GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.
Beschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.
Die Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.
Bei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.
Die vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.
", "aboutText": "GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.\n\nBeschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.\n\nDie Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.\n\nBei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.\n\nOpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.\n\nDie vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Locate an inconsistent empty-state branch\n\nInspect these Python helpers: def has_rows(rows): return rows is not None; def summary(rows): return str(len(rows)) if has_rows(rows) else "No rows". An empty list currently shows "0"; the requirement says None and [] both show "No rows". Identify the responsible branch, propose a focused correction and tests preserving nonempty counts.A location-specific explanation, a minimal code change and tests for None, [], and a nonempty list.Check that both empty cases use the empty message while a two-row list still returns "2".gpt-5.4-miniEine kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben mit hohem Aufkommen. Sie nimmt Text und Bilder entgegen und kann eine Änderung entwickeln, einen Oberflächen-Screenshot interpretieren oder eine enger umrissene Aufgabe innerhalb eines grösseren Arbeitsablaufs abschliessen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.
Beschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.
Die Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.
Bei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.
Die vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-5.4-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 $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.4-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-5.4-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-5.4-mini, openai/gpt-5.4-mini, ~openai/gpt-mini-latest
/chat/completions
gpt-5.4-miniEine kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben mit hohem Aufkommen. Sie nimmt Text und Bilder entgegen und kann eine Änderung entwickeln, einen Oberflächen-Screenshot interpretieren oder eine enger umrissene Aufgabe innerhalb eines grösseren Arbeitsablaufs abschliessen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.
Beschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.
Die Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.
Bei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.
Die vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-5.4-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 $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-5.4-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.4-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-5.4-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-5.4-mini, openai/gpt-5.4-mini, ~openai/gpt-mini-latest
/chat/completions
openai/gpt-5.4-miniEine kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben mit hohem Aufkommen. Sie nimmt Text und Bilder entgegen und kann eine Änderung entwickeln, einen Oberflächen-Screenshot interpretieren oder eine enger umrissene Aufgabe innerhalb eines grösseren Arbeitsablaufs abschliessen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.
Beschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.
Die Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.
Bei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.
Die vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.4-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 $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.4-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-5.4-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-5.4-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-5.4-mini, openai/gpt-5.4-mini, ~openai/gpt-mini-latest
/chat/completions
openai/gpt-5.4-miniEine kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben mit hohem Aufkommen. Sie nimmt Text und Bilder entgegen und kann eine Änderung entwickeln, einen Oberflächen-Screenshot interpretieren oder eine enger umrissene Aufgabe innerhalb eines grösseren Arbeitsablaufs abschliessen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.
Beschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.
Die Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.
Bei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.
Die vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.4-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 $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-5.4-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.4-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-5.4-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-5.4-mini, openai/gpt-5.4-mini, ~openai/gpt-mini-latest
/chat/completions
~openai/gpt-mini-latestEine kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben mit hohem Aufkommen. Sie nimmt Text und Bilder entgegen und kann eine Änderung entwickeln, einen Oberflächen-Screenshot interpretieren oder eine enger umrissene Aufgabe innerhalb eines grösseren Arbeitsablaufs abschliessen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.
Beschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.
Die Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.
Bei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.
Die vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~openai/gpt-mini-latest | 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 $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~openai/gpt-mini-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='~openai/gpt-mini-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='~openai/gpt-mini-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-5.4-mini, openai/gpt-5.4-mini, ~openai/gpt-mini-latest
/chat/completions
~openai/gpt-mini-latestEine kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben mit hohem Aufkommen. Sie nimmt Text und Bilder entgegen und kann eine Änderung entwickeln, einen Oberflächen-Screenshot interpretieren oder eine enger umrissene Aufgabe innerhalb eines grösseren Arbeitsablaufs abschliessen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.
Beschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.
Die Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.
Bei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.
Die vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~openai/gpt-mini-latest | 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 $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Tokens Ausgabe · Ausgabetoken $0.009 / 1K Tokens Eingabe · Cache lesen $0.00015 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "~openai/gpt-mini-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-mini-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-mini-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-5.4-mini, openai/gpt-5.4-mini, ~openai/gpt-mini-latest
/chat/completions
Technisches Beispiel auf Englisch
Locate an inconsistent empty-state branch\n\nInspect these Python helpers: def has_rows(rows): return rows is not None; def summary(rows): return str(len(rows)) if has_rows(rows) else "No rows". An empty list currently shows "0"; the requirement says None and [] both show "No rows". Identify the responsible branch, propose a focused correction and tests preserving nonempty counts.A location-specific explanation, a minimal code change and tests for None, [], and a nonempty list.Check that both empty cases use the empty message while a two-row list still returns "2".