摘要本文記錄 GPT-6 Luna 模型通過(guò) Batch API 進(jìn)行批量異步推理的完整接入過(guò)程涵蓋模型能力與規(guī)格、開(kāi)發(fā)環(huán)境搭建、批量任務(wù)提交與輪詢、推理強(qiáng)度配置、多模態(tài)請(qǐng)求、結(jié)構(gòu)化輸出、計(jì)費(fèi)規(guī)則與成本估算、任務(wù)管理與錯(cuò)誤處理并附完整批量文本分類示例幫助讀者快速掌握 Batch API 的高效用法。目錄① 模型能力與規(guī)格能力一覽模型規(guī)格② 開(kāi)發(fā)環(huán)境搭建前置要求安裝 SDK初始化客戶端Batch API 限流③ Batch API 基本流程準(zhǔn)備批量請(qǐng)求文件上傳文件并創(chuàng)建批量任務(wù)④ 輪詢?nèi)蝿?wù)狀態(tài)與獲取結(jié)果輪詢狀態(tài)下載并解析結(jié)果⑤ 推理強(qiáng)度配置推理強(qiáng)度選擇參考⑥ 多模態(tài)批量請(qǐng)求⑦ 結(jié)構(gòu)化輸出⑧ 計(jì)費(fèi)規(guī)則與成本估算Batch 定價(jià)短上下文 ≤ 272K tokens按 Standard 50% 計(jì)長(zhǎng)上下文階梯單請(qǐng)求輸入 272K tokens成本估算示例提示詞緩存⑨ 任務(wù)管理與錯(cuò)誤處理取消未完成的任務(wù)列出歷史任務(wù)常見(jiàn)錯(cuò)誤排查結(jié)果校驗(yàn)⑩ 完整示例批量文本分類參考文檔記錄 GPT-6 Luna 模型通過(guò) Batch API 進(jìn)行批量異步推理的接入過(guò)程涵蓋環(huán)境準(zhǔn)備、批量任務(wù)提交、結(jié)果輪詢、參數(shù)調(diào)優(yōu)等場(chǎng)景的代碼示例。① 模型能力與規(guī)格GPT-6 Luna 是 GPT-6 系列中面向高吞吐量任務(wù)的模型支持文本和圖像輸入、文本輸出具備可配置的推理強(qiáng)度和工具調(diào)用能力。能力一覽能力說(shuō)明多模態(tài)輸入文本、圖像、文件PDF推理控制reasoning effort: none / low / medium / high / xhigh / max工具調(diào)用Function Calling、Web Search、File Search、Computer Use結(jié)構(gòu)化輸出JSON Schema 約束提示詞緩存自動(dòng)緩存最低 1024 token 前綴Batch API異步批量處理50% 折扣模型規(guī)格項(xiàng)目參數(shù)模型 IDgpt-6-luna上下文窗口1,050,000 tokens最大輸出128,000 tokens輸入模態(tài)文本、圖像、文件輸出模態(tài)文本知識(shí)截止2026 年 5 月 18 日默認(rèn)推理強(qiáng)度medium② 開(kāi)發(fā)環(huán)境搭建前置要求Python 3.9OpenAI API Keypip安裝 SDKpip install openai初始化客戶端import os from openai import OpenAI client OpenAI( api_keyos.environ.get(OPENAI_API_KEY) )Batch API 限流TierRPMTPMBatch 隊(duì)列上限Free不支持——Tier 1500500,0005,000,000Tier 25,0002,000,00020,000,000Tier 35,0004,000,00040,000,000Tier 410,00010,000,0001,000,000,000Tier 530,000180,000,00015,000,000,000③ Batch API 基本流程Batch API 用于異步處理大量請(qǐng)求按 Standard 費(fèi)率的50%計(jì)費(fèi)24 小時(shí)內(nèi)完成。流程分三步提交 → 輪詢 → 取結(jié)果。準(zhǔn)備批量請(qǐng)求文件Batch API 要求先上傳一個(gè) JSONL 文件每行一個(gè)請(qǐng)求import json 構(gòu)造批量請(qǐng)求數(shù)據(jù) requests [ { custom_id: task-001, method: POST, url: /v1/chat/completions, body: { model: gpt-6-luna, messages: [ {role: user, content: 請(qǐng)用一句話總結(jié)人工智能在醫(yī)療領(lǐng)域的應(yīng)用} ], max_completion_tokens: 200 } }, { custom_id: task-002, method: POST, url: /v1/chat/completions, body: { model: gpt-6-luna, messages: [ {role: user, content: 請(qǐng)用一句話總結(jié)區(qū)塊鏈技術(shù)的核心思想} ], max_completion_tokens: 200 } }, { custom_id: task-003, method: POST, url: /v1/chat/completions, body: { model: gpt-6-luna, messages: [ {role: user, content: 請(qǐng)用一句話總結(jié)邊緣計(jì)算與云計(jì)算的區(qū)別} ], max_completion_tokens: 200 } } ] 寫入 JSONL 文件 with open(batch_requests.jsonl, w, encodingutf-8) as f: for req in requests: f.write(json.dumps(req, ensure_asciiFalse) \n) print(f已生成 {len(requests)} 條請(qǐng)求)上傳文件并創(chuàng)建批量任務(wù)# 1. 上傳 JSONL 文件 batch_file client.files.create( fileopen(batch_requests.jsonl, rb), purposebatch ) 2. 創(chuàng)建批量任務(wù) batch_job client.batches.create( input_file_idbatch_file.id, endpoint/v1/chat/completions, completion_window24h ) print(f批量任務(wù) ID: {batch_job.id}) print(f狀態(tài): {batch_job.status})④ 輪詢?nèi)蝿?wù)狀態(tài)與獲取結(jié)果輪詢狀態(tài)import time batch_id batch_job.id while True: batch client.batches.retrieve(batch_id) print(f狀態(tài): {batch.status} | f已完成: {batch.request_counts.completed} | f失敗: {batch.request_counts.failed} | f總計(jì): {batch.request_counts.total}) if batch.status in (completed, failed, cancelled, expired): break time.sleep(30) # 每 30 秒檢查一次下載并解析結(jié)果if batch.status completed: # 下載結(jié)果文件 result_content client.files.content(batch.output_file_id) result_text result_content.text # 逐行解析 JSONL for line in result_text.strip().split(\n): result json.loads(line) custom_id result[custom_id] response result[response] if response[status_code] 200: content response[body][choices][0][message][content] print(f[{custom_id}] {content}) else: print(f[{custom_id}] 錯(cuò)誤: {response}) # 如果有失敗記錄下載錯(cuò)誤文件 if batch.error_file_id: error_content client.files.content(batch.error_file_id) print(f錯(cuò)誤詳情:\n{error_content.text})Batch 輸入和結(jié)果文件保留30 天過(guò)期自動(dòng)刪除。⑤ 推理強(qiáng)度配置GPT-6 Luna 支持 6 檔推理強(qiáng)度Batch 請(qǐng)求中通過(guò)reasoning_effort參數(shù)控制# 構(gòu)造不同推理強(qiáng)度的請(qǐng)求 requests [ { custom_id: ftask-{i:03d}, method: POST, url: /v1/chat/completions, body: { model: gpt-6-luna, messages: [ {role: user, content: f分析以下代碼的時(shí)間復(fù)雜度并說(shuō)明理由{code_snippet}} ], reasoning_effort: effort, # none / low / medium / high / xhigh / max max_completion_tokens: 1024 } } for i, (effort, code_snippet) in enumerate([ (none, def f(n): return n * 2), (low, def f(n): return sum(range(n))), (medium, def f(n): return [i*j for i in range(n) for j in range(n)]), (high, def f(n): return sorted([randint(0,n) for _ in range(n*n)])), ]) ] with open(batch_reasoning.jsonl, w, encodingutf-8) as f: for req in requests: f.write(json.dumps(req, ensure_asciiFalse) \n)推理強(qiáng)度選擇參考effort適用場(chǎng)景token 消耗none簡(jiǎn)單分類、格式轉(zhuǎn)換、提取最低low基礎(chǔ)問(wèn)答、短文本摘要低medium默認(rèn)值通用任務(wù)中high代碼分析、多步推理高xhigh復(fù)雜邏輯、數(shù)學(xué)證明較高max最深推理耗時(shí)最長(zhǎng)最高注意Chat Completions API 中使用 Function Calling 時(shí)reasoning_effort只能設(shè)為none。需要同時(shí)使用工具和推理時(shí)改用 Responses API。⑥ 多模態(tài)批量請(qǐng)求Batch 請(qǐng)求同樣支持圖像輸入將圖片轉(zhuǎn)為 base64 后放入消息體import base64 def image_to_data_url(image_path): with open(image_path, rb) as f: b64 base64.b64encode(f.read()).decode(utf-8) return fdata:image/jpeg;base64,{b64} 批量圖片分類請(qǐng)求 image_files [img1.jpg, img2.jpg, img3.jpg] requests [] for i, img_path in enumerate(image_files): data_url image_to_data_url(img_path) requests.append({ custom_id: fimg-{i:03d}, method: POST, url: /v1/chat/completions, body: { model: gpt-6-luna, messages: [{ role: user, content: [ {type: text, text: 請(qǐng)用 JSON 格式輸出這張圖片的類別和置信度格式: {category: ..., confidence: 0.0}}, {type: image_url, image_url: {url: data_url}} ] }], max_completion_tokens: 200, response_format: {type: json_object} } }) with open(batch_vision.jsonl, w, encodingutf-8) as f: for req in requests: f.write(json.dumps(req, ensure_asciiFalse) \n)⑦ 結(jié)構(gòu)化輸出通過(guò)response_format約束輸出為 JSON Schemarequest { custom_id: extract-001, method: POST, url: /v1/chat/completions, body: { model: gpt-6-luna, messages: [ {role: user, content: 從以下文本提取人名、日期和金額2026年9月22日張三向李四轉(zhuǎn)賬5000元。} ], max_completion_tokens: 256, response_format: { type: json_schema, json_schema: { name: extraction, strict: True, schema: { type: object, properties: { people: {type: array, items: {type: string}}, date: {type: string}, amount: {type: number} }, required: [people, date, amount] } } } } }⑧ 計(jì)費(fèi)規(guī)則與成本估算Batch 定價(jià)短上下文 ≤ 272K tokens按 Standard 50% 計(jì)計(jì)費(fèi)項(xiàng)Batch 單價(jià)/百萬(wàn) tokens輸入$0.05緩存命中輸入$0.005緩存寫入$0.0625輸出$0.25長(zhǎng)上下文階梯單請(qǐng)求輸入 272K tokens計(jì)費(fèi)項(xiàng)Batch 長(zhǎng)上下文單價(jià)輸入$0.10緩存命中輸入$0.01緩存寫入$0.125輸出$0.375階梯按單次請(qǐng)求的輸入 token 數(shù)判定不是 batch 內(nèi)所有請(qǐng)求的合計(jì)。成本估算示例假設(shè) 1000 條請(qǐng)求每條輸入 2000 tokens、輸出 300 tokens無(wú)緩存num_requests 1000 input_tokens_per_req 2000 output_tokens_per_req 300 total_input num_requests * input_tokens_per_req # 2,000,000 total_output num_requests * output_tokens_per_req # 300,000 Batch 短上下文 input_cost (total_input / 1_000_000) * 0.05 # $0.10 output_cost (total_output / 1_000_000) * 0.25 # $0.075 total_cost input_cost output_cost print(f輸入費(fèi)用: ${input_cost:.4f}) print(f輸出費(fèi)用: ${output_cost:.4f}) print(f總費(fèi)用: ${total_cost:.4f}) 輸入費(fèi)用: $0.1000 輸出費(fèi)用: $0.0750 總費(fèi)用: $0.1750提示詞緩存緩存自動(dòng)生效無(wú)需改代碼。命中條件前綴 ≥ 1024 tokensTTL 5–10 分鐘最長(zhǎng) 1 小時(shí)緩存命中按 $0.005/M 計(jì)費(fèi)Batch 短上下文適合重復(fù)使用相同系統(tǒng)提示詞的場(chǎng)景# 所有請(qǐng)求共享相同的系統(tǒng) prompt長(zhǎng)前綴只有 user 內(nèi)容不同 system_prompt 你是一個(gè)專業(yè)的文本分類助手。請(qǐng)將輸入文本分類到以下類別之一科技、財(cái)經(jīng)、體育、娛樂(lè)、教育、健康。只輸出類別名稱不要解釋。 * 20 # 確保超過(guò) 1024 tokens requests [ { custom_id: fcls-{i:04d}, method: POST, url: /v1/chat/completions, body: { model: gpt-6-luna, messages: [ {role: system, content: system_prompt}, {role: user, content: text} ], max_completion_tokens: 10, reasoning_effort: none } } for i, text in enumerate(texts_to_classify) ] 首次請(qǐng)求寫入緩存后續(xù)命中緩存輸入費(fèi)用降至 1/10⑨ 任務(wù)管理與錯(cuò)誤處理取消未完成的任務(wù)# 取消批量任務(wù) cancelled client.batches.cancel(batch_id) print(f取消后狀態(tài): {cancelled.status})列出歷史任務(wù)# 列出最近的批量任務(wù) batches client.batches.list(limit10) for b in batches.data: print(fID: {b.id} | 狀態(tài): {b.status} | f完成: {b.request_counts.completed}/{b.request_counts.total} | f創(chuàng)建時(shí)間: {b.created_at})常見(jiàn)錯(cuò)誤排查錯(cuò)誤原因解決方案invalid_api_keyAPI Key 錯(cuò)誤檢查環(huán)境變量file_too_largeJSONL 文件超限拆分為多個(gè) batchrate_limit_exceeded超出 Batch 隊(duì)列上限升級(jí) tier 或分批提交batch_expired超過(guò) 24h 窗口未完成檢查隊(duì)列負(fù)載減少單次請(qǐng)求量invalid_request請(qǐng)求體格式錯(cuò)誤校驗(yàn) JSONL 每行的body結(jié)構(gòu)結(jié)果校驗(yàn)# 下載結(jié)果后逐條校驗(yàn) results [] for line in result_text.strip().split(\n): entry json.loads(line) if entry[response][status_code] 200: results.append(entry) else: # 記錄失敗請(qǐng)求后續(xù)重試 print(f失敗: {entry[custom_id]} - {entry[response]}) 校驗(yàn) JSON 結(jié)構(gòu)化輸出 for r in results: try: data json.loads(r[response][body][choices][0][message][content]) except json.JSONDecodeError: print(fJSON 解析失敗: {r[custom_id]})⑩ 完整示例批量文本分類將以上步驟整合為一個(gè)完整的批量分類流程import os import json import time from openai import OpenAI client OpenAI(api_keyos.environ.get(OPENAI_API_KEY)) 1. 準(zhǔn)備數(shù)據(jù) texts [ 蘋果發(fā)布新款 MacBook Pro搭載 M5 芯片, 美聯(lián)儲(chǔ)宣布降息 50 個(gè)基點(diǎn), 中國(guó)隊(duì)獲得乒乓球世錦賽團(tuán)體冠軍, 某明星宣布退出娛樂(lè)圈, 教育部發(fā)布新一輪課程改革方案, 研究發(fā)現(xiàn)每天步行 8000 步可顯著降低心血管風(fēng)險(xiǎn), ] system_prompt 你是一個(gè)新聞分類助手。請(qǐng)將輸入文本分類到以下類別之一科技、財(cái)經(jīng)、體育、娛樂(lè)、教育、健康。只輸出類別名稱。 2. 構(gòu)造 JSONL requests [ { custom_id: fnews-{i:03d}, method: POST, url: /v1/chat/completions, body: { model: gpt-6-luna, messages: [ {role: system, content: system_prompt}, {role: user, content: text} ], max_completion_tokens: 10, reasoning_effort: none } } for i, text in enumerate(texts) ] with open(classify_batch.jsonl, w, encodingutf-8) as f: for req in requests: f.write(json.dumps(req, ensure_asciiFalse) \n) 3. 上傳 創(chuàng)建任務(wù) batch_file client.files.create( fileopen(classify_batch.jsonl, rb), purposebatch ) batch_job client.batches.create( input_file_idbatch_file.id, endpoint/v1/chat/completions, completion_window24h ) print(f任務(wù)已提交: {batch_job.id}) 4. 輪詢 while True: batch client.batches.retrieve(batch_job.id) print(f[{batch.status}] {batch.request_counts.completed}/{batch.request_counts.total}) if batch.status in (completed, failed, cancelled, expired): break time.sleep(15) 5. 輸出結(jié)果 if batch.status completed: result_text client.files.content(batch.output_file_id).text for line in result_text.strip().split(\n): entry json.loads(line) content entry[response][body][choices][0][message][content] print(f{entry[custom_id]}: {content})參考文檔模型文檔developers.openai.com/api/docs/models/gpt-6-lunaBatch APIdevelopers.openai.com/api/docs/batch定價(jià)developers.openai.com/api/docs/pricingGPT-6 使用指南developers.openai.com/api/docs/guides/latest-model以上內(nèi)容基于 2026 年 9 月的 API 版本整理具體參數(shù)以官方文檔為準(zhǔn)。