GPT-4.1 er OpenAIs model til avanceret efterlevelse af instruktioner, softwareudvikling og arbejde på tværs af lange kildekontekster. Dens offentliggjorte hostingprofil modtager tekst, billeder og filer og returnerer tekst. Den angiver et kontekstvindue på 1.047.576 tokens og op til 32.768 tokens til det genererede svar med værktøjer til funktionskald og indstillinger for struktureret output.
Angiv opgaven, det nødvendige resultat og de begrænsninger, der bestemmer det. Til en kodeændring skal du identificere den relevante kilde, den ønskede adfærd og den eksisterende adfærd, der skal bevares. Til en dokumentopgave skal du navngive passager, kriterier og outputstruktur. Hold instruktioner adskilt fra citeret kildemateriale, så hver del har en tydelig rolle.
Når krav konkurrerer, skal du angive deres rækkefølge eller den betingelse, hvorunder hvert krav gælder. Lever eksempler, hvor en kort betegnelse ikke forklarer den ønskede adfærd. En præcis opgavebeskrivelse gør svaret lettere at vurdere mod det tilsigtede resultat.
Mærk dokumenter og billeder, og angiv den detalje, der er nødvendig fra hver kilde. Et skærmbillede kan fastslå en grænsefladetilstand, mens et kodeuddrag forklarer logikken omkring den. En sammenligning af lange dokumenter kan bevare afsnitsetiketter og bede om observationer knyttet til deres kildepassager.
Hold manglende eller modstridende oplysninger synlige i det ønskede svar. Til udtræk skal du definere felter og håndtering af manglende værdier. Til en rapport skal du skelne kildeobservationer fra fortolkning og bevare det grundlag, der understøtter konklusionen.
Profilen understøtter værktøjer til funktionskald og strukturerede output. En applikation udfører en foreslået handling og returnerer sin faktiske observation til opgaven. Bevar denne observation sammen med dens kildehandling, før du bruger den i en senere beslutning. Valider strukturerede felter og deres indholdsmæssige værdier mod det leverede materiale.
Organiser store kildesamlinger i navngivne afsnit, og reserver plads til svaret. Bevar afsluttede beslutninger og aktuelle observationer, mens du fjerner uvedkommende gentagelser. Et nyttigt GPT-4.1-resultat forbinder det ønskede resultat med det kilde- eller valideringsgrundlag, der er nødvendigt for at undersøge det.
", "aboutText": "GPT-4.1 er OpenAIs model til avanceret efterlevelse af instruktioner, softwareudvikling og arbejde på tværs af lange kildekontekster. Dens offentliggjorte hostingprofil modtager tekst, billeder og filer og returnerer tekst. Den angiver et kontekstvindue på 1.047.576 tokens og op til 32.768 tokens til det genererede svar med værktøjer til funktionskald og indstillinger for struktureret output.\n\n### Gør krav og prioriteter tydelige\n\nAngiv opgaven, det nødvendige resultat og de begrænsninger, der bestemmer det. Til en kodeændring skal du identificere den relevante kilde, den ønskede adfærd og den eksisterende adfærd, der skal bevares. Til en dokumentopgave skal du navngive passager, kriterier og outputstruktur. Hold instruktioner adskilt fra citeret kildemateriale, så hver del har en tydelig rolle.\n\nNår krav konkurrerer, skal du angive deres rækkefølge eller den betingelse, hvorunder hvert krav gælder. Lever eksempler, hvor en kort betegnelse ikke forklarer den ønskede adfærd. En præcis opgavebeskrivelse gør svaret lettere at vurdere mod det tilsigtede resultat.\n\n### Skriftligt og visuelt kildemateriale\n\nMærk dokumenter og billeder, og angiv den detalje, der er nødvendig fra hver kilde. Et skærmbillede kan fastslå en grænsefladetilstand, mens et kodeuddrag forklarer logikken omkring den. En sammenligning af lange dokumenter kan bevare afsnitsetiketter og bede om observationer knyttet til deres kildepassager.\n\nHold manglende eller modstridende oplysninger synlige i det ønskede svar. Til udtræk skal du definere felter og håndtering af manglende værdier. Til en rapport skal du skelne kildeobservationer fra fortolkning og bevare det grundlag, der understøtter konklusionen.\n\n### Værktøjer, struktureret output og lang kontekst\n\nProfilen understøtter værktøjer til funktionskald og strukturerede output. En applikation udfører en foreslået handling og returnerer sin faktiske observation til opgaven. Bevar denne observation sammen med dens kildehandling, før du bruger den i en senere beslutning. Valider strukturerede felter og deres indholdsmæssige værdier mod det leverede materiale.\n\nOrganiser store kildesamlinger i navngivne afsnit, og reserver plads til svaret. Bevar afsluttede beslutninger og aktuelle observationer, mens du fjerner uvedkommende gentagelser. Et nyttigt GPT-4.1-resultat forbinder det ønskede resultat med det kilde- eller valideringsgrundlag, der er nødvendigt for at undersøge det.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Apply explicit precedence when sources conflict\n\nPrepare a customer-facing setup note using these sources. Manual section M: 'Connect power before attaching the sensor.' Correction C: 'For revision R2, attach the sensor before connecting power.' The device is revision R2, and corrections override the manual. Return the applicable two-step sequence and cite the controlling source. Do not generalize to other revisions.A two-step R2 setup sequence and a brief citation to Correction C.Sensor attachment precedes power connection for R2, and the rule is not extended to unspecified revisions.gpt-4.1GPT-4.1 er OpenAIs model til præcis efterlevelse af instruktioner, softwareudvikling og arbejde med lang kontekst. Dens tekst-, billed- og filprofil understøtter værktøjer og strukturerede output med et kontekstvindue på 1.047.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-4.1 er OpenAIs model til avanceret efterlevelse af instruktioner, softwareudvikling og arbejde på tværs af lange kildekontekster. Dens offentliggjorte hostingprofil modtager tekst, billeder og filer og returnerer tekst. Den angiver et kontekstvindue på 1.047.576 tokens og op til 32.768 tokens til det genererede svar med værktøjer til funktionskald og indstillinger for struktureret output.
Angiv opgaven, det nødvendige resultat og de begrænsninger, der bestemmer det. Til en kodeændring skal du identificere den relevante kilde, den ønskede adfærd og den eksisterende adfærd, der skal bevares. Til en dokumentopgave skal du navngive passager, kriterier og outputstruktur. Hold instruktioner adskilt fra citeret kildemateriale, så hver del har en tydelig rolle.
Når krav konkurrerer, skal du angive deres rækkefølge eller den betingelse, hvorunder hvert krav gælder. Lever eksempler, hvor en kort betegnelse ikke forklarer den ønskede adfærd. En præcis opgavebeskrivelse gør svaret lettere at vurdere mod det tilsigtede resultat.
Mærk dokumenter og billeder, og angiv den detalje, der er nødvendig fra hver kilde. Et skærmbillede kan fastslå en grænsefladetilstand, mens et kodeuddrag forklarer logikken omkring den. En sammenligning af lange dokumenter kan bevare afsnitsetiketter og bede om observationer knyttet til deres kildepassager.
Hold manglende eller modstridende oplysninger synlige i det ønskede svar. Til udtræk skal du definere felter og håndtering af manglende værdier. Til en rapport skal du skelne kildeobservationer fra fortolkning og bevare det grundlag, der understøtter konklusionen.
Profilen understøtter værktøjer til funktionskald og strukturerede output. En applikation udfører en foreslået handling og returnerer sin faktiske observation til opgaven. Bevar denne observation sammen med dens kildehandling, før du bruger den i en senere beslutning. Valider strukturerede felter og deres indholdsmæssige værdier mod det leverede materiale.
Organiser store kildesamlinger i navngivne afsnit, og reserver plads til svaret. Bevar afsluttede beslutninger og aktuelle observationer, mens du fjerner uvedkommende gentagelser. Et nyttigt GPT-4.1-resultat forbinder det ønskede resultat med det kilde- eller valideringsgrundlag, der er nødvendigt for at undersøge det.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gpt-4.1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
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 |
Parametercontrol_scope | KontraktTekstsamtale; stream er en boolesk værdi og er som standard false. |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Metodealiaser: /chat/completions
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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning $0.001 / 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-4.1","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-4.1", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-4.1, openai/gpt-4.1
/chat/completions
gpt-4.1GPT-4.1 er OpenAIs model til præcis efterlevelse af instruktioner, softwareudvikling og arbejde med lang kontekst. Dens tekst-, billed- og filprofil understøtter værktøjer og strukturerede output med et kontekstvindue på 1.047.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-4.1 er OpenAIs model til avanceret efterlevelse af instruktioner, softwareudvikling og arbejde på tværs af lange kildekontekster. Dens offentliggjorte hostingprofil modtager tekst, billeder og filer og returnerer tekst. Den angiver et kontekstvindue på 1.047.576 tokens og op til 32.768 tokens til det genererede svar med værktøjer til funktionskald og indstillinger for struktureret output.
Angiv opgaven, det nødvendige resultat og de begrænsninger, der bestemmer det. Til en kodeændring skal du identificere den relevante kilde, den ønskede adfærd og den eksisterende adfærd, der skal bevares. Til en dokumentopgave skal du navngive passager, kriterier og outputstruktur. Hold instruktioner adskilt fra citeret kildemateriale, så hver del har en tydelig rolle.
Når krav konkurrerer, skal du angive deres rækkefølge eller den betingelse, hvorunder hvert krav gælder. Lever eksempler, hvor en kort betegnelse ikke forklarer den ønskede adfærd. En præcis opgavebeskrivelse gør svaret lettere at vurdere mod det tilsigtede resultat.
Mærk dokumenter og billeder, og angiv den detalje, der er nødvendig fra hver kilde. Et skærmbillede kan fastslå en grænsefladetilstand, mens et kodeuddrag forklarer logikken omkring den. En sammenligning af lange dokumenter kan bevare afsnitsetiketter og bede om observationer knyttet til deres kildepassager.
Hold manglende eller modstridende oplysninger synlige i det ønskede svar. Til udtræk skal du definere felter og håndtering af manglende værdier. Til en rapport skal du skelne kildeobservationer fra fortolkning og bevare det grundlag, der understøtter konklusionen.
Profilen understøtter værktøjer til funktionskald og strukturerede output. En applikation udfører en foreslået handling og returnerer sin faktiske observation til opgaven. Bevar denne observation sammen med dens kildehandling, før du bruger den i en senere beslutning. Valider strukturerede felter og deres indholdsmæssige værdier mod det leverede materiale.
Organiser store kildesamlinger i navngivne afsnit, og reserver plads til svaret. Bevar afsluttede beslutninger og aktuelle observationer, mens du fjerner uvedkommende gentagelser. Et nyttigt GPT-4.1-resultat forbinder det ønskede resultat med det kilde- eller valideringsgrundlag, der er nødvendigt for at undersøge det.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gpt-4.1 | 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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "gpt-4.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.1', '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-4.1', '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-4.1, openai/gpt-4.1
/chat/completions
openai/gpt-4.1GPT-4.1 er OpenAIs model til præcis efterlevelse af instruktioner, softwareudvikling og arbejde med lang kontekst. Dens tekst-, billed- og filprofil understøtter værktøjer og strukturerede output med et kontekstvindue på 1.047.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-4.1 er OpenAIs model til avanceret efterlevelse af instruktioner, softwareudvikling og arbejde på tværs af lange kildekontekster. Dens offentliggjorte hostingprofil modtager tekst, billeder og filer og returnerer tekst. Den angiver et kontekstvindue på 1.047.576 tokens og op til 32.768 tokens til det genererede svar med værktøjer til funktionskald og indstillinger for struktureret output.
Angiv opgaven, det nødvendige resultat og de begrænsninger, der bestemmer det. Til en kodeændring skal du identificere den relevante kilde, den ønskede adfærd og den eksisterende adfærd, der skal bevares. Til en dokumentopgave skal du navngive passager, kriterier og outputstruktur. Hold instruktioner adskilt fra citeret kildemateriale, så hver del har en tydelig rolle.
Når krav konkurrerer, skal du angive deres rækkefølge eller den betingelse, hvorunder hvert krav gælder. Lever eksempler, hvor en kort betegnelse ikke forklarer den ønskede adfærd. En præcis opgavebeskrivelse gør svaret lettere at vurdere mod det tilsigtede resultat.
Mærk dokumenter og billeder, og angiv den detalje, der er nødvendig fra hver kilde. Et skærmbillede kan fastslå en grænsefladetilstand, mens et kodeuddrag forklarer logikken omkring den. En sammenligning af lange dokumenter kan bevare afsnitsetiketter og bede om observationer knyttet til deres kildepassager.
Hold manglende eller modstridende oplysninger synlige i det ønskede svar. Til udtræk skal du definere felter og håndtering af manglende værdier. Til en rapport skal du skelne kildeobservationer fra fortolkning og bevare det grundlag, der understøtter konklusionen.
Profilen understøtter værktøjer til funktionskald og strukturerede output. En applikation udfører en foreslået handling og returnerer sin faktiske observation til opgaven. Bevar denne observation sammen med dens kildehandling, før du bruger den i en senere beslutning. Valider strukturerede felter og deres indholdsmæssige værdier mod det leverede materiale.
Organiser store kildesamlinger i navngivne afsnit, og reserver plads til svaret. Bevar afsluttede beslutninger og aktuelle observationer, mens du fjerner uvedkommende gentagelser. Et nyttigt GPT-4.1-resultat forbinder det ønskede resultat med det kilde- eller valideringsgrundlag, der er nødvendigt for at undersøge det.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-4.1 | 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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning $0.001 / 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": "openai/gpt-4.1", "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='openai/gpt-4.1',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='openai/gpt-4.1',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-4.1, openai/gpt-4.1
/chat/completions
openai/gpt-4.1GPT-4.1 er OpenAIs model til præcis efterlevelse af instruktioner, softwareudvikling og arbejde med lang kontekst. Dens tekst-, billed- og filprofil understøtter værktøjer og strukturerede output med et kontekstvindue på 1.047.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-4.1 er OpenAIs model til avanceret efterlevelse af instruktioner, softwareudvikling og arbejde på tværs af lange kildekontekster. Dens offentliggjorte hostingprofil modtager tekst, billeder og filer og returnerer tekst. Den angiver et kontekstvindue på 1.047.576 tokens og op til 32.768 tokens til det genererede svar med værktøjer til funktionskald og indstillinger for struktureret output.
Angiv opgaven, det nødvendige resultat og de begrænsninger, der bestemmer det. Til en kodeændring skal du identificere den relevante kilde, den ønskede adfærd og den eksisterende adfærd, der skal bevares. Til en dokumentopgave skal du navngive passager, kriterier og outputstruktur. Hold instruktioner adskilt fra citeret kildemateriale, så hver del har en tydelig rolle.
Når krav konkurrerer, skal du angive deres rækkefølge eller den betingelse, hvorunder hvert krav gælder. Lever eksempler, hvor en kort betegnelse ikke forklarer den ønskede adfærd. En præcis opgavebeskrivelse gør svaret lettere at vurdere mod det tilsigtede resultat.
Mærk dokumenter og billeder, og angiv den detalje, der er nødvendig fra hver kilde. Et skærmbillede kan fastslå en grænsefladetilstand, mens et kodeuddrag forklarer logikken omkring den. En sammenligning af lange dokumenter kan bevare afsnitsetiketter og bede om observationer knyttet til deres kildepassager.
Hold manglende eller modstridende oplysninger synlige i det ønskede svar. Til udtræk skal du definere felter og håndtering af manglende værdier. Til en rapport skal du skelne kildeobservationer fra fortolkning og bevare det grundlag, der understøtter konklusionen.
Profilen understøtter værktøjer til funktionskald og strukturerede output. En applikation udfører en foreslået handling og returnerer sin faktiske observation til opgaven. Bevar denne observation sammen med dens kildehandling, før du bruger den i en senere beslutning. Valider strukturerede felter og deres indholdsmæssige værdier mod det leverede materiale.
Organiser store kildesamlinger i navngivne afsnit, og reserver plads til svaret. Bevar afsluttede beslutninger og aktuelle observationer, mens du fjerner uvedkommende gentagelser. Et nyttigt GPT-4.1-resultat forbinder det ønskede resultat med det kilde- eller valideringsgrundlag, der er nødvendigt for at undersøge det.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-4.1 | 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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.016 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "openai/gpt-4.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'openai/gpt-4.1', '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': 'openai/gpt-4.1', '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-4.1, openai/gpt-4.1
/chat/completions
Teknisk eksempel på engelsk
Apply explicit precedence when sources conflict\n\nPrepare a customer-facing setup note using these sources. Manual section M: 'Connect power before attaching the sensor.' Correction C: 'For revision R2, attach the sensor before connecting power.' The device is revision R2, and corrections override the manual. Return the applicable two-step sequence and cite the controlling source. Do not generalize to other revisions.A two-step R2 setup sequence and a brief citation to Correction C.Sensor attachment precedes power connection for R2, and the rule is not extended to unspecified revisions.