GPT-5.3 Chat betegner den GPT-5.3 Instant-modelversion, der er knyttet til ChatGPT. OpenAI beskriver denne Instant-opdatering med fokus på kvaliteterne i en almindelig samtale: relevans, nyttige svar og et mere flydende forløb. Modellen modtager tekst og billeder og producerer tekst og bevarer en chatfokuseret identitet adskilt fra andre GPT-5.3-varianter.
Lanceringen behandler først vurderingen af passende svar. OpenAI rapporterer færre unødvendige afvisninger og færre defensive eller moraliserende indledninger før et svar. Den tilsigtede adfærd er at svare direkte, når et nyttigt svar er passende, og holde fokus på spørgsmålet. I en praktisk assistent understøtter dette forklaringer og opgavefokuserede svar uden at gøre enhver anmodning til en lang indledning.
Når det omgivende produkt har weboplysninger til rådighed, fremhæver lanceringen en samlet syntese frem for en løst forbundet liste over hentede sider. GPT-5.3 Instant beskrives som en model, der kombinerer fund på nettet med sin eksisterende forståelse, identificerer det væsentlige punkt og tilføjer kontekst. Det er en beskrivelse af, hvordan modellen håndterer leverede eller hentede oplysninger; applikationen afgør, hvilke søgeværktøjer og kildematerialer der er til rådighed.
Samtalestil og skrivning er separate områder i opdateringen. OpenAI beskriver en mere fokuseret, naturlig tone og større spændvidde i udtryksfuld prosa, fra at skrive fiktive tekster til at forbedre en passage eller udvikle en idé. Det rapporteres også, at arbejdet med faktuel korrekthed reducerer hallucinationer på tværs af forskellige emner. Lanceringen præsenterer dette som forbedringer af modellens svaradfærd på faktuelle og kreative opgaver.
Lanceringen registrerer en konkret sproglig begrænsning: På nogle sprog, herunder japansk og koreansk, kan svarstilen fortsat være kunstlet eller overdrevent bogstavelig. Tone og naturlighed er fortsat udviklingsområder. Til flersproget arbejde skal du udtrykkeligt angive målgruppe, terminologi og det ønskede sprogregister; en skriveopgave kan skelne mellem faktuelt indhold, der skal bevares, og udtryksmæssige valg, der skal revideres.
Modelspecifikationen angiver et kontekstvindue på 128.000 tokens, op til 16.384 outputtokens og en vidensgrænse den 31. august 2025. Tekst og billeder understøttes som input, og tekst er outputtet. Streaming, funktionskald og Structured Outputs understøttes, mens lyd- og videoinput, finjustering og Predicted Outputs ikke er en del af den offentliggjorte konfiguration.
Funktionskald lader en tilsluttet applikation levere handlinger og data: Modellen vælger en funktion og leverer argumenter, applikationen udfører funktionen og returnerer resultatet. Struktureret output organiserer selve svaret i aftalte felter. Et skærmbillede, diagram eller dokumentbillede kan tilføje visuel kontekst til et tekstspørgsmål, hvor en læsbar kilde og tydelig angivelse af relevante detaljer hjælper fortolkningen.
Til en assistent, der bruger Ailoot API, skal du definere det nødvendige resultat: et kort svar, et revideret dokument, en visuel forklaring eller et struktureret sæt fakta. Lever det oprindelige materiale og de krav, der skal forme resultatet. Betegnelsen Instant-chat forbliver tydelig, og opfølgende beskeder kan forbedre tone, fokus eller struktur og samtidig holde kildematerialet og de oprindelige krav i sigte.
", "aboutText": "GPT-5.3 Chat betegner den GPT-5.3 Instant-modelversion, der er knyttet til ChatGPT. OpenAI beskriver denne Instant-opdatering med fokus på kvaliteterne i en almindelig samtale: relevans, nyttige svar og et mere flydende forløb. Modellen modtager tekst og billeder og producerer tekst og bevarer en chatfokuseret identitet adskilt fra andre GPT-5.3-varianter.\n\nLanceringen behandler først vurderingen af passende svar. OpenAI rapporterer færre unødvendige afvisninger og færre defensive eller moraliserende indledninger før et svar. Den tilsigtede adfærd er at svare direkte, når et nyttigt svar er passende, og holde fokus på spørgsmålet. I en praktisk assistent understøtter dette forklaringer og opgavefokuserede svar uden at gøre enhver anmodning til en lang indledning.\n\nNår det omgivende produkt har weboplysninger til rådighed, fremhæver lanceringen en samlet syntese frem for en løst forbundet liste over hentede sider. GPT-5.3 Instant beskrives som en model, der kombinerer fund på nettet med sin eksisterende forståelse, identificerer det væsentlige punkt og tilføjer kontekst. Det er en beskrivelse af, hvordan modellen håndterer leverede eller hentede oplysninger; applikationen afgør, hvilke søgeværktøjer og kildematerialer der er til rådighed.\n\nSamtalestil og skrivning er separate områder i opdateringen. OpenAI beskriver en mere fokuseret, naturlig tone og større spændvidde i udtryksfuld prosa, fra at skrive fiktive tekster til at forbedre en passage eller udvikle en idé. Det rapporteres også, at arbejdet med faktuel korrekthed reducerer hallucinationer på tværs af forskellige emner. Lanceringen præsenterer dette som forbedringer af modellens svaradfærd på faktuelle og kreative opgaver.\n\nLanceringen registrerer en konkret sproglig begrænsning: På nogle sprog, herunder japansk og koreansk, kan svarstilen fortsat være kunstlet eller overdrevent bogstavelig. Tone og naturlighed er fortsat udviklingsområder. Til flersproget arbejde skal du udtrykkeligt angive målgruppe, terminologi og det ønskede sprogregister; en skriveopgave kan skelne mellem faktuelt indhold, der skal bevares, og udtryksmæssige valg, der skal revideres.\n\nModelspecifikationen angiver et kontekstvindue på 128.000 tokens, op til 16.384 outputtokens og en vidensgrænse den 31. august 2025. Tekst og billeder understøttes som input, og tekst er outputtet. Streaming, funktionskald og Structured Outputs understøttes, mens lyd- og videoinput, finjustering og Predicted Outputs ikke er en del af den offentliggjorte konfiguration.\n\nFunktionskald lader en tilsluttet applikation levere handlinger og data: Modellen vælger en funktion og leverer argumenter, applikationen udfører funktionen og returnerer resultatet. Struktureret output organiserer selve svaret i aftalte felter. Et skærmbillede, diagram eller dokumentbillede kan tilføje visuel kontekst til et tekstspørgsmål, hvor en læsbar kilde og tydelig angivelse af relevante detaljer hjælper fortolkningen.\n\nTil en assistent, der bruger Ailoot API, skal du definere det nødvendige resultat: et kort svar, et revideret dokument, en visuel forklaring eller et struktureret sæt fakta. Lever det oprindelige materiale og de krav, der skal forme resultatet. Betegnelsen Instant-chat forbliver tydelig, og opfølgende beskeder kan forbedre tone, fokus eller struktur og samtidig holde kildematerialet og de oprindelige krav i sigte.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
A natural follow-up message\n\nDraft a friendly follow-up to a colleague who missed a planning meeting. Facts: we chose the blue packaging sample, kept the existing launch date, and need their feedback on the label by Thursday. Use about 60 words, with a direct opening and one clear request. Keep the tone warm without inventing a reason for their absence.One concise message containing the two decisions and the Thursday feedback request.The launch date stays unchanged, and no explanation of the colleague's absence is invented.gpt-5.3-chat-latestGPT-5.3 Chat er OpenAIs GPT-5.3 Instant-variant til direkte tekstsvar i samtaler med billeder som informationsgrundlag. Den fokuserer på relevans, faktuel korrekthed og bedre tekster med funktionskald, strukturerede output og 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-5.3 Chat betegner den GPT-5.3 Instant-modelversion, der er knyttet til ChatGPT. OpenAI beskriver denne Instant-opdatering med fokus på kvaliteterne i en almindelig samtale: relevans, nyttige svar og et mere flydende forløb. Modellen modtager tekst og billeder og producerer tekst og bevarer en chatfokuseret identitet adskilt fra andre GPT-5.3-varianter.
Lanceringen behandler først vurderingen af passende svar. OpenAI rapporterer færre unødvendige afvisninger og færre defensive eller moraliserende indledninger før et svar. Den tilsigtede adfærd er at svare direkte, når et nyttigt svar er passende, og holde fokus på spørgsmålet. I en praktisk assistent understøtter dette forklaringer og opgavefokuserede svar uden at gøre enhver anmodning til en lang indledning.
Når det omgivende produkt har weboplysninger til rådighed, fremhæver lanceringen en samlet syntese frem for en løst forbundet liste over hentede sider. GPT-5.3 Instant beskrives som en model, der kombinerer fund på nettet med sin eksisterende forståelse, identificerer det væsentlige punkt og tilføjer kontekst. Det er en beskrivelse af, hvordan modellen håndterer leverede eller hentede oplysninger; applikationen afgør, hvilke søgeværktøjer og kildematerialer der er til rådighed.
Samtalestil og skrivning er separate områder i opdateringen. OpenAI beskriver en mere fokuseret, naturlig tone og større spændvidde i udtryksfuld prosa, fra at skrive fiktive tekster til at forbedre en passage eller udvikle en idé. Det rapporteres også, at arbejdet med faktuel korrekthed reducerer hallucinationer på tværs af forskellige emner. Lanceringen præsenterer dette som forbedringer af modellens svaradfærd på faktuelle og kreative opgaver.
Lanceringen registrerer en konkret sproglig begrænsning: På nogle sprog, herunder japansk og koreansk, kan svarstilen fortsat være kunstlet eller overdrevent bogstavelig. Tone og naturlighed er fortsat udviklingsområder. Til flersproget arbejde skal du udtrykkeligt angive målgruppe, terminologi og det ønskede sprogregister; en skriveopgave kan skelne mellem faktuelt indhold, der skal bevares, og udtryksmæssige valg, der skal revideres.
Modelspecifikationen angiver et kontekstvindue på 128.000 tokens, op til 16.384 outputtokens og en vidensgrænse den 31. august 2025. Tekst og billeder understøttes som input, og tekst er outputtet. Streaming, funktionskald og Structured Outputs understøttes, mens lyd- og videoinput, finjustering og Predicted Outputs ikke er en del af den offentliggjorte konfiguration.
Funktionskald lader en tilsluttet applikation levere handlinger og data: Modellen vælger en funktion og leverer argumenter, applikationen udfører funktionen og returnerer resultatet. Struktureret output organiserer selve svaret i aftalte felter. Et skærmbillede, diagram eller dokumentbillede kan tilføje visuel kontekst til et tekstspørgsmål, hvor en læsbar kilde og tydelig angivelse af relevante detaljer hjælper fortolkningen.
Til en assistent, der bruger Ailoot API, skal du definere det nødvendige resultat: et kort svar, et revideret dokument, en visuel forklaring eller et struktureret sæt fakta. Lever det oprindelige materiale og de krav, der skal forme resultatet. Betegnelsen Instant-chat forbliver tydelig, og opfølgende beskeder kan forbedre tone, fokus eller struktur og samtidig holde kildematerialet og de oprindelige krav i sigte.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gpt-5.3-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 $0.0035 / 1K tokens Output · Outputtokens $0.028 / 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-5.3-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-5.3-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-5.3-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-5.3-chat-latest
Brug metodestierne vist ovenfor.
gpt-5.3-chat-latestGPT-5.3 Chat er OpenAIs GPT-5.3 Instant-variant til direkte tekstsvar i samtaler med billeder som informationsgrundlag. Den fokuserer på relevans, faktuel korrekthed og bedre tekster med funktionskald, strukturerede output og 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-5.3 Chat betegner den GPT-5.3 Instant-modelversion, der er knyttet til ChatGPT. OpenAI beskriver denne Instant-opdatering med fokus på kvaliteterne i en almindelig samtale: relevans, nyttige svar og et mere flydende forløb. Modellen modtager tekst og billeder og producerer tekst og bevarer en chatfokuseret identitet adskilt fra andre GPT-5.3-varianter.
Lanceringen behandler først vurderingen af passende svar. OpenAI rapporterer færre unødvendige afvisninger og færre defensive eller moraliserende indledninger før et svar. Den tilsigtede adfærd er at svare direkte, når et nyttigt svar er passende, og holde fokus på spørgsmålet. I en praktisk assistent understøtter dette forklaringer og opgavefokuserede svar uden at gøre enhver anmodning til en lang indledning.
Når det omgivende produkt har weboplysninger til rådighed, fremhæver lanceringen en samlet syntese frem for en løst forbundet liste over hentede sider. GPT-5.3 Instant beskrives som en model, der kombinerer fund på nettet med sin eksisterende forståelse, identificerer det væsentlige punkt og tilføjer kontekst. Det er en beskrivelse af, hvordan modellen håndterer leverede eller hentede oplysninger; applikationen afgør, hvilke søgeværktøjer og kildematerialer der er til rådighed.
Samtalestil og skrivning er separate områder i opdateringen. OpenAI beskriver en mere fokuseret, naturlig tone og større spændvidde i udtryksfuld prosa, fra at skrive fiktive tekster til at forbedre en passage eller udvikle en idé. Det rapporteres også, at arbejdet med faktuel korrekthed reducerer hallucinationer på tværs af forskellige emner. Lanceringen præsenterer dette som forbedringer af modellens svaradfærd på faktuelle og kreative opgaver.
Lanceringen registrerer en konkret sproglig begrænsning: På nogle sprog, herunder japansk og koreansk, kan svarstilen fortsat være kunstlet eller overdrevent bogstavelig. Tone og naturlighed er fortsat udviklingsområder. Til flersproget arbejde skal du udtrykkeligt angive målgruppe, terminologi og det ønskede sprogregister; en skriveopgave kan skelne mellem faktuelt indhold, der skal bevares, og udtryksmæssige valg, der skal revideres.
Modelspecifikationen angiver et kontekstvindue på 128.000 tokens, op til 16.384 outputtokens og en vidensgrænse den 31. august 2025. Tekst og billeder understøttes som input, og tekst er outputtet. Streaming, funktionskald og Structured Outputs understøttes, mens lyd- og videoinput, finjustering og Predicted Outputs ikke er en del af den offentliggjorte konfiguration.
Funktionskald lader en tilsluttet applikation levere handlinger og data: Modellen vælger en funktion og leverer argumenter, applikationen udfører funktionen og returnerer resultatet. Struktureret output organiserer selve svaret i aftalte felter. Et skærmbillede, diagram eller dokumentbillede kan tilføje visuel kontekst til et tekstspørgsmål, hvor en læsbar kilde og tydelig angivelse af relevante detaljer hjælper fortolkningen.
Til en assistent, der bruger Ailoot API, skal du definere det nødvendige resultat: et kort svar, et revideret dokument, en visuel forklaring eller et struktureret sæt fakta. Lever det oprindelige materiale og de krav, der skal forme resultatet. Betegnelsen Instant-chat forbliver tydelig, og opfølgende beskeder kan forbedre tone, fokus eller struktur og samtidig holde kildematerialet og de oprindelige krav i sigte.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gpt-5.3-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 $0.0035 / 1K tokens Output · Outputtokens $0.028 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "gpt-5.3-chat-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.3-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-5.3-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-5.3-chat-latest
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
A natural follow-up message\n\nDraft a friendly follow-up to a colleague who missed a planning meeting. Facts: we chose the blue packaging sample, kept the existing launch date, and need their feedback on the label by Thursday. Use about 60 words, with a direct opening and one clear request. Keep the tone warm without inventing a reason for their absence.One concise message containing the two decisions and the Thursday feedback request.The launch date stays unchanged, and no explanation of the colleague's absence is invented.