GPT-5.2 Chat ist die GPT-5.2-Chat-Edition, die OpenAI unter dem Namen gpt-5.2-chat-latest dokumentiert. Die Veröffentlichung des Herstellers ordnet diesen Namen GPT-5.2 Instant zu, getrennt von GPT-5.2 Thinking und GPT-5.2 Pro. Sie nimmt Text und Bilder entgegen und erzeugt Text und eignet sich damit als Gesprächsmodell für alltägliche Arbeit und Lernen.
Die Veröffentlichung beschreibt die Rolle von Instant bei Informationsfragen, Anleitungen, schrittweisen Erklärungen, technischem Schreiben und Übersetzung. Eine nützliche Anfrage gibt dem Modell ein konkretes Thema und das vom Leser benötigte Ergebnis vor. Eine beispielhafte Aufgabe besteht darin, eine Produkterklärung in eine Antwort auf eine Kundenfrage umzuschreiben, die bereitgestellten Fakten zu bewahren und die entscheidenden Informationen an den Anfang zu stellen. Benennen Sie bei einem Folgeschritt die Leserschaft, den Ton oder die Textstelle, die angepasst werden soll.
Stellen Sie für eine Dokumentaufgabe das ursprüngliche Material und die Anweisungen getrennt bereit. Benennen Sie die erforderlichen Fakten, die vorgesehene Länge und die Abschnitte oder Felder, die das Ergebnis enthalten soll. Stellen Sie für eine visuelle Frage einen lesbaren Screenshot oder ein Diagramm bereit und benennen Sie das relevante Detail. Eine Frage zu einem Oberflächenelement profitiert vom Kontext, der das Ziel des Nutzers erklärt, statt einer Aufforderung, alles im Bild zu beschreiben.
OpenAIs eigene Modellkarte nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und den Wissensstand 31. August 2025. Diese Spezifikationen gehören zur Chat-Edition; die größeren Kontext- und Ausgabespezifikationen anderer GPT-5.2-Modelle sollten sie nicht ersetzen. Halten Sie das nützliche Quellenmaterial und die wesentlichen früheren Fakten des Gesprächs innerhalb des relevanten Fensters.
Der Hersteller dokumentiert Streaming, Structured Outputs und Funktionsaufrufe mit Text- und Bildeingaben und Textausgaben. Das dokumentierte Werkzeugangebot umfasst Funktionen, Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Ein strukturiertes Ergebnis definiert die zurückgegebenen Felder, während eine Funktionsanforderung einen Vorgang für die Umgebung der Anwendung vorschlägt. Die Anwendung führt ihre Aktionen aus und liefert tatsächliche Ergebnisse, bevor sie in einer weiteren Antwort als Belege verwendet werden.
Definieren Sie ein praktisches Ergebnis für den Austausch: eine klare Erklärung, eine überarbeitete Textstelle, einen Antwortvorschlag oder eine Zusammenstellung extrahierter Fakten. Legen Sie bei einem fehlenden Wert fest, wie die Ausgabe ihn darstellen und welche Klärungsfrage sie stellen soll. Verfeinern Sie einen ausgewählten Teil des Ergebnisses in späteren Nachrichten und bewahren Sie dabei den Zweck und die erforderlichen Fakten. Ein nützlicher endgültiger Text lässt sich dann anhand des Quellenmaterials prüfen und in der nächsten Arbeitsstufe des Lesers verwenden.
", "aboutText": "GPT-5.2 Chat ist die GPT-5.2-Chat-Edition, die OpenAI unter dem Namen gpt-5.2-chat-latest dokumentiert. Die Veröffentlichung des Herstellers ordnet diesen Namen GPT-5.2 Instant zu, getrennt von GPT-5.2 Thinking und GPT-5.2 Pro. Sie nimmt Text und Bilder entgegen und erzeugt Text und eignet sich damit als Gesprächsmodell für alltägliche Arbeit und Lernen.\n\nDie Veröffentlichung beschreibt die Rolle von Instant bei Informationsfragen, Anleitungen, schrittweisen Erklärungen, technischem Schreiben und Übersetzung. Eine nützliche Anfrage gibt dem Modell ein konkretes Thema und das vom Leser benötigte Ergebnis vor. Eine beispielhafte Aufgabe besteht darin, eine Produkterklärung in eine Antwort auf eine Kundenfrage umzuschreiben, die bereitgestellten Fakten zu bewahren und die entscheidenden Informationen an den Anfang zu stellen. Benennen Sie bei einem Folgeschritt die Leserschaft, den Ton oder die Textstelle, die angepasst werden soll.\n\nStellen Sie für eine Dokumentaufgabe das ursprüngliche Material und die Anweisungen getrennt bereit. Benennen Sie die erforderlichen Fakten, die vorgesehene Länge und die Abschnitte oder Felder, die das Ergebnis enthalten soll. Stellen Sie für eine visuelle Frage einen lesbaren Screenshot oder ein Diagramm bereit und benennen Sie das relevante Detail. Eine Frage zu einem Oberflächenelement profitiert vom Kontext, der das Ziel des Nutzers erklärt, statt einer Aufforderung, alles im Bild zu beschreiben.\n\nOpenAIs eigene Modellkarte nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und den Wissensstand 31. August 2025. Diese Spezifikationen gehören zur Chat-Edition; die größeren Kontext- und Ausgabespezifikationen anderer GPT-5.2-Modelle sollten sie nicht ersetzen. Halten Sie das nützliche Quellenmaterial und die wesentlichen früheren Fakten des Gesprächs innerhalb des relevanten Fensters.\n\nDer Hersteller dokumentiert Streaming, Structured Outputs und Funktionsaufrufe mit Text- und Bildeingaben und Textausgaben. Das dokumentierte Werkzeugangebot umfasst Funktionen, Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Ein strukturiertes Ergebnis definiert die zurückgegebenen Felder, während eine Funktionsanforderung einen Vorgang für die Umgebung der Anwendung vorschlägt. Die Anwendung führt ihre Aktionen aus und liefert tatsächliche Ergebnisse, bevor sie in einer weiteren Antwort als Belege verwendet werden.\n\nDefinieren Sie ein praktisches Ergebnis für den Austausch: eine klare Erklärung, eine überarbeitete Textstelle, einen Antwortvorschlag oder eine Zusammenstellung extrahierter Fakten. Legen Sie bei einem fehlenden Wert fest, wie die Ausgabe ihn darstellen und welche Klärungsfrage sie stellen soll. Verfeinern Sie einen ausgewählten Teil des Ergebnisses in späteren Nachrichten und bewahren Sie dabei den Zweck und die erforderlichen Fakten. Ein nützlicher endgültiger Text lässt sich dann anhand des Quellenmaterials prüfen und in der nächsten Arbeitsstufe des Lesers verwenden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Explain a setup procedure to a beginner\n\nUsing only this procedure, write a beginner-friendly walkthrough: 'Create a draft; add a title and at least one paragraph; choose Preview; publish only after reviewing the preview.' Explain why Preview precedes publishing and end with a short checklist. Do not invent buttons, account requirements or an automatic save feature.A plain-language walkthrough followed by a checklist reflecting the supplied procedure.The walkthrough includes title and paragraph requirements and places review before publication.openai/gpt-5.2-chatDie Chat-Edition von GPT-5.2 entspricht dem für ChatGPT beschriebenen Instant-Modell. Sie nimmt Text und Bilder entgegen und liefert Text für alltägliche Erklärungen, Schreibaufgaben und Dialoge, die ein konkretes Ergebnis verfeinern.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.2 Chat ist die GPT-5.2-Chat-Edition, die OpenAI unter dem Namen gpt-5.2-chat-latest dokumentiert. Die Veröffentlichung des Herstellers ordnet diesen Namen GPT-5.2 Instant zu, getrennt von GPT-5.2 Thinking und GPT-5.2 Pro. Sie nimmt Text und Bilder entgegen und erzeugt Text und eignet sich damit als Gesprächsmodell für alltägliche Arbeit und Lernen.
Die Veröffentlichung beschreibt die Rolle von Instant bei Informationsfragen, Anleitungen, schrittweisen Erklärungen, technischem Schreiben und Übersetzung. Eine nützliche Anfrage gibt dem Modell ein konkretes Thema und das vom Leser benötigte Ergebnis vor. Eine beispielhafte Aufgabe besteht darin, eine Produkterklärung in eine Antwort auf eine Kundenfrage umzuschreiben, die bereitgestellten Fakten zu bewahren und die entscheidenden Informationen an den Anfang zu stellen. Benennen Sie bei einem Folgeschritt die Leserschaft, den Ton oder die Textstelle, die angepasst werden soll.
Stellen Sie für eine Dokumentaufgabe das ursprüngliche Material und die Anweisungen getrennt bereit. Benennen Sie die erforderlichen Fakten, die vorgesehene Länge und die Abschnitte oder Felder, die das Ergebnis enthalten soll. Stellen Sie für eine visuelle Frage einen lesbaren Screenshot oder ein Diagramm bereit und benennen Sie das relevante Detail. Eine Frage zu einem Oberflächenelement profitiert vom Kontext, der das Ziel des Nutzers erklärt, statt einer Aufforderung, alles im Bild zu beschreiben.
OpenAIs eigene Modellkarte nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und den Wissensstand 31. August 2025. Diese Spezifikationen gehören zur Chat-Edition; die größeren Kontext- und Ausgabespezifikationen anderer GPT-5.2-Modelle sollten sie nicht ersetzen. Halten Sie das nützliche Quellenmaterial und die wesentlichen früheren Fakten des Gesprächs innerhalb des relevanten Fensters.
Der Hersteller dokumentiert Streaming, Structured Outputs und Funktionsaufrufe mit Text- und Bildeingaben und Textausgaben. Das dokumentierte Werkzeugangebot umfasst Funktionen, Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Ein strukturiertes Ergebnis definiert die zurückgegebenen Felder, während eine Funktionsanforderung einen Vorgang für die Umgebung der Anwendung vorschlägt. Die Anwendung führt ihre Aktionen aus und liefert tatsächliche Ergebnisse, bevor sie in einer weiteren Antwort als Belege verwendet werden.
Definieren Sie ein praktisches Ergebnis für den Austausch: eine klare Erklärung, eine überarbeitete Textstelle, einen Antwortvorschlag oder eine Zusammenstellung extrahierter Fakten. Legen Sie bei einem fehlenden Wert fest, wie die Ausgabe ihn darstellen und welche Klärungsfrage sie stellen soll. Verfeinern Sie einen ausgewählten Teil des Ergebnisses in späteren Nachrichten und bewahren Sie dabei den Zweck und die erforderlichen Fakten. Ein nützlicher endgültiger Text lässt sich dann anhand des Quellenmaterials prüfen und in der nächsten Arbeitsstufe des Lesers verwenden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.2-chat | 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 $0.0035 / 1K Token Ausgabe · Ausgabetoken $0.028 / 1K Token Eingabe · Cache-Lesen $0.00035 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0035 / 1K Token Ausgabe · Ausgabetoken $0.028 / 1K Token Eingabe · Cache-Lesen $0.00035 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.2-chat", "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-5.2-chat',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-5.2-chat',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-5.2-chat
Verwenden Sie die oben angezeigten Methodenpfade.
openai/gpt-5.2-chatDie Chat-Edition von GPT-5.2 entspricht dem für ChatGPT beschriebenen Instant-Modell. Sie nimmt Text und Bilder entgegen und liefert Text für alltägliche Erklärungen, Schreibaufgaben und Dialoge, die ein konkretes Ergebnis verfeinern.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.2 Chat ist die GPT-5.2-Chat-Edition, die OpenAI unter dem Namen gpt-5.2-chat-latest dokumentiert. Die Veröffentlichung des Herstellers ordnet diesen Namen GPT-5.2 Instant zu, getrennt von GPT-5.2 Thinking und GPT-5.2 Pro. Sie nimmt Text und Bilder entgegen und erzeugt Text und eignet sich damit als Gesprächsmodell für alltägliche Arbeit und Lernen.
Die Veröffentlichung beschreibt die Rolle von Instant bei Informationsfragen, Anleitungen, schrittweisen Erklärungen, technischem Schreiben und Übersetzung. Eine nützliche Anfrage gibt dem Modell ein konkretes Thema und das vom Leser benötigte Ergebnis vor. Eine beispielhafte Aufgabe besteht darin, eine Produkterklärung in eine Antwort auf eine Kundenfrage umzuschreiben, die bereitgestellten Fakten zu bewahren und die entscheidenden Informationen an den Anfang zu stellen. Benennen Sie bei einem Folgeschritt die Leserschaft, den Ton oder die Textstelle, die angepasst werden soll.
Stellen Sie für eine Dokumentaufgabe das ursprüngliche Material und die Anweisungen getrennt bereit. Benennen Sie die erforderlichen Fakten, die vorgesehene Länge und die Abschnitte oder Felder, die das Ergebnis enthalten soll. Stellen Sie für eine visuelle Frage einen lesbaren Screenshot oder ein Diagramm bereit und benennen Sie das relevante Detail. Eine Frage zu einem Oberflächenelement profitiert vom Kontext, der das Ziel des Nutzers erklärt, statt einer Aufforderung, alles im Bild zu beschreiben.
OpenAIs eigene Modellkarte nennt ein Kontextfenster von 128.000 Token, eine maximale Ausgabe von 16.384 Token und den Wissensstand 31. August 2025. Diese Spezifikationen gehören zur Chat-Edition; die größeren Kontext- und Ausgabespezifikationen anderer GPT-5.2-Modelle sollten sie nicht ersetzen. Halten Sie das nützliche Quellenmaterial und die wesentlichen früheren Fakten des Gesprächs innerhalb des relevanten Fensters.
Der Hersteller dokumentiert Streaming, Structured Outputs und Funktionsaufrufe mit Text- und Bildeingaben und Textausgaben. Das dokumentierte Werkzeugangebot umfasst Funktionen, Web- und Dateisuche, Bilderzeugung, Codeinterpretation und MCP-Verbindungen. Ein strukturiertes Ergebnis definiert die zurückgegebenen Felder, während eine Funktionsanforderung einen Vorgang für die Umgebung der Anwendung vorschlägt. Die Anwendung führt ihre Aktionen aus und liefert tatsächliche Ergebnisse, bevor sie in einer weiteren Antwort als Belege verwendet werden.
Definieren Sie ein praktisches Ergebnis für den Austausch: eine klare Erklärung, eine überarbeitete Textstelle, einen Antwortvorschlag oder eine Zusammenstellung extrahierter Fakten. Legen Sie bei einem fehlenden Wert fest, wie die Ausgabe ihn darstellen und welche Klärungsfrage sie stellen soll. Verfeinern Sie einen ausgewählten Teil des Ergebnisses in späteren Nachrichten und bewahren Sie dabei den Zweck und die erforderlichen Fakten. Ein nützlicher endgültiger Text lässt sich dann anhand des Quellenmaterials prüfen und in der nächsten Arbeitsstufe des Lesers verwenden.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.2-chat | 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 $0.0035 / 1K Token Ausgabe · Ausgabetoken $0.028 / 1K Token Eingabe · Cache-Lesen $0.00035 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0035 / 1K Token Ausgabe · Ausgabetoken $0.028 / 1K Token Eingabe · Cache-Lesen $0.00035 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/gpt-5.2-chat",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.2-chat', '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-5.2-chat', '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-5.2-chat
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Explain a setup procedure to a beginner\n\nUsing only this procedure, write a beginner-friendly walkthrough: 'Create a draft; add a title and at least one paragraph; choose Preview; publish only after reviewing the preview.' Explain why Preview precedes publishing and end with a short checklist. Do not invent buttons, account requirements or an automatic save feature.A plain-language walkthrough followed by a checklist reflecting the supplied procedure.The walkthrough includes title and paragraph requirements and places review before publication.