GPT-5.1 ist OpenAIs universelles Modell für Programmierung und agentische Aufgaben mit konfigurierbarem Reasoning. Es nimmt Text und Bilder entgegen und erzeugt Text. Die Entwicklerveröffentlichung beschreibt adaptives Reasoning: Das Modell passt seinen Analyseaufwand an die Komplexität der Aufgabe an. Die Basisedition GPT-5.1 ist von den Chat- und Codex-Editionen derselben Familie zu unterscheiden.
Stellen Sie für Programmieraufgaben das beabsichtigte Verhalten, relevante Dateien und die Bedingungen bereit, die eine vorgeschlagene Änderung bewahren muss. Eine beispielhafte Anfrage besteht darin, die Verarbeitung einer Eingabe durch eine Komponente zu untersuchen, die zu beachtende Abhängigkeit zu ermitteln und eine gezielte Änderung mit klarer Erklärung zu entwickeln. Stellen Sie für eine Dokumentaufgabe das ursprüngliche Material bereit und benennen Sie die vorgesehene Leserschaft und die erforderlichen Fakten. Fordern Sie dann eine überarbeitete Textstelle oder eine Analyse mit festgelegten Abschnitten an.
Der Hersteller dokumentiert neben dem Reasoning-Aufwand low, medium und high eine Einstellung ohne Reasoning für Aufgaben, die keine eingehendere Analyse benötigen; none ist der Standardwert. Seine Veröffentlichung empfiehlt, die Reasoning-Stufe anhand der Aufgabenkomplexität zu wählen. Damit kann eine Anwendung eine einfache Extraktion oder kurze Antwort von einer Aufgabe mit mehreren voneinander abhängigen Bedingungen unterscheiden, ohne die Identität des Basismodells zu ändern.
OpenAIs Modellkarte nennt ein Kontextfenster von 400.000 Token, eine maximale Ausgabe von 128.000 Token und den Wissensstand 30. September 2024. Das Reasoning beansprucht neben Eingabe und endgültiger Antwort Platz. Gliedern Sie eine lange Anfrage anhand der nützlichen Belege und Erfolgskriterien. Wenn ein Bild in die Aufgabe einfließt, benennen Sie das relevante Diagramm, den Oberflächenzustand oder das Detail und geben Sie den für seine Interpretation nötigen schriftlichen Kontext an.
Die Modellkarte nennt die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Datei- und Bildeingaben, Web- und Dateisuche sowie Prompt-Caching. Die aktuelle Caching-Dokumentation nennt für dieses Modell eine optionale verlängerte Cache-Aufbewahrung von bis zu 24 Stunden. Der Hersteller nennt außerdem Bilderzeugung, Codeinterpretation, Patch-Vorgänge und MCP-Verbindungen. Die Entwicklerveröffentlichung dokumentiert ein Patch-Werkzeug, das strukturierte Dateiänderungen vorschlägt, und ein Shell-Werkzeug, das Befehle vorschlägt. Die Anwendung wendet diese Vorgänge an oder führt sie aus und liefert ihre tatsächlichen Ergebnisse zurück. So unterstützt sie einen fortlaufenden Arbeitsablauf aus Bearbeitung und Prüfung.
Die Veröffentlichung betont außerdem die Steuerbarkeit bei der Programmierung und nützliche Zwischenmeldungen während Folgen von Werkzeugaufrufen. Legen Sie fest, welches Ergebnis die Aufgabe liefern soll, welche Aktionen verfügbar sind und welche Belege das Ergebnis bestätigen würden. Fordern Sie für eine Änderung das betroffene Verhalten, wesentliche Bearbeitungen und tatsächlich ausgeführte Prüfungen an. Fordern Sie für ein Dokument eine konkrete Version anhand der bereitgestellten Fakten an. Eine nützliche abschließende Darstellung benennt das Ergebnis und seine Grundlage ausdrücklich und hält vorgeschlagene Handlungen von abgeschlossenen Vorgängen getrennt.
", "aboutText": "GPT-5.1 ist OpenAIs universelles Modell für Programmierung und agentische Aufgaben mit konfigurierbarem Reasoning. Es nimmt Text und Bilder entgegen und erzeugt Text. Die Entwicklerveröffentlichung beschreibt adaptives Reasoning: Das Modell passt seinen Analyseaufwand an die Komplexität der Aufgabe an. Die Basisedition GPT-5.1 ist von den Chat- und Codex-Editionen derselben Familie zu unterscheiden.\n\nStellen Sie für Programmieraufgaben das beabsichtigte Verhalten, relevante Dateien und die Bedingungen bereit, die eine vorgeschlagene Änderung bewahren muss. Eine beispielhafte Anfrage besteht darin, die Verarbeitung einer Eingabe durch eine Komponente zu untersuchen, die zu beachtende Abhängigkeit zu ermitteln und eine gezielte Änderung mit klarer Erklärung zu entwickeln. Stellen Sie für eine Dokumentaufgabe das ursprüngliche Material bereit und benennen Sie die vorgesehene Leserschaft und die erforderlichen Fakten. Fordern Sie dann eine überarbeitete Textstelle oder eine Analyse mit festgelegten Abschnitten an.\n\nDer Hersteller dokumentiert neben dem Reasoning-Aufwand low, medium und high eine Einstellung ohne Reasoning für Aufgaben, die keine eingehendere Analyse benötigen; none ist der Standardwert. Seine Veröffentlichung empfiehlt, die Reasoning-Stufe anhand der Aufgabenkomplexität zu wählen. Damit kann eine Anwendung eine einfache Extraktion oder kurze Antwort von einer Aufgabe mit mehreren voneinander abhängigen Bedingungen unterscheiden, ohne die Identität des Basismodells zu ändern.\n\nOpenAIs Modellkarte nennt ein Kontextfenster von 400.000 Token, eine maximale Ausgabe von 128.000 Token und den Wissensstand 30. September 2024. Das Reasoning beansprucht neben Eingabe und endgültiger Antwort Platz. Gliedern Sie eine lange Anfrage anhand der nützlichen Belege und Erfolgskriterien. Wenn ein Bild in die Aufgabe einfließt, benennen Sie das relevante Diagramm, den Oberflächenzustand oder das Detail und geben Sie den für seine Interpretation nötigen schriftlichen Kontext an.\n\nDie Modellkarte nennt die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Datei- und Bildeingaben, Web- und Dateisuche sowie Prompt-Caching. Die aktuelle Caching-Dokumentation nennt für dieses Modell eine optionale verlängerte Cache-Aufbewahrung von bis zu 24 Stunden. Der Hersteller nennt außerdem Bilderzeugung, Codeinterpretation, Patch-Vorgänge und MCP-Verbindungen. Die Entwicklerveröffentlichung dokumentiert ein Patch-Werkzeug, das strukturierte Dateiänderungen vorschlägt, und ein Shell-Werkzeug, das Befehle vorschlägt. Die Anwendung wendet diese Vorgänge an oder führt sie aus und liefert ihre tatsächlichen Ergebnisse zurück. So unterstützt sie einen fortlaufenden Arbeitsablauf aus Bearbeitung und Prüfung.\n\nDie Veröffentlichung betont außerdem die Steuerbarkeit bei der Programmierung und nützliche Zwischenmeldungen während Folgen von Werkzeugaufrufen. Legen Sie fest, welches Ergebnis die Aufgabe liefern soll, welche Aktionen verfügbar sind und welche Belege das Ergebnis bestätigen würden. Fordern Sie für eine Änderung das betroffene Verhalten, wesentliche Bearbeitungen und tatsächlich ausgeführte Prüfungen an. Fordern Sie für ein Dokument eine konkrete Version anhand der bereitgestellten Fakten an. Eine nützliche abschließende Darstellung benennt das Ergebnis und seine Grundlage ausdrücklich und hält vorgeschlagene Handlungen von abgeschlossenen Vorgängen getrennt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Await asynchronous file writes\n\nFix this JavaScript function so it resolves only after all writes finish and rejects if any write fails: async function saveAll(items) { items.forEach(async item => { await writeItem(item); }); }. Ordering between writes is not required. Return a focused correction and tests for completion timing, empty input and one rejected write.A corrected async function and test scenarios for awaited completion, empty input and error propagation.Check that the returned promise remains pending until writes finish and a rejected write is observable by the caller.gpt-5.1GPT-5.1 verbindet Programmierung und agentische Aufgaben mit adaptivem Reasoning. Es nimmt Text und Bilder entgegen und kann eine Codeänderung, ein Dokument oder ein Ergebnis mit Werkzeuganbindung entwickeln. Für Aufgaben ohne Bedarf an eingehenderer Analyse bietet es eine Einstellung ohne Reasoning.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.1 ist OpenAIs universelles Modell für Programmierung und agentische Aufgaben mit konfigurierbarem Reasoning. Es nimmt Text und Bilder entgegen und erzeugt Text. Die Entwicklerveröffentlichung beschreibt adaptives Reasoning: Das Modell passt seinen Analyseaufwand an die Komplexität der Aufgabe an. Die Basisedition GPT-5.1 ist von den Chat- und Codex-Editionen derselben Familie zu unterscheiden.
Stellen Sie für Programmieraufgaben das beabsichtigte Verhalten, relevante Dateien und die Bedingungen bereit, die eine vorgeschlagene Änderung bewahren muss. Eine beispielhafte Anfrage besteht darin, die Verarbeitung einer Eingabe durch eine Komponente zu untersuchen, die zu beachtende Abhängigkeit zu ermitteln und eine gezielte Änderung mit klarer Erklärung zu entwickeln. Stellen Sie für eine Dokumentaufgabe das ursprüngliche Material bereit und benennen Sie die vorgesehene Leserschaft und die erforderlichen Fakten. Fordern Sie dann eine überarbeitete Textstelle oder eine Analyse mit festgelegten Abschnitten an.
Der Hersteller dokumentiert neben dem Reasoning-Aufwand low, medium und high eine Einstellung ohne Reasoning für Aufgaben, die keine eingehendere Analyse benötigen; none ist der Standardwert. Seine Veröffentlichung empfiehlt, die Reasoning-Stufe anhand der Aufgabenkomplexität zu wählen. Damit kann eine Anwendung eine einfache Extraktion oder kurze Antwort von einer Aufgabe mit mehreren voneinander abhängigen Bedingungen unterscheiden, ohne die Identität des Basismodells zu ändern.
OpenAIs Modellkarte nennt ein Kontextfenster von 400.000 Token, eine maximale Ausgabe von 128.000 Token und den Wissensstand 30. September 2024. Das Reasoning beansprucht neben Eingabe und endgültiger Antwort Platz. Gliedern Sie eine lange Anfrage anhand der nützlichen Belege und Erfolgskriterien. Wenn ein Bild in die Aufgabe einfließt, benennen Sie das relevante Diagramm, den Oberflächenzustand oder das Detail und geben Sie den für seine Interpretation nötigen schriftlichen Kontext an.
Die Modellkarte nennt die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Datei- und Bildeingaben, Web- und Dateisuche sowie Prompt-Caching. Die aktuelle Caching-Dokumentation nennt für dieses Modell eine optionale verlängerte Cache-Aufbewahrung von bis zu 24 Stunden. Der Hersteller nennt außerdem Bilderzeugung, Codeinterpretation, Patch-Vorgänge und MCP-Verbindungen. Die Entwicklerveröffentlichung dokumentiert ein Patch-Werkzeug, das strukturierte Dateiänderungen vorschlägt, und ein Shell-Werkzeug, das Befehle vorschlägt. Die Anwendung wendet diese Vorgänge an oder führt sie aus und liefert ihre tatsächlichen Ergebnisse zurück. So unterstützt sie einen fortlaufenden Arbeitsablauf aus Bearbeitung und Prüfung.
Die Veröffentlichung betont außerdem die Steuerbarkeit bei der Programmierung und nützliche Zwischenmeldungen während Folgen von Werkzeugaufrufen. Legen Sie fest, welches Ergebnis die Aufgabe liefern soll, welche Aktionen verfügbar sind und welche Belege das Ergebnis bestätigen würden. Fordern Sie für eine Änderung das betroffene Verhalten, wesentliche Bearbeitungen und tatsächlich ausgeführte Prüfungen an. Fordern Sie für ein Dokument eine konkrete Version anhand der bereitgestellten Fakten an. Eine nützliche abschließende Darstellung benennt das Ergebnis und seine Grundlage ausdrücklich und hält vorgeschlagene Handlungen von abgeschlossenen Vorgängen getrennt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-5.1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.00025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.00025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.1","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.1", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gpt-5.1, openai/gpt-5.1
/chat/completions
gpt-5.1GPT-5.1 verbindet Programmierung und agentische Aufgaben mit adaptivem Reasoning. Es nimmt Text und Bilder entgegen und kann eine Codeänderung, ein Dokument oder ein Ergebnis mit Werkzeuganbindung entwickeln. Für Aufgaben ohne Bedarf an eingehenderer Analyse bietet es eine Einstellung ohne Reasoning.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.1 ist OpenAIs universelles Modell für Programmierung und agentische Aufgaben mit konfigurierbarem Reasoning. Es nimmt Text und Bilder entgegen und erzeugt Text. Die Entwicklerveröffentlichung beschreibt adaptives Reasoning: Das Modell passt seinen Analyseaufwand an die Komplexität der Aufgabe an. Die Basisedition GPT-5.1 ist von den Chat- und Codex-Editionen derselben Familie zu unterscheiden.
Stellen Sie für Programmieraufgaben das beabsichtigte Verhalten, relevante Dateien und die Bedingungen bereit, die eine vorgeschlagene Änderung bewahren muss. Eine beispielhafte Anfrage besteht darin, die Verarbeitung einer Eingabe durch eine Komponente zu untersuchen, die zu beachtende Abhängigkeit zu ermitteln und eine gezielte Änderung mit klarer Erklärung zu entwickeln. Stellen Sie für eine Dokumentaufgabe das ursprüngliche Material bereit und benennen Sie die vorgesehene Leserschaft und die erforderlichen Fakten. Fordern Sie dann eine überarbeitete Textstelle oder eine Analyse mit festgelegten Abschnitten an.
Der Hersteller dokumentiert neben dem Reasoning-Aufwand low, medium und high eine Einstellung ohne Reasoning für Aufgaben, die keine eingehendere Analyse benötigen; none ist der Standardwert. Seine Veröffentlichung empfiehlt, die Reasoning-Stufe anhand der Aufgabenkomplexität zu wählen. Damit kann eine Anwendung eine einfache Extraktion oder kurze Antwort von einer Aufgabe mit mehreren voneinander abhängigen Bedingungen unterscheiden, ohne die Identität des Basismodells zu ändern.
OpenAIs Modellkarte nennt ein Kontextfenster von 400.000 Token, eine maximale Ausgabe von 128.000 Token und den Wissensstand 30. September 2024. Das Reasoning beansprucht neben Eingabe und endgültiger Antwort Platz. Gliedern Sie eine lange Anfrage anhand der nützlichen Belege und Erfolgskriterien. Wenn ein Bild in die Aufgabe einfließt, benennen Sie das relevante Diagramm, den Oberflächenzustand oder das Detail und geben Sie den für seine Interpretation nötigen schriftlichen Kontext an.
Die Modellkarte nennt die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Datei- und Bildeingaben, Web- und Dateisuche sowie Prompt-Caching. Die aktuelle Caching-Dokumentation nennt für dieses Modell eine optionale verlängerte Cache-Aufbewahrung von bis zu 24 Stunden. Der Hersteller nennt außerdem Bilderzeugung, Codeinterpretation, Patch-Vorgänge und MCP-Verbindungen. Die Entwicklerveröffentlichung dokumentiert ein Patch-Werkzeug, das strukturierte Dateiänderungen vorschlägt, und ein Shell-Werkzeug, das Befehle vorschlägt. Die Anwendung wendet diese Vorgänge an oder führt sie aus und liefert ihre tatsächlichen Ergebnisse zurück. So unterstützt sie einen fortlaufenden Arbeitsablauf aus Bearbeitung und Prüfung.
Die Veröffentlichung betont außerdem die Steuerbarkeit bei der Programmierung und nützliche Zwischenmeldungen während Folgen von Werkzeugaufrufen. Legen Sie fest, welches Ergebnis die Aufgabe liefern soll, welche Aktionen verfügbar sind und welche Belege das Ergebnis bestätigen würden. Fordern Sie für eine Änderung das betroffene Verhalten, wesentliche Bearbeitungen und tatsächlich ausgeführte Prüfungen an. Fordern Sie für ein Dokument eine konkrete Version anhand der bereitgestellten Fakten an. Eine nützliche abschließende Darstellung benennt das Ergebnis und seine Grundlage ausdrücklich und hält vorgeschlagene Handlungen von abgeschlossenen Vorgängen getrennt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-5.1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.00025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.00025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-5.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gpt-5.1, openai/gpt-5.1
/chat/completions
openai/gpt-5.1GPT-5.1 verbindet Programmierung und agentische Aufgaben mit adaptivem Reasoning. Es nimmt Text und Bilder entgegen und kann eine Codeänderung, ein Dokument oder ein Ergebnis mit Werkzeuganbindung entwickeln. Für Aufgaben ohne Bedarf an eingehenderer Analyse bietet es eine Einstellung ohne Reasoning.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.1 ist OpenAIs universelles Modell für Programmierung und agentische Aufgaben mit konfigurierbarem Reasoning. Es nimmt Text und Bilder entgegen und erzeugt Text. Die Entwicklerveröffentlichung beschreibt adaptives Reasoning: Das Modell passt seinen Analyseaufwand an die Komplexität der Aufgabe an. Die Basisedition GPT-5.1 ist von den Chat- und Codex-Editionen derselben Familie zu unterscheiden.
Stellen Sie für Programmieraufgaben das beabsichtigte Verhalten, relevante Dateien und die Bedingungen bereit, die eine vorgeschlagene Änderung bewahren muss. Eine beispielhafte Anfrage besteht darin, die Verarbeitung einer Eingabe durch eine Komponente zu untersuchen, die zu beachtende Abhängigkeit zu ermitteln und eine gezielte Änderung mit klarer Erklärung zu entwickeln. Stellen Sie für eine Dokumentaufgabe das ursprüngliche Material bereit und benennen Sie die vorgesehene Leserschaft und die erforderlichen Fakten. Fordern Sie dann eine überarbeitete Textstelle oder eine Analyse mit festgelegten Abschnitten an.
Der Hersteller dokumentiert neben dem Reasoning-Aufwand low, medium und high eine Einstellung ohne Reasoning für Aufgaben, die keine eingehendere Analyse benötigen; none ist der Standardwert. Seine Veröffentlichung empfiehlt, die Reasoning-Stufe anhand der Aufgabenkomplexität zu wählen. Damit kann eine Anwendung eine einfache Extraktion oder kurze Antwort von einer Aufgabe mit mehreren voneinander abhängigen Bedingungen unterscheiden, ohne die Identität des Basismodells zu ändern.
OpenAIs Modellkarte nennt ein Kontextfenster von 400.000 Token, eine maximale Ausgabe von 128.000 Token und den Wissensstand 30. September 2024. Das Reasoning beansprucht neben Eingabe und endgültiger Antwort Platz. Gliedern Sie eine lange Anfrage anhand der nützlichen Belege und Erfolgskriterien. Wenn ein Bild in die Aufgabe einfließt, benennen Sie das relevante Diagramm, den Oberflächenzustand oder das Detail und geben Sie den für seine Interpretation nötigen schriftlichen Kontext an.
Die Modellkarte nennt die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Datei- und Bildeingaben, Web- und Dateisuche sowie Prompt-Caching. Die aktuelle Caching-Dokumentation nennt für dieses Modell eine optionale verlängerte Cache-Aufbewahrung von bis zu 24 Stunden. Der Hersteller nennt außerdem Bilderzeugung, Codeinterpretation, Patch-Vorgänge und MCP-Verbindungen. Die Entwicklerveröffentlichung dokumentiert ein Patch-Werkzeug, das strukturierte Dateiänderungen vorschlägt, und ein Shell-Werkzeug, das Befehle vorschlägt. Die Anwendung wendet diese Vorgänge an oder führt sie aus und liefert ihre tatsächlichen Ergebnisse zurück. So unterstützt sie einen fortlaufenden Arbeitsablauf aus Bearbeitung und Prüfung.
Die Veröffentlichung betont außerdem die Steuerbarkeit bei der Programmierung und nützliche Zwischenmeldungen während Folgen von Werkzeugaufrufen. Legen Sie fest, welches Ergebnis die Aufgabe liefern soll, welche Aktionen verfügbar sind und welche Belege das Ergebnis bestätigen würden. Fordern Sie für eine Änderung das betroffene Verhalten, wesentliche Bearbeitungen und tatsächlich ausgeführte Prüfungen an. Fordern Sie für ein Dokument eine konkrete Version anhand der bereitgestellten Fakten an. Eine nützliche abschließende Darstellung benennt das Ergebnis und seine Grundlage ausdrücklich und hält vorgeschlagene Handlungen von abgeschlossenen Vorgängen getrennt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.00025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.00025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gpt-5.1, openai/gpt-5.1
/chat/completions
openai/gpt-5.1GPT-5.1 verbindet Programmierung und agentische Aufgaben mit adaptivem Reasoning. Es nimmt Text und Bilder entgegen und kann eine Codeänderung, ein Dokument oder ein Ergebnis mit Werkzeuganbindung entwickeln. Für Aufgaben ohne Bedarf an eingehenderer Analyse bietet es eine Einstellung ohne Reasoning.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.1 ist OpenAIs universelles Modell für Programmierung und agentische Aufgaben mit konfigurierbarem Reasoning. Es nimmt Text und Bilder entgegen und erzeugt Text. Die Entwicklerveröffentlichung beschreibt adaptives Reasoning: Das Modell passt seinen Analyseaufwand an die Komplexität der Aufgabe an. Die Basisedition GPT-5.1 ist von den Chat- und Codex-Editionen derselben Familie zu unterscheiden.
Stellen Sie für Programmieraufgaben das beabsichtigte Verhalten, relevante Dateien und die Bedingungen bereit, die eine vorgeschlagene Änderung bewahren muss. Eine beispielhafte Anfrage besteht darin, die Verarbeitung einer Eingabe durch eine Komponente zu untersuchen, die zu beachtende Abhängigkeit zu ermitteln und eine gezielte Änderung mit klarer Erklärung zu entwickeln. Stellen Sie für eine Dokumentaufgabe das ursprüngliche Material bereit und benennen Sie die vorgesehene Leserschaft und die erforderlichen Fakten. Fordern Sie dann eine überarbeitete Textstelle oder eine Analyse mit festgelegten Abschnitten an.
Der Hersteller dokumentiert neben dem Reasoning-Aufwand low, medium und high eine Einstellung ohne Reasoning für Aufgaben, die keine eingehendere Analyse benötigen; none ist der Standardwert. Seine Veröffentlichung empfiehlt, die Reasoning-Stufe anhand der Aufgabenkomplexität zu wählen. Damit kann eine Anwendung eine einfache Extraktion oder kurze Antwort von einer Aufgabe mit mehreren voneinander abhängigen Bedingungen unterscheiden, ohne die Identität des Basismodells zu ändern.
OpenAIs Modellkarte nennt ein Kontextfenster von 400.000 Token, eine maximale Ausgabe von 128.000 Token und den Wissensstand 30. September 2024. Das Reasoning beansprucht neben Eingabe und endgültiger Antwort Platz. Gliedern Sie eine lange Anfrage anhand der nützlichen Belege und Erfolgskriterien. Wenn ein Bild in die Aufgabe einfließt, benennen Sie das relevante Diagramm, den Oberflächenzustand oder das Detail und geben Sie den für seine Interpretation nötigen schriftlichen Kontext an.
Die Modellkarte nennt die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Datei- und Bildeingaben, Web- und Dateisuche sowie Prompt-Caching. Die aktuelle Caching-Dokumentation nennt für dieses Modell eine optionale verlängerte Cache-Aufbewahrung von bis zu 24 Stunden. Der Hersteller nennt außerdem Bilderzeugung, Codeinterpretation, Patch-Vorgänge und MCP-Verbindungen. Die Entwicklerveröffentlichung dokumentiert ein Patch-Werkzeug, das strukturierte Dateiänderungen vorschlägt, und ein Shell-Werkzeug, das Befehle vorschlägt. Die Anwendung wendet diese Vorgänge an oder führt sie aus und liefert ihre tatsächlichen Ergebnisse zurück. So unterstützt sie einen fortlaufenden Arbeitsablauf aus Bearbeitung und Prüfung.
Die Veröffentlichung betont außerdem die Steuerbarkeit bei der Programmierung und nützliche Zwischenmeldungen während Folgen von Werkzeugaufrufen. Legen Sie fest, welches Ergebnis die Aufgabe liefern soll, welche Aktionen verfügbar sind und welche Belege das Ergebnis bestätigen würden. Fordern Sie für eine Änderung das betroffene Verhalten, wesentliche Bearbeitungen und tatsächlich ausgeführte Prüfungen an. Fordern Sie für ein Dokument eine konkrete Version anhand der bereitgestellten Fakten an. Eine nützliche abschließende Darstellung benennt das Ergebnis und seine Grundlage ausdrücklich und hält vorgeschlagene Handlungen von abgeschlossenen Vorgängen getrennt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.00025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0.00025 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-5.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gpt-5.1, openai/gpt-5.1
/chat/completions
Technisches Beispiel auf Englisch
Await asynchronous file writes\n\nFix this JavaScript function so it resolves only after all writes finish and rejects if any write fails: async function saveAll(items) { items.forEach(async item => { await writeItem(item); }); }. Ordering between writes is not required. Return a focused correction and tests for completion timing, empty input and one rejected write.A corrected async function and test scenarios for awaited completion, empty input and error propagation.Check that the returned promise remains pending until writes finish and a rejected write is observable by the caller.