OpenAI o4 Mini ist ein kompaktes Modell aus OpenAIs Reasoning-Reihe. Sein veröffentlichtes Profil verbindet multimodale Eingaben mit dem Werkzeugeinsatz für technische Aufgaben und Agentenaufgaben. Text, Bilder und Dateien können als Grundlage einer Textantwort dienen. Die Hosting-Metadaten führen Steuerungsmöglichkeiten für Reasoning, Funktionswerkzeuge und strukturierte Ausgaben auf.
Stellen Sie das für die aktuelle Frage benötigte Material bereit und benennen Sie das konkrete Ergebnis, das zurückgegeben werden soll. Ein Programmierauftrag kann die relevante Logik, die fehlerauslösende Eingabe und die beabsichtigte Korrektur enthalten. Eine technische Erklärung kann Mengenangaben, Annahmen und die Bedürfnisse der Zielgruppe nennen. Bewahren Sie exakte Einheiten und Quellenkennungen, wenn sie für die Antwort entscheidend sind.
Benennen Sie bei einer visuellen Aufgabe den wichtigen Bild- oder Dokumentbereich und die zu prüfenden Informationen. Fragen Sie nach einer abgegrenzten Feststellung, etwa einer sichtbaren Beschriftung, einer Beziehung oder einem Unterschied zwischen bereitgestellten Quellen. Halten Sie das Originalmaterial für die Prüfung der Modellantwort bereit.
Das veröffentlichte Modellprofil unterstützt Reasoning und Funktionswerkzeuge. Definieren Sie die Operationen, die eine Anwendung ausführen kann, und liefern Sie deren tatsächliche Beobachtungen zurück. Halten Sie eine vorgeschlagene Aktion von ihrem Ergebnis getrennt und bewahren Sie Berechnungseingaben, Befehlsausgaben oder abgerufene Passagen, die späteren Schlussfolgerungen zugrunde liegen.
Steuerungsmöglichkeiten für strukturierte Ausgaben unterstützen Datensätze zur Verarbeitung durch Anwendungen. Geben Sie die Felder und den Umgang mit fehlenden Informationen vor und prüfen Sie anschließend die zurückgegebene Struktur und deren Werte anhand der Quelle. Ein kompaktes Ergebnis bleibt nützlich, wenn seine Belege und Annahmen erhalten bleiben.
Das Profil nennt ein Kontextfenster von 200.000 Token und bis zu 100.000 Completion-Token. Halten Sie die relevante Quelle und feststehende Entscheidungen zusammen und lassen Sie zugleich Platz für die Antwort. Entfernen Sie Wiederholungen, die für die Aufgabe nichts mehr ändern, und bewahren Sie die neuesten Beobachtungen, die für den nächsten Schritt benötigt werden.
Ein nützliches Ergebnis von o4 Mini enthält die Antwort oder den Vorschlag, das unterstützende Material und die Prüfung, die vor einer späteren Aktion der Anwendung erforderlich ist.
", "aboutText": "OpenAI o4 Mini ist ein kompaktes Modell aus OpenAIs Reasoning-Reihe. Sein veröffentlichtes Profil verbindet multimodale Eingaben mit dem Werkzeugeinsatz für technische Aufgaben und Agentenaufgaben. Text, Bilder und Dateien können als Grundlage einer Textantwort dienen. Die Hosting-Metadaten führen Steuerungsmöglichkeiten für Reasoning, Funktionswerkzeuge und strukturierte Ausgaben auf.\n\n### Aufgabe und Belege eingrenzen\n\nStellen Sie das für die aktuelle Frage benötigte Material bereit und benennen Sie das konkrete Ergebnis, das zurückgegeben werden soll. Ein Programmierauftrag kann die relevante Logik, die fehlerauslösende Eingabe und die beabsichtigte Korrektur enthalten. Eine technische Erklärung kann Mengenangaben, Annahmen und die Bedürfnisse der Zielgruppe nennen. Bewahren Sie exakte Einheiten und Quellenkennungen, wenn sie für die Antwort entscheidend sind.\n\nBenennen Sie bei einer visuellen Aufgabe den wichtigen Bild- oder Dokumentbereich und die zu prüfenden Informationen. Fragen Sie nach einer abgegrenzten Feststellung, etwa einer sichtbaren Beschriftung, einer Beziehung oder einem Unterschied zwischen bereitgestellten Quellen. Halten Sie das Originalmaterial für die Prüfung der Modellantwort bereit.\n\n### Reasoning und Schritte mit Werkzeugen\n\nDas veröffentlichte Modellprofil unterstützt Reasoning und Funktionswerkzeuge. Definieren Sie die Operationen, die eine Anwendung ausführen kann, und liefern Sie deren tatsächliche Beobachtungen zurück. Halten Sie eine vorgeschlagene Aktion von ihrem Ergebnis getrennt und bewahren Sie Berechnungseingaben, Befehlsausgaben oder abgerufene Passagen, die späteren Schlussfolgerungen zugrunde liegen.\n\nSteuerungsmöglichkeiten für strukturierte Ausgaben unterstützen Datensätze zur Verarbeitung durch Anwendungen. Geben Sie die Felder und den Umgang mit fehlenden Informationen vor und prüfen Sie anschließend die zurückgegebene Struktur und deren Werte anhand der Quelle. Ein kompaktes Ergebnis bleibt nützlich, wenn seine Belege und Annahmen erhalten bleiben.\n\n### Arbeitskontext vorbereiten\n\nDas Profil nennt ein Kontextfenster von 200.000 Token und bis zu 100.000 Completion-Token. Halten Sie die relevante Quelle und feststehende Entscheidungen zusammen und lassen Sie zugleich Platz für die Antwort. Entfernen Sie Wiederholungen, die für die Aufgabe nichts mehr ändern, und bewahren Sie die neuesten Beobachtungen, die für den nächsten Schritt benötigt werden.\n\nEin nützliches Ergebnis von o4 Mini enthält die Antwort oder den Vorschlag, das unterstützende Material und die Prüfung, die vor einer späteren Aktion der Anwendung erforderlich ist.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Check a scale conversion\n\nA written plan uses a scale of 1:250. A corridor measures 3.6 cm on the plan, while a specification states 8.5 m in the building. Calculate the plan-derived length in meters, compare the two sources and report the discrepancy. Keep measurements, conversion steps and the final comparison separate, without deciding which source is authoritative.A unit conversion, a labeled source comparison and the numerical discrepancy.Check centimeters are converted to meters after scaling and no source is chosen without an authority rule.o4-miniOpenAI o4 Mini ist ein kompaktes Reasoning-Modell mit Text-, Bild- und Dateieingaben sowie Textausgabe. Sein veröffentlichtes Profil verbindet Werkzeuge und strukturierte Ausgaben mit einem Kontext von 200.000 Token für technische Aufgaben und Agentenaufgaben.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
OpenAI o4 Mini ist ein kompaktes Modell aus OpenAIs Reasoning-Reihe. Sein veröffentlichtes Profil verbindet multimodale Eingaben mit dem Werkzeugeinsatz für technische Aufgaben und Agentenaufgaben. Text, Bilder und Dateien können als Grundlage einer Textantwort dienen. Die Hosting-Metadaten führen Steuerungsmöglichkeiten für Reasoning, Funktionswerkzeuge und strukturierte Ausgaben auf.
Stellen Sie das für die aktuelle Frage benötigte Material bereit und benennen Sie das konkrete Ergebnis, das zurückgegeben werden soll. Ein Programmierauftrag kann die relevante Logik, die fehlerauslösende Eingabe und die beabsichtigte Korrektur enthalten. Eine technische Erklärung kann Mengenangaben, Annahmen und die Bedürfnisse der Zielgruppe nennen. Bewahren Sie exakte Einheiten und Quellenkennungen, wenn sie für die Antwort entscheidend sind.
Benennen Sie bei einer visuellen Aufgabe den wichtigen Bild- oder Dokumentbereich und die zu prüfenden Informationen. Fragen Sie nach einer abgegrenzten Feststellung, etwa einer sichtbaren Beschriftung, einer Beziehung oder einem Unterschied zwischen bereitgestellten Quellen. Halten Sie das Originalmaterial für die Prüfung der Modellantwort bereit.
Das veröffentlichte Modellprofil unterstützt Reasoning und Funktionswerkzeuge. Definieren Sie die Operationen, die eine Anwendung ausführen kann, und liefern Sie deren tatsächliche Beobachtungen zurück. Halten Sie eine vorgeschlagene Aktion von ihrem Ergebnis getrennt und bewahren Sie Berechnungseingaben, Befehlsausgaben oder abgerufene Passagen, die späteren Schlussfolgerungen zugrunde liegen.
Steuerungsmöglichkeiten für strukturierte Ausgaben unterstützen Datensätze zur Verarbeitung durch Anwendungen. Geben Sie die Felder und den Umgang mit fehlenden Informationen vor und prüfen Sie anschließend die zurückgegebene Struktur und deren Werte anhand der Quelle. Ein kompaktes Ergebnis bleibt nützlich, wenn seine Belege und Annahmen erhalten bleiben.
Das Profil nennt ein Kontextfenster von 200.000 Token und bis zu 100.000 Completion-Token. Halten Sie die relevante Quelle und feststehende Entscheidungen zusammen und lassen Sie zugleich Platz für die Antwort. Entfernen Sie Wiederholungen, die für die Aufgabe nichts mehr ändern, und bewahren Sie die neuesten Beobachtungen, die für den nächsten Schritt benötigt werden.
Ein nützliches Ergebnis von o4 Mini enthält die Antwort oder den Vorschlag, das unterstützende Material und die Prüfung, die vor einer späteren Aktion der Anwendung erforderlich ist.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits o4-mini | 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 $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.0088 / 1K Token Eingabe · Cache-Lesen $0.00055 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.0088 / 1K Token Eingabe · Cache-Lesen $0.00055 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"o4-mini","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="o4-mini", 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 o4-mini, openai/o4-mini
/chat/completions
o4-miniOpenAI o4 Mini ist ein kompaktes Reasoning-Modell mit Text-, Bild- und Dateieingaben sowie Textausgabe. Sein veröffentlichtes Profil verbindet Werkzeuge und strukturierte Ausgaben mit einem Kontext von 200.000 Token für technische Aufgaben und Agentenaufgaben.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
OpenAI o4 Mini ist ein kompaktes Modell aus OpenAIs Reasoning-Reihe. Sein veröffentlichtes Profil verbindet multimodale Eingaben mit dem Werkzeugeinsatz für technische Aufgaben und Agentenaufgaben. Text, Bilder und Dateien können als Grundlage einer Textantwort dienen. Die Hosting-Metadaten führen Steuerungsmöglichkeiten für Reasoning, Funktionswerkzeuge und strukturierte Ausgaben auf.
Stellen Sie das für die aktuelle Frage benötigte Material bereit und benennen Sie das konkrete Ergebnis, das zurückgegeben werden soll. Ein Programmierauftrag kann die relevante Logik, die fehlerauslösende Eingabe und die beabsichtigte Korrektur enthalten. Eine technische Erklärung kann Mengenangaben, Annahmen und die Bedürfnisse der Zielgruppe nennen. Bewahren Sie exakte Einheiten und Quellenkennungen, wenn sie für die Antwort entscheidend sind.
Benennen Sie bei einer visuellen Aufgabe den wichtigen Bild- oder Dokumentbereich und die zu prüfenden Informationen. Fragen Sie nach einer abgegrenzten Feststellung, etwa einer sichtbaren Beschriftung, einer Beziehung oder einem Unterschied zwischen bereitgestellten Quellen. Halten Sie das Originalmaterial für die Prüfung der Modellantwort bereit.
Das veröffentlichte Modellprofil unterstützt Reasoning und Funktionswerkzeuge. Definieren Sie die Operationen, die eine Anwendung ausführen kann, und liefern Sie deren tatsächliche Beobachtungen zurück. Halten Sie eine vorgeschlagene Aktion von ihrem Ergebnis getrennt und bewahren Sie Berechnungseingaben, Befehlsausgaben oder abgerufene Passagen, die späteren Schlussfolgerungen zugrunde liegen.
Steuerungsmöglichkeiten für strukturierte Ausgaben unterstützen Datensätze zur Verarbeitung durch Anwendungen. Geben Sie die Felder und den Umgang mit fehlenden Informationen vor und prüfen Sie anschließend die zurückgegebene Struktur und deren Werte anhand der Quelle. Ein kompaktes Ergebnis bleibt nützlich, wenn seine Belege und Annahmen erhalten bleiben.
Das Profil nennt ein Kontextfenster von 200.000 Token und bis zu 100.000 Completion-Token. Halten Sie die relevante Quelle und feststehende Entscheidungen zusammen und lassen Sie zugleich Platz für die Antwort. Entfernen Sie Wiederholungen, die für die Aufgabe nichts mehr ändern, und bewahren Sie die neuesten Beobachtungen, die für den nächsten Schritt benötigt werden.
Ein nützliches Ergebnis von o4 Mini enthält die Antwort oder den Vorschlag, das unterstützende Material und die Prüfung, die vor einer späteren Aktion der Anwendung erforderlich ist.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits o4-mini | 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 $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.0088 / 1K Token Eingabe · Cache-Lesen $0.00055 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.0088 / 1K Token Eingabe · Cache-Lesen $0.00055 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "o4-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'o4-mini', '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': 'o4-mini', '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 o4-mini, openai/o4-mini
/chat/completions
openai/o4-miniOpenAI o4 Mini ist ein kompaktes Reasoning-Modell mit Text-, Bild- und Dateieingaben sowie Textausgabe. Sein veröffentlichtes Profil verbindet Werkzeuge und strukturierte Ausgaben mit einem Kontext von 200.000 Token für technische Aufgaben und Agentenaufgaben.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
OpenAI o4 Mini ist ein kompaktes Modell aus OpenAIs Reasoning-Reihe. Sein veröffentlichtes Profil verbindet multimodale Eingaben mit dem Werkzeugeinsatz für technische Aufgaben und Agentenaufgaben. Text, Bilder und Dateien können als Grundlage einer Textantwort dienen. Die Hosting-Metadaten führen Steuerungsmöglichkeiten für Reasoning, Funktionswerkzeuge und strukturierte Ausgaben auf.
Stellen Sie das für die aktuelle Frage benötigte Material bereit und benennen Sie das konkrete Ergebnis, das zurückgegeben werden soll. Ein Programmierauftrag kann die relevante Logik, die fehlerauslösende Eingabe und die beabsichtigte Korrektur enthalten. Eine technische Erklärung kann Mengenangaben, Annahmen und die Bedürfnisse der Zielgruppe nennen. Bewahren Sie exakte Einheiten und Quellenkennungen, wenn sie für die Antwort entscheidend sind.
Benennen Sie bei einer visuellen Aufgabe den wichtigen Bild- oder Dokumentbereich und die zu prüfenden Informationen. Fragen Sie nach einer abgegrenzten Feststellung, etwa einer sichtbaren Beschriftung, einer Beziehung oder einem Unterschied zwischen bereitgestellten Quellen. Halten Sie das Originalmaterial für die Prüfung der Modellantwort bereit.
Das veröffentlichte Modellprofil unterstützt Reasoning und Funktionswerkzeuge. Definieren Sie die Operationen, die eine Anwendung ausführen kann, und liefern Sie deren tatsächliche Beobachtungen zurück. Halten Sie eine vorgeschlagene Aktion von ihrem Ergebnis getrennt und bewahren Sie Berechnungseingaben, Befehlsausgaben oder abgerufene Passagen, die späteren Schlussfolgerungen zugrunde liegen.
Steuerungsmöglichkeiten für strukturierte Ausgaben unterstützen Datensätze zur Verarbeitung durch Anwendungen. Geben Sie die Felder und den Umgang mit fehlenden Informationen vor und prüfen Sie anschließend die zurückgegebene Struktur und deren Werte anhand der Quelle. Ein kompaktes Ergebnis bleibt nützlich, wenn seine Belege und Annahmen erhalten bleiben.
Das Profil nennt ein Kontextfenster von 200.000 Token und bis zu 100.000 Completion-Token. Halten Sie die relevante Quelle und feststehende Entscheidungen zusammen und lassen Sie zugleich Platz für die Antwort. Entfernen Sie Wiederholungen, die für die Aufgabe nichts mehr ändern, und bewahren Sie die neuesten Beobachtungen, die für den nächsten Schritt benötigt werden.
Ein nützliches Ergebnis von o4 Mini enthält die Antwort oder den Vorschlag, das unterstützende Material und die Prüfung, die vor einer späteren Aktion der Anwendung erforderlich ist.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/o4-mini | 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 $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.0088 / 1K Token Eingabe · Cache-Lesen $0.00055 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.0088 / 1K Token Eingabe · Cache-Lesen $0.00055 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/o4-mini", "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/o4-mini',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/o4-mini',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 o4-mini, openai/o4-mini
/chat/completions
openai/o4-miniOpenAI o4 Mini ist ein kompaktes Reasoning-Modell mit Text-, Bild- und Dateieingaben sowie Textausgabe. Sein veröffentlichtes Profil verbindet Werkzeuge und strukturierte Ausgaben mit einem Kontext von 200.000 Token für technische Aufgaben und Agentenaufgaben.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
OpenAI o4 Mini ist ein kompaktes Modell aus OpenAIs Reasoning-Reihe. Sein veröffentlichtes Profil verbindet multimodale Eingaben mit dem Werkzeugeinsatz für technische Aufgaben und Agentenaufgaben. Text, Bilder und Dateien können als Grundlage einer Textantwort dienen. Die Hosting-Metadaten führen Steuerungsmöglichkeiten für Reasoning, Funktionswerkzeuge und strukturierte Ausgaben auf.
Stellen Sie das für die aktuelle Frage benötigte Material bereit und benennen Sie das konkrete Ergebnis, das zurückgegeben werden soll. Ein Programmierauftrag kann die relevante Logik, die fehlerauslösende Eingabe und die beabsichtigte Korrektur enthalten. Eine technische Erklärung kann Mengenangaben, Annahmen und die Bedürfnisse der Zielgruppe nennen. Bewahren Sie exakte Einheiten und Quellenkennungen, wenn sie für die Antwort entscheidend sind.
Benennen Sie bei einer visuellen Aufgabe den wichtigen Bild- oder Dokumentbereich und die zu prüfenden Informationen. Fragen Sie nach einer abgegrenzten Feststellung, etwa einer sichtbaren Beschriftung, einer Beziehung oder einem Unterschied zwischen bereitgestellten Quellen. Halten Sie das Originalmaterial für die Prüfung der Modellantwort bereit.
Das veröffentlichte Modellprofil unterstützt Reasoning und Funktionswerkzeuge. Definieren Sie die Operationen, die eine Anwendung ausführen kann, und liefern Sie deren tatsächliche Beobachtungen zurück. Halten Sie eine vorgeschlagene Aktion von ihrem Ergebnis getrennt und bewahren Sie Berechnungseingaben, Befehlsausgaben oder abgerufene Passagen, die späteren Schlussfolgerungen zugrunde liegen.
Steuerungsmöglichkeiten für strukturierte Ausgaben unterstützen Datensätze zur Verarbeitung durch Anwendungen. Geben Sie die Felder und den Umgang mit fehlenden Informationen vor und prüfen Sie anschließend die zurückgegebene Struktur und deren Werte anhand der Quelle. Ein kompaktes Ergebnis bleibt nützlich, wenn seine Belege und Annahmen erhalten bleiben.
Das Profil nennt ein Kontextfenster von 200.000 Token und bis zu 100.000 Completion-Token. Halten Sie die relevante Quelle und feststehende Entscheidungen zusammen und lassen Sie zugleich Platz für die Antwort. Entfernen Sie Wiederholungen, die für die Aufgabe nichts mehr ändern, und bewahren Sie die neuesten Beobachtungen, die für den nächsten Schritt benötigt werden.
Ein nützliches Ergebnis von o4 Mini enthält die Antwort oder den Vorschlag, das unterstützende Material und die Prüfung, die vor einer späteren Aktion der Anwendung erforderlich ist.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/o4-mini | 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 $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.0088 / 1K Token Eingabe · Cache-Lesen $0.00055 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.0088 / 1K Token Eingabe · Cache-Lesen $0.00055 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "openai/o4-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/o4-mini', '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/o4-mini', '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 o4-mini, openai/o4-mini
/chat/completions
Technisches Beispiel auf Englisch
Check a scale conversion\n\nA written plan uses a scale of 1:250. A corridor measures 3.6 cm on the plan, while a specification states 8.5 m in the building. Calculate the plan-derived length in meters, compare the two sources and report the discrepancy. Keep measurements, conversion steps and the final comparison separate, without deciding which source is authoritative.A unit conversion, a labeled source comparison and the numerical discrepancy.Check centimeters are converted to meters after scaling and no source is chosen without an authority rule.