GPT-5 Image Mini er en kombineret sprog- og billedprofil bygget omkring OpenAI’s GPT-5 Mini og GPT Image 1 Mini. Dens sprogkomponent fortolker en skriftlig opgave og kildemateriale, mens billedkomponenten skaber eller reviderer visuelt indhold. Den offentliggjorte profil fremhæver instruktionsfølgning, tekstgengivelse og detaljeret billedredigering. Den er nyttig til en fokuseret visuel opgavebeskrivelse, som også kræver tekstlig fortolkning, forklaring eller understøttende tekst.
Forbered en opgavebeskrivelse med det ønskede resultat, motiv, komposition og den krævede tekst. Beskriv, hvordan billedet skal bruges, såsom et produktkoncept, en illustration til en kort forklaring eller et visuelt udkast til en side. Bed udtrykkeligt om de skriftlige og visuelle resultater, så en forklaring af konceptet let kan skelnes fra selve billedet.
Lever for eksempel en beskrivelse af en genanvendelig vandflaske, og bed om et enkelt koncept til en produktscene med en kort billedtekst. Angiv den synlige flaskeform, baggrund, lysretning og de præcise ord, der skal indgå i det visuelle resultat. Hold fakta, som bruges i billedteksten, adskilt fra dekorative detaljer i scenen. Gennemgå det returnerede billede og den skriftlige tekst mod disse to dele af opgavebeskrivelsen.
Den dokumenterede kombinerede profil accepterer tekst, billeder og filer såsom PDF’er. Et dokument kan levere krav eller fakta, som skal fortolkes, før det visuelle resultat skabes. Et billede kan levere udseende, layout eller en redigeringskilde. Angiv hver kildes rolle frem for at antage, at enhver vedhæftning skal påvirke alle dele af resultatet. Hold kildenavne og rækkefølge tydelige, når flere input leveres.
Ved et nyt billede skal det angives, hvad der skal være synligt, og hvordan delene forholder sig til hinanden. Ved en referencebaseret redigering skal ændringen og de detaljer, der skal bevares, angives. En produktscene kan bede om nye omgivelser, mens genstandens genkendelige form og synlige etiket bevares. Et diagram kan bede om en korrigeret relation, mens den tekst og de elementer, der skal bevares, angives.
Profilens eget offentliggjorte kort tillader op til seksten referencebilleder til redigering. Vælg referencer, der bidrager til opgaven, og forklar deres formål: produktet, karakteren, baggrunden eller den visuelle behandling. Flere referencer kan indeholde modstridende belysning eller komposition, så det ønskede resultat skal angives tydeligt. Undersøg motivdetaljer, bogstaver og grænserne for en ønsket ændring i det faktisk returnerede billede.
Tekstgengivelse er en dokumenteret funktion, men et visuelt udkast kræver stadig kontrol ord for ord. Lever præcis ordlyd, tegnsætning og placering, og sammenlign derefter væsentlige etiketter og tal med opgavebeskrivelsen i den ønskede visningsstørrelse. Ved en gentagen serie skal referencerne og de visuelle krav bevares sammen med hvert resultat, og de færdige billeder sammenlignes med hinanden.
Den kombinerede profil offentliggør et kontekstvindue på 400.000 tokens og op til 128.000 færdiggørelsestokens. Det er kvoter for arbejdskontekst og færdiggørelse, adskilt fra et billedes pixeldimensioner eller antallet af returnerede billedresultater. Organisér langt kildemateriale ud fra den krævede fortolkning, og giv plads til svaret. En kompakt opgavebeskrivelse med relevante referencer er mere nyttig end uvedkommende dokumenter, hvis rolle ikke er forklaret.
Dens offentliggjorte tekstoutputkrav understøtter strukturerede resultater baseret på JSON-schema. Definér felter og typer, når et skriftligt resultat skal behandles af en applikation, og validér værdierne mod den leverede dokumentation. Den kombinerede profil stiller ikke funktionskald til rådighed for applikationen. Dens brug af en sprogkomponent med billedgenerering er en funktion i den navngivne profil; den gør ikke enhver funktion i en selvstændig GPT-5 Mini-grænseflade til en del af denne arbejdsgang.
Billedindstillinger skal komme fra den præcise profil og grænseflade, der bruges. Bevar den valgte konfiguration sammen med prompten, når revisioner sammenlignes. Den direkte GPT Image 1 Mini-komponent og en kombineret chatprofil har forskellige anmodningsstrukturer, så komponentspecifikke størrelses-, maskerings- eller outputindstillinger kræver en udtrykkelig kobling, før de behandles som indstillinger i denne kombinerede profil.
Det dokumenterede skema for chatanmodninger kan vælge text og image som outputmodaliteter. Behandl den returnerede tekst og hvert faktisk billedresultat, som ledsager svaret. Gem billederne i det format, resultatet angiver, og bevar det skriftlige svar sammen med prompten, kildereferencerne og indstillingerne. Et svar med forklarende tekst alene er forskelligt fra et færdigt visuelt resultat, så kontrollér, hvad resultatet faktisk indeholder, før det bruges i et layout.
GPT-5 Image Mini er adskilt fra den fulde GPT-5 Image-profil, som kombinerer GPT-5 med GPT Image 1. Brug Mini-profilen til afgrænsede sprog- og visuelle opgaver, hvis opgavebeskrivelse og gennemgangskriterier er tydelige. Kontrollér komposition, objektidentitet, billedtekst og understøttende tekst, og bed derefter om den konkrete nødvendige rettelse. Bevar de vellykkede elementer og de relevante referencer i næste opgavebeskrivelse, så en revision får et konkret mål.
", "aboutText": "GPT-5 Image Mini er en kombineret sprog- og billedprofil bygget omkring OpenAI’s GPT-5 Mini og GPT Image 1 Mini. Dens sprogkomponent fortolker en skriftlig opgave og kildemateriale, mens billedkomponenten skaber eller reviderer visuelt indhold. Den offentliggjorte profil fremhæver instruktionsfølgning, tekstgengivelse og detaljeret billedredigering. Den er nyttig til en fokuseret visuel opgavebeskrivelse, som også kræver tekstlig fortolkning, forklaring eller understøttende tekst.\n\n### Forbind den skriftlige opgave med det visuelle resultat\n\nForbered en opgavebeskrivelse med det ønskede resultat, motiv, komposition og den krævede tekst. Beskriv, hvordan billedet skal bruges, såsom et produktkoncept, en illustration til en kort forklaring eller et visuelt udkast til en side. Bed udtrykkeligt om de skriftlige og visuelle resultater, så en forklaring af konceptet let kan skelnes fra selve billedet.\n\nLever for eksempel en beskrivelse af en genanvendelig vandflaske, og bed om et enkelt koncept til en produktscene med en kort billedtekst. Angiv den synlige flaskeform, baggrund, lysretning og de præcise ord, der skal indgå i det visuelle resultat. Hold fakta, som bruges i billedteksten, adskilt fra dekorative detaljer i scenen. Gennemgå det returnerede billede og den skriftlige tekst mod disse to dele af opgavebeskrivelsen.\n\nDen dokumenterede kombinerede profil accepterer tekst, billeder og filer såsom PDF’er. Et dokument kan levere krav eller fakta, som skal fortolkes, før det visuelle resultat skabes. Et billede kan levere udseende, layout eller en redigeringskilde. Angiv hver kildes rolle frem for at antage, at enhver vedhæftning skal påvirke alle dele af resultatet. Hold kildenavne og rækkefølge tydelige, når flere input leveres.\n\n### Generér og revidér med referencer\n\nVed et nyt billede skal det angives, hvad der skal være synligt, og hvordan delene forholder sig til hinanden. Ved en referencebaseret redigering skal ændringen og de detaljer, der skal bevares, angives. En produktscene kan bede om nye omgivelser, mens genstandens genkendelige form og synlige etiket bevares. Et diagram kan bede om en korrigeret relation, mens den tekst og de elementer, der skal bevares, angives.\n\nProfilens eget offentliggjorte kort tillader op til seksten referencebilleder til redigering. Vælg referencer, der bidrager til opgaven, og forklar deres formål: produktet, karakteren, baggrunden eller den visuelle behandling. Flere referencer kan indeholde modstridende belysning eller komposition, så det ønskede resultat skal angives tydeligt. Undersøg motivdetaljer, bogstaver og grænserne for en ønsket ændring i det faktisk returnerede billede.\n\nTekstgengivelse er en dokumenteret funktion, men et visuelt udkast kræver stadig kontrol ord for ord. Lever præcis ordlyd, tegnsætning og placering, og sammenlign derefter væsentlige etiketter og tal med opgavebeskrivelsen i den ønskede visningsstørrelse. Ved en gentagen serie skal referencerne og de visuelle krav bevares sammen med hvert resultat, og de færdige billeder sammenlignes med hinanden.\n\n### Arbejdskontekst og indstillinger\n\nDen kombinerede profil offentliggør et kontekstvindue på 400.000 tokens og op til 128.000 færdiggørelsestokens. Det er kvoter for arbejdskontekst og færdiggørelse, adskilt fra et billedes pixeldimensioner eller antallet af returnerede billedresultater. Organisér langt kildemateriale ud fra den krævede fortolkning, og giv plads til svaret. En kompakt opgavebeskrivelse med relevante referencer er mere nyttig end uvedkommende dokumenter, hvis rolle ikke er forklaret.\n\nDens offentliggjorte tekstoutputkrav understøtter strukturerede resultater baseret på JSON-schema. Definér felter og typer, når et skriftligt resultat skal behandles af en applikation, og validér værdierne mod den leverede dokumentation. Den kombinerede profil stiller ikke funktionskald til rådighed for applikationen. Dens brug af en sprogkomponent med billedgenerering er en funktion i den navngivne profil; den gør ikke enhver funktion i en selvstændig GPT-5 Mini-grænseflade til en del af denne arbejdsgang.\n\nBilledindstillinger skal komme fra den præcise profil og grænseflade, der bruges. Bevar den valgte konfiguration sammen med prompten, når revisioner sammenlignes. Den direkte GPT Image 1 Mini-komponent og en kombineret chatprofil har forskellige anmodningsstrukturer, så komponentspecifikke størrelses-, maskerings- eller outputindstillinger kræver en udtrykkelig kobling, før de behandles som indstillinger i denne kombinerede profil.\n\n### Bevar tekst- og billedresultaterne\n\nDet dokumenterede skema for chatanmodninger kan vælge text og image som outputmodaliteter. Behandl den returnerede tekst og hvert faktisk billedresultat, som ledsager svaret. Gem billederne i det format, resultatet angiver, og bevar det skriftlige svar sammen med prompten, kildereferencerne og indstillingerne. Et svar med forklarende tekst alene er forskelligt fra et færdigt visuelt resultat, så kontrollér, hvad resultatet faktisk indeholder, før det bruges i et layout.\n\nGPT-5 Image Mini er adskilt fra den fulde GPT-5 Image-profil, som kombinerer GPT-5 med GPT Image 1. Brug Mini-profilen til afgrænsede sprog- og visuelle opgaver, hvis opgavebeskrivelse og gennemgangskriterier er tydelige. Kontrollér komposition, objektidentitet, billedtekst og understøttende tekst, og bed derefter om den konkrete nødvendige rettelse. Bevar de vellykkede elementer og de relevante referencer i næste opgavebeskrivelse, så en revision får et konkret mål.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Create a labelled refill-bottle scene\n\nCreate a product-scene image of a plain cylindrical blue reusable water bottle with a silver screw cap, standing upright on pale stone. Soft daylight enters from the left. Place the exact word REFILL clearly on the bottle, with no other text, logos, accessories or unsupported product claims. Keep the full bottle visible.One image artifact showing the full specified bottle, left-side daylight and the exact single-word label.Inspect the actual image for bottle shape, cap, complete framing and letter-by-letter spelling of REFILL.openai/gpt-5-image-miniGPT-5 Image Mini kombinerer OpenAI’s sproglige funktioner i GPT-5 Mini med GPT Image 1 Mini til visuel generering og referencebaserede redigeringer. Den accepterer tekst, billeder og dokumenter og returnerer tekst og billeder til arbejdsgange, som kræver både et skriftligt svar og et visuelt resultat.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-5 Image Mini er en kombineret sprog- og billedprofil bygget omkring OpenAI’s GPT-5 Mini og GPT Image 1 Mini. Dens sprogkomponent fortolker en skriftlig opgave og kildemateriale, mens billedkomponenten skaber eller reviderer visuelt indhold. Den offentliggjorte profil fremhæver instruktionsfølgning, tekstgengivelse og detaljeret billedredigering. Den er nyttig til en fokuseret visuel opgavebeskrivelse, som også kræver tekstlig fortolkning, forklaring eller understøttende tekst.
Forbered en opgavebeskrivelse med det ønskede resultat, motiv, komposition og den krævede tekst. Beskriv, hvordan billedet skal bruges, såsom et produktkoncept, en illustration til en kort forklaring eller et visuelt udkast til en side. Bed udtrykkeligt om de skriftlige og visuelle resultater, så en forklaring af konceptet let kan skelnes fra selve billedet.
Lever for eksempel en beskrivelse af en genanvendelig vandflaske, og bed om et enkelt koncept til en produktscene med en kort billedtekst. Angiv den synlige flaskeform, baggrund, lysretning og de præcise ord, der skal indgå i det visuelle resultat. Hold fakta, som bruges i billedteksten, adskilt fra dekorative detaljer i scenen. Gennemgå det returnerede billede og den skriftlige tekst mod disse to dele af opgavebeskrivelsen.
Den dokumenterede kombinerede profil accepterer tekst, billeder og filer såsom PDF’er. Et dokument kan levere krav eller fakta, som skal fortolkes, før det visuelle resultat skabes. Et billede kan levere udseende, layout eller en redigeringskilde. Angiv hver kildes rolle frem for at antage, at enhver vedhæftning skal påvirke alle dele af resultatet. Hold kildenavne og rækkefølge tydelige, når flere input leveres.
Ved et nyt billede skal det angives, hvad der skal være synligt, og hvordan delene forholder sig til hinanden. Ved en referencebaseret redigering skal ændringen og de detaljer, der skal bevares, angives. En produktscene kan bede om nye omgivelser, mens genstandens genkendelige form og synlige etiket bevares. Et diagram kan bede om en korrigeret relation, mens den tekst og de elementer, der skal bevares, angives.
Profilens eget offentliggjorte kort tillader op til seksten referencebilleder til redigering. Vælg referencer, der bidrager til opgaven, og forklar deres formål: produktet, karakteren, baggrunden eller den visuelle behandling. Flere referencer kan indeholde modstridende belysning eller komposition, så det ønskede resultat skal angives tydeligt. Undersøg motivdetaljer, bogstaver og grænserne for en ønsket ændring i det faktisk returnerede billede.
Tekstgengivelse er en dokumenteret funktion, men et visuelt udkast kræver stadig kontrol ord for ord. Lever præcis ordlyd, tegnsætning og placering, og sammenlign derefter væsentlige etiketter og tal med opgavebeskrivelsen i den ønskede visningsstørrelse. Ved en gentagen serie skal referencerne og de visuelle krav bevares sammen med hvert resultat, og de færdige billeder sammenlignes med hinanden.
Den kombinerede profil offentliggør et kontekstvindue på 400.000 tokens og op til 128.000 færdiggørelsestokens. Det er kvoter for arbejdskontekst og færdiggørelse, adskilt fra et billedes pixeldimensioner eller antallet af returnerede billedresultater. Organisér langt kildemateriale ud fra den krævede fortolkning, og giv plads til svaret. En kompakt opgavebeskrivelse med relevante referencer er mere nyttig end uvedkommende dokumenter, hvis rolle ikke er forklaret.
Dens offentliggjorte tekstoutputkrav understøtter strukturerede resultater baseret på JSON-schema. Definér felter og typer, når et skriftligt resultat skal behandles af en applikation, og validér værdierne mod den leverede dokumentation. Den kombinerede profil stiller ikke funktionskald til rådighed for applikationen. Dens brug af en sprogkomponent med billedgenerering er en funktion i den navngivne profil; den gør ikke enhver funktion i en selvstændig GPT-5 Mini-grænseflade til en del af denne arbejdsgang.
Billedindstillinger skal komme fra den præcise profil og grænseflade, der bruges. Bevar den valgte konfiguration sammen med prompten, når revisioner sammenlignes. Den direkte GPT Image 1 Mini-komponent og en kombineret chatprofil har forskellige anmodningsstrukturer, så komponentspecifikke størrelses-, maskerings- eller outputindstillinger kræver en udtrykkelig kobling, før de behandles som indstillinger i denne kombinerede profil.
Det dokumenterede skema for chatanmodninger kan vælge text og image som outputmodaliteter. Behandl den returnerede tekst og hvert faktisk billedresultat, som ledsager svaret. Gem billederne i det format, resultatet angiver, og bevar det skriftlige svar sammen med prompten, kildereferencerne og indstillingerne. Et svar med forklarende tekst alene er forskelligt fra et færdigt visuelt resultat, så kontrollér, hvad resultatet faktisk indeholder, før det bruges i et layout.
GPT-5 Image Mini er adskilt fra den fulde GPT-5 Image-profil, som kombinerer GPT-5 med GPT Image 1. Brug Mini-profilen til afgrænsede sprog- og visuelle opgaver, hvis opgavebeskrivelse og gennemgangskriterier er tydelige. Kontrollér komposition, objektidentitet, billedtekst og understøttende tekst, og bed derefter om den konkrete nødvendige rettelse. Bevar de vellykkede elementer og de relevante referencer i næste opgavebeskrivelse, så en revision får et konkret mål.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-5-image-mini | 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 $0.005 / 1K tokens Output · Outputtokens $0.004 / 1K tokens Input · Cachelæsning $0.0005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens Output · Billedoutputtokens $0.016 / 1K billedtokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.005 / 1K tokens Output · Outputtokens $0.004 / 1K tokens Input · Cachelæsning $0.0005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode.
| Konfiguration | Afregningsbetingelser | Beløb |
|---|---|---|
| KonfigurationOpenAI: GPT-5 Image Mini · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Inputtokens 0,005 US$ / 1K tokens Output · Outputtokens 0,004 US$ / 1K tokens Output · Outputbillede 0,016 US$ / 1K tokens Output · Websøgning 0,02 US$ pr. søgning Input · Cachelæsning 0,0005 US$ / 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-5-image-mini", "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-5-image-mini',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-5-image-mini',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 openai/gpt-5-image-mini
/v1/images
openai/gpt-5-image-miniGPT-5 Image Mini kombinerer OpenAI’s sproglige funktioner i GPT-5 Mini med GPT Image 1 Mini til visuel generering og referencebaserede redigeringer. Den accepterer tekst, billeder og dokumenter og returnerer tekst og billeder til arbejdsgange, som kræver både et skriftligt svar og et visuelt resultat.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-5 Image Mini er en kombineret sprog- og billedprofil bygget omkring OpenAI’s GPT-5 Mini og GPT Image 1 Mini. Dens sprogkomponent fortolker en skriftlig opgave og kildemateriale, mens billedkomponenten skaber eller reviderer visuelt indhold. Den offentliggjorte profil fremhæver instruktionsfølgning, tekstgengivelse og detaljeret billedredigering. Den er nyttig til en fokuseret visuel opgavebeskrivelse, som også kræver tekstlig fortolkning, forklaring eller understøttende tekst.
Forbered en opgavebeskrivelse med det ønskede resultat, motiv, komposition og den krævede tekst. Beskriv, hvordan billedet skal bruges, såsom et produktkoncept, en illustration til en kort forklaring eller et visuelt udkast til en side. Bed udtrykkeligt om de skriftlige og visuelle resultater, så en forklaring af konceptet let kan skelnes fra selve billedet.
Lever for eksempel en beskrivelse af en genanvendelig vandflaske, og bed om et enkelt koncept til en produktscene med en kort billedtekst. Angiv den synlige flaskeform, baggrund, lysretning og de præcise ord, der skal indgå i det visuelle resultat. Hold fakta, som bruges i billedteksten, adskilt fra dekorative detaljer i scenen. Gennemgå det returnerede billede og den skriftlige tekst mod disse to dele af opgavebeskrivelsen.
Den dokumenterede kombinerede profil accepterer tekst, billeder og filer såsom PDF’er. Et dokument kan levere krav eller fakta, som skal fortolkes, før det visuelle resultat skabes. Et billede kan levere udseende, layout eller en redigeringskilde. Angiv hver kildes rolle frem for at antage, at enhver vedhæftning skal påvirke alle dele af resultatet. Hold kildenavne og rækkefølge tydelige, når flere input leveres.
Ved et nyt billede skal det angives, hvad der skal være synligt, og hvordan delene forholder sig til hinanden. Ved en referencebaseret redigering skal ændringen og de detaljer, der skal bevares, angives. En produktscene kan bede om nye omgivelser, mens genstandens genkendelige form og synlige etiket bevares. Et diagram kan bede om en korrigeret relation, mens den tekst og de elementer, der skal bevares, angives.
Profilens eget offentliggjorte kort tillader op til seksten referencebilleder til redigering. Vælg referencer, der bidrager til opgaven, og forklar deres formål: produktet, karakteren, baggrunden eller den visuelle behandling. Flere referencer kan indeholde modstridende belysning eller komposition, så det ønskede resultat skal angives tydeligt. Undersøg motivdetaljer, bogstaver og grænserne for en ønsket ændring i det faktisk returnerede billede.
Tekstgengivelse er en dokumenteret funktion, men et visuelt udkast kræver stadig kontrol ord for ord. Lever præcis ordlyd, tegnsætning og placering, og sammenlign derefter væsentlige etiketter og tal med opgavebeskrivelsen i den ønskede visningsstørrelse. Ved en gentagen serie skal referencerne og de visuelle krav bevares sammen med hvert resultat, og de færdige billeder sammenlignes med hinanden.
Den kombinerede profil offentliggør et kontekstvindue på 400.000 tokens og op til 128.000 færdiggørelsestokens. Det er kvoter for arbejdskontekst og færdiggørelse, adskilt fra et billedes pixeldimensioner eller antallet af returnerede billedresultater. Organisér langt kildemateriale ud fra den krævede fortolkning, og giv plads til svaret. En kompakt opgavebeskrivelse med relevante referencer er mere nyttig end uvedkommende dokumenter, hvis rolle ikke er forklaret.
Dens offentliggjorte tekstoutputkrav understøtter strukturerede resultater baseret på JSON-schema. Definér felter og typer, når et skriftligt resultat skal behandles af en applikation, og validér værdierne mod den leverede dokumentation. Den kombinerede profil stiller ikke funktionskald til rådighed for applikationen. Dens brug af en sprogkomponent med billedgenerering er en funktion i den navngivne profil; den gør ikke enhver funktion i en selvstændig GPT-5 Mini-grænseflade til en del af denne arbejdsgang.
Billedindstillinger skal komme fra den præcise profil og grænseflade, der bruges. Bevar den valgte konfiguration sammen med prompten, når revisioner sammenlignes. Den direkte GPT Image 1 Mini-komponent og en kombineret chatprofil har forskellige anmodningsstrukturer, så komponentspecifikke størrelses-, maskerings- eller outputindstillinger kræver en udtrykkelig kobling, før de behandles som indstillinger i denne kombinerede profil.
Det dokumenterede skema for chatanmodninger kan vælge text og image som outputmodaliteter. Behandl den returnerede tekst og hvert faktisk billedresultat, som ledsager svaret. Gem billederne i det format, resultatet angiver, og bevar det skriftlige svar sammen med prompten, kildereferencerne og indstillingerne. Et svar med forklarende tekst alene er forskelligt fra et færdigt visuelt resultat, så kontrollér, hvad resultatet faktisk indeholder, før det bruges i et layout.
GPT-5 Image Mini er adskilt fra den fulde GPT-5 Image-profil, som kombinerer GPT-5 med GPT Image 1. Brug Mini-profilen til afgrænsede sprog- og visuelle opgaver, hvis opgavebeskrivelse og gennemgangskriterier er tydelige. Kontrollér komposition, objektidentitet, billedtekst og understøttende tekst, og bed derefter om den konkrete nødvendige rettelse. Bevar de vellykkede elementer og de relevante referencer i næste opgavebeskrivelse, så en revision får et konkret mål.
POST /v1/images/generationstext, imageimage| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-5-image-mini | Standard— |
Feltprompt | Typestring | KravPåkrævet | Værdier og grænser Minimumslængde: 1 | Standard— |
Feltaspect_ratio | Typestring | KravValgfrit | Værdier og grænser 1:1, 3:2, 2:3, auto | Standard— |
Feltquality | Typestring | KravValgfrit | Værdier og grænser auto, low, medium, high | Standard— |
Feltbackground | Typestring | KravValgfrit | Værdier og grænser auto, transparent, opaque | Standard— |
Feltn | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Maksimum: 10 | Standard— |
Feltinput_references | Typearray | KravValgfrit | Værdier og grænser Minimumsantal elementer: 0 Maksimalt antal elementer: 16 | Standard— |
Feltoutput_compression | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 0 Maksimum: 100 | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, prompt |
Parametermaterial_types | Kontrakttext, image |
Livscyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
De viste satser bruges til at anslå omkostningen før genereringen. Det endelige beløb beregnes ud fra den registrerede omkostning for den oprindelige generering. Den målte varighed af outputtet og de anslåede mængder er ikke den endelige fakturerbare mængde.
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 | Forventet mængde | Beløb |
|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Forventet mængde— | Beløb Input · Inputtokens · Estimat kun til sammenligning — / 1K tokens Output · Outputtokens · Estimat kun til sammenligning — / 1K tokens Input · Cachelæsning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning, 1 time · Estimat kun til sammenligning — / 1K tokens |
| KonfigurationAnslået genereringsomkostning | Takstplan— | Forventet mængdeestimat for én generering | Beløb Output · Anslået genereringsomkostning · Estimat kun til sammenligning $0.065536 estimat før generering Dette estimat er hverken et ekstra gebyr eller en fast pris for den færdige generering. |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'openai/gpt-5-image-mini', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\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/images/generations \\\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 base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nHent hvert returneret billede, eller gem dets Base64-indhold
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nGem hvert færdigt billede; hent hver returneret URL eller afkod dets Base64-indhold.
Gem hele svaret og alle headere, alle faktisk returnerede output, de oprindeligt returnerede identifikatorer og alle felter med forbrugsdata. Gendan den oprindelige operation uden at sende oprettelsesanmodningen igen.
Gem det returnerede X-Client-Request-ID til afstemning. Brug kun faktisk returnerede task_id/asset_id-værdier eller dit eget mediebibliotek til læseanmodninger; opbyg aldrig en opgave-URL ud fra operations-ID’et, og send aldrig oprettelsesanmodningen igen.
| Felt | Type |
|---|---|
Feltcreated | Type |
Feltdata[].url | Type |
Feltdata[].b64_json | Type |
Feltusage | Type |
Ailoot Ultra openai/gpt-5-image-mini
/v1/images
openai/gpt-5-image-miniGPT-5 Image Mini kombinerer OpenAI’s sproglige funktioner i GPT-5 Mini med GPT Image 1 Mini til visuel generering og referencebaserede redigeringer. Den accepterer tekst, billeder og dokumenter og returnerer tekst og billeder til arbejdsgange, som kræver både et skriftligt svar og et visuelt resultat.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-5 Image Mini er en kombineret sprog- og billedprofil bygget omkring OpenAI’s GPT-5 Mini og GPT Image 1 Mini. Dens sprogkomponent fortolker en skriftlig opgave og kildemateriale, mens billedkomponenten skaber eller reviderer visuelt indhold. Den offentliggjorte profil fremhæver instruktionsfølgning, tekstgengivelse og detaljeret billedredigering. Den er nyttig til en fokuseret visuel opgavebeskrivelse, som også kræver tekstlig fortolkning, forklaring eller understøttende tekst.
Forbered en opgavebeskrivelse med det ønskede resultat, motiv, komposition og den krævede tekst. Beskriv, hvordan billedet skal bruges, såsom et produktkoncept, en illustration til en kort forklaring eller et visuelt udkast til en side. Bed udtrykkeligt om de skriftlige og visuelle resultater, så en forklaring af konceptet let kan skelnes fra selve billedet.
Lever for eksempel en beskrivelse af en genanvendelig vandflaske, og bed om et enkelt koncept til en produktscene med en kort billedtekst. Angiv den synlige flaskeform, baggrund, lysretning og de præcise ord, der skal indgå i det visuelle resultat. Hold fakta, som bruges i billedteksten, adskilt fra dekorative detaljer i scenen. Gennemgå det returnerede billede og den skriftlige tekst mod disse to dele af opgavebeskrivelsen.
Den dokumenterede kombinerede profil accepterer tekst, billeder og filer såsom PDF’er. Et dokument kan levere krav eller fakta, som skal fortolkes, før det visuelle resultat skabes. Et billede kan levere udseende, layout eller en redigeringskilde. Angiv hver kildes rolle frem for at antage, at enhver vedhæftning skal påvirke alle dele af resultatet. Hold kildenavne og rækkefølge tydelige, når flere input leveres.
Ved et nyt billede skal det angives, hvad der skal være synligt, og hvordan delene forholder sig til hinanden. Ved en referencebaseret redigering skal ændringen og de detaljer, der skal bevares, angives. En produktscene kan bede om nye omgivelser, mens genstandens genkendelige form og synlige etiket bevares. Et diagram kan bede om en korrigeret relation, mens den tekst og de elementer, der skal bevares, angives.
Profilens eget offentliggjorte kort tillader op til seksten referencebilleder til redigering. Vælg referencer, der bidrager til opgaven, og forklar deres formål: produktet, karakteren, baggrunden eller den visuelle behandling. Flere referencer kan indeholde modstridende belysning eller komposition, så det ønskede resultat skal angives tydeligt. Undersøg motivdetaljer, bogstaver og grænserne for en ønsket ændring i det faktisk returnerede billede.
Tekstgengivelse er en dokumenteret funktion, men et visuelt udkast kræver stadig kontrol ord for ord. Lever præcis ordlyd, tegnsætning og placering, og sammenlign derefter væsentlige etiketter og tal med opgavebeskrivelsen i den ønskede visningsstørrelse. Ved en gentagen serie skal referencerne og de visuelle krav bevares sammen med hvert resultat, og de færdige billeder sammenlignes med hinanden.
Den kombinerede profil offentliggør et kontekstvindue på 400.000 tokens og op til 128.000 færdiggørelsestokens. Det er kvoter for arbejdskontekst og færdiggørelse, adskilt fra et billedes pixeldimensioner eller antallet af returnerede billedresultater. Organisér langt kildemateriale ud fra den krævede fortolkning, og giv plads til svaret. En kompakt opgavebeskrivelse med relevante referencer er mere nyttig end uvedkommende dokumenter, hvis rolle ikke er forklaret.
Dens offentliggjorte tekstoutputkrav understøtter strukturerede resultater baseret på JSON-schema. Definér felter og typer, når et skriftligt resultat skal behandles af en applikation, og validér værdierne mod den leverede dokumentation. Den kombinerede profil stiller ikke funktionskald til rådighed for applikationen. Dens brug af en sprogkomponent med billedgenerering er en funktion i den navngivne profil; den gør ikke enhver funktion i en selvstændig GPT-5 Mini-grænseflade til en del af denne arbejdsgang.
Billedindstillinger skal komme fra den præcise profil og grænseflade, der bruges. Bevar den valgte konfiguration sammen med prompten, når revisioner sammenlignes. Den direkte GPT Image 1 Mini-komponent og en kombineret chatprofil har forskellige anmodningsstrukturer, så komponentspecifikke størrelses-, maskerings- eller outputindstillinger kræver en udtrykkelig kobling, før de behandles som indstillinger i denne kombinerede profil.
Det dokumenterede skema for chatanmodninger kan vælge text og image som outputmodaliteter. Behandl den returnerede tekst og hvert faktisk billedresultat, som ledsager svaret. Gem billederne i det format, resultatet angiver, og bevar det skriftlige svar sammen med prompten, kildereferencerne og indstillingerne. Et svar med forklarende tekst alene er forskelligt fra et færdigt visuelt resultat, så kontrollér, hvad resultatet faktisk indeholder, før det bruges i et layout.
GPT-5 Image Mini er adskilt fra den fulde GPT-5 Image-profil, som kombinerer GPT-5 med GPT Image 1. Brug Mini-profilen til afgrænsede sprog- og visuelle opgaver, hvis opgavebeskrivelse og gennemgangskriterier er tydelige. Kontrollér komposition, objektidentitet, billedtekst og understøttende tekst, og bed derefter om den konkrete nødvendige rettelse. Bevar de vellykkede elementer og de relevante referencer i næste opgavebeskrivelse, så en revision får et konkret mål.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-5-image-mini | 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 $0.005 / 1K tokens Output · Outputtokens $0.004 / 1K tokens Input · Cachelæsning $0.0005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens Output · Billedoutputtokens $0.016 / 1K billedtokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.005 / 1K tokens Output · Outputtokens $0.004 / 1K tokens Input · Cachelæsning $0.0005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "openai/gpt-5-image-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5-image-mini', '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-5-image-mini', '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 openai/gpt-5-image-mini
/v1/images
Teknisk eksempel på engelsk
Create a labelled refill-bottle scene\n\nCreate a product-scene image of a plain cylindrical blue reusable water bottle with a silver screw cap, standing upright on pale stone. Soft daylight enters from the left. Place the exact word REFILL clearly on the bottle, with no other text, logos, accessories or unsupported product claims. Keep the full bottle visible.One image artifact showing the full specified bottle, left-side daylight and the exact single-word label.Inspect the actual image for bottle shape, cap, complete framing and letter-by-letter spelling of REFILL.