GPT Chat Latest bezeichnet die regelmässig aktualisierte Instant-Modellauswahl, die OpenAI als Chat Latest dokumentiert. Sie verweist auf das neueste in ChatGPT eingesetzte Instant-Modell. Sie nimmt Text und Bilder entgegen und erzeugt Text. Der Name bezeichnet eine laufend aktualisierte Chat-Modellauswahl, keine datierte Modelledition.
Ein nützlicher Dialog beginnt mit einer konkreten Arbeit. Stellen Sie einen Entwurf bereit und benennen Sie die vorgesehene Leserschaft, bitten Sie um eine klarere Erklärung einer Passage oder liefern Sie einen Screenshot mit einer Frage zu einem bestimmten Element. Ein beispielhafter Redaktionsauftrag besteht darin, eine grobe Erklärung in eine kurze Nachricht an einen Kollegen umzuwandeln und dabei die erforderlichen Namen und Fakten zu bewahren. Benennen Sie in der nächsten Gesprächsrunde die zu ändernde Passage und den Grund, etwa Ton, Länge oder eine fehlende Erklärung.
Machen Sie bei einem bildgestützten Dialog die visuellen Belege gut erkennbar und geben Sie ihren Zweck an. Ein Screenshot kann eine Frage zu einem sichtbaren Oberflächenzustand unterstützen, ein Diagramm eine Bitte um Erklärung eines Zusammenhangs. Ergänzen Sie den schriftlichen Kontext, den das Bild allein nicht liefert. Fragen Sie nach der relevanten Beobachtung und einer mit Ihrer Frage verbundenen Erklärung, statt nach einer Beschreibung jedes sichtbaren Details.
OpenAIs aktuelle Spezifikation für Chat Latest nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token. Der dokumentierte Wissensstand reicht bis zum 20. April 2026. Dies sind die veröffentlichten Eigenschaften der Chat-Modellauswahl, während das zugrunde liegende Modell regelmässig aktualisiert wird. Planen Sie Material und gewünschte Antwort anhand der relevanten Kontext- und Ausgabegrenzen und bewahren Sie die wichtigen Fakten für eine Folgeanfrage.
Der Hersteller nennt Streaming, Structured Outputs, Funktionsaufrufe und Bildeingaben sowie die Schnittstellen Responses und Chat Completions. Zu den dokumentierten Werkzeugen zählen Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Eine strukturierte Antwort legt die Form der zurückgegebenen Informationen fest; eine Werkzeuganforderung benennt eine separate Operation. Anwendungen stellen ihre Operationen bereit, liefern tatsächliche Werkzeugergebnisse und entscheiden, wie der entstehende Text oder andere Ergebnisse dem Nutzer präsentiert werden.
Definieren Sie das gewünschte Dialogergebnis: eine Antwort, einen überarbeiteten Dokumentabschnitt, die Erklärung eines visuellen Beispiels oder eine Aktionsliste. Benennen Sie bei einer strukturierten Aufgabe die Felder und den Umgang mit fehlenden Informationen. Geben Sie bei einem Redaktionsauftrag Zielgruppe, erforderliche Fakten und akzeptablen Ton an. Eine nützliche abschliessende Antwort ist eine konkrete Fassung, die Sie anhand des Ausgangsmaterials prüfen können. Nachfolgende Nachrichten können ein bestimmtes Detail verfeinern und dabei den Aufgabenzweck ausdrücklich bewahren.
", "aboutText": "GPT Chat Latest bezeichnet die regelmässig aktualisierte Instant-Modellauswahl, die OpenAI als Chat Latest dokumentiert. Sie verweist auf das neueste in ChatGPT eingesetzte Instant-Modell. Sie nimmt Text und Bilder entgegen und erzeugt Text. Der Name bezeichnet eine laufend aktualisierte Chat-Modellauswahl, keine datierte Modelledition.\n\nEin nützlicher Dialog beginnt mit einer konkreten Arbeit. Stellen Sie einen Entwurf bereit und benennen Sie die vorgesehene Leserschaft, bitten Sie um eine klarere Erklärung einer Passage oder liefern Sie einen Screenshot mit einer Frage zu einem bestimmten Element. Ein beispielhafter Redaktionsauftrag besteht darin, eine grobe Erklärung in eine kurze Nachricht an einen Kollegen umzuwandeln und dabei die erforderlichen Namen und Fakten zu bewahren. Benennen Sie in der nächsten Gesprächsrunde die zu ändernde Passage und den Grund, etwa Ton, Länge oder eine fehlende Erklärung.\n\nMachen Sie bei einem bildgestützten Dialog die visuellen Belege gut erkennbar und geben Sie ihren Zweck an. Ein Screenshot kann eine Frage zu einem sichtbaren Oberflächenzustand unterstützen, ein Diagramm eine Bitte um Erklärung eines Zusammenhangs. Ergänzen Sie den schriftlichen Kontext, den das Bild allein nicht liefert. Fragen Sie nach der relevanten Beobachtung und einer mit Ihrer Frage verbundenen Erklärung, statt nach einer Beschreibung jedes sichtbaren Details.\n\nOpenAIs aktuelle Spezifikation für Chat Latest nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token. Der dokumentierte Wissensstand reicht bis zum 20. April 2026. Dies sind die veröffentlichten Eigenschaften der Chat-Modellauswahl, während das zugrunde liegende Modell regelmässig aktualisiert wird. Planen Sie Material und gewünschte Antwort anhand der relevanten Kontext- und Ausgabegrenzen und bewahren Sie die wichtigen Fakten für eine Folgeanfrage.\n\nDer Hersteller nennt Streaming, Structured Outputs, Funktionsaufrufe und Bildeingaben sowie die Schnittstellen Responses und Chat Completions. Zu den dokumentierten Werkzeugen zählen Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Eine strukturierte Antwort legt die Form der zurückgegebenen Informationen fest; eine Werkzeuganforderung benennt eine separate Operation. Anwendungen stellen ihre Operationen bereit, liefern tatsächliche Werkzeugergebnisse und entscheiden, wie der entstehende Text oder andere Ergebnisse dem Nutzer präsentiert werden.\n\nDefinieren Sie das gewünschte Dialogergebnis: eine Antwort, einen überarbeiteten Dokumentabschnitt, die Erklärung eines visuellen Beispiels oder eine Aktionsliste. Benennen Sie bei einer strukturierten Aufgabe die Felder und den Umgang mit fehlenden Informationen. Geben Sie bei einem Redaktionsauftrag Zielgruppe, erforderliche Fakten und akzeptablen Ton an. Eine nützliche abschliessende Antwort ist eine konkrete Fassung, die Sie anhand des Ausgangsmaterials prüfen können. Nachfolgende Nachrichten können ein bestimmtes Detail verfeinern und dabei den Aufgabenzweck ausdrücklich bewahren.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Refine a colleague's rough explanation\n\nRewrite this for a colleague who is new to the process: 'The first file is source data. The second file is cleaned data. We corrected duplicate rows but left missing values empty. Use cleaned data for the report and keep source data for checking.' Make the relationship between the two files clear in at most 65 words.One clear paragraph preserving file roles, duplicate handling and the treatment of missing values.The rewrite keeps missing values empty and tells the colleague to use cleaned data while retaining the source for checks.openai/gpt-chat-latestEine regelmässig aktualisierte Instant-Chat-Auswahl von OpenAI für Dialoge zu Text und Bildern. Stellen Sie einen Entwurf, eine Frage oder ein visuelles Beispiel bereit und verfeinern Sie die daraus entstehende Erklärung, den überarbeiteten Abschnitt oder die knappe Antwort im Dialog.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT Chat Latest bezeichnet die regelmässig aktualisierte Instant-Modellauswahl, die OpenAI als Chat Latest dokumentiert. Sie verweist auf das neueste in ChatGPT eingesetzte Instant-Modell. Sie nimmt Text und Bilder entgegen und erzeugt Text. Der Name bezeichnet eine laufend aktualisierte Chat-Modellauswahl, keine datierte Modelledition.
Ein nützlicher Dialog beginnt mit einer konkreten Arbeit. Stellen Sie einen Entwurf bereit und benennen Sie die vorgesehene Leserschaft, bitten Sie um eine klarere Erklärung einer Passage oder liefern Sie einen Screenshot mit einer Frage zu einem bestimmten Element. Ein beispielhafter Redaktionsauftrag besteht darin, eine grobe Erklärung in eine kurze Nachricht an einen Kollegen umzuwandeln und dabei die erforderlichen Namen und Fakten zu bewahren. Benennen Sie in der nächsten Gesprächsrunde die zu ändernde Passage und den Grund, etwa Ton, Länge oder eine fehlende Erklärung.
Machen Sie bei einem bildgestützten Dialog die visuellen Belege gut erkennbar und geben Sie ihren Zweck an. Ein Screenshot kann eine Frage zu einem sichtbaren Oberflächenzustand unterstützen, ein Diagramm eine Bitte um Erklärung eines Zusammenhangs. Ergänzen Sie den schriftlichen Kontext, den das Bild allein nicht liefert. Fragen Sie nach der relevanten Beobachtung und einer mit Ihrer Frage verbundenen Erklärung, statt nach einer Beschreibung jedes sichtbaren Details.
OpenAIs aktuelle Spezifikation für Chat Latest nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token. Der dokumentierte Wissensstand reicht bis zum 20. April 2026. Dies sind die veröffentlichten Eigenschaften der Chat-Modellauswahl, während das zugrunde liegende Modell regelmässig aktualisiert wird. Planen Sie Material und gewünschte Antwort anhand der relevanten Kontext- und Ausgabegrenzen und bewahren Sie die wichtigen Fakten für eine Folgeanfrage.
Der Hersteller nennt Streaming, Structured Outputs, Funktionsaufrufe und Bildeingaben sowie die Schnittstellen Responses und Chat Completions. Zu den dokumentierten Werkzeugen zählen Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Eine strukturierte Antwort legt die Form der zurückgegebenen Informationen fest; eine Werkzeuganforderung benennt eine separate Operation. Anwendungen stellen ihre Operationen bereit, liefern tatsächliche Werkzeugergebnisse und entscheiden, wie der entstehende Text oder andere Ergebnisse dem Nutzer präsentiert werden.
Definieren Sie das gewünschte Dialogergebnis: eine Antwort, einen überarbeiteten Dokumentabschnitt, die Erklärung eines visuellen Beispiels oder eine Aktionsliste. Benennen Sie bei einer strukturierten Aufgabe die Felder und den Umgang mit fehlenden Informationen. Geben Sie bei einem Redaktionsauftrag Zielgruppe, erforderliche Fakten und akzeptablen Ton an. Eine nützliche abschliessende Antwort ist eine konkrete Fassung, die Sie anhand des Ausgangsmaterials prüfen können. Nachfolgende Nachrichten können ein bestimmtes Detail verfeinern und dabei den Aufgabenzweck ausdrücklich bewahren.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-chat-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 $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.06 / 1K Tokens Eingabe · Cache lesen $0.001 / 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 $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.06 / 1K Tokens Eingabe · Cache lesen $0.001 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-chat-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-chat-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-chat-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 openai/gpt-chat-latest
Verwenden Sie die oben angezeigten Methodenpfade.
openai/gpt-chat-latestEine regelmässig aktualisierte Instant-Chat-Auswahl von OpenAI für Dialoge zu Text und Bildern. Stellen Sie einen Entwurf, eine Frage oder ein visuelles Beispiel bereit und verfeinern Sie die daraus entstehende Erklärung, den überarbeiteten Abschnitt oder die knappe Antwort im Dialog.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT Chat Latest bezeichnet die regelmässig aktualisierte Instant-Modellauswahl, die OpenAI als Chat Latest dokumentiert. Sie verweist auf das neueste in ChatGPT eingesetzte Instant-Modell. Sie nimmt Text und Bilder entgegen und erzeugt Text. Der Name bezeichnet eine laufend aktualisierte Chat-Modellauswahl, keine datierte Modelledition.
Ein nützlicher Dialog beginnt mit einer konkreten Arbeit. Stellen Sie einen Entwurf bereit und benennen Sie die vorgesehene Leserschaft, bitten Sie um eine klarere Erklärung einer Passage oder liefern Sie einen Screenshot mit einer Frage zu einem bestimmten Element. Ein beispielhafter Redaktionsauftrag besteht darin, eine grobe Erklärung in eine kurze Nachricht an einen Kollegen umzuwandeln und dabei die erforderlichen Namen und Fakten zu bewahren. Benennen Sie in der nächsten Gesprächsrunde die zu ändernde Passage und den Grund, etwa Ton, Länge oder eine fehlende Erklärung.
Machen Sie bei einem bildgestützten Dialog die visuellen Belege gut erkennbar und geben Sie ihren Zweck an. Ein Screenshot kann eine Frage zu einem sichtbaren Oberflächenzustand unterstützen, ein Diagramm eine Bitte um Erklärung eines Zusammenhangs. Ergänzen Sie den schriftlichen Kontext, den das Bild allein nicht liefert. Fragen Sie nach der relevanten Beobachtung und einer mit Ihrer Frage verbundenen Erklärung, statt nach einer Beschreibung jedes sichtbaren Details.
OpenAIs aktuelle Spezifikation für Chat Latest nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token. Der dokumentierte Wissensstand reicht bis zum 20. April 2026. Dies sind die veröffentlichten Eigenschaften der Chat-Modellauswahl, während das zugrunde liegende Modell regelmässig aktualisiert wird. Planen Sie Material und gewünschte Antwort anhand der relevanten Kontext- und Ausgabegrenzen und bewahren Sie die wichtigen Fakten für eine Folgeanfrage.
Der Hersteller nennt Streaming, Structured Outputs, Funktionsaufrufe und Bildeingaben sowie die Schnittstellen Responses und Chat Completions. Zu den dokumentierten Werkzeugen zählen Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Eine strukturierte Antwort legt die Form der zurückgegebenen Informationen fest; eine Werkzeuganforderung benennt eine separate Operation. Anwendungen stellen ihre Operationen bereit, liefern tatsächliche Werkzeugergebnisse und entscheiden, wie der entstehende Text oder andere Ergebnisse dem Nutzer präsentiert werden.
Definieren Sie das gewünschte Dialogergebnis: eine Antwort, einen überarbeiteten Dokumentabschnitt, die Erklärung eines visuellen Beispiels oder eine Aktionsliste. Benennen Sie bei einer strukturierten Aufgabe die Felder und den Umgang mit fehlenden Informationen. Geben Sie bei einem Redaktionsauftrag Zielgruppe, erforderliche Fakten und akzeptablen Ton an. Eine nützliche abschliessende Antwort ist eine konkrete Fassung, die Sie anhand des Ausgangsmaterials prüfen können. Nachfolgende Nachrichten können ein bestimmtes Detail verfeinern und dabei den Aufgabenzweck ausdrücklich bewahren.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-chat-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 $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.06 / 1K Tokens Eingabe · Cache lesen $0.001 / 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 $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.06 / 1K Tokens Eingabe · Cache lesen $0.001 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-chat-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-chat-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-chat-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 openai/gpt-chat-latest
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Refine a colleague's rough explanation\n\nRewrite this for a colleague who is new to the process: 'The first file is source data. The second file is cleaned data. We corrected duplicate rows but left missing values empty. Use cleaned data for the report and keep source data for checking.' Make the relationship between the two files clear in at most 65 words.One clear paragraph preserving file roles, duplicate handling and the treatment of missing values.The rewrite keeps missing values empty and tells the colleague to use cleaned data while retaining the source for checks.