GPT-5.1 Chat betegner den GPT-5.1-chatmodelversion, der er knyttet til ChatGPT. OpenAIs lancering knytter Instant-varianten til denne chatbetegnelse og adskiller den fra GPT-5.1 Thinking. Instant er udviklet til hverdagssamtaler og kan bruge yderligere ræsonnering på mere udfordrende spørgsmål. Modelkortet holder chatvariantens identitet og specifikation adskilt fra Thinking-modellen.
Lanceringen begynder med samtalekvalitet: en varmere standardtone, mere naturlige udvekslinger og bedre efterlevelse af brugerens instruktioner. Disse egenskaber er nyttige, når en assistent skal besvare et spørgsmål direkte, revidere en forklaring efter feedback eller bevare en passende stil til målgruppen. Den praktiske opgave forbliver konkret: forklar det leverede materiale, forbered et svar, eller forbedr en valgt passage.
Adaptiv ræsonnering er en væsentlig del af Instant-opdateringen. OpenAI beskriver, at modellen afgør, hvornår et sværere spørgsmål kræver mere tænkning før svaret, med forbedringer i matematik- og programmeringsopgaver. Det er en modeladfærd frem for en påstand om, at alle chatanmodninger bruger samme faste ræsonneringsproces. Lanceringens separate beskrivelse af GPT-5.1 Thinking hører til den anden variant.
Producenten fremhæver også tilpasning og mere trofast håndtering af brugerdefinerede instruktioner. En applikation kan udtrykke den ønskede rolle, tone, svarlængde og de nødvendige detaljer i sine opgaveinstruktioner. En supportassistent kan eksempelvis have brug for et kort professionelt svar, mens en undervisningsforklaring kan kræve enklere ordlyd og udtrykkelige mellemtrin. Personlighedsindstillingerne på produktniveau i ChatGPT er adskilt fra instruktioner, som en anden applikation leverer.
Denne chatmodel modtager tekst og billeder og returnerer tekst. Dens offentliggjorte kontekstvindue er 128.000 tokens, det maksimale output er 16.384 tokens, og den dokumenterede vidensgrænse er den 30. september 2024. Streaming, funktionskald og Structured Outputs understøttes. Lyd- og videoinput, finjustering og Predicted Outputs understøttes ikke i den offentliggjorte konfiguration. Disse grænser beskriver GPT-5.1 Chat frem for et andet medlem af familien.
Funktioner og strukturerede svar understøtter forskellige integrationsformål. Et funktionskald leverer et handlingsnavn og argumenter, som applikationen skal bruge til at udføre handlingen, hvorefter de resulterende oplysninger kan vende tilbage til samtalen. Et struktureret svar kan organisere det endelige materiale i aftalte felter. Når billeder indgår, kan samme opgave bede om en forklaring af synligt indhold; tydeligt, læsbart kildemateriale er især vigtigt til lille tekst og detaljerede visuelle relationer.
Til en assistent, der bruger Ailoot API, skal du give modellen forespørgslens kontekst og et tydeligt afslutningskriterium. Bed om et resultat som et redigeret dokument, et kundesvar, en forklaring af et skærmbillede eller en struktureret opsummering. Bevar kildeoplysningerne, og angiv, hvordan manglende detaljer skal håndteres. Opfølgende beskeder kan derefter justere én del af resultatet og samtidig holde samtalen fokuseret på brugerens oprindelige opgave.
", "aboutText": "GPT-5.1 Chat betegner den GPT-5.1-chatmodelversion, der er knyttet til ChatGPT. OpenAIs lancering knytter Instant-varianten til denne chatbetegnelse og adskiller den fra GPT-5.1 Thinking. Instant er udviklet til hverdagssamtaler og kan bruge yderligere ræsonnering på mere udfordrende spørgsmål. Modelkortet holder chatvariantens identitet og specifikation adskilt fra Thinking-modellen.\n\nLanceringen begynder med samtalekvalitet: en varmere standardtone, mere naturlige udvekslinger og bedre efterlevelse af brugerens instruktioner. Disse egenskaber er nyttige, når en assistent skal besvare et spørgsmål direkte, revidere en forklaring efter feedback eller bevare en passende stil til målgruppen. Den praktiske opgave forbliver konkret: forklar det leverede materiale, forbered et svar, eller forbedr en valgt passage.\n\nAdaptiv ræsonnering er en væsentlig del af Instant-opdateringen. OpenAI beskriver, at modellen afgør, hvornår et sværere spørgsmål kræver mere tænkning før svaret, med forbedringer i matematik- og programmeringsopgaver. Det er en modeladfærd frem for en påstand om, at alle chatanmodninger bruger samme faste ræsonneringsproces. Lanceringens separate beskrivelse af GPT-5.1 Thinking hører til den anden variant.\n\nProducenten fremhæver også tilpasning og mere trofast håndtering af brugerdefinerede instruktioner. En applikation kan udtrykke den ønskede rolle, tone, svarlængde og de nødvendige detaljer i sine opgaveinstruktioner. En supportassistent kan eksempelvis have brug for et kort professionelt svar, mens en undervisningsforklaring kan kræve enklere ordlyd og udtrykkelige mellemtrin. Personlighedsindstillingerne på produktniveau i ChatGPT er adskilt fra instruktioner, som en anden applikation leverer.\n\nDenne chatmodel modtager tekst og billeder og returnerer tekst. Dens offentliggjorte kontekstvindue er 128.000 tokens, det maksimale output er 16.384 tokens, og den dokumenterede vidensgrænse er den 30. september 2024. Streaming, funktionskald og Structured Outputs understøttes. Lyd- og videoinput, finjustering og Predicted Outputs understøttes ikke i den offentliggjorte konfiguration. Disse grænser beskriver GPT-5.1 Chat frem for et andet medlem af familien.\n\nFunktioner og strukturerede svar understøtter forskellige integrationsformål. Et funktionskald leverer et handlingsnavn og argumenter, som applikationen skal bruge til at udføre handlingen, hvorefter de resulterende oplysninger kan vende tilbage til samtalen. Et struktureret svar kan organisere det endelige materiale i aftalte felter. Når billeder indgår, kan samme opgave bede om en forklaring af synligt indhold; tydeligt, læsbart kildemateriale er især vigtigt til lille tekst og detaljerede visuelle relationer.\n\nTil en assistent, der bruger Ailoot API, skal du give modellen forespørgslens kontekst og et tydeligt afslutningskriterium. Bed om et resultat som et redigeret dokument, et kundesvar, en forklaring af et skærmbillede eller en struktureret opsummering. Bevar kildeoplysningerne, og angiv, hvordan manglende detaljer skal håndteres. Opfølgende beskeder kan derefter justere én del af resultatet og samtidig holde samtalen fokuseret på brugerens oprindelige opgave.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Explain a password-reset rule clearly\n\nExplain this policy to a nontechnical customer in under 90 words: a reset link expires after 30 minutes; requesting another link invalidates earlier links; changing the password signs out other sessions. The customer requested two links and opened the first. Explain what to do next, using a warm, direct tone and no invented account details.One concise customer explanation and a clear next step grounded in the supplied policy.The reply explains why the first link fails and directs the customer to the newest unexpired link.gpt-5.1-chat-latestGPT-5.1 Chat er OpenAIs Instant-chatvariant med adaptiv ræsonnering til sværere spørgsmål. Den kombinerer tekst- og billedinput, en mere samtalepræget stil, efterlevelse af instruktioner, funktionskald og strukturerede svar i en kontekst på 128.000 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-5.1 Chat betegner den GPT-5.1-chatmodelversion, der er knyttet til ChatGPT. OpenAIs lancering knytter Instant-varianten til denne chatbetegnelse og adskiller den fra GPT-5.1 Thinking. Instant er udviklet til hverdagssamtaler og kan bruge yderligere ræsonnering på mere udfordrende spørgsmål. Modelkortet holder chatvariantens identitet og specifikation adskilt fra Thinking-modellen.
Lanceringen begynder med samtalekvalitet: en varmere standardtone, mere naturlige udvekslinger og bedre efterlevelse af brugerens instruktioner. Disse egenskaber er nyttige, når en assistent skal besvare et spørgsmål direkte, revidere en forklaring efter feedback eller bevare en passende stil til målgruppen. Den praktiske opgave forbliver konkret: forklar det leverede materiale, forbered et svar, eller forbedr en valgt passage.
Adaptiv ræsonnering er en væsentlig del af Instant-opdateringen. OpenAI beskriver, at modellen afgør, hvornår et sværere spørgsmål kræver mere tænkning før svaret, med forbedringer i matematik- og programmeringsopgaver. Det er en modeladfærd frem for en påstand om, at alle chatanmodninger bruger samme faste ræsonneringsproces. Lanceringens separate beskrivelse af GPT-5.1 Thinking hører til den anden variant.
Producenten fremhæver også tilpasning og mere trofast håndtering af brugerdefinerede instruktioner. En applikation kan udtrykke den ønskede rolle, tone, svarlængde og de nødvendige detaljer i sine opgaveinstruktioner. En supportassistent kan eksempelvis have brug for et kort professionelt svar, mens en undervisningsforklaring kan kræve enklere ordlyd og udtrykkelige mellemtrin. Personlighedsindstillingerne på produktniveau i ChatGPT er adskilt fra instruktioner, som en anden applikation leverer.
Denne chatmodel modtager tekst og billeder og returnerer tekst. Dens offentliggjorte kontekstvindue er 128.000 tokens, det maksimale output er 16.384 tokens, og den dokumenterede vidensgrænse er den 30. september 2024. Streaming, funktionskald og Structured Outputs understøttes. Lyd- og videoinput, finjustering og Predicted Outputs understøttes ikke i den offentliggjorte konfiguration. Disse grænser beskriver GPT-5.1 Chat frem for et andet medlem af familien.
Funktioner og strukturerede svar understøtter forskellige integrationsformål. Et funktionskald leverer et handlingsnavn og argumenter, som applikationen skal bruge til at udføre handlingen, hvorefter de resulterende oplysninger kan vende tilbage til samtalen. Et struktureret svar kan organisere det endelige materiale i aftalte felter. Når billeder indgår, kan samme opgave bede om en forklaring af synligt indhold; tydeligt, læsbart kildemateriale er især vigtigt til lille tekst og detaljerede visuelle relationer.
Til en assistent, der bruger Ailoot API, skal du give modellen forespørgslens kontekst og et tydeligt afslutningskriterium. Bed om et resultat som et redigeret dokument, et kundesvar, en forklaring af et skærmbillede eller en struktureret opsummering. Bevar kildeoplysningerne, og angiv, hvordan manglende detaljer skal håndteres. Opfølgende beskeder kan derefter justere én del af resultatet og samtidig holde samtalen fokuseret på brugerens oprindelige opgave.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gpt-5.1-chat-latest | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0025 / 1K tokens Output · Outputtokens $0.02 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5.1-chat-latest", "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-5.1-chat-latest',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-5.1-chat-latest',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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra gpt-5.1-chat-latest
Brug metodestierne vist ovenfor.
gpt-5.1-chat-latestGPT-5.1 Chat er OpenAIs Instant-chatvariant med adaptiv ræsonnering til sværere spørgsmål. Den kombinerer tekst- og billedinput, en mere samtalepræget stil, efterlevelse af instruktioner, funktionskald og strukturerede svar i en kontekst på 128.000 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-5.1 Chat betegner den GPT-5.1-chatmodelversion, der er knyttet til ChatGPT. OpenAIs lancering knytter Instant-varianten til denne chatbetegnelse og adskiller den fra GPT-5.1 Thinking. Instant er udviklet til hverdagssamtaler og kan bruge yderligere ræsonnering på mere udfordrende spørgsmål. Modelkortet holder chatvariantens identitet og specifikation adskilt fra Thinking-modellen.
Lanceringen begynder med samtalekvalitet: en varmere standardtone, mere naturlige udvekslinger og bedre efterlevelse af brugerens instruktioner. Disse egenskaber er nyttige, når en assistent skal besvare et spørgsmål direkte, revidere en forklaring efter feedback eller bevare en passende stil til målgruppen. Den praktiske opgave forbliver konkret: forklar det leverede materiale, forbered et svar, eller forbedr en valgt passage.
Adaptiv ræsonnering er en væsentlig del af Instant-opdateringen. OpenAI beskriver, at modellen afgør, hvornår et sværere spørgsmål kræver mere tænkning før svaret, med forbedringer i matematik- og programmeringsopgaver. Det er en modeladfærd frem for en påstand om, at alle chatanmodninger bruger samme faste ræsonneringsproces. Lanceringens separate beskrivelse af GPT-5.1 Thinking hører til den anden variant.
Producenten fremhæver også tilpasning og mere trofast håndtering af brugerdefinerede instruktioner. En applikation kan udtrykke den ønskede rolle, tone, svarlængde og de nødvendige detaljer i sine opgaveinstruktioner. En supportassistent kan eksempelvis have brug for et kort professionelt svar, mens en undervisningsforklaring kan kræve enklere ordlyd og udtrykkelige mellemtrin. Personlighedsindstillingerne på produktniveau i ChatGPT er adskilt fra instruktioner, som en anden applikation leverer.
Denne chatmodel modtager tekst og billeder og returnerer tekst. Dens offentliggjorte kontekstvindue er 128.000 tokens, det maksimale output er 16.384 tokens, og den dokumenterede vidensgrænse er den 30. september 2024. Streaming, funktionskald og Structured Outputs understøttes. Lyd- og videoinput, finjustering og Predicted Outputs understøttes ikke i den offentliggjorte konfiguration. Disse grænser beskriver GPT-5.1 Chat frem for et andet medlem af familien.
Funktioner og strukturerede svar understøtter forskellige integrationsformål. Et funktionskald leverer et handlingsnavn og argumenter, som applikationen skal bruge til at udføre handlingen, hvorefter de resulterende oplysninger kan vende tilbage til samtalen. Et struktureret svar kan organisere det endelige materiale i aftalte felter. Når billeder indgår, kan samme opgave bede om en forklaring af synligt indhold; tydeligt, læsbart kildemateriale er især vigtigt til lille tekst og detaljerede visuelle relationer.
Til en assistent, der bruger Ailoot API, skal du give modellen forespørgslens kontekst og et tydeligt afslutningskriterium. Bed om et resultat som et redigeret dokument, et kundesvar, en forklaring af et skærmbillede eller en struktureret opsummering. Bevar kildeoplysningerne, og angiv, hvordan manglende detaljer skal håndteres. Opfølgende beskeder kan derefter justere én del af resultatet og samtidig holde samtalen fokuseret på brugerens oprindelige opgave.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gpt-5.1-chat-latest | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0025 / 1K tokens Output · Outputtokens $0.02 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "gpt-5.1-chat-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.1-chat-latest', '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-5.1-chat-latest', '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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra gpt-5.1-chat-latest
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Explain a password-reset rule clearly\n\nExplain this policy to a nontechnical customer in under 90 words: a reset link expires after 30 minutes; requesting another link invalidates earlier links; changing the password signs out other sessions. The customer requested two links and opened the first. Explain what to do next, using a warm, direct tone and no invented account details.One concise customer explanation and a clear next step grounded in the supplied policy.The reply explains why the first link fails and directs the customer to the newest unexpired link.