GPT-5-Codex je verze GPT-5 od OpenAI optimalizovaná pro softwarové inženýrství pomocí agentů v Codex a obdobných programátorských prostředích. Její trénink cílí na práci, jako je vytváření projektů, implementace funkcí a testů, ladění, refaktoring zavedených kódových základen a revize změn. Posilované učení na skutečných programátorských úlohách rozvíjí dodržování pokynů, styl kódu a opakované ověřování. Zamýšleným prostředím je programátorský asistent s přístupem ke kontextu projektu a vývojovým nástrojům.
Model přizpůsobuje rozsah uvažování konkrétnímu úkolu. Malou, jasně vymezenou změnu lze řešit interaktivní výměnou zpráv, zatímco složitý refaktoring může zahrnovat soustavnou analýzu a opakované implementační kroky. Toto adaptivní chování propojuje konverzaci s prováděním: agent zkoumá projekt, navrhuje změnu, dostává výsledky ze svého prostředí a pokračuje v práci na stanoveném cíli.
Revize kódu tvoří samostatnou část jeho specializace. OpenAI popisuje recenzenta, který zkoumá kódovou základnu a závislosti, vztahuje navrženou změnu k zamýšlenému chování a využívá spouštění kódu i testy k prověření správnosti. Užitečným výstupem je cílené vysvětlení závažných chyb a označení dotčeného kódu, nikoli komentáře založené pouze na vzhledu rozdílů. Soubory projektu a výsledky nástrojů poskytují podklady pro tuto analýzu.
Vizuální vstup podporuje práci na frontendu. Snímky obrazovky, drátěné modely rozhraní a diagramy mohou vyjádřit požadované rozhraní nebo pozorovaný problém. V prostředí s prohlížečem a nástroji pro snímání obrazovky může agent prozkoumat implementaci a porovnat vytvořený výsledek s dodaným vizuálním cílem. Jde o postupy podporované prostředím: model interpretuje informace a vybírá akce, zatímco aplikace poskytuje nástroje a provádí je.
Zveřejněná specifikace modelu uvádí textový a obrazový vstup a textový výstup, kontextové okno o 400 000 tokenech a až 128 000 výstupních tokenů. Podporuje tokeny uvažování, streamování, volání funkcí a strukturované výstupy. OpenAI dokumentuje model prostřednictvím rozhraní Responses a název bez verze označuje za průběžně aktualizované označení modelu. Zdokumentované datum znalostní uzávěrky je 30. září 2024. Zvuk a video nejsou mezi uvedenými vstupními modalitami; dolaďování ani předpovězené výstupy nejsou v této konfiguraci podporovány.
Dodatek k systémové kartě odděluje trénink modelu od kontrolních mechanismů produktu. Model je trénován tak, aby odolával pokynům při útocích vložením instrukcí, na které narazí v programátorských materiálech. Izolace pracovního prostoru, síťová oprávnění a pravidla schvalování patří do prostředí agenta. Toto rozlišení je důležité, když asistent čte externí dokumentaci nebo spouští příkazy: přístup určuje aplikace a její výstupy zaznamenávají, co se skutečně stalo.
U programátorského asistenta používajícího Ailoot API začněte požadovaným chováním, relevantními soubory a jasným kritériem dokončení. Vhodné zadání může požadovat koordinovanou změnu, vysvětlení dotčených závislostí a kontroly potřebné k ověření výsledku. Poskytněte aktuální pokyny projektu a užitečné vizuální příklady a poté požádejte o výsledek, který lze posoudit: změněný kód, analýzu chyby nebo ověřený plán implementace.
", "aboutText": "GPT-5-Codex je verze GPT-5 od OpenAI optimalizovaná pro softwarové inženýrství pomocí agentů v Codex a obdobných programátorských prostředích. Její trénink cílí na práci, jako je vytváření projektů, implementace funkcí a testů, ladění, refaktoring zavedených kódových základen a revize změn. Posilované učení na skutečných programátorských úlohách rozvíjí dodržování pokynů, styl kódu a opakované ověřování. Zamýšleným prostředím je programátorský asistent s přístupem ke kontextu projektu a vývojovým nástrojům.\n\nModel přizpůsobuje rozsah uvažování konkrétnímu úkolu. Malou, jasně vymezenou změnu lze řešit interaktivní výměnou zpráv, zatímco složitý refaktoring může zahrnovat soustavnou analýzu a opakované implementační kroky. Toto adaptivní chování propojuje konverzaci s prováděním: agent zkoumá projekt, navrhuje změnu, dostává výsledky ze svého prostředí a pokračuje v práci na stanoveném cíli.\n\nRevize kódu tvoří samostatnou část jeho specializace. OpenAI popisuje recenzenta, který zkoumá kódovou základnu a závislosti, vztahuje navrženou změnu k zamýšlenému chování a využívá spouštění kódu i testy k prověření správnosti. Užitečným výstupem je cílené vysvětlení závažných chyb a označení dotčeného kódu, nikoli komentáře založené pouze na vzhledu rozdílů. Soubory projektu a výsledky nástrojů poskytují podklady pro tuto analýzu.\n\nVizuální vstup podporuje práci na frontendu. Snímky obrazovky, drátěné modely rozhraní a diagramy mohou vyjádřit požadované rozhraní nebo pozorovaný problém. V prostředí s prohlížečem a nástroji pro snímání obrazovky může agent prozkoumat implementaci a porovnat vytvořený výsledek s dodaným vizuálním cílem. Jde o postupy podporované prostředím: model interpretuje informace a vybírá akce, zatímco aplikace poskytuje nástroje a provádí je.\n\nZveřejněná specifikace modelu uvádí textový a obrazový vstup a textový výstup, kontextové okno o 400 000 tokenech a až 128 000 výstupních tokenů. Podporuje tokeny uvažování, streamování, volání funkcí a strukturované výstupy. OpenAI dokumentuje model prostřednictvím rozhraní Responses a název bez verze označuje za průběžně aktualizované označení modelu. Zdokumentované datum znalostní uzávěrky je 30. září 2024. Zvuk a video nejsou mezi uvedenými vstupními modalitami; dolaďování ani předpovězené výstupy nejsou v této konfiguraci podporovány.\n\nDodatek k systémové kartě odděluje trénink modelu od kontrolních mechanismů produktu. Model je trénován tak, aby odolával pokynům při útocích vložením instrukcí, na které narazí v programátorských materiálech. Izolace pracovního prostoru, síťová oprávnění a pravidla schvalování patří do prostředí agenta. Toto rozlišení je důležité, když asistent čte externí dokumentaci nebo spouští příkazy: přístup určuje aplikace a její výstupy zaznamenávají, co se skutečně stalo.\n\nU programátorského asistenta používajícího Ailoot API začněte požadovaným chováním, relevantními soubory a jasným kritériem dokončení. Vhodné zadání může požadovat koordinovanou změnu, vysvětlení dotčených závislostí a kontroly potřebné k ověření výsledku. Poskytněte aktuální pokyny projektu a užitečné vizuální příklady a poté požádejte o výsledek, který lze posoudit: změněný kód, analýzu chyby nebo ověřený plán implementace.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Repair mutable default state\n\nReview this Python function: def collect(item, bucket=[]): bucket.append(item); return bucket. Separate calls must not share a bucket unless one is explicitly supplied. Return a minimal correction and assertions for two independent calls plus a call with an existing list. Preserve the optional bucket argument.A corrected function and regression assertions covering independent and explicit shared storage.Independent calls must not retain earlier items, while an explicitly supplied list must still receive the item.gpt-5-codex-mediumGPT-5-Codex je varianta GPT-5 od OpenAI pro softwarové inženýrství pomocí agentů: implementaci funkcí, ladění, refaktoring a revizi kódu v prostředí vybaveném nástroji. Spojuje textový a obrazový vstup s adaptivním uvažováním a kontextem o 400 000 tokenech.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
GPT-5-Codex je verze GPT-5 od OpenAI optimalizovaná pro softwarové inženýrství pomocí agentů v Codex a obdobných programátorských prostředích. Její trénink cílí na práci, jako je vytváření projektů, implementace funkcí a testů, ladění, refaktoring zavedených kódových základen a revize změn. Posilované učení na skutečných programátorských úlohách rozvíjí dodržování pokynů, styl kódu a opakované ověřování. Zamýšleným prostředím je programátorský asistent s přístupem ke kontextu projektu a vývojovým nástrojům.
Model přizpůsobuje rozsah uvažování konkrétnímu úkolu. Malou, jasně vymezenou změnu lze řešit interaktivní výměnou zpráv, zatímco složitý refaktoring může zahrnovat soustavnou analýzu a opakované implementační kroky. Toto adaptivní chování propojuje konverzaci s prováděním: agent zkoumá projekt, navrhuje změnu, dostává výsledky ze svého prostředí a pokračuje v práci na stanoveném cíli.
Revize kódu tvoří samostatnou část jeho specializace. OpenAI popisuje recenzenta, který zkoumá kódovou základnu a závislosti, vztahuje navrženou změnu k zamýšlenému chování a využívá spouštění kódu i testy k prověření správnosti. Užitečným výstupem je cílené vysvětlení závažných chyb a označení dotčeného kódu, nikoli komentáře založené pouze na vzhledu rozdílů. Soubory projektu a výsledky nástrojů poskytují podklady pro tuto analýzu.
Vizuální vstup podporuje práci na frontendu. Snímky obrazovky, drátěné modely rozhraní a diagramy mohou vyjádřit požadované rozhraní nebo pozorovaný problém. V prostředí s prohlížečem a nástroji pro snímání obrazovky může agent prozkoumat implementaci a porovnat vytvořený výsledek s dodaným vizuálním cílem. Jde o postupy podporované prostředím: model interpretuje informace a vybírá akce, zatímco aplikace poskytuje nástroje a provádí je.
Zveřejněná specifikace modelu uvádí textový a obrazový vstup a textový výstup, kontextové okno o 400 000 tokenech a až 128 000 výstupních tokenů. Podporuje tokeny uvažování, streamování, volání funkcí a strukturované výstupy. OpenAI dokumentuje model prostřednictvím rozhraní Responses a název bez verze označuje za průběžně aktualizované označení modelu. Zdokumentované datum znalostní uzávěrky je 30. září 2024. Zvuk a video nejsou mezi uvedenými vstupními modalitami; dolaďování ani předpovězené výstupy nejsou v této konfiguraci podporovány.
Dodatek k systémové kartě odděluje trénink modelu od kontrolních mechanismů produktu. Model je trénován tak, aby odolával pokynům při útocích vložením instrukcí, na které narazí v programátorských materiálech. Izolace pracovního prostoru, síťová oprávnění a pravidla schvalování patří do prostředí agenta. Toto rozlišení je důležité, když asistent čte externí dokumentaci nebo spouští příkazy: přístup určuje aplikace a její výstupy zaznamenávají, co se skutečně stalo.
U programátorského asistenta používajícího Ailoot API začněte požadovaným chováním, relevantními soubory a jasným kritériem dokončení. Vhodné zadání může požadovat koordinovanou změnu, vysvětlení dotčených závislostí a kontroly potřebné k ověření výsledku. Poskytněte aktuální pokyny projektu a užitečné vizuální příklady a poté požádejte o výsledek, který lze posoudit: změněný kód, analýzu chyby nebo ověřený plán implementace.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity gpt-5-codex-medium | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.0025 / 1K tokenů Výstup · Výstupní tokeny $0.02 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5-codex-medium", "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='gpt-5-codex-medium',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='gpt-5-codex-medium',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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra gpt-5-codex-medium
Použijte cesty metod uvedené výše.
gpt-5-codex-mediumGPT-5-Codex je varianta GPT-5 od OpenAI pro softwarové inženýrství pomocí agentů: implementaci funkcí, ladění, refaktoring a revizi kódu v prostředí vybaveném nástroji. Spojuje textový a obrazový vstup s adaptivním uvažováním a kontextem o 400 000 tokenech.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
GPT-5-Codex je verze GPT-5 od OpenAI optimalizovaná pro softwarové inženýrství pomocí agentů v Codex a obdobných programátorských prostředích. Její trénink cílí na práci, jako je vytváření projektů, implementace funkcí a testů, ladění, refaktoring zavedených kódových základen a revize změn. Posilované učení na skutečných programátorských úlohách rozvíjí dodržování pokynů, styl kódu a opakované ověřování. Zamýšleným prostředím je programátorský asistent s přístupem ke kontextu projektu a vývojovým nástrojům.
Model přizpůsobuje rozsah uvažování konkrétnímu úkolu. Malou, jasně vymezenou změnu lze řešit interaktivní výměnou zpráv, zatímco složitý refaktoring může zahrnovat soustavnou analýzu a opakované implementační kroky. Toto adaptivní chování propojuje konverzaci s prováděním: agent zkoumá projekt, navrhuje změnu, dostává výsledky ze svého prostředí a pokračuje v práci na stanoveném cíli.
Revize kódu tvoří samostatnou část jeho specializace. OpenAI popisuje recenzenta, který zkoumá kódovou základnu a závislosti, vztahuje navrženou změnu k zamýšlenému chování a využívá spouštění kódu i testy k prověření správnosti. Užitečným výstupem je cílené vysvětlení závažných chyb a označení dotčeného kódu, nikoli komentáře založené pouze na vzhledu rozdílů. Soubory projektu a výsledky nástrojů poskytují podklady pro tuto analýzu.
Vizuální vstup podporuje práci na frontendu. Snímky obrazovky, drátěné modely rozhraní a diagramy mohou vyjádřit požadované rozhraní nebo pozorovaný problém. V prostředí s prohlížečem a nástroji pro snímání obrazovky může agent prozkoumat implementaci a porovnat vytvořený výsledek s dodaným vizuálním cílem. Jde o postupy podporované prostředím: model interpretuje informace a vybírá akce, zatímco aplikace poskytuje nástroje a provádí je.
Zveřejněná specifikace modelu uvádí textový a obrazový vstup a textový výstup, kontextové okno o 400 000 tokenech a až 128 000 výstupních tokenů. Podporuje tokeny uvažování, streamování, volání funkcí a strukturované výstupy. OpenAI dokumentuje model prostřednictvím rozhraní Responses a název bez verze označuje za průběžně aktualizované označení modelu. Zdokumentované datum znalostní uzávěrky je 30. září 2024. Zvuk a video nejsou mezi uvedenými vstupními modalitami; dolaďování ani předpovězené výstupy nejsou v této konfiguraci podporovány.
Dodatek k systémové kartě odděluje trénink modelu od kontrolních mechanismů produktu. Model je trénován tak, aby odolával pokynům při útocích vložením instrukcí, na které narazí v programátorských materiálech. Izolace pracovního prostoru, síťová oprávnění a pravidla schvalování patří do prostředí agenta. Toto rozlišení je důležité, když asistent čte externí dokumentaci nebo spouští příkazy: přístup určuje aplikace a její výstupy zaznamenávají, co se skutečně stalo.
U programátorského asistenta používajícího Ailoot API začněte požadovaným chováním, relevantními soubory a jasným kritériem dokončení. Vhodné zadání může požadovat koordinovanou změnu, vysvětlení dotčených závislostí a kontroly potřebné k ověření výsledku. Poskytněte aktuální pokyny projektu a užitečné vizuální příklady a poté požádejte o výsledek, který lze posoudit: změněný kód, analýzu chyby nebo ověřený plán implementace.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity gpt-5-codex-medium | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.0025 / 1K tokenů Výstup · Výstupní tokeny $0.02 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "gpt-5-codex-medium",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'gpt-5-codex-medium', 'max_tokens': 128, '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': 'gpt-5-codex-medium', 'max_tokens': 128, '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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra gpt-5-codex-medium
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Repair mutable default state\n\nReview this Python function: def collect(item, bucket=[]): bucket.append(item); return bucket. Separate calls must not share a bucket unless one is explicitly supplied. Return a minimal correction and assertions for two independent calls plus a call with an existing list. Preserve the optional bucket argument.A corrected function and regression assertions covering independent and explicit shared storage.Independent calls must not retain earlier items, while an explicitly supplied list must still receive the item.