GPT-6 Luna Pro 指使用 Pro 推理的 OpenAI GPT-6 Luna。Luna 為範圍明確的任務和大批量工作負載而設計；輸入是文字和圖片，輸出是文字。Pro 在形成最終答案時增加模型工作量。它是套用於所選基礎模型的執行模式，與控制該模式中分析量的推理強度設定不同。
一項實用應用是處理包含多項規則或例外、定義明確且範圍有限的請求。請提供請求、可能所屬類別，以及決定下一個動作的資訊。要求回傳類別、相關事實，以及簡短回覆草稿。一個任務示例是對文件請求分類、指出缺少的欄位，再草擬詢問該欄位的訊息。即使條件需要仔細考量，任務仍維持明確範圍。
針對圖片問題，請提供清晰的螢幕截圖或其他視覺資料，並指出要檢查的細節。你可要求解釋可見介面狀態，並附上給讀者的簡短指示。針對書面資料，請定義轉換後必須保留的欄位或陳述、允許的類別，以及預期答案格式。少量具代表性的範例能釐清相似類別的界線，不必讓模型推測你的規則。
OpenAI 指定 1,050,000 token 的上下文視窗供 GPT-6 Luna 使用，最多輸入 922,000 token，最多輸出 128,000 token。文件中的知識截止日為 2026年5月18日。基礎模型支援 none、low、medium、high、xhigh 和 max 推理強度，預設為 medium。推理與最終答案都會占用 token 空間，因此任務說明和所提供資料應為分析及所需結果預留空間。
開發者在 Responses API 中記載了 Pro，適用於允許額外延遲和模型作業量的高難度請求。GPT-6 Luna 的內建工具和結合函式呼叫的推理使用 Responses；在開發者的 Chat Completions 介面中，只有推理強度設為 none 時才支援函式呼叫。基礎模型列出串流、Structured Outputs、網頁與檔案搜尋、函式呼叫和提示快取。其工具也包括圖片生成、程式碼解譯、shell 和 patch 操作、技能、電腦操作、MCP 連線及工具搜尋。你的應用程式決定並執行其公開的操作。
請為最終任務指定精確輸出契約：決策、支持決策的欄位，以及仍缺少的資訊。例如，要求一個類別、依所提供規則給出的簡短理由，以及接下來要向讀者提出的問題。請依這些規則檢查結果，而非加入無限制的討論。此工作流程運用 Luna 的明確任務用途，同時將 Pro 額外作業用於其相依關係或例外需要更完整檢查的請求。
", "aboutText": "GPT-6 Luna Pro 指使用 Pro 推理的 OpenAI GPT-6 Luna。Luna 為範圍明確的任務和大批量工作負載而設計；輸入是文字和圖片，輸出是文字。Pro 在形成最終答案時增加模型工作量。它是套用於所選基礎模型的執行模式，與控制該模式中分析量的推理強度設定不同。\n\n一項實用應用是處理包含多項規則或例外、定義明確且範圍有限的請求。請提供請求、可能所屬類別，以及決定下一個動作的資訊。要求回傳類別、相關事實，以及簡短回覆草稿。一個任務示例是對文件請求分類、指出缺少的欄位，再草擬詢問該欄位的訊息。即使條件需要仔細考量，任務仍維持明確範圍。\n\n針對圖片問題，請提供清晰的螢幕截圖或其他視覺資料，並指出要檢查的細節。你可要求解釋可見介面狀態，並附上給讀者的簡短指示。針對書面資料，請定義轉換後必須保留的欄位或陳述、允許的類別，以及預期答案格式。少量具代表性的範例能釐清相似類別的界線，不必讓模型推測你的規則。\n\nOpenAI 指定 1,050,000 token 的上下文視窗供 GPT-6 Luna 使用，最多輸入 922,000 token，最多輸出 128,000 token。文件中的知識截止日為 2026年5月18日。基礎模型支援 none、low、medium、high、xhigh 和 max 推理強度，預設為 medium。推理與最終答案都會占用 token 空間，因此任務說明和所提供資料應為分析及所需結果預留空間。\n\n開發者在 Responses API 中記載了 Pro，適用於允許額外延遲和模型作業量的高難度請求。GPT-6 Luna 的內建工具和結合函式呼叫的推理使用 Responses；在開發者的 Chat Completions 介面中，只有推理強度設為 none 時才支援函式呼叫。基礎模型列出串流、Structured Outputs、網頁與檔案搜尋、函式呼叫和提示快取。其工具也包括圖片生成、程式碼解譯、shell 和 patch 操作、技能、電腦操作、MCP 連線及工具搜尋。你的應用程式決定並執行其公開的操作。\n\n請為最終任務指定精確輸出契約：決策、支持決策的欄位，以及仍缺少的資訊。例如，要求一個類別、依所提供規則給出的簡短理由，以及接下來要向讀者提出的問題。請依這些規則檢查結果，而非加入無限制的討論。此工作流程運用 Luna 的明確任務用途，同時將 Pro 額外作業用於其相依關係或例外需要更完整檢查的請求。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Find missing request details\n\nProcess this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.A compact field table, missing-field list and targeted clarification message.Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.openai/gpt-6-luna-pro使用 Pro 推理的 GPT-6 Luna，適合在最終答案前需要額外分析的明確任務。基礎模型接收文字和圖片，適用於依規則處理文件、視覺問題，以及精簡的書面結果。
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 Pro 指使用 Pro 推理的 OpenAI GPT-6 Luna。Luna 為範圍明確的任務和大批量工作負載而設計；輸入是文字和圖片，輸出是文字。Pro 在形成最終答案時增加模型工作量。它是套用於所選基礎模型的執行模式，與控制該模式中分析量的推理強度設定不同。
一項實用應用是處理包含多項規則或例外、定義明確且範圍有限的請求。請提供請求、可能所屬類別，以及決定下一個動作的資訊。要求回傳類別、相關事實，以及簡短回覆草稿。一個任務示例是對文件請求分類、指出缺少的欄位，再草擬詢問該欄位的訊息。即使條件需要仔細考量，任務仍維持明確範圍。
針對圖片問題，請提供清晰的螢幕截圖或其他視覺資料，並指出要檢查的細節。你可要求解釋可見介面狀態，並附上給讀者的簡短指示。針對書面資料，請定義轉換後必須保留的欄位或陳述、允許的類別，以及預期答案格式。少量具代表性的範例能釐清相似類別的界線，不必讓模型推測你的規則。
OpenAI 指定 1,050,000 token 的上下文視窗供 GPT-6 Luna 使用，最多輸入 922,000 token，最多輸出 128,000 token。文件中的知識截止日為 2026年5月18日。基礎模型支援 none、low、medium、high、xhigh 和 max 推理強度，預設為 medium。推理與最終答案都會占用 token 空間，因此任務說明和所提供資料應為分析及所需結果預留空間。
開發者在 Responses API 中記載了 Pro，適用於允許額外延遲和模型作業量的高難度請求。GPT-6 Luna 的內建工具和結合函式呼叫的推理使用 Responses；在開發者的 Chat Completions 介面中，只有推理強度設為 none 時才支援函式呼叫。基礎模型列出串流、Structured Outputs、網頁與檔案搜尋、函式呼叫和提示快取。其工具也包括圖片生成、程式碼解譯、shell 和 patch 操作、技能、電腦操作、MCP 連線及工具搜尋。你的應用程式決定並執行其公開的操作。
請為最終任務指定精確輸出契約：決策、支持決策的欄位，以及仍缺少的資訊。例如，要求一個類別、依所提供規則給出的簡短理由，以及接下來要向讀者提出的問題。請依這些規則檢查結果，而非加入無限制的討論。此工作流程運用 Luna 的明確任務用途，同時將 Pro 額外作業用於其相依關係或例外需要更完整檢查的請求。
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-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 $0.0002 / 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-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-6-luna-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-luna-pro
請使用上方列出的 API 方法路徑。
openai/gpt-6-luna-pro使用 Pro 推理的 GPT-6 Luna，適合在最終答案前需要額外分析的明確任務。基礎模型接收文字和圖片，適用於依規則處理文件、視覺問題，以及精簡的書面結果。
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 Pro 指使用 Pro 推理的 OpenAI GPT-6 Luna。Luna 為範圍明確的任務和大批量工作負載而設計；輸入是文字和圖片，輸出是文字。Pro 在形成最終答案時增加模型工作量。它是套用於所選基礎模型的執行模式，與控制該模式中分析量的推理強度設定不同。
一項實用應用是處理包含多項規則或例外、定義明確且範圍有限的請求。請提供請求、可能所屬類別，以及決定下一個動作的資訊。要求回傳類別、相關事實，以及簡短回覆草稿。一個任務示例是對文件請求分類、指出缺少的欄位，再草擬詢問該欄位的訊息。即使條件需要仔細考量，任務仍維持明確範圍。
針對圖片問題，請提供清晰的螢幕截圖或其他視覺資料，並指出要檢查的細節。你可要求解釋可見介面狀態，並附上給讀者的簡短指示。針對書面資料，請定義轉換後必須保留的欄位或陳述、允許的類別，以及預期答案格式。少量具代表性的範例能釐清相似類別的界線，不必讓模型推測你的規則。
OpenAI 指定 1,050,000 token 的上下文視窗供 GPT-6 Luna 使用，最多輸入 922,000 token，最多輸出 128,000 token。文件中的知識截止日為 2026年5月18日。基礎模型支援 none、low、medium、high、xhigh 和 max 推理強度，預設為 medium。推理與最終答案都會占用 token 空間，因此任務說明和所提供資料應為分析及所需結果預留空間。
開發者在 Responses API 中記載了 Pro，適用於允許額外延遲和模型作業量的高難度請求。GPT-6 Luna 的內建工具和結合函式呼叫的推理使用 Responses；在開發者的 Chat Completions 介面中，只有推理強度設為 none 時才支援函式呼叫。基礎模型列出串流、Structured Outputs、網頁與檔案搜尋、函式呼叫和提示快取。其工具也包括圖片生成、程式碼解譯、shell 和 patch 操作、技能、電腦操作、MCP 連線及工具搜尋。你的應用程式決定並執行其公開的操作。
請為最終任務指定精確輸出契約：決策、支持決策的欄位，以及仍缺少的資訊。例如，要求一個類別、依所提供規則給出的簡短理由，以及接下來要向讀者提出的問題。請依這些規則檢查結果，而非加入無限制的討論。此工作流程運用 Luna 的明確任務用途，同時將 Pro 額外作業用於其相依關係或例外需要更完整檢查的請求。
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-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 $0.0002 / 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 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "openai/gpt-6-luna-pro",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-luna-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-luna-pro', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson 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-luna-pro
請使用上方列出的 API 方法路徑。
openai/gpt-6-luna-pro使用 Pro 推理的 GPT-6 Luna，適合在最終答案前需要額外分析的明確任務。基礎模型接收文字和圖片，適用於依規則處理文件、視覺問題，以及精簡的書面結果。
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 Pro 指使用 Pro 推理的 OpenAI GPT-6 Luna。Luna 為範圍明確的任務和大批量工作負載而設計；輸入是文字和圖片，輸出是文字。Pro 在形成最終答案時增加模型工作量。它是套用於所選基礎模型的執行模式，與控制該模式中分析量的推理強度設定不同。
一項實用應用是處理包含多項規則或例外、定義明確且範圍有限的請求。請提供請求、可能所屬類別，以及決定下一個動作的資訊。要求回傳類別、相關事實，以及簡短回覆草稿。一個任務示例是對文件請求分類、指出缺少的欄位，再草擬詢問該欄位的訊息。即使條件需要仔細考量，任務仍維持明確範圍。
針對圖片問題，請提供清晰的螢幕截圖或其他視覺資料，並指出要檢查的細節。你可要求解釋可見介面狀態，並附上給讀者的簡短指示。針對書面資料，請定義轉換後必須保留的欄位或陳述、允許的類別，以及預期答案格式。少量具代表性的範例能釐清相似類別的界線，不必讓模型推測你的規則。
OpenAI 指定 1,050,000 token 的上下文視窗供 GPT-6 Luna 使用，最多輸入 922,000 token，最多輸出 128,000 token。文件中的知識截止日為 2026年5月18日。基礎模型支援 none、low、medium、high、xhigh 和 max 推理強度，預設為 medium。推理與最終答案都會占用 token 空間，因此任務說明和所提供資料應為分析及所需結果預留空間。
開發者在 Responses API 中記載了 Pro，適用於允許額外延遲和模型作業量的高難度請求。GPT-6 Luna 的內建工具和結合函式呼叫的推理使用 Responses；在開發者的 Chat Completions 介面中，只有推理強度設為 none 時才支援函式呼叫。基礎模型列出串流、Structured Outputs、網頁與檔案搜尋、函式呼叫和提示快取。其工具也包括圖片生成、程式碼解譯、shell 和 patch 操作、技能、電腦操作、MCP 連線及工具搜尋。你的應用程式決定並執行其公開的操作。
請為最終任務指定精確輸出契約：決策、支持決策的欄位，以及仍缺少的資訊。例如，要求一個類別、依所提供規則給出的簡短理由，以及接下來要向讀者提出的問題。請依這些規則檢查結果，而非加入無限制的討論。此工作流程運用 Luna 的明確任務用途，同時將 Pro 額外作業用於其相依關係或例外需要更完整檢查的請求。
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-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 $0.0002 / 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 $0.0005 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "openai/gpt-6-luna-pro",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/responses \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-luna-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\njson 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-luna-pro
請使用上方列出的 API 方法路徑。
英文技術範例
Find missing request details\n\nProcess this equipment request using the supplied rules. Every request needs item, quantity and delivery site. Urgent requests also need a reason. Message: "Urgent: please send 4 replacement keyboards." Return the supplied fields, missing required fields and a brief reply asking only for the missing details. Do not invent a site or urgency reason.A compact field table, missing-field list and targeted clarification message.Check that quantity four and keyboards are retained, while delivery site and urgent reason stay missing.