GPT-5.2 Pro ist OpenAIs separate Pro-Edition für komplexe fachliche Aufgaben und schwierige Fragen. Sie nimmt Text und Bilder entgegen und erzeugt Text. Die GPT-5.2-Veröffentlichung unterscheidet Pro von der Instant-Chat-Edition und dem konfigurierbaren Reasoning-Modell GPT-5.2 und bewahrt dabei die eigene Identität und Spezifikation des Pro-Modells.
Eine praktische Anwendung ist eine Analyse, die von mehreren miteinander verbundenen Bedingungen abhängt. Stellen Sie die Frage, das Quellenmaterial und die für eine Auswahl maßgeblichen Kriterien bereit. Eine beispielhafte Anfrage besteht darin, mögliche Implementierungen anhand derselben Anforderungen zu vergleichen, Abhängigkeiten zu ermitteln, die die Entscheidung verändern könnten, und eine Empfehlung mit ausdrücklich benannten Bedingungen zu erstellen. Benennen Sie für eine Dokumentfrage die zu vergleichenden Textstellen und die zu bewahrenden Fakten.
Der Hersteller beschreibt die Rolle von Pro bei anspruchsvoller Programmierung und wissenschaftlichen oder mathematischen Fragen. Eine technische Anfrage sollte daher die relevanten Definitionen, bekannten Bedingungen und das erwartete Verhalten oder Ergebnis enthalten. Wenn ein Bild Belege liefert, benennen Sie das relevante Diagramm, den Screenshot oder das Detail. Fordern Sie ein nützliches Ergebnis wie eine Analyse, eine vorgeschlagene Implementierung oder einen schrittweisen Plan an, statt zu erwarten, dass das Modell sowohl die Frage als auch das Ergebnisformat selbst ableitet.
OpenAI nennt ein Kontextfenster von 400.000 Token, eine maximale Ausgabe von 128.000 Token und den Wissensstand 31. August 2025. GPT-5.2 Pro unterstützt den Reasoning-Aufwand medium, high und xhigh. Der Kontext nimmt das bereitgestellte Material und das Reasoning sowie die sichtbare Antwort auf. Ordnen Sie bei einer langen Anfrage die Belege klar und lassen Sie Raum für die angeforderte Analyse und das Endergebnis.
Der Hersteller dokumentiert GPT-5.2 Pro ausschließlich in Responses, um vor der endgültigen Antwort mehrere Interaktionsschritte des Modells zu unterstützen. Schwierige Anfragen können mehrere Minuten dauern, und der Hersteller empfiehlt die Ausführung im Hintergrund für lang laufende Aufgaben. Die Anwendung verfolgt die Antwortkennung und den Status und ruft das Ergebnis ab, sobald die Verarbeitung einen Endzustand erreicht. Dies ist ein Anfrageablauf des Herstellers, getrennt von der Endpunktzuordnung einer bestehenden Karte.
Die genaue Modellkarte nennt Streaming, Funktionsaufrufe, Web- und Dateisuche, Bildeingaben, Werkzeuge zur Bilderzeugung und MCP-Unterstützung. Anwendungen stellen ihre Vorgänge bereit, führen ihre eigenen Aktionen aus und liefern tatsächliche Ergebnisse für einen weiteren Schritt. Definieren Sie das Abschlusskriterium und fordern Sie, dass die Schlussfolgerung oder vorgeschlagene Änderung mit den Quellenbelegen verbunden ist. Ein nützliches Endergebnis macht die wesentlichen Entscheidungen, ihre Abhängigkeiten und jede offene Bedingung für den Leser erkennbar, der die Arbeit fortsetzen wird.
", "aboutText": "GPT-5.2 Pro ist OpenAIs separate Pro-Edition für komplexe fachliche Aufgaben und schwierige Fragen. Sie nimmt Text und Bilder entgegen und erzeugt Text. Die GPT-5.2-Veröffentlichung unterscheidet Pro von der Instant-Chat-Edition und dem konfigurierbaren Reasoning-Modell GPT-5.2 und bewahrt dabei die eigene Identität und Spezifikation des Pro-Modells.\n\nEine praktische Anwendung ist eine Analyse, die von mehreren miteinander verbundenen Bedingungen abhängt. Stellen Sie die Frage, das Quellenmaterial und die für eine Auswahl maßgeblichen Kriterien bereit. Eine beispielhafte Anfrage besteht darin, mögliche Implementierungen anhand derselben Anforderungen zu vergleichen, Abhängigkeiten zu ermitteln, die die Entscheidung verändern könnten, und eine Empfehlung mit ausdrücklich benannten Bedingungen zu erstellen. Benennen Sie für eine Dokumentfrage die zu vergleichenden Textstellen und die zu bewahrenden Fakten.\n\nDer Hersteller beschreibt die Rolle von Pro bei anspruchsvoller Programmierung und wissenschaftlichen oder mathematischen Fragen. Eine technische Anfrage sollte daher die relevanten Definitionen, bekannten Bedingungen und das erwartete Verhalten oder Ergebnis enthalten. Wenn ein Bild Belege liefert, benennen Sie das relevante Diagramm, den Screenshot oder das Detail. Fordern Sie ein nützliches Ergebnis wie eine Analyse, eine vorgeschlagene Implementierung oder einen schrittweisen Plan an, statt zu erwarten, dass das Modell sowohl die Frage als auch das Ergebnisformat selbst ableitet.\n\nOpenAI nennt ein Kontextfenster von 400.000 Token, eine maximale Ausgabe von 128.000 Token und den Wissensstand 31. August 2025. GPT-5.2 Pro unterstützt den Reasoning-Aufwand medium, high und xhigh. Der Kontext nimmt das bereitgestellte Material und das Reasoning sowie die sichtbare Antwort auf. Ordnen Sie bei einer langen Anfrage die Belege klar und lassen Sie Raum für die angeforderte Analyse und das Endergebnis.\n\nDer Hersteller dokumentiert GPT-5.2 Pro ausschließlich in Responses, um vor der endgültigen Antwort mehrere Interaktionsschritte des Modells zu unterstützen. Schwierige Anfragen können mehrere Minuten dauern, und der Hersteller empfiehlt die Ausführung im Hintergrund für lang laufende Aufgaben. Die Anwendung verfolgt die Antwortkennung und den Status und ruft das Ergebnis ab, sobald die Verarbeitung einen Endzustand erreicht. Dies ist ein Anfrageablauf des Herstellers, getrennt von der Endpunktzuordnung einer bestehenden Karte.\n\nDie genaue Modellkarte nennt Streaming, Funktionsaufrufe, Web- und Dateisuche, Bildeingaben, Werkzeuge zur Bilderzeugung und MCP-Unterstützung. Anwendungen stellen ihre Vorgänge bereit, führen ihre eigenen Aktionen aus und liefern tatsächliche Ergebnisse für einen weiteren Schritt. Definieren Sie das Abschlusskriterium und fordern Sie, dass die Schlussfolgerung oder vorgeschlagene Änderung mit den Quellenbelegen verbunden ist. Ein nützliches Endergebnis macht die wesentlichen Entscheidungen, ihre Abhängigkeiten und jede offene Bedingung für den Leser erkennbar, der die Arbeit fortsetzen wird.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e72f91ce2a05deb3b16428d46a28edcfe09ed6c99c6b86f390bb98566ec94d48", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "openai/gpt-5.2-pro:batchDie separate Edition GPT-5.2 Pro ist für schwierige fachliche Fragen und eingehendere Analysen ausgelegt. Sie nimmt Text und Bilder entgegen und entwickelt eine Textantwort mit dem Reasoning-Aufwand medium, high oder xhigh über die Responses-Schnittstelle des Herstellers.
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 Pro ist OpenAIs separate Pro-Edition für komplexe fachliche Aufgaben und schwierige Fragen. Sie nimmt Text und Bilder entgegen und erzeugt Text. Die GPT-5.2-Veröffentlichung unterscheidet Pro von der Instant-Chat-Edition und dem konfigurierbaren Reasoning-Modell GPT-5.2 und bewahrt dabei die eigene Identität und Spezifikation des Pro-Modells.
Eine praktische Anwendung ist eine Analyse, die von mehreren miteinander verbundenen Bedingungen abhängt. Stellen Sie die Frage, das Quellenmaterial und die für eine Auswahl maßgeblichen Kriterien bereit. Eine beispielhafte Anfrage besteht darin, mögliche Implementierungen anhand derselben Anforderungen zu vergleichen, Abhängigkeiten zu ermitteln, die die Entscheidung verändern könnten, und eine Empfehlung mit ausdrücklich benannten Bedingungen zu erstellen. Benennen Sie für eine Dokumentfrage die zu vergleichenden Textstellen und die zu bewahrenden Fakten.
Der Hersteller beschreibt die Rolle von Pro bei anspruchsvoller Programmierung und wissenschaftlichen oder mathematischen Fragen. Eine technische Anfrage sollte daher die relevanten Definitionen, bekannten Bedingungen und das erwartete Verhalten oder Ergebnis enthalten. Wenn ein Bild Belege liefert, benennen Sie das relevante Diagramm, den Screenshot oder das Detail. Fordern Sie ein nützliches Ergebnis wie eine Analyse, eine vorgeschlagene Implementierung oder einen schrittweisen Plan an, statt zu erwarten, dass das Modell sowohl die Frage als auch das Ergebnisformat selbst ableitet.
OpenAI nennt ein Kontextfenster von 400.000 Token, eine maximale Ausgabe von 128.000 Token und den Wissensstand 31. August 2025. GPT-5.2 Pro unterstützt den Reasoning-Aufwand medium, high und xhigh. Der Kontext nimmt das bereitgestellte Material und das Reasoning sowie die sichtbare Antwort auf. Ordnen Sie bei einer langen Anfrage die Belege klar und lassen Sie Raum für die angeforderte Analyse und das Endergebnis.
Der Hersteller dokumentiert GPT-5.2 Pro ausschließlich in Responses, um vor der endgültigen Antwort mehrere Interaktionsschritte des Modells zu unterstützen. Schwierige Anfragen können mehrere Minuten dauern, und der Hersteller empfiehlt die Ausführung im Hintergrund für lang laufende Aufgaben. Die Anwendung verfolgt die Antwortkennung und den Status und ruft das Ergebnis ab, sobald die Verarbeitung einen Endzustand erreicht. Dies ist ein Anfrageablauf des Herstellers, getrennt von der Endpunktzuordnung einer bestehenden Karte.
Die genaue Modellkarte nennt Streaming, Funktionsaufrufe, Web- und Dateisuche, Bildeingaben, Werkzeuge zur Bilderzeugung und MCP-Unterstützung. Anwendungen stellen ihre Vorgänge bereit, führen ihre eigenen Aktionen aus und liefern tatsächliche Ergebnisse für einen weiteren Schritt. Definieren Sie das Abschlusskriterium und fordern Sie, dass die Schlussfolgerung oder vorgeschlagene Änderung mit den Quellenbelegen verbunden ist. Ein nützliches Endergebnis macht die wesentlichen Entscheidungen, ihre Abhängigkeiten und jede offene Bedingung für den Leser erkennbar, der die Arbeit fortsetzen wird.
POST /v1/batchestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldendpoint | Typstring | AnforderungErforderlich | Werte und Limits /v1/chat/completions | Standard— |
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.2-pro:batch | Standard— |
Feldrequests | Typbatch_item[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldrequests[].custom_id | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldrequests[].body.messages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldcompletion_window | Typstring | AnforderungOptional | Werte und Limits 24h | Standard— |
Feldprovider | Typobject|null | AnforderungOptional | Werte und Limits | Standard— |
Feldrequests[].body.model | Typstring | AnforderungOptional | Werte und Limits openai/gpt-5.2-pro:batch, openai/gpt-5.2-pro | Standard— |
Feldprovider.only | Typstring[] | AnforderungOptional | Werte und Limits openai | Standard— |
Feldprovider.allow_fallbacks | Typboolean|null | AnforderungOptional | Werte und Limits false, null | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragendpoint, model, requests |
Parametermaterial_types | Vertragtext |
Parameterrepresentation | Vertrageingebettete requests[]; jedes Element enthält custom_id und body |
Parameterrequest_endpoint_profile | Vertrag/v1/chat/completions |
Parameterfile_material | VertragDer Aufrufer kann tatsächliches UTF-8-JSONL lokal in requests[] einlesen. Es werden weder ein Upload-Zweck noch input_file_id oder eine Dateireferenz verwendet. Fehlendes oder leeres Kundenmaterial stoppt die Vorbereitung vor POST. |
Parameterserialization_order | Vertragendpoint, model, provider (falls angegeben), completion_window (falls angegeben), requests als letztes Feld |
Parameteroptional_controls | Vertragprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | VertragAnfragekörper für Text Chat Completions in der dokumentierten Inline-Batch-Struktur. |
Lebenszyklus: asynchronous
GET /v1/batches/{operation_id} · die tatsächliche response.id der ursprünglichen Erstellungsantwort; derselbe Nutzer/Schlüssel/dieselbe Gruppe
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.021 / 1K Token Ausgabe · Ausgabetoken $0.168 / 1K Token Eingabe · Cache-Lesen — / 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 $0.021 / 1K Token Ausgabe · Ausgabetoken $0.168 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.2-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.2-pro:batch', 'openai/gpt-5.2-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.2-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\neingebettetes JSON unter results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Das vollständige ursprüngliche Status-JSON, jedes Ergebnis/jede custom_id und den vollständigen Antwort- oder Fehlerkörper aufbewahren. Abgeschlossene results[] ohne Filterung als JSONL speichern.
Die ursprüngliche Vorgangs-ID beibehalten. Bei 503 result_pending_check gilt X-Should-Retry:false; einen ursprünglichen Batch mit unbekanntem Ausgang niemals erneut einreichen.
| Feld | Typ |
|---|---|
Feldresults[].custom_id | Typstring |
Feldresults[].response.body.choices[].message.content | Typstring|null |
Feldresults[].error | Typobject|null |
Feldusage | Typobject|null |
Feldid | Typstring |
Feldmodel | Typstring |
Feldendpoint | Typstring |
Feldstatus | Typstring |
Feldrequest_counts | Typobject |
Feldresults[].id | Typstring |
Feldresults[].response.status_code | Typinteger |
Feldresults[].response.request_id | Typstring |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungUngültige Struktur der dokumentierten Inline-Einbettung, doppelte Schlüssel, ungültige Identitätsangaben zu einem Element oder ein Konflikt mit den konfigurierten Modellfähigkeiten. | Nächster SchrittDie angegebenen Felder vor jeder neuen Einreichung korrigieren. |
Antwort401 · authentication_error | BedingungUngültiger API-Schlüssel. | Nächster SchrittDen autorisierten Ailoot-Schlüssel verwenden. |
Antwort403 · permission_error | BedingungGruppe für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Berechtigung des Schlüssels bzw. der Gruppe prüfen. |
Antwort422 · invalid_request_error | BedingungStapelverarbeitung wird über das Guthaben abgerechnet; die Erstellung über ein Abonnement wird abgelehnt. | Nächster SchrittDie autorisierte Gruppe mit Guthabenabrechnung verwenden. |
Antwort422 · price_unavailable | BedingungFür die Batch-Eingabe kann kein Preisangebot erstellt werden. | Nächster SchrittAntwort aufbewahren; die dokumentierte Eingabe der API-Familie verwenden. |
Antwort402 · billing_error | BedingungReservierung für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Zulassung klären, bevor eine neue Anfrage gestellt wird. |
Antwort503 · price_unavailable | BedingungMethodenpreis bzw. native Tarife für Stapelverarbeitung nicht verfügbar. | Nächster SchrittAntwort aufbewahren; keine anderen Preise einsetzen. |
Antwort503 · api_error | BedingungDie genaue Anbieterroute ist nicht verfügbar. | Nächster SchrittAntwort zur Reparatur der Route aufbewahren. |
Antwort503 · result_pending_check | BedingungDas ursprüngliche Ergebnis muss geprüft werden; X-Should-Retry:false. | Nächster SchrittDie ursprüngliche operation_id/id beibehalten und ihren Status lesen; den ursprünglichen POST niemals wiederholen. |
Antwort404 · not_found | BedingungDer Batch-Vorgang, dessen Status abgefragt wird, ist nicht vorhanden oder gehört einer anderen Identität. | Nächster SchrittDie genaue ursprüngliche id und denselben Nutzer/Schlüssel/dieselbe Gruppe verwenden. |
Ailoot Ultra openai/gpt-5.2-pro:batch
Verwenden Sie die oben angezeigten Methodenpfade.