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": { "practical_html": "Technisches Beispiel auf Englisch
Compare two audit-log designs\n\nCompare two designs under these requirements: record every accepted edit, allow crash recovery and preserve an inspectable event order. Design A overwrites one current-state file after each edit. Design B appends an event before updating current state and replays events during recovery. Give a criterion table, key assumptions and a recommendation without claiming either implementation was tested.A design comparison, explicit durability/order assumptions and a reasoned recommendation.The answer must distinguish a proposed event-log design from proven crash-safe behavior.gpt-5-proDie 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/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-5-pro | 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 $0.03 / 1K Tokens Ausgabe · Ausgabetoken $0.24 / 1K Tokens Eingabe · Cache lesen $0.00001 / 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 $0.03 / 1K Tokens Ausgabe · Ausgabetoken $0.24 / 1K Tokens Eingabe · Cache lesen $0.00001 / 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-pro","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-pro", 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-pro, openai/gpt-5-pro
/chat/completions
gpt-5-proDie 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/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gpt-5-pro | 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 $0.03 / 1K Tokens Ausgabe · Ausgabetoken $0.24 / 1K Tokens Eingabe · Cache lesen $0.00001 / 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 $0.03 / 1K Tokens Ausgabe · Ausgabetoken $0.24 / 1K Tokens Eingabe · Cache lesen $0.00001 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gpt-5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro', '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-pro', '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-pro, openai/gpt-5-pro
/chat/completions
openai/gpt-5-proDie 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/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5-pro | 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 $0.03 / 1K Tokens Ausgabe · Ausgabetoken $0.24 / 1K Tokens Eingabe · Cache lesen $0.00001 / 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 $0.03 / 1K Tokens Ausgabe · Ausgabetoken $0.24 / 1K Tokens Eingabe · Cache lesen $0.00001 / 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-pro", "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-pro',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-pro',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-pro, openai/gpt-5-pro
/chat/completions
openai/gpt-5-proDie 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/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5-pro | 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 $0.03 / 1K Tokens Ausgabe · Ausgabetoken $0.24 / 1K Tokens Eingabe · Cache lesen $0.00001 / 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 $0.03 / 1K Tokens Ausgabe · Ausgabetoken $0.24 / 1K Tokens Eingabe · Cache lesen $0.00001 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro', '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-pro', '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-pro, openai/gpt-5-pro
/chat/completions
Technisches Beispiel auf Englisch
Compare two audit-log designs\n\nCompare two designs under these requirements: record every accepted edit, allow crash recovery and preserve an inspectable event order. Design A overwrites one current-state file after each edit. Design B appends an event before updating current state and replays events during recovery. Give a criterion table, key assumptions and a recommendation without claiming either implementation was tested.A design comparison, explicit durability/order assumptions and a reasoned recommendation.The answer must distinguish a proposed event-log design from proven crash-safe behavior.