Как вызывать gpt-6-luna через hiapi API: curl, Python и рабочие запросы

TL;DR

• Что это: новейшая экономичная текстовая модель OpenAI, разработанная для пакетной обработки и сценариев с высокой пропускной способностью. Уже доступна на HiAPI — откройте страницу модели и общайтесь напрямую; новым пользователям при регистрации начисляется 200 кредитов.
• Сколько стоит: оплата по токенам, в стандартном тарифе вход $0.025/M, выход $0.125/M, попадание в кэш $0.0025/M — самая дешёвая текстовая модель GPT на HiAPI.
• Как вызывать API: протокол по умолчанию — Responses API (POST /v1/responses), также поддерживается Chat Completions (POST /v1/chat/completions). Контекст 1.05M, максимальный вывод 128K.
• Ключевые параметры: шесть уровней силы рассуждений reasoning.effort (none/low/medium/high/xhigh/max), temperature, top_p, text.format (json_schema).

О только что вышедшем GPT-6 Luna чаще всего спрашивают две вещи: как его вызывать и чем он отличается от Chat Completions. Ответы — в этой статье.

Что умеет GPT-6 Luna?

• Пакетная классификация текста. Анализ отзывов о продуктах, классификация тикетов, разметка контента — при цене входа $0.025/M прогон ста тысяч записей не разорит.
• Извлечение структурированных данных. Извлечение JSON из неструктурированного текста — просто задайте text.format с ограничением вывода через json_schema.
• Переписывание и форматирование контента. Снижение уникальности статей, многоязычная шлифовка, унификация формата — пакетный прогон одного промпта решает всё.
• Автоматические ответы на FAQ. Простые вопросы клиентской поддержки — установите reasoning.effort=none, чтобы отключить рассуждения: быстро и экономно.
• Простые циклы агентов. Вызов инструментов + многораундовый диалог — подходит для автоматизированных процессов, не требующих глубоких рассуждений.

Два пути старта: онлайн-проба или API?

Чтобы сначала оценить результат — выбирайте онлайн-пробу, чтобы встроить в продукт — API. Оба пути ведут к одной модели по одной и той же цене.

Онлайн-проба (около 1 минуты)

1. Откройте страницу модели GPT-6 Luna.
2. Зарегистрируйтесь или войдите — новый аккаунт получает 200 кредитов.
3. Введите свой промпт и настраивайте параметры в Playground, наблюдая за результатом.

Подключение через API (около 5 минут)

1. Создайте API Key (sk-...) в консоли HiAPI.
2. POST /v1/responses для Responses API (по умолчанию) или POST /v1/chat/completions для Chat Completions.
3. Результат возвращается в output.

Первый вызов: версия на curl (Responses API, рекомендуется)

curl -s https://api.hiapi.ai/v1/responses \
  -H "Authorization: Bearer sk-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": [
      {"role": "user", "content": "Опиши HiAPI в одном предложении, ответь на китайском."}
    ]
  }'

Пример ответа ниже — ответ находится в output[0].content[0].text:

{
  "id": "resp_...",
  "model": "gpt-6-luna",
  "output": [
    {
      "type": "message",
      "role": "assistant",
      "content": [
        {
          "type": "output_text",
          "text": "HiAPI — это промежуточная платформа API, объединяющая множество AI-моделей..."
        }
      ]
    }
  ],
  "usage": {
    "input_tokens": 25,
    "output_tokens": 32,
    "total_tokens": 57
  }
}

Этот вызов расходует 57 токенов — по стандартному тарифу около $0.0056, почти ничего.

Первый вызов: версия на Python (Responses API)

import requests

API = "https://api.hiapi.ai/v1/responses"
HEADERS = {
    "Authorization": "Bearer sk-YOUR_KEY",
    "Content-Type": "application/json"
}

payload = {
    "model": "gpt-6-luna",
    "input": [
        {"role": "user", "content": "Опиши HiAPI в одном предложении, ответь на китайском."}
    ]
}

resp = requests.post(API, headers=HEADERS, json=payload, timeout=60)
data = resp.json()
text = data["output"][0]["content"][0]["text"]
usage = data["usage"]
print(f"Ответ: {text}")
print(f"Расход: {usage['total_tokens']} токенов (вход {usage['input_tokens']} + выход {usage['output_tokens']})")

Принудительный структурированный вывод через json_schema

Это ключевое применение Luna в сценариях пакетного извлечения. Задайте text.format как json_schema, определите name и schema — и вывод модели будет строго соответствовать указанной вами JSON-структуре:

curl -s https://api.hiapi.ai/v1/responses \
  -H "Authorization: Bearer sk-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": [
      {
        "role": "user",
        "content": "Отзыв о продукте: цвет красивый, но через две недели подошва отвалилась. Не рекомендую."
      }
    ],
    "text": {
      "format": {
        "type": "json_schema",
        "name": "review_analysis",
        "schema": {
          "type": "object",
          "properties": {
            "sentiment": {"type": "string", "enum": ["positive", "neutral", "negative"]},
            "pros": {"type": "array", "items": {"type": "string"}},
            "cons": {"type": "array", "items": {"type": "string"}},
            "recommend": {"type": "boolean"}
          },
          "required": ["sentiment", "pros", "cons", "recommend"]
        }
      }
    }
  }'

Модель вернёт JSON, соответствующий schema, — ручной разбор не нужен.

Альтернативный интерфейс Chat Completions

Если в вашем существующем коде уже используется протокол Chat Completions, достаточно сменить model:

curl -s https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "messages": [
      {"role": "user", "content": "Опиши HiAPI в одном предложении, ответь на китайском."}
    ]
  }'

Responses API рекомендуется по умолчанию: формат входа — массив input, поддерживаются конфигурация reasoning и структурированный вывод text.format. Chat Completions не поддерживает max_completion_tokens и max_tokens (Luna в обоих протоколах работает только с форматом input).

Ключевые параметры

Параметр	Обязательный	Описание
model	Да	gpt-6-luna
input	Да	Массив сообщений, каждое содержит role и content
reasoning.effort	Нет	Сила рассуждений, шесть уровней: none/low/medium (по умолчанию)/high/xhigh/max
temperature	Нет	Управляет случайностью, настраивается при reasoning.effort=none
top_p	Нет	Ядерная выборка, настраивается при reasoning.effort=none
text.format	Нет	Управление форматом вывода, поддерживает json_schema и strict
max_output_tokens	Нет	Максимальное число токенов вывода
tools	Нет	Определение инструментов для сценариев агентов
tool_choice	Нет	Стратегия выбора инструментов

Об использовании reasoning.effort:

• none: рассуждения отключены, подходит для классификации, извлечения, простых вопросов-ответов. При этом можно свободно настраивать temperature и top_p.
• low/medium (по умолчанию): от лёгких до умеренных рассуждений, подходит для общих вопросов-ответов и генерации контента.
• high/xhigh/max: глубокие рассуждения, для сложного анализа. Учтите: чем выше уровень, тем больше токенов рассуждений расходуется.

Для пакетных задач ставьте none, для обычных диалогов достаточно значения по умолчанию medium, для сложного анализа — повышайте по необходимости.

Частые ошибки

• 400 model not found → опечатка в поле model → убедитесь, что указано gpt-6-luna.
• 400 additional properties not allowed → передан неподдерживаемый параметр (например, max_tokens в Chat Completions) → удалите лишние поля.
• 401 permission_denied → ключ отсутствует или указан неверно → проверьте Authorization: Bearer sk-....
• 400 json_schema validation failed → определение schema не соответствует спецификации → проверьте массив required и type каждого поля в properties.

Частые вопросы

Что использовать — Responses API или Chat Completions? Для нового подключения — Responses API. Он поддерживает ввод в виде массива input, reasoning.effort, json_schema в text.format и другие новые возможности. Если уже есть код на Chat Completions и менять его не хочется, достаточно заменить model.

Чем reasoning.effort=none отличается от отключения рассуждений? При none модель не генерирует токены рассуждений, вывод содержит только текст финального ответа. При этом temperature и top_p можно настраивать вручную. Для классификации, извлечения и форматирования достаточно none — экономит токены и работает быстрее.

Как работает кэш? Автоматически. Повторяющиеся части системного промпта и истории диалога попадают в кэш и тарифицируются по $0.0025/M. Дополнительная настройка не требуется.

Как отправлять пакетные задачи в Batch? Добавьте в запрос "processing_mode": "batch" — задача попадёт в асинхронную очередь, цена — со скидкой 50%. Подходит для задач, не требующих ответа в реальном времени.

Что изменилось по сравнению с gpt-5.6-luna? Цена снижена вдвое (вход $0.025 против $0.05), вывод дешевле в 2,4 раза, добавлен Responses API как протокол по умолчанию, шесть уровней силы рассуждений (полностью совпадают с 6-luna — все шесть уровней), контекст увеличен до 1.05M. Подробнее — в сравнении GPT-6 Luna vs GPT-5.6 Luna.

Серия статей о GPT-6 Luna

• Страница модели GPT-6 Luna: онлайн-диалог, 200 кредитов при регистрации
• Цены API GPT-6 Luna: $0.025/M за вход — самый дешёвый GPT на HiAPI
• GPT-6 Luna vs GPT-5.6 Luna: цена вдвое ниже — переходить ли
• Примеры промптов GPT-6 Luna: 5 пакетных сценариев для копирования

Попробуйте сейчас: скопируйте команду curl выше, подставьте свой API Key и выполните первый вызов. Или откройте страницу модели и общайтесь онлайн.