GPT-5.1-Codex Mini ist OpenAIs kleinere Edition von GPT-5.1-Codex. Sie bewahrt die Codex-Rolle bei agentischer Programmierung und bietet eine eigenständige Alternative zur vollständigen Codex- und zur Max-Edition. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Der Hersteller beschreibt die Mini-Edition als weniger leistungsfähig als das vollständige Modell GPT-5.1-Codex. Eine klar begrenzte Aufgabe ist daher eine sinnvolle Art, sie einzusetzen.
Eine beispielhafte Aufgabe ist eine gezielte Änderung an einem Teil einer Codebasis. Stellen Sie das beabsichtigte Verhalten, den relevanten Code und die Grenzen für Änderungen bereit. Fordern Sie das Modell auf, die aktuelle Verarbeitung einer Eingabe zu erklären, die vorgeschlagene Änderung zu benennen und den Code für diesen Umfang zu erstellen. Stellen Sie für die Fehlersuche den beobachteten Fehler und das erwartete Ergebnis zusammen mit Befehls- oder Prüfausgaben bereit, die in die Diagnose einfliessen.
Eine unterstützende Aufgabe in einem grösseren Prozess kann stattdessen eine Codeerklärung, ein gezieltes Review einer Datei oder einen vorgeschlagenen Prüfschritt verlangen. Geben Sie ihr ein eigenes Abschlusskriterium und Ergebnisformat vor. Bewahren Sie die relevanten Definitionen und die von der nächsten Stufe benötigten Belege in der Antwort. So wird die Ausgabe für den umfassenderen Arbeitsablauf nützlich, ohne für Mini dieselbe Leistungsfähigkeit wie für eine andere Codex-Edition anzunehmen.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Ausgabe von 128’000 Token und den Wissensstand 30. September 2024. Die dokumentierte Schnittstelle ist Responses. Die Karte nennt Streaming, Structured Outputs, Funktionsaufrufe, Bildeingaben, Prompt-Caching, Evaluierungen und Funktionen für gespeicherte Completions; die aufgeführten Werkzeuge umfassen Funktionen und Websuche. Die aktuelle Caching-Anleitung führt genau dieses Modell unter jenen mit optionaler verlängerter Cache-Aufbewahrung von bis zu 24 Stunden auf.
Die Anwendung stellt die Arbeitsumgebung bereit, führt ihre Vorgänge aus und liefert tatsächliche Ergebnisse zurück. Bei einer Änderung an einer Oberfläche kann ein Bild den relevanten Zustand oder das Layout zeigen, während schriftliche Anweisungen die erwartete Interaktion festlegen. Die Ausgabe des Modells bleibt Text oder Code für die Aufgabe und ist von einem in der Umgebung abgeschlossenen Vorgang zu unterscheiden. Erweitertes Caching ist eine Herstellerfunktion für geeigneten wiederholten Kontext und kein Beleg dafür, dass eine bestimmte Anfrage einen Cache wiederverwendet hat.
Fordern Sie ein konkretes Endergebnis an: einen vorgeschlagenen Patch, eine Erklärung, eine Feststellung aus einem Review oder einen Plan zur Prüfung des geänderten Verhaltens. Verbinden Sie jede wesentliche Änderung mit einer Anforderung und trennen Sie bereits ausgeführte Prüfungen von den noch nötigen. Stellen Sie für einen Folgeschritt die neuen Belege bereit und benennen Sie den zu ändernden Teil des Ergebnisses. Die Ausgabe kann dann eine konkrete nächste Entscheidung im Entwicklungsprozess unterstützen.
", "aboutText": "GPT-5.1-Codex Mini ist OpenAIs kleinere Edition von GPT-5.1-Codex. Sie bewahrt die Codex-Rolle bei agentischer Programmierung und bietet eine eigenständige Alternative zur vollständigen Codex- und zur Max-Edition. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Der Hersteller beschreibt die Mini-Edition als weniger leistungsfähig als das vollständige Modell GPT-5.1-Codex. Eine klar begrenzte Aufgabe ist daher eine sinnvolle Art, sie einzusetzen.\n\nEine beispielhafte Aufgabe ist eine gezielte Änderung an einem Teil einer Codebasis. Stellen Sie das beabsichtigte Verhalten, den relevanten Code und die Grenzen für Änderungen bereit. Fordern Sie das Modell auf, die aktuelle Verarbeitung einer Eingabe zu erklären, die vorgeschlagene Änderung zu benennen und den Code für diesen Umfang zu erstellen. Stellen Sie für die Fehlersuche den beobachteten Fehler und das erwartete Ergebnis zusammen mit Befehls- oder Prüfausgaben bereit, die in die Diagnose einfliessen.\n\nEine unterstützende Aufgabe in einem grösseren Prozess kann stattdessen eine Codeerklärung, ein gezieltes Review einer Datei oder einen vorgeschlagenen Prüfschritt verlangen. Geben Sie ihr ein eigenes Abschlusskriterium und Ergebnisformat vor. Bewahren Sie die relevanten Definitionen und die von der nächsten Stufe benötigten Belege in der Antwort. So wird die Ausgabe für den umfassenderen Arbeitsablauf nützlich, ohne für Mini dieselbe Leistungsfähigkeit wie für eine andere Codex-Edition anzunehmen.\n\nOpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Ausgabe von 128’000 Token und den Wissensstand 30. September 2024. Die dokumentierte Schnittstelle ist Responses. Die Karte nennt Streaming, Structured Outputs, Funktionsaufrufe, Bildeingaben, Prompt-Caching, Evaluierungen und Funktionen für gespeicherte Completions; die aufgeführten Werkzeuge umfassen Funktionen und Websuche. Die aktuelle Caching-Anleitung führt genau dieses Modell unter jenen mit optionaler verlängerter Cache-Aufbewahrung von bis zu 24 Stunden auf.\n\nDie Anwendung stellt die Arbeitsumgebung bereit, führt ihre Vorgänge aus und liefert tatsächliche Ergebnisse zurück. Bei einer Änderung an einer Oberfläche kann ein Bild den relevanten Zustand oder das Layout zeigen, während schriftliche Anweisungen die erwartete Interaktion festlegen. Die Ausgabe des Modells bleibt Text oder Code für die Aufgabe und ist von einem in der Umgebung abgeschlossenen Vorgang zu unterscheiden. Erweitertes Caching ist eine Herstellerfunktion für geeigneten wiederholten Kontext und kein Beleg dafür, dass eine bestimmte Anfrage einen Cache wiederverwendet hat.\n\nFordern Sie ein konkretes Endergebnis an: einen vorgeschlagenen Patch, eine Erklärung, eine Feststellung aus einem Review oder einen Plan zur Prüfung des geänderten Verhaltens. Verbinden Sie jede wesentliche Änderung mit einer Anforderung und trennen Sie bereits ausgeführte Prüfungen von den noch nötigen. Stellen Sie für einen Folgeschritt die neuen Belege bereit und benennen Sie den zu ändernden Teil des Ergebnisses. Die Ausgabe kann dann eine konkrete nächste Entscheidung im Entwicklungsprozess unterstützen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Fix a one-function string normalizer\n\nFix this JavaScript function: const normalize = s => s.trim().toLowerCase();. Requirement: strings are trimmed and lowercased; null and undefined return an empty string; other types throw TypeError. Keep the function’s one-argument interface. Provide tests for " A ", null, undefined and 12, and explain the added branches.A focused replacement function and four tests with a short branch explanation.Check that numbers are rejected instead of silently converted to strings, while null and undefined are handled explicitly.gpt-5.1-codex-miniDie kleinere Edition von GPT-5.1-Codex eignet sich für enger umrissene unterstützende Programmieraufgaben. Sie nimmt Text und Bilder entgegen und liefert Text oder Code; der Hersteller dokumentiert Funktionsaufrufe und Structured Outputs für einen Arbeitsablauf mit Werkzeuganbindung.
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-Codex Mini ist OpenAIs kleinere Edition von GPT-5.1-Codex. Sie bewahrt die Codex-Rolle bei agentischer Programmierung und bietet eine eigenständige Alternative zur vollständigen Codex- und zur Max-Edition. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Der Hersteller beschreibt die Mini-Edition als weniger leistungsfähig als das vollständige Modell GPT-5.1-Codex. Eine klar begrenzte Aufgabe ist daher eine sinnvolle Art, sie einzusetzen.
Eine beispielhafte Aufgabe ist eine gezielte Änderung an einem Teil einer Codebasis. Stellen Sie das beabsichtigte Verhalten, den relevanten Code und die Grenzen für Änderungen bereit. Fordern Sie das Modell auf, die aktuelle Verarbeitung einer Eingabe zu erklären, die vorgeschlagene Änderung zu benennen und den Code für diesen Umfang zu erstellen. Stellen Sie für die Fehlersuche den beobachteten Fehler und das erwartete Ergebnis zusammen mit Befehls- oder Prüfausgaben bereit, die in die Diagnose einfliessen.
Eine unterstützende Aufgabe in einem grösseren Prozess kann stattdessen eine Codeerklärung, ein gezieltes Review einer Datei oder einen vorgeschlagenen Prüfschritt verlangen. Geben Sie ihr ein eigenes Abschlusskriterium und Ergebnisformat vor. Bewahren Sie die relevanten Definitionen und die von der nächsten Stufe benötigten Belege in der Antwort. So wird die Ausgabe für den umfassenderen Arbeitsablauf nützlich, ohne für Mini dieselbe Leistungsfähigkeit wie für eine andere Codex-Edition anzunehmen.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Ausgabe von 128’000 Token und den Wissensstand 30. September 2024. Die dokumentierte Schnittstelle ist Responses. Die Karte nennt Streaming, Structured Outputs, Funktionsaufrufe, Bildeingaben, Prompt-Caching, Evaluierungen und Funktionen für gespeicherte Completions; die aufgeführten Werkzeuge umfassen Funktionen und Websuche. Die aktuelle Caching-Anleitung führt genau dieses Modell unter jenen mit optionaler verlängerter Cache-Aufbewahrung von bis zu 24 Stunden auf.
Die Anwendung stellt die Arbeitsumgebung bereit, führt ihre Vorgänge aus und liefert tatsächliche Ergebnisse zurück. Bei einer Änderung an einer Oberfläche kann ein Bild den relevanten Zustand oder das Layout zeigen, während schriftliche Anweisungen die erwartete Interaktion festlegen. Die Ausgabe des Modells bleibt Text oder Code für die Aufgabe und ist von einem in der Umgebung abgeschlossenen Vorgang zu unterscheiden. Erweitertes Caching ist eine Herstellerfunktion für geeigneten wiederholten Kontext und kein Beleg dafür, dass eine bestimmte Anfrage einen Cache wiederverwendet hat.
Fordern Sie ein konkretes Endergebnis an: einen vorgeschlagenen Patch, eine Erklärung, eine Feststellung aus einem Review oder einen Plan zur Prüfung des geänderten Verhaltens. Verbinden Sie jede wesentliche Änderung mit einer Anforderung und trennen Sie bereits ausgeführte Prüfungen von den noch nötigen. Stellen Sie für einen Folgeschritt die neuen Belege bereit und benennen Sie den zu ändernden Teil des Ergebnisses. Die Ausgabe kann dann eine konkrete nächste Entscheidung im Entwicklungsprozess unterstützen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-5.1-codex-mini | 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 $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen $0.00006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen $0.00006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-codex-mini","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-codex-mini", 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-codex-mini, openai/gpt-5.1-codex-mini
/chat/completions
gpt-5.1-codex-miniDie kleinere Edition von GPT-5.1-Codex eignet sich für enger umrissene unterstützende Programmieraufgaben. Sie nimmt Text und Bilder entgegen und liefert Text oder Code; der Hersteller dokumentiert Funktionsaufrufe und Structured Outputs für einen Arbeitsablauf mit Werkzeuganbindung.
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-Codex Mini ist OpenAIs kleinere Edition von GPT-5.1-Codex. Sie bewahrt die Codex-Rolle bei agentischer Programmierung und bietet eine eigenständige Alternative zur vollständigen Codex- und zur Max-Edition. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Der Hersteller beschreibt die Mini-Edition als weniger leistungsfähig als das vollständige Modell GPT-5.1-Codex. Eine klar begrenzte Aufgabe ist daher eine sinnvolle Art, sie einzusetzen.
Eine beispielhafte Aufgabe ist eine gezielte Änderung an einem Teil einer Codebasis. Stellen Sie das beabsichtigte Verhalten, den relevanten Code und die Grenzen für Änderungen bereit. Fordern Sie das Modell auf, die aktuelle Verarbeitung einer Eingabe zu erklären, die vorgeschlagene Änderung zu benennen und den Code für diesen Umfang zu erstellen. Stellen Sie für die Fehlersuche den beobachteten Fehler und das erwartete Ergebnis zusammen mit Befehls- oder Prüfausgaben bereit, die in die Diagnose einfliessen.
Eine unterstützende Aufgabe in einem grösseren Prozess kann stattdessen eine Codeerklärung, ein gezieltes Review einer Datei oder einen vorgeschlagenen Prüfschritt verlangen. Geben Sie ihr ein eigenes Abschlusskriterium und Ergebnisformat vor. Bewahren Sie die relevanten Definitionen und die von der nächsten Stufe benötigten Belege in der Antwort. So wird die Ausgabe für den umfassenderen Arbeitsablauf nützlich, ohne für Mini dieselbe Leistungsfähigkeit wie für eine andere Codex-Edition anzunehmen.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Ausgabe von 128’000 Token und den Wissensstand 30. September 2024. Die dokumentierte Schnittstelle ist Responses. Die Karte nennt Streaming, Structured Outputs, Funktionsaufrufe, Bildeingaben, Prompt-Caching, Evaluierungen und Funktionen für gespeicherte Completions; die aufgeführten Werkzeuge umfassen Funktionen und Websuche. Die aktuelle Caching-Anleitung führt genau dieses Modell unter jenen mit optionaler verlängerter Cache-Aufbewahrung von bis zu 24 Stunden auf.
Die Anwendung stellt die Arbeitsumgebung bereit, führt ihre Vorgänge aus und liefert tatsächliche Ergebnisse zurück. Bei einer Änderung an einer Oberfläche kann ein Bild den relevanten Zustand oder das Layout zeigen, während schriftliche Anweisungen die erwartete Interaktion festlegen. Die Ausgabe des Modells bleibt Text oder Code für die Aufgabe und ist von einem in der Umgebung abgeschlossenen Vorgang zu unterscheiden. Erweitertes Caching ist eine Herstellerfunktion für geeigneten wiederholten Kontext und kein Beleg dafür, dass eine bestimmte Anfrage einen Cache wiederverwendet hat.
Fordern Sie ein konkretes Endergebnis an: einen vorgeschlagenen Patch, eine Erklärung, eine Feststellung aus einem Review oder einen Plan zur Prüfung des geänderten Verhaltens. Verbinden Sie jede wesentliche Änderung mit einer Anforderung und trennen Sie bereits ausgeführte Prüfungen von den noch nötigen. Stellen Sie für einen Folgeschritt die neuen Belege bereit und benennen Sie den zu ändernden Teil des Ergebnisses. Die Ausgabe kann dann eine konkrete nächste Entscheidung im Entwicklungsprozess unterstützen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-5.1-codex-mini | 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 $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen $0.00006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen $0.00006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-5.1-codex-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.1-codex-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.1-codex-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-codex-mini, openai/gpt-5.1-codex-mini
/chat/completions
openai/gpt-5.1-codex-miniDie kleinere Edition von GPT-5.1-Codex eignet sich für enger umrissene unterstützende Programmieraufgaben. Sie nimmt Text und Bilder entgegen und liefert Text oder Code; der Hersteller dokumentiert Funktionsaufrufe und Structured Outputs für einen Arbeitsablauf mit Werkzeuganbindung.
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-Codex Mini ist OpenAIs kleinere Edition von GPT-5.1-Codex. Sie bewahrt die Codex-Rolle bei agentischer Programmierung und bietet eine eigenständige Alternative zur vollständigen Codex- und zur Max-Edition. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Der Hersteller beschreibt die Mini-Edition als weniger leistungsfähig als das vollständige Modell GPT-5.1-Codex. Eine klar begrenzte Aufgabe ist daher eine sinnvolle Art, sie einzusetzen.
Eine beispielhafte Aufgabe ist eine gezielte Änderung an einem Teil einer Codebasis. Stellen Sie das beabsichtigte Verhalten, den relevanten Code und die Grenzen für Änderungen bereit. Fordern Sie das Modell auf, die aktuelle Verarbeitung einer Eingabe zu erklären, die vorgeschlagene Änderung zu benennen und den Code für diesen Umfang zu erstellen. Stellen Sie für die Fehlersuche den beobachteten Fehler und das erwartete Ergebnis zusammen mit Befehls- oder Prüfausgaben bereit, die in die Diagnose einfliessen.
Eine unterstützende Aufgabe in einem grösseren Prozess kann stattdessen eine Codeerklärung, ein gezieltes Review einer Datei oder einen vorgeschlagenen Prüfschritt verlangen. Geben Sie ihr ein eigenes Abschlusskriterium und Ergebnisformat vor. Bewahren Sie die relevanten Definitionen und die von der nächsten Stufe benötigten Belege in der Antwort. So wird die Ausgabe für den umfassenderen Arbeitsablauf nützlich, ohne für Mini dieselbe Leistungsfähigkeit wie für eine andere Codex-Edition anzunehmen.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Ausgabe von 128’000 Token und den Wissensstand 30. September 2024. Die dokumentierte Schnittstelle ist Responses. Die Karte nennt Streaming, Structured Outputs, Funktionsaufrufe, Bildeingaben, Prompt-Caching, Evaluierungen und Funktionen für gespeicherte Completions; die aufgeführten Werkzeuge umfassen Funktionen und Websuche. Die aktuelle Caching-Anleitung führt genau dieses Modell unter jenen mit optionaler verlängerter Cache-Aufbewahrung von bis zu 24 Stunden auf.
Die Anwendung stellt die Arbeitsumgebung bereit, führt ihre Vorgänge aus und liefert tatsächliche Ergebnisse zurück. Bei einer Änderung an einer Oberfläche kann ein Bild den relevanten Zustand oder das Layout zeigen, während schriftliche Anweisungen die erwartete Interaktion festlegen. Die Ausgabe des Modells bleibt Text oder Code für die Aufgabe und ist von einem in der Umgebung abgeschlossenen Vorgang zu unterscheiden. Erweitertes Caching ist eine Herstellerfunktion für geeigneten wiederholten Kontext und kein Beleg dafür, dass eine bestimmte Anfrage einen Cache wiederverwendet hat.
Fordern Sie ein konkretes Endergebnis an: einen vorgeschlagenen Patch, eine Erklärung, eine Feststellung aus einem Review oder einen Plan zur Prüfung des geänderten Verhaltens. Verbinden Sie jede wesentliche Änderung mit einer Anforderung und trennen Sie bereits ausgeführte Prüfungen von den noch nötigen. Stellen Sie für einen Folgeschritt die neuen Belege bereit und benennen Sie den zu ändernden Teil des Ergebnisses. Die Ausgabe kann dann eine konkrete nächste Entscheidung im Entwicklungsprozess unterstützen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.1-codex-mini | 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 $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen $0.00006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen $0.00006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-codex-mini", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.1-codex-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.1-codex-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-codex-mini, openai/gpt-5.1-codex-mini
/chat/completions
openai/gpt-5.1-codex-miniDie kleinere Edition von GPT-5.1-Codex eignet sich für enger umrissene unterstützende Programmieraufgaben. Sie nimmt Text und Bilder entgegen und liefert Text oder Code; der Hersteller dokumentiert Funktionsaufrufe und Structured Outputs für einen Arbeitsablauf mit Werkzeuganbindung.
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-Codex Mini ist OpenAIs kleinere Edition von GPT-5.1-Codex. Sie bewahrt die Codex-Rolle bei agentischer Programmierung und bietet eine eigenständige Alternative zur vollständigen Codex- und zur Max-Edition. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Der Hersteller beschreibt die Mini-Edition als weniger leistungsfähig als das vollständige Modell GPT-5.1-Codex. Eine klar begrenzte Aufgabe ist daher eine sinnvolle Art, sie einzusetzen.
Eine beispielhafte Aufgabe ist eine gezielte Änderung an einem Teil einer Codebasis. Stellen Sie das beabsichtigte Verhalten, den relevanten Code und die Grenzen für Änderungen bereit. Fordern Sie das Modell auf, die aktuelle Verarbeitung einer Eingabe zu erklären, die vorgeschlagene Änderung zu benennen und den Code für diesen Umfang zu erstellen. Stellen Sie für die Fehlersuche den beobachteten Fehler und das erwartete Ergebnis zusammen mit Befehls- oder Prüfausgaben bereit, die in die Diagnose einfliessen.
Eine unterstützende Aufgabe in einem grösseren Prozess kann stattdessen eine Codeerklärung, ein gezieltes Review einer Datei oder einen vorgeschlagenen Prüfschritt verlangen. Geben Sie ihr ein eigenes Abschlusskriterium und Ergebnisformat vor. Bewahren Sie die relevanten Definitionen und die von der nächsten Stufe benötigten Belege in der Antwort. So wird die Ausgabe für den umfassenderen Arbeitsablauf nützlich, ohne für Mini dieselbe Leistungsfähigkeit wie für eine andere Codex-Edition anzunehmen.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Ausgabe von 128’000 Token und den Wissensstand 30. September 2024. Die dokumentierte Schnittstelle ist Responses. Die Karte nennt Streaming, Structured Outputs, Funktionsaufrufe, Bildeingaben, Prompt-Caching, Evaluierungen und Funktionen für gespeicherte Completions; die aufgeführten Werkzeuge umfassen Funktionen und Websuche. Die aktuelle Caching-Anleitung führt genau dieses Modell unter jenen mit optionaler verlängerter Cache-Aufbewahrung von bis zu 24 Stunden auf.
Die Anwendung stellt die Arbeitsumgebung bereit, führt ihre Vorgänge aus und liefert tatsächliche Ergebnisse zurück. Bei einer Änderung an einer Oberfläche kann ein Bild den relevanten Zustand oder das Layout zeigen, während schriftliche Anweisungen die erwartete Interaktion festlegen. Die Ausgabe des Modells bleibt Text oder Code für die Aufgabe und ist von einem in der Umgebung abgeschlossenen Vorgang zu unterscheiden. Erweitertes Caching ist eine Herstellerfunktion für geeigneten wiederholten Kontext und kein Beleg dafür, dass eine bestimmte Anfrage einen Cache wiederverwendet hat.
Fordern Sie ein konkretes Endergebnis an: einen vorgeschlagenen Patch, eine Erklärung, eine Feststellung aus einem Review oder einen Plan zur Prüfung des geänderten Verhaltens. Verbinden Sie jede wesentliche Änderung mit einer Anforderung und trennen Sie bereits ausgeführte Prüfungen von den noch nötigen. Stellen Sie für einen Folgeschritt die neuen Belege bereit und benennen Sie den zu ändernden Teil des Ergebnisses. Die Ausgabe kann dann eine konkrete nächste Entscheidung im Entwicklungsprozess unterstützen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.1-codex-mini | 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 $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen $0.00006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen $0.00006 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-5.1-codex-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.1-codex-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.1-codex-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-codex-mini, openai/gpt-5.1-codex-mini
/chat/completions
Technisches Beispiel auf Englisch
Fix a one-function string normalizer\n\nFix this JavaScript function: const normalize = s => s.trim().toLowerCase();. Requirement: strings are trimmed and lowercased; null and undefined return an empty string; other types throw TypeError. Keep the function’s one-argument interface. Provide tests for " A ", null, undefined and 12, and explain the added branches.A focused replacement function and four tests with a short branch explanation.Check that numbers are rejected instead of silently converted to strings, while null and undefined are handled explicitly.