GPT-5 Pro ist OpenAIs separate Pro-Edition von GPT-5. Sie nutzt zusätzliche Rechenleistung, um schwierige Fragen zu bearbeiten und eine eingehendere Antwort zu entwickeln. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Pro ist Teil der Identität dieser Edition und vom Standardmodell GPT-5 sowie von der für spätere Modellfamilien dokumentierten Pro-Reasoning-Moduseinstellung getrennt.
Eine beispielhafte Aufgabe besteht darin, mehrere Ansätze für eine technische Frage mit voneinander abhängigen Bedingungen zu vergleichen. Stellen Sie das erforderliche Verhalten, relevante Materialien und die Bedingungen bereit, die über die Zulässigkeit einer Lösung entscheiden. Fordern Sie die Beziehungen zwischen diesen Bedingungen, den vorgeschlagenen Ansatz und die die Wahl stützenden Belege an. Geben Sie für eine Entscheidung auf Grundlage von Dokumenten die Vergleichskriterien vor und benennen Sie die Fakten, die die Schlussfolgerung bewahren muss.
Die aktuelle herstellereigene Modellkarte von OpenAI zu GPT-5 Pro nennt ein Kontextfenster von 400’000 Token, eine maximale Ausgabe von 272’000 Token und den Wissensstand 30. September 2024. Das Modell verwendet standardmässig den Reasoning-Aufwand high und unterstützt ausschliesslich diesen Wert. Diese Ausgabezahl gehört zur separaten Pro-Karte und nicht zur Standardspezifikation von GPT-5. Das Reasoning beansprucht neben der sichtbaren Antwort Tokenplatz; eine umfangreiche Anfrage sollte daher Raum für die Analyse und das angeforderte Endergebnis lassen.
Der Hersteller dokumentiert Responses für mehrere Interaktionsschritte vor der endgültigen Antwort; seine Modellspezifikation nennt ausserdem Batch-Unterstützung. Schwierige Anfragen können mehrere Minuten dauern; für lang laufende Aufgaben wird die Ausführung im Hintergrund empfohlen. Eine Anwendung bewahrt die Antwortkennung, prüft, ob die Aufgabe in der Warteschlange steht oder läuft, und ruft das Ergebnis ab, wenn die Verarbeitung einen Endzustand erreicht. Dies beschreibt den Anfrageablauf des Herstellers, ohne den Endpunkt einer bestehenden Karte zu ändern.
Die genaue Modellkarte nennt Streaming, Structured Outputs, Funktionsaufrufe, Dateieingaben, Bildeingaben, Web- und Dateisuche, Werkzeuge zur Bilderzeugung und MCP-Verbindungen. GPT-5 Pro unterstützt den Code-Interpreter ausdrücklich nicht. Werkzeugvorgänge sind von der Textantwort des Modells getrennt: Die Anwendung stellt ihre verfügbaren Funktionen bereit, führt ihre Aktionen aus und liefert deren tatsächliche Ergebnisse zurück. Eine vorgeschlagene Handlung sollte nicht als abgeschlossene Berechnung oder anderer abgeschlossener Vorgang behandelt werden.
Bereiten Sie ein klares Abschlusskriterium und ein zur Frage passendes Ergebnisformat vor. Fordern Sie für Code das betroffene Verhalten, vorgeschlagene Änderungen und die zu ihrer Bewertung nötigen Prüfungen an. Unterscheiden Sie bei Analysen bereitgestellte Fakten, abgeleitete Zusammenhänge und jede offene Bedingung. Wenn ein Bild wichtige Belege liefert, benennen Sie das relevante Detail und geben Sie den schriftlichen Kontext an. Ein nützliches Endergebnis ist ein konkreter Vergleich, ein Implementierungsvorschlag oder eine Entscheidungsvorlage mit Bezug zur ursprünglichen Frage und zum Material.
", "aboutText": "GPT-5 Pro ist OpenAIs separate Pro-Edition von GPT-5. Sie nutzt zusätzliche Rechenleistung, um schwierige Fragen zu bearbeiten und eine eingehendere Antwort zu entwickeln. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Pro ist Teil der Identität dieser Edition und vom Standardmodell GPT-5 sowie von der für spätere Modellfamilien dokumentierten Pro-Reasoning-Moduseinstellung getrennt.\n\nEine beispielhafte Aufgabe besteht darin, mehrere Ansätze für eine technische Frage mit voneinander abhängigen Bedingungen zu vergleichen. Stellen Sie das erforderliche Verhalten, relevante Materialien und die Bedingungen bereit, die über die Zulässigkeit einer Lösung entscheiden. Fordern Sie die Beziehungen zwischen diesen Bedingungen, den vorgeschlagenen Ansatz und die die Wahl stützenden Belege an. Geben Sie für eine Entscheidung auf Grundlage von Dokumenten die Vergleichskriterien vor und benennen Sie die Fakten, die die Schlussfolgerung bewahren muss.\n\nDie aktuelle herstellereigene Modellkarte von OpenAI zu GPT-5 Pro nennt ein Kontextfenster von 400’000 Token, eine maximale Ausgabe von 272’000 Token und den Wissensstand 30. September 2024. Das Modell verwendet standardmässig den Reasoning-Aufwand high und unterstützt ausschliesslich diesen Wert. Diese Ausgabezahl gehört zur separaten Pro-Karte und nicht zur Standardspezifikation von GPT-5. Das Reasoning beansprucht neben der sichtbaren Antwort Tokenplatz; eine umfangreiche Anfrage sollte daher Raum für die Analyse und das angeforderte Endergebnis lassen.\n\nDer Hersteller dokumentiert Responses für mehrere Interaktionsschritte vor der endgültigen Antwort; seine Modellspezifikation nennt ausserdem Batch-Unterstützung. Schwierige Anfragen können mehrere Minuten dauern; für lang laufende Aufgaben wird die Ausführung im Hintergrund empfohlen. Eine Anwendung bewahrt die Antwortkennung, prüft, ob die Aufgabe in der Warteschlange steht oder läuft, und ruft das Ergebnis ab, wenn die Verarbeitung einen Endzustand erreicht. Dies beschreibt den Anfrageablauf des Herstellers, ohne den Endpunkt einer bestehenden Karte zu ändern.\n\nDie genaue Modellkarte nennt Streaming, Structured Outputs, Funktionsaufrufe, Dateieingaben, Bildeingaben, Web- und Dateisuche, Werkzeuge zur Bilderzeugung und MCP-Verbindungen. GPT-5 Pro unterstützt den Code-Interpreter ausdrücklich nicht. Werkzeugvorgänge sind von der Textantwort des Modells getrennt: Die Anwendung stellt ihre verfügbaren Funktionen bereit, führt ihre Aktionen aus und liefert deren tatsächliche Ergebnisse zurück. Eine vorgeschlagene Handlung sollte nicht als abgeschlossene Berechnung oder anderer abgeschlossener Vorgang behandelt werden.\n\nBereiten Sie ein klares Abschlusskriterium und ein zur Frage passendes Ergebnisformat vor. Fordern Sie für Code das betroffene Verhalten, vorgeschlagene Änderungen und die zu ihrer Bewertung nötigen Prüfungen an. Unterscheiden Sie bei Analysen bereitgestellte Fakten, abgeleitete Zusammenhänge und jede offene Bedingung. Wenn ein Bild wichtige Belege liefert, benennen Sie das relevante Detail und geben Sie den schriftlichen Kontext an. Ein nützliches Endergebnis ist ein konkreter Vergleich, ein Implementierungsvorschlag oder eine Entscheidungsvorlage mit Bezug zur ursprünglichen Frage und zum Material.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b955618631e9aad2a6032bfd7bf35d7155c199aef38981876d7e503d78cbbb6f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "openai/gpt-5-pro:batchDie separate Edition GPT-5 Pro nutzt zusätzliche Rechenleistung für schwieriges Reasoning. Sie nimmt Text und Bilder entgegen und erzeugt Text, unterstützt ausschliesslich den Reasoning-Aufwand high und verwendet den Responses-Arbeitsablauf des Herstellers für lang laufende Anfragen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5 Pro ist OpenAIs separate Pro-Edition von GPT-5. Sie nutzt zusätzliche Rechenleistung, um schwierige Fragen zu bearbeiten und eine eingehendere Antwort zu entwickeln. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Pro ist Teil der Identität dieser Edition und vom Standardmodell GPT-5 sowie von der für spätere Modellfamilien dokumentierten Pro-Reasoning-Moduseinstellung getrennt.
Eine beispielhafte Aufgabe besteht darin, mehrere Ansätze für eine technische Frage mit voneinander abhängigen Bedingungen zu vergleichen. Stellen Sie das erforderliche Verhalten, relevante Materialien und die Bedingungen bereit, die über die Zulässigkeit einer Lösung entscheiden. Fordern Sie die Beziehungen zwischen diesen Bedingungen, den vorgeschlagenen Ansatz und die die Wahl stützenden Belege an. Geben Sie für eine Entscheidung auf Grundlage von Dokumenten die Vergleichskriterien vor und benennen Sie die Fakten, die die Schlussfolgerung bewahren muss.
Die aktuelle herstellereigene Modellkarte von OpenAI zu GPT-5 Pro nennt ein Kontextfenster von 400’000 Token, eine maximale Ausgabe von 272’000 Token und den Wissensstand 30. September 2024. Das Modell verwendet standardmässig den Reasoning-Aufwand high und unterstützt ausschliesslich diesen Wert. Diese Ausgabezahl gehört zur separaten Pro-Karte und nicht zur Standardspezifikation von GPT-5. Das Reasoning beansprucht neben der sichtbaren Antwort Tokenplatz; eine umfangreiche Anfrage sollte daher Raum für die Analyse und das angeforderte Endergebnis lassen.
Der Hersteller dokumentiert Responses für mehrere Interaktionsschritte vor der endgültigen Antwort; seine Modellspezifikation nennt ausserdem Batch-Unterstützung. Schwierige Anfragen können mehrere Minuten dauern; für lang laufende Aufgaben wird die Ausführung im Hintergrund empfohlen. Eine Anwendung bewahrt die Antwortkennung, prüft, ob die Aufgabe in der Warteschlange steht oder läuft, und ruft das Ergebnis ab, wenn die Verarbeitung einen Endzustand erreicht. Dies beschreibt den Anfrageablauf des Herstellers, ohne den Endpunkt einer bestehenden Karte zu ändern.
Die genaue Modellkarte nennt Streaming, Structured Outputs, Funktionsaufrufe, Dateieingaben, Bildeingaben, Web- und Dateisuche, Werkzeuge zur Bilderzeugung und MCP-Verbindungen. GPT-5 Pro unterstützt den Code-Interpreter ausdrücklich nicht. Werkzeugvorgänge sind von der Textantwort des Modells getrennt: Die Anwendung stellt ihre verfügbaren Funktionen bereit, führt ihre Aktionen aus und liefert deren tatsächliche Ergebnisse zurück. Eine vorgeschlagene Handlung sollte nicht als abgeschlossene Berechnung oder anderer abgeschlossener Vorgang behandelt werden.
Bereiten Sie ein klares Abschlusskriterium und ein zur Frage passendes Ergebnisformat vor. Fordern Sie für Code das betroffene Verhalten, vorgeschlagene Änderungen und die zu ihrer Bewertung nötigen Prüfungen an. Unterscheiden Sie bei Analysen bereitgestellte Fakten, abgeleitete Zusammenhänge und jede offene Bedingung. Wenn ein Bild wichtige Belege liefert, benennen Sie das relevante Detail und geben Sie den schriftlichen Kontext an. Ein nützliches Endergebnis ist ein konkreter Vergleich, ein Implementierungsvorschlag oder eine Entscheidungsvorlage mit Bezug zur ursprünglichen Frage und zum Material.
POST /v1/batchestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldendpoint | Typstring | AnforderungErforderlich | Werte und Limits /v1/chat/completions | Standard— |
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5-pro:batch | Standard— |
Feldrequests | Typbatch_item[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldrequests[].custom_id | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldrequests[].body.messages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldcompletion_window | Typstring | AnforderungOptional | Werte und Limits 24h | Standard— |
Feldprovider | Typobject|null | AnforderungOptional | Werte und Limits | Standard— |
Feldrequests[].body.model | Typstring | AnforderungOptional | Werte und Limits openai/gpt-5-pro:batch, openai/gpt-5-pro | Standard— |
Feldprovider.only | Typstring[] | AnforderungOptional | Werte und Limits openai | Standard— |
Feldprovider.allow_fallbacks | Typboolean|null | AnforderungOptional | Werte und Limits false, null | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragendpoint, model, requests |
Parametermaterial_types | Vertragtext |
Parameterrepresentation | Vertrageingebettete requests[]; jedes Element enthält custom_id und body |
Parameterrequest_endpoint_profile | Vertrag/v1/chat/completions |
Parameterfile_material | VertragDer Aufrufer kann tatsächliches UTF-8-JSONL lokal in requests[] einlesen. Es werden weder ein Upload-Zweck noch input_file_id oder eine Dateireferenz verwendet. Fehlendes oder leeres Kundenmaterial stoppt die Vorbereitung vor POST. |
Parameterserialization_order | Vertragendpoint, model, provider (falls angegeben), completion_window (falls angegeben), requests als letztes Feld |
Parameteroptional_controls | Vertragprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | VertragAnfragekörper für Text Chat Completions in der dokumentierten Inline-Batch-Struktur. |
Lebenszyklus: asynchronous
GET /v1/batches/{operation_id} · die tatsächliche response.id der ursprünglichen Erstellungsantwort; derselbe Nutzer/Schlüssel/dieselbe Gruppe
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 $0.015 / 1K Tokens Ausgabe · Ausgabetoken $0.12 / 1K Tokens Eingabe · Cache lesen — / 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 $0.015 / 1K Tokens Ausgabe · Ausgabetoken $0.12 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5-pro:batch', 'openai/gpt-5-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\neingebettetes JSON unter results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Das vollständige ursprüngliche Status-JSON, jedes Ergebnis/jede custom_id und den vollständigen Antwort- oder Fehlerkörper aufbewahren. Abgeschlossene results[] ohne Filterung als JSONL speichern.
Die ursprüngliche Vorgangs-ID beibehalten. Bei 503 result_pending_check gilt X-Should-Retry:false; einen ursprünglichen Batch mit unbekanntem Ausgang niemals erneut einreichen.
| Feld | Typ |
|---|---|
Feldresults[].custom_id | Typstring |
Feldresults[].response.body.choices[].message.content | Typstring|null |
Feldresults[].error | Typobject|null |
Feldusage | Typobject|null |
Feldid | Typstring |
Feldmodel | Typstring |
Feldendpoint | Typstring |
Feldstatus | Typstring |
Feldrequest_counts | Typobject |
Feldresults[].id | Typstring |
Feldresults[].response.status_code | Typinteger |
Feldresults[].response.request_id | Typstring |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungUngültige Struktur der dokumentierten Inline-Einbettung, doppelte Schlüssel, ungültige Identitätsangaben zu einem Element oder ein Konflikt mit den konfigurierten Modellfähigkeiten. | Nächster SchrittDie angegebenen Felder vor jeder neuen Einreichung korrigieren. |
Antwort401 · authentication_error | BedingungUngültiger API-Schlüssel. | Nächster SchrittDen autorisierten Ailoot-Schlüssel verwenden. |
Antwort403 · permission_error | BedingungGruppe für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Berechtigung des Schlüssels bzw. der Gruppe prüfen. |
Antwort422 · invalid_request_error | BedingungStapelverarbeitung wird über das Guthaben abgerechnet; die Erstellung über ein Abonnement wird abgelehnt. | Nächster SchrittDie autorisierte Gruppe mit Guthabenabrechnung verwenden. |
Antwort422 · price_unavailable | BedingungFür die Batch-Eingabe kann kein Preisangebot erstellt werden. | Nächster SchrittAntwort aufbewahren; die dokumentierte Eingabe der API-Familie verwenden. |
Antwort402 · billing_error | BedingungReservierung für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Zulassung klären, bevor eine neue Anfrage gestellt wird. |
Antwort503 · price_unavailable | BedingungMethodenpreis bzw. native Tarife für Stapelverarbeitung nicht verfügbar. | Nächster SchrittAntwort aufbewahren; keine anderen Preise einsetzen. |
Antwort503 · api_error | BedingungDie genaue Anbieterroute ist nicht verfügbar. | Nächster SchrittAntwort zur Reparatur der Route aufbewahren. |
Antwort503 · result_pending_check | BedingungDas ursprüngliche Ergebnis muss geprüft werden; X-Should-Retry:false. | Nächster SchrittDie ursprüngliche operation_id/id beibehalten und ihren Status lesen; den ursprünglichen POST niemals wiederholen. |
Antwort404 · not_found | BedingungDer Batch-Vorgang, dessen Status abgefragt wird, ist nicht vorhanden oder gehört einer anderen Identität. | Nächster SchrittDie genaue ursprüngliche id und denselben Nutzer/Schlüssel/dieselbe Gruppe verwenden. |
Ailoot Ultra openai/gpt-5-pro:batch
Verwenden Sie die oben angezeigten Methodenpfade.