GPT Chat Latest betegner det regelmæssigt opdaterede Instant-modelvalg, som OpenAI dokumenterer som Chat Latest, og som peger på den seneste Instant-model i ChatGPT. Den modtager tekst og billeder og producerer tekst. Det skiftende navn beskriver et chatvalg, hvis underliggende model opdateres, frem for en dateret modeludgave.
En nyttig samtale begynder med et konkret stykke arbejde. Lever et udkast og den tilsigtede læser, bed om en tydeligere forklaring af en passage, eller lever et skærmbillede med et spørgsmål om et bestemt element. En eksempelopgave i redigering er at omsætte en rå forklaring til en kort besked til en kollega og samtidig bevare de krævede navne og fakta. I næste samtalebidrag angives den passage, der skal ændres, og årsagen, såsom tone, længde eller en manglende forklaring.
Ved billedbaseret dialog skal den visuelle dokumentation være læselig, og dens formål angives. Et skærmbillede kan understøtte et spørgsmål om en synlig grænsefladetilstand; et diagram kan understøtte en anmodning om at forklare en relation. Medtag den skriftlige kontekst, som billedet ikke leverer alene. Bed om den relevante observation og en forklaring knyttet til spørgsmålet frem for en beskrivelse af hver synlig detalje.
OpenAI’s aktuelle specifikation for Chat Latest angiver et kontekstvindue på 400.000 tokens, et maksimalt input på 272.000 tokens og et maksimalt output på 128.000 tokens. Den dokumenterede vidensgrænse er den 20. april 2026. Det er de offentliggjorte egenskaber for chatvalget, mens den underliggende model opdateres regelmæssigt. Planlæg materialet og det ønskede svar efter de relevante kontekst- og outputgrænser, og bevar de væsentlige fakta, næste opfølgning kræver.
Producenten angiver streaming, Structured Outputs, funktionskald og billedinput med grænseflader til Responses og Chat Completions. De dokumenterede værktøjer omfatter web- og filsøgning, billedgenerering, kodefortolkning og MCP-forbindelser. Et struktureret svar angiver formen på de returnerede oplysninger; en værktøjsanmodning angiver en separat operation. Applikationer stiller deres operationer til rådighed, returnerer faktiske værktøjsresultater og bestemmer, hvordan den resulterende tekst eller andre resultater vises til brugeren.
Definer det resultat, samtalen skal levere: en replik, et omskrevet dokumentafsnit, en forklaring af et visuelt eksempel eller en handlingsliste. Ved en struktureret opgave skal felterne angives, og håndteringen af manglende oplysninger beskrives. Ved en redaktionel opgave skal målgruppen, de krævede fakta og den acceptable tone angives. Et nyttigt slutsvar er en konkret version, der kan gennemgås mod kildematerialet; efterfølgende beskeder kan forfine en bestemt detalje, mens opgavens formål holdes eksplicit.
", "aboutText": "GPT Chat Latest betegner det regelmæssigt opdaterede Instant-modelvalg, som OpenAI dokumenterer som Chat Latest, og som peger på den seneste Instant-model i ChatGPT. Den modtager tekst og billeder og producerer tekst. Det skiftende navn beskriver et chatvalg, hvis underliggende model opdateres, frem for en dateret modeludgave.\n\nEn nyttig samtale begynder med et konkret stykke arbejde. Lever et udkast og den tilsigtede læser, bed om en tydeligere forklaring af en passage, eller lever et skærmbillede med et spørgsmål om et bestemt element. En eksempelopgave i redigering er at omsætte en rå forklaring til en kort besked til en kollega og samtidig bevare de krævede navne og fakta. I næste samtalebidrag angives den passage, der skal ændres, og årsagen, såsom tone, længde eller en manglende forklaring.\n\nVed billedbaseret dialog skal den visuelle dokumentation være læselig, og dens formål angives. Et skærmbillede kan understøtte et spørgsmål om en synlig grænsefladetilstand; et diagram kan understøtte en anmodning om at forklare en relation. Medtag den skriftlige kontekst, som billedet ikke leverer alene. Bed om den relevante observation og en forklaring knyttet til spørgsmålet frem for en beskrivelse af hver synlig detalje.\n\nOpenAI’s aktuelle specifikation for Chat Latest angiver et kontekstvindue på 400.000 tokens, et maksimalt input på 272.000 tokens og et maksimalt output på 128.000 tokens. Den dokumenterede vidensgrænse er den 20. april 2026. Det er de offentliggjorte egenskaber for chatvalget, mens den underliggende model opdateres regelmæssigt. Planlæg materialet og det ønskede svar efter de relevante kontekst- og outputgrænser, og bevar de væsentlige fakta, næste opfølgning kræver.\n\nProducenten angiver streaming, Structured Outputs, funktionskald og billedinput med grænseflader til Responses og Chat Completions. De dokumenterede værktøjer omfatter web- og filsøgning, billedgenerering, kodefortolkning og MCP-forbindelser. Et struktureret svar angiver formen på de returnerede oplysninger; en værktøjsanmodning angiver en separat operation. Applikationer stiller deres operationer til rådighed, returnerer faktiske værktøjsresultater og bestemmer, hvordan den resulterende tekst eller andre resultater vises til brugeren.\n\nDefiner det resultat, samtalen skal levere: en replik, et omskrevet dokumentafsnit, en forklaring af et visuelt eksempel eller en handlingsliste. Ved en struktureret opgave skal felterne angives, og håndteringen af manglende oplysninger beskrives. Ved en redaktionel opgave skal målgruppen, de krævede fakta og den acceptable tone angives. Et nyttigt slutsvar er en konkret version, der kan gennemgås mod kildematerialet; efterfølgende beskeder kan forfine en bestemt detalje, mens opgavens formål holdes eksplicit.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Refine a colleague's rough explanation\n\nRewrite this for a colleague who is new to the process: 'The first file is source data. The second file is cleaned data. We corrected duplicate rows but left missing values empty. Use cleaned data for the report and keep source data for checking.' Make the relationship between the two files clear in at most 65 words.One clear paragraph preserving file roles, duplicate handling and the treatment of missing values.The rewrite keeps missing values empty and tells the colleague to use cleaned data while retaining the source for checks.openai/gpt-chat-latestEt regelmæssigt opdateret Instant-chatvalg fra OpenAI til samtaler om tekst og billeder. Lever et udkast, spørgsmål eller visuelt eksempel, og forfin den resulterende forklaring, redigerede passage eller kortfattede replik i dialog.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT Chat Latest betegner det regelmæssigt opdaterede Instant-modelvalg, som OpenAI dokumenterer som Chat Latest, og som peger på den seneste Instant-model i ChatGPT. Den modtager tekst og billeder og producerer tekst. Det skiftende navn beskriver et chatvalg, hvis underliggende model opdateres, frem for en dateret modeludgave.
En nyttig samtale begynder med et konkret stykke arbejde. Lever et udkast og den tilsigtede læser, bed om en tydeligere forklaring af en passage, eller lever et skærmbillede med et spørgsmål om et bestemt element. En eksempelopgave i redigering er at omsætte en rå forklaring til en kort besked til en kollega og samtidig bevare de krævede navne og fakta. I næste samtalebidrag angives den passage, der skal ændres, og årsagen, såsom tone, længde eller en manglende forklaring.
Ved billedbaseret dialog skal den visuelle dokumentation være læselig, og dens formål angives. Et skærmbillede kan understøtte et spørgsmål om en synlig grænsefladetilstand; et diagram kan understøtte en anmodning om at forklare en relation. Medtag den skriftlige kontekst, som billedet ikke leverer alene. Bed om den relevante observation og en forklaring knyttet til spørgsmålet frem for en beskrivelse af hver synlig detalje.
OpenAI’s aktuelle specifikation for Chat Latest angiver et kontekstvindue på 400.000 tokens, et maksimalt input på 272.000 tokens og et maksimalt output på 128.000 tokens. Den dokumenterede vidensgrænse er den 20. april 2026. Det er de offentliggjorte egenskaber for chatvalget, mens den underliggende model opdateres regelmæssigt. Planlæg materialet og det ønskede svar efter de relevante kontekst- og outputgrænser, og bevar de væsentlige fakta, næste opfølgning kræver.
Producenten angiver streaming, Structured Outputs, funktionskald og billedinput med grænseflader til Responses og Chat Completions. De dokumenterede værktøjer omfatter web- og filsøgning, billedgenerering, kodefortolkning og MCP-forbindelser. Et struktureret svar angiver formen på de returnerede oplysninger; en værktøjsanmodning angiver en separat operation. Applikationer stiller deres operationer til rådighed, returnerer faktiske værktøjsresultater og bestemmer, hvordan den resulterende tekst eller andre resultater vises til brugeren.
Definer det resultat, samtalen skal levere: en replik, et omskrevet dokumentafsnit, en forklaring af et visuelt eksempel eller en handlingsliste. Ved en struktureret opgave skal felterne angives, og håndteringen af manglende oplysninger beskrives. Ved en redaktionel opgave skal målgruppen, de krævede fakta og den acceptable tone angives. Et nyttigt slutsvar er en konkret version, der kan gennemgås mod kildematerialet; efterfølgende beskeder kan forfine en bestemt detalje, mens opgavens formål holdes eksplicit.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-chat-latest | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
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 $0.01 / 1K tokens Output · Outputtokens $0.06 / 1K tokens Input · Cachelæsning $0.001 / 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 $0.01 / 1K tokens Output · Outputtokens $0.06 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-chat-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-chat-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-chat-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra openai/gpt-chat-latest
Brug metodestierne vist ovenfor.
openai/gpt-chat-latestEt regelmæssigt opdateret Instant-chatvalg fra OpenAI til samtaler om tekst og billeder. Lever et udkast, spørgsmål eller visuelt eksempel, og forfin den resulterende forklaring, redigerede passage eller kortfattede replik i dialog.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT Chat Latest betegner det regelmæssigt opdaterede Instant-modelvalg, som OpenAI dokumenterer som Chat Latest, og som peger på den seneste Instant-model i ChatGPT. Den modtager tekst og billeder og producerer tekst. Det skiftende navn beskriver et chatvalg, hvis underliggende model opdateres, frem for en dateret modeludgave.
En nyttig samtale begynder med et konkret stykke arbejde. Lever et udkast og den tilsigtede læser, bed om en tydeligere forklaring af en passage, eller lever et skærmbillede med et spørgsmål om et bestemt element. En eksempelopgave i redigering er at omsætte en rå forklaring til en kort besked til en kollega og samtidig bevare de krævede navne og fakta. I næste samtalebidrag angives den passage, der skal ændres, og årsagen, såsom tone, længde eller en manglende forklaring.
Ved billedbaseret dialog skal den visuelle dokumentation være læselig, og dens formål angives. Et skærmbillede kan understøtte et spørgsmål om en synlig grænsefladetilstand; et diagram kan understøtte en anmodning om at forklare en relation. Medtag den skriftlige kontekst, som billedet ikke leverer alene. Bed om den relevante observation og en forklaring knyttet til spørgsmålet frem for en beskrivelse af hver synlig detalje.
OpenAI’s aktuelle specifikation for Chat Latest angiver et kontekstvindue på 400.000 tokens, et maksimalt input på 272.000 tokens og et maksimalt output på 128.000 tokens. Den dokumenterede vidensgrænse er den 20. april 2026. Det er de offentliggjorte egenskaber for chatvalget, mens den underliggende model opdateres regelmæssigt. Planlæg materialet og det ønskede svar efter de relevante kontekst- og outputgrænser, og bevar de væsentlige fakta, næste opfølgning kræver.
Producenten angiver streaming, Structured Outputs, funktionskald og billedinput med grænseflader til Responses og Chat Completions. De dokumenterede værktøjer omfatter web- og filsøgning, billedgenerering, kodefortolkning og MCP-forbindelser. Et struktureret svar angiver formen på de returnerede oplysninger; en værktøjsanmodning angiver en separat operation. Applikationer stiller deres operationer til rådighed, returnerer faktiske værktøjsresultater og bestemmer, hvordan den resulterende tekst eller andre resultater vises til brugeren.
Definer det resultat, samtalen skal levere: en replik, et omskrevet dokumentafsnit, en forklaring af et visuelt eksempel eller en handlingsliste. Ved en struktureret opgave skal felterne angives, og håndteringen af manglende oplysninger beskrives. Ved en redaktionel opgave skal målgruppen, de krævede fakta og den acceptable tone angives. Et nyttigt slutsvar er en konkret version, der kan gennemgås mod kildematerialet; efterfølgende beskeder kan forfine en bestemt detalje, mens opgavens formål holdes eksplicit.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-chat-latest | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
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 $0.01 / 1K tokens Output · Outputtokens $0.06 / 1K tokens Input · Cachelæsning $0.001 / 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 $0.01 / 1K tokens Output · Outputtokens $0.06 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "openai/gpt-chat-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-chat-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-chat-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra openai/gpt-chat-latest
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Refine a colleague's rough explanation\n\nRewrite this for a colleague who is new to the process: 'The first file is source data. The second file is cleaned data. We corrected duplicate rows but left missing values empty. Use cleaned data for the report and keep source data for checking.' Make the relationship between the two files clear in at most 65 words.One clear paragraph preserving file roles, duplicate handling and the treatment of missing values.The rewrite keeps missing values empty and tells the colleague to use cleaned data while retaining the source for checks.