-6-astra-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-6-astra-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 Ultra openai/gpt-6-astra-pro
請使用上方列出的 API 方法路徑。
openai/gpt-6-astra-pro搭配 Pro 推理的 GPT-6 Astra，適用於高難度研究、程式設計與專業工作。Pro 會在最終回答前增加模型的處理工作；基礎模型接受文字與圖片，並支援在連接工具的環境中執行多步驟工作。
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 Astra Pro 指的是搭配 Pro 推理的 OpenAI GPT-6 Astra。基礎 Astra 模型為高難度推理、程式設計、研究、電腦操作與專業工作而設計。它接受文字與圖片並輸出文字。Pro 在形成最終回答時增加模型的處理工作，而推理強度控制所選執行模式內的分析工作量。Pro 改變的是執行模式，底層模型仍是 GPT-6 Astra。
開發商的 Astra 發布說明描述了將相關資料轉為文件、試算表、簡報與分析的工作流程。它強調遵循範本、文字或視覺風格，同時挑選與任務相關的上下文。製作專業文件時，提供來源資料、範本要求，以及讀者需要做的決策。示例要求是整合兩組專案需求，並產出簡要說明，區分已達成共識的事實、相互衝突的證據，以及提出建議的條件。
工程或研究工作應指定目標、要檢查的證據，以及何謂完成。程式設計任務可包含所需行為、相關檔案與限制；研究任務可包含問題，以及衡量所提供資料的標準。Astra 文件所述的電腦操作與瀏覽能力，透過提供相應工具的環境連接模型的決策。環境的實際輸出是下一步的證據，與模型提出的動作不同。
OpenAI 的 GPT-6 Astra 規格列出 1,050,000 token 的上下文視窗、最多 922,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2026 年 4 月 30 日。推理強度可選 low、medium、high、xhigh 與 max，不支援 none。推理 token 與可見結果都會佔用上下文空間。OpenAI 在 Responses API 中記載，Pro 適用於能接受額外延遲與模型處理活動的困難工作；模式與強度仍是獨立設定。
基礎模型列有串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、圖片生成工具、程式碼執行、託管的 shell 與 patch 操作、技能、電腦操作、MCP 連線，以及工具搜尋。函式呼叫使用開發商的 Responses 介面。GPT-6 指南也描述了非同步工具工作，以及調整進行中回合的方向。應用程式執行自己的操作、管理待處理工作，並回傳結果資訊；即使另一個工具產生其他成果，模型本身的輸出仍是文字。
Astra 發布說明描述了在保有整體目標的同時，適應新的要求。它也區分防禦性程式碼審查與修補，以及模型可能拒絕的進階漏洞利用開發工作，並描述可中斷任務的自動檢查。圍繞預期成果、允許的工作與證據準備要求，不要把額外推理當成缺少來源資料的替代品。有用的最終成果會列出結論或建議變更、它在所提供資訊中的依據，以及任何會實質改變決策的問題。
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-astra-pro | 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 $0.02 / 1K Token 輸出 · 輸出 Token $0.1 / 1K Token 輸入 · 讀取快取 $0.002 / 1K Token 輸入 · 寫入快取 $0.025 / 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 $0.02 / 1K Token 輸出 · 輸出 Token $0.1 / 1K Token 輸入 · 讀取快取 $0.002 / 1K Token 輸入 · 寫入快取 $0.025 / 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 $0.04 / 1K Token 輸出 · 輸出 Token $0.15 / 1K Token 輸入 · 讀取快取 $0.004 / 1K Token 輸入 · 寫入快取 $0.05 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "openai/gpt-6-astra-pro",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson 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 Ultra openai/gpt-6-astra-pro
請使用上方列出的 API 方法路徑。
openai/gpt-6-astra-pro搭配 Pro 推理的 GPT-6 Astra，適用於高難度研究、程式設計與專業工作。Pro 會在最終回答前增加模型的處理工作；基礎模型接受文字與圖片，並支援在連接工具的環境中執行多步驟工作。
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 Astra Pro 指的是搭配 Pro 推理的 OpenAI GPT-6 Astra。基礎 Astra 模型為高難度推理、程式設計、研究、電腦操作與專業工作而設計。它接受文字與圖片並輸出文字。Pro 在形成最終回答時增加模型的處理工作，而推理強度控制所選執行模式內的分析工作量。Pro 改變的是執行模式，底層模型仍是 GPT-6 Astra。
開發商的 Astra 發布說明描述了將相關資料轉為文件、試算表、簡報與分析的工作流程。它強調遵循範本、文字或視覺風格，同時挑選與任務相關的上下文。製作專業文件時，提供來源資料、範本要求，以及讀者需要做的決策。示例要求是整合兩組專案需求，並產出簡要說明，區分已達成共識的事實、相互衝突的證據，以及提出建議的條件。
工程或研究工作應指定目標、要檢查的證據，以及何謂完成。程式設計任務可包含所需行為、相關檔案與限制；研究任務可包含問題，以及衡量所提供資料的標準。Astra 文件所述的電腦操作與瀏覽能力，透過提供相應工具的環境連接模型的決策。環境的實際輸出是下一步的證據，與模型提出的動作不同。
OpenAI 的 GPT-6 Astra 規格列出 1,050,000 token 的上下文視窗、最多 922,000 token 的輸入，以及最多 128,000 token 的輸出；知識截止日為 2026 年 4 月 30 日。推理強度可選 low、medium、high、xhigh 與 max，不支援 none。推理 token 與可見結果都會佔用上下文空間。OpenAI 在 Responses API 中記載，Pro 適用於能接受額外延遲與模型處理活動的困難工作；模式與強度仍是獨立設定。
基礎模型列有串流、Structured Outputs、函式呼叫、網頁與檔案搜尋、圖片生成工具、程式碼執行、託管的 shell 與 patch 操作、技能、電腦操作、MCP 連線，以及工具搜尋。函式呼叫使用開發商的 Responses 介面。GPT-6 指南也描述了非同步工具工作，以及調整進行中回合的方向。應用程式執行自己的操作、管理待處理工作，並回傳結果資訊；即使另一個工具產生其他成果，模型本身的輸出仍是文字。
Astra 發布說明描述了在保有整體目標的同時，適應新的要求。它也區分防禦性程式碼審查與修補，以及模型可能拒絕的進階漏洞利用開發工作，並描述可中斷任務的自動檢查。圍繞預期成果、允許的工作與證據準備要求，不要把額外推理當成缺少來源資料的替代品。有用的最終成果會列出結論或建議變更、它在所提供資訊中的依據，以及任何會實質改變決策的問題。
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-astra-pro | 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 $0.02 / 1K Token 輸出 · 輸出 Token $0.1 / 1K Token 輸入 · 讀取快取 $0.002 / 1K Token 輸入 · 寫入快取 $0.025 / 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 $0.02 / 1K Token 輸出 · 輸出 Token $0.1 / 1K Token 輸入 · 讀取快取 $0.002 / 1K Token 輸入 · 寫入快取 $0.025 / 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 $0.04 / 1K Token 輸出 · 輸出 Token $0.15 / 1K Token 輸入 · 讀取快取 $0.004 / 1K Token 輸入 · 寫入快取 $0.05 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "openai/gpt-6-astra-pro",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson 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 Ultra openai/gpt-6-astra-pro
請使用上方列出的 API 方法路徑。
英文技術範例
Reconcile conflicting launch requirements\n\nWrite a decision brief using this template: Decision needed; Agreed facts; Conflict; Recommendation conditions. Product requirement P1 says launch must include CSV export. Security requirement S1 prohibits exporting customer email addresses. Current design D1 exports name and email only. Reconcile the requirements, propose a compliant export scope and list the decision still needed about useful fields.A brief under the four supplied headings, with P1, S1 and D1 references beside relevant findings.Check that the proposed scope preserves an export feature while excluding emails and does not invent an approved field list.