GPT-5 er OpenAI’s ræsonnementsmodel til programmering og agentopgaver på tværs af fagområder. Den modtager tekst og billeder og producerer tekst. Udviklerudgaven skelner mellem API-ræsonnementsmodellen og chatvalget uden ræsonnement og beskriver programmeringssamarbejde, frontendarbejde, instruktionsfølgning og forløb, der forbinder en sekvens af værktøjsresultater.
Ved udviklingsarbejde gives den krævede adfærd, relevante filer og begrænsninger for ændringer. Et eksempel på en anmodning er at undersøge, hvordan komponenter spiller sammen, identificere et problem i deres håndtering af et input og udarbejde et koordineret ændringsforslag. Ved frontendarbejde gives den tilsigtede interaktion og en visuel reference. Ved et dokumentspørgsmål angives beslutningen, kildematerialet og de nødvendige afsnit, så svaret har et konkret formål.
Udvikleren dokumenterer ræsonnementsindsatserne minimal, low, medium og high med medium beskrevet som standard i udviklerudgaven. Svarenes udførlighed er en separat indstilling med valgene low, medium og high; medium er den dokumenterede standard, mens en eksplicit instruktion om outputtet har forrang. Denne forskel lader en opgave bede om et kortfattet resultat og stadig afsætte analyse, som passer til kompleksiteten.
OpenAI angiver et kontekstvindue på 400.000 tokens, maksimalt input på 272.000 tokens og maksimalt output på 128.000 tokens for GPT-5 med en vidensgrænse den 30. september 2024. Ræsonnement og synligt output deler budgettet for genererede tokens. Hold det relevante kildemateriale og succeskriterierne tilgængelige, og lad der være plads til analysen og det endelige svar frem for at fylde hele vinduet med uvedkommende kontekst.
Udvikleren nævner grænsefladerne Responses, Chat Completions og Batch, streaming, Structured Outputs, funktionskald, fil- og billedinput, web- og filsøgning samt promptcaching. Værktøjerne i det præcise modelkort omfatter billedgenerering, kodefortolkning og MCP-forbindelser. Udviklerudgaven dokumenterer også parallelle værktøjskald, synlige fremskridtsbeskeder mellem handlinger og brugerdefinerede værktøjer, som modtager almindelig tekst med valgfrie grammatikkrav. Applikationer udfører handlingerne og returnerer de faktiske resultater, som bruges i næste beslutning.
Den aktuelle cachingvejledning omfatter valgfri forlænget opbevaring på op til 24 timer for GPT-5, hvor genbrug afhænger af et egnet opbevaret præfiks. Definer for selve opgaven det resultat og de belæg, som vil tælle som afslutning. En foreslået patch, struktureret analyse eller et dokument er nyttigt, når de væsentlige valg hænger sammen med de givne krav og fakta. Hold resultaterne af afsluttede kontroller adskilt fra handlinger, der stadig er forslag, så det endelige svar kan understøtte næste arbejdstrin.
", "aboutText": "GPT-5 er OpenAI’s ræsonnementsmodel til programmering og agentopgaver på tværs af fagområder. Den modtager tekst og billeder og producerer tekst. Udviklerudgaven skelner mellem API-ræsonnementsmodellen og chatvalget uden ræsonnement og beskriver programmeringssamarbejde, frontendarbejde, instruktionsfølgning og forløb, der forbinder en sekvens af værktøjsresultater.\n\nVed udviklingsarbejde gives den krævede adfærd, relevante filer og begrænsninger for ændringer. Et eksempel på en anmodning er at undersøge, hvordan komponenter spiller sammen, identificere et problem i deres håndtering af et input og udarbejde et koordineret ændringsforslag. Ved frontendarbejde gives den tilsigtede interaktion og en visuel reference. Ved et dokumentspørgsmål angives beslutningen, kildematerialet og de nødvendige afsnit, så svaret har et konkret formål.\n\nUdvikleren dokumenterer ræsonnementsindsatserne minimal, low, medium og high med medium beskrevet som standard i udviklerudgaven. Svarenes udførlighed er en separat indstilling med valgene low, medium og high; medium er den dokumenterede standard, mens en eksplicit instruktion om outputtet har forrang. Denne forskel lader en opgave bede om et kortfattet resultat og stadig afsætte analyse, som passer til kompleksiteten.\n\nOpenAI angiver et kontekstvindue på 400.000 tokens, maksimalt input på 272.000 tokens og maksimalt output på 128.000 tokens for GPT-5 med en vidensgrænse den 30. september 2024. Ræsonnement og synligt output deler budgettet for genererede tokens. Hold det relevante kildemateriale og succeskriterierne tilgængelige, og lad der være plads til analysen og det endelige svar frem for at fylde hele vinduet med uvedkommende kontekst.\n\nUdvikleren nævner grænsefladerne Responses, Chat Completions og Batch, streaming, Structured Outputs, funktionskald, fil- og billedinput, web- og filsøgning samt promptcaching. Værktøjerne i det præcise modelkort omfatter billedgenerering, kodefortolkning og MCP-forbindelser. Udviklerudgaven dokumenterer også parallelle værktøjskald, synlige fremskridtsbeskeder mellem handlinger og brugerdefinerede værktøjer, som modtager almindelig tekst med valgfrie grammatikkrav. Applikationer udfører handlingerne og returnerer de faktiske resultater, som bruges i næste beslutning.\n\nDen aktuelle cachingvejledning omfatter valgfri forlænget opbevaring på op til 24 timer for GPT-5, hvor genbrug afhænger af et egnet opbevaret præfiks. Definer for selve opgaven det resultat og de belæg, som vil tælle som afslutning. En foreslået patch, struktureret analyse eller et dokument er nyttigt, når de væsentlige valg hænger sammen med de givne krav og fakta. Hold resultaterne af afsluttede kontroller adskilt fra handlinger, der stadig er forslag, så det endelige svar kan understøtte næste arbejdstrin.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "08b6d605c6be03f6ac64e1fb7399ec40574c7b906476264bad841f0418b99826", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/gpt-5:batchGPT-5 er en ræsonneringsmodel til programmering, tekst- og billedopgaver samt agentarbejdsgange. Den understøtter konfigurerbar ræsonnering og en justerbar detaljeringsgrad i svaret og kan kombinere projekt- eller dokumentoplysninger med resultater fra applikationsværktøjer.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-5 er OpenAI’s ræsonnementsmodel til programmering og agentopgaver på tværs af fagområder. Den modtager tekst og billeder og producerer tekst. Udviklerudgaven skelner mellem API-ræsonnementsmodellen og chatvalget uden ræsonnement og beskriver programmeringssamarbejde, frontendarbejde, instruktionsfølgning og forløb, der forbinder en sekvens af værktøjsresultater.
Ved udviklingsarbejde gives den krævede adfærd, relevante filer og begrænsninger for ændringer. Et eksempel på en anmodning er at undersøge, hvordan komponenter spiller sammen, identificere et problem i deres håndtering af et input og udarbejde et koordineret ændringsforslag. Ved frontendarbejde gives den tilsigtede interaktion og en visuel reference. Ved et dokumentspørgsmål angives beslutningen, kildematerialet og de nødvendige afsnit, så svaret har et konkret formål.
Udvikleren dokumenterer ræsonnementsindsatserne minimal, low, medium og high med medium beskrevet som standard i udviklerudgaven. Svarenes udførlighed er en separat indstilling med valgene low, medium og high; medium er den dokumenterede standard, mens en eksplicit instruktion om outputtet har forrang. Denne forskel lader en opgave bede om et kortfattet resultat og stadig afsætte analyse, som passer til kompleksiteten.
OpenAI angiver et kontekstvindue på 400.000 tokens, maksimalt input på 272.000 tokens og maksimalt output på 128.000 tokens for GPT-5 med en vidensgrænse den 30. september 2024. Ræsonnement og synligt output deler budgettet for genererede tokens. Hold det relevante kildemateriale og succeskriterierne tilgængelige, og lad der være plads til analysen og det endelige svar frem for at fylde hele vinduet med uvedkommende kontekst.
Udvikleren nævner grænsefladerne Responses, Chat Completions og Batch, streaming, Structured Outputs, funktionskald, fil- og billedinput, web- og filsøgning samt promptcaching. Værktøjerne i det præcise modelkort omfatter billedgenerering, kodefortolkning og MCP-forbindelser. Udviklerudgaven dokumenterer også parallelle værktøjskald, synlige fremskridtsbeskeder mellem handlinger og brugerdefinerede værktøjer, som modtager almindelig tekst med valgfrie grammatikkrav. Applikationer udfører handlingerne og returnerer de faktiske resultater, som bruges i næste beslutning.
Den aktuelle cachingvejledning omfatter valgfri forlænget opbevaring på op til 24 timer for GPT-5, hvor genbrug afhænger af et egnet opbevaret præfiks. Definer for selve opgaven det resultat og de belæg, som vil tælle som afslutning. En foreslået patch, struktureret analyse eller et dokument er nyttigt, når de væsentlige valg hænger sammen med de givne krav og fakta. Hold resultaterne af afsluttede kontroller adskilt fra handlinger, der stadig er forslag, så det endelige svar kan understøtte næste arbejdstrin.
POST /v1/batchestexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrævet | Værdier og grænser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-5:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltcompletion_window | Typestring | KravValgfrit | Værdier og grænser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfrit | Værdier og grænser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfrit | Værdier og grænser openai/gpt-5:batch, openai/gpt-5 | Standard— |
Feltprovider.only | Typestring[] | KravValgfrit | Værdier og grænser openai | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfrit | Værdier og grænser false, null | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktendpoint, model, requests |
Parametermaterial_types | Kontrakttext |
Parameterrepresentation | Kontraktrequests[] direkte i anmodningen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parameterfile_material | KontraktDen kaldende part kan læse det faktiske JSONL-indhold i UTF-8 lokalt ind i requests[]. Der angives hverken purpose til upload, input_file_id eller en filreference. Hvis kundematerialet mangler eller er tomt, stoppes forberedelsen før POST. |
Parameterserialization_order | Kontraktendpoint, model, provider (hvis angivet), completion_window (hvis angivet), requests til sidst |
Parameteroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontraktAnmodningsindhold for Chat Completions med tekst i den dokumenterede inline Batch-struktur. |
Livscyklus: asynchronous
GET /v1/batches/{operation_id} · det faktiske response.id fra den oprindelige oprettelse; samme bruger/nøgle/gruppe
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 $0.00125 / 1K tokens Output · Outputtokens $0.01 / 1K tokens Input · Cachelæsning $0.000125 / 1K tokens Input · Cacheskrivning — / 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 $0.00125 / 1K tokens Output · Outputtokens $0.01 / 1K tokens Input · Cachelæsning $0.000125 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5:batch', 'openai/gpt-5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON direkte i results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Gem hele den oprindelige status i JSON, hvert resultat/custom_id og det fulde svar- eller fejlindhold. Gem færdige results[] som JSONL uden filtrering.
Gem det oprindelige operations-ID. 503 result_pending_check har X-Should-Retry:false; send aldrig en oprindelig batch igen, hvis dens udfald er ukendt.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldig dokumenteret inline-struktur, dublerede nøgler, ugyldig elementidentitet eller konflikt med modellens konfigurerede funktioner. | Næste trinRet de angivne felter, før du sender en ny anmodning. |
Svar401 · authentication_error | BetingelseUgyldig API-nøgle. | Næste trinBrug den godkendte Ailoot-nøgle. |
Svar403 · permission_error | BetingelseBatch-gruppen er ikke tilgængelig. | Næste trinKontrollér nøglens/gruppens adgangsrettigheder. |
Svar422 · invalid_request_error | BetingelseBatch afregnes via saldoen; oprettelse via et abonnement afvises. | Næste trinBrug den godkendte gruppe med saldoafregning. |
Svar422 · price_unavailable | BetingelseDer kan ikke beregnes en pris for Batch-inputtet. | Næste trinGem svaret; brug det dokumenterede input for API-familien. |
Svar402 · billing_error | BetingelseReservationen til Batch er ikke tilgængelig. | Næste trinAfklar adgangen, før du sender en ny anmodning. |
Svar503 · price_unavailable | BetingelsePrisen for Batch-metoden eller de native satser er ikke tilgængelige. | Næste trinGem svaret; erstat ikke priserne med andre priser. |
Svar503 · api_error | BetingelseDen præcise leverandørrute er ikke tilgængelig. | Næste trinGem svaret, så ruten kan repareres. |
Svar503 · result_pending_check | BetingelseDet oprindelige resultat skal kontrolleres; X-Should-Retry:false. | Næste trinGem det oprindelige operation_id/id, og læs dets status; gentag aldrig den oprindelige POST. |
Svar404 · not_found | BetingelseOperationen til Batch-status findes ikke eller tilhører en anden identitet. | Næste trinBrug det nøjagtige oprindelige id og samme bruger/nøgle/gruppe. |
Ailoot Ultra openai/gpt-5:batch
Brug metodestierne vist ovenfor.