Responses

curl https://api.ailoot.ai/v1/responses \
  -H "Authorization: Bearer $AILOOT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-sol",
    "instructions": "Responda de forma breve.",
    "input": "Qual é a diferença entre TCP e UDP?"
  }' 

from openai import OpenAI
import os

client = OpenAI(max_retries=0, base_url="https://api.ailoot.ai/v1", api_key=os.environ["AILOOT_API_KEY"])
resp = client.responses.create(
    model="gpt-6.1-sol",
    instructions="Responda de forma breve.",
    input="Qual é a diferença entre TCP e UDP?",
)
print(resp.output_text)

import OpenAI from "openai";

const client = new OpenAI({ maxRetries: 0, baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY });
const resp = await client.responses.create({
  model: "gpt-6.1-sol",
  instructions: "Responda de forma breve.",
  input: "Qual é a diferença entre TCP e UDP?",
});
console.log(resp.output_text);

{
  "id": "resp_67f1…",
  "object": "response",
  "status": "completed",
  "model": "gpt-6.1-sol",
  "output": [
    {
      "type": "message",
      "role": "assistant",
      "content": [
        { "type": "output_text", "text": "O TCP garante a entrega e a ordem; o UDP não, mas é mais rápido…" }
      ]
    }
  ],
  "usage": { "input_tokens": 24, "output_tokens": 61, "total_tokens": 85 }
}

Autorização

• Authorizationheaderobrigatório

  Chave no formato Bearer sk-…. Também são aceites os cabeçalhos x-api-key ou x-goog-api-key.

Corpo do pedido

• modelstringobrigatório

  ID de um modelo com o formato Responses. Existem 53 no catálogo: GPT, Claude, DeepSeek, Qwen, Kimi, GLM, MiniMax e Grok. Os modelos Gemini não estão disponíveis neste formato.

• inputstring | arrayobrigatório

  Texto do pedido ou array de mensagens e partes (texto, imagens).

• instructionsstringopcional

  Instrução de sistema.

• streambooleanopcional

  Fluxo de eventos SSE; o último evento é response.completed. O texto pago chega num único bloco após o cálculo do custo.

• max_output_tokensintegeropcional

  Número máximo de tokens da resposta, incluindo o raciocínio. Se não o indicar, o Ailoot utiliza 4096 (ou menos, se o limite de resposta do modelo for inferior). Para respostas longas, defina o limite explicitamente. Os pedidos com previous_response_id e com ferramentas incorporadas web_search ou code_interpreter têm em conta, nos novos pedidos de texto, estimativas separadas do contexto guardado e do trabalho das ferramentas; não passam automaticamente a reservar o custo de toda a janela de entrada. As reservas anteriormente aceites mantêm as condições originais. Para imagens, vídeo e áudio gerados, é reservado o custo total do resultado. Se a reserva calculada exceder o saldo disponível ou o limite da chave, o Ailoot pode, para um modelo e um método suportados, reduzir max_tokens (max_output_tokens em Responses) até ao volume que pode ser pago, sem ficar abaixo de 256 tokens ou de um mínimo superior exigido pelo método, e comunica essa redução no cabeçalho X-Ailoot-Max-Tokens-Capped. A possibilidade de redução é verificada para o modelo de texto e o método específicos. Aplica-se às rotas de texto Gemini suportadas, no formato nativo Gemini e no formato Anthropic Messages; deepseek-ai/deepseek-v4.1-flash, meta/llama-3.2-11b-vision-instruct, meta/muse-glimmer-30b, nvidia/ising-calibration-1.5-31b, nvidia/nemotron-3-nano-omni-30b-a3b-reasoning, nvidia/nemotron-3-super-120b-a12b, nvidia/nemotron-3-ultra-550b-a55b, nvidia/nemotron-3.5-content-safety, nvidia/nemotron-3.5-lightning-30b-a3b, nvidia/riva-translate-4b-instruct-v1.1, nvidia/riva-translate-4b-instruct-v2, poolside/laguna-xs-2.1, z-ai/glm-5.3-flash — nos formatos Chat Completions e Messages (quando suportados pelo modelo). Saída é estimada, no cálculo da reserva de um novo pedido de texto, com base no comprimento típico da resposta e nas condições aceites. O limite solicitado é definido através de max_tokens (max_output_tokens em Responses). O limite solicitado não é automaticamente igual ao número de tokens utilizado no cálculo da reserva nem garante o comprimento efetivo da resposta de um modelo sem uma limitação fiável. O valor inicial de 4096 aplica-se apenas às rotas correspondentes; a regra concreta depende do modelo e do método.

• reasoningobjectopcional

  {"effort": "low" | "medium" | "high"} para modelos de raciocínio.

• toolsarrayopcional

  Funções que o modelo pode chamar.

• textobjectopcional

  Formato da resposta, por exemplo {"format": {"type": "json_schema", ...}}.

• temperaturenumberopcional

  Aleatoriedade da resposta, se o modelo a suportar.

Resposta

• outputarray

  Elementos da resposta: mensagens (message), raciocínio, chamadas de funções. No SDK, é cómodo utilizar output_text.

• statusstring

  completed, incomplete (atingiu o limite) ou failed.

• usageobject

  input_tokens, output_tokens, total_tokens.