Το GPT-5-Codex είναι η έκδοση GPT-5 της OpenAI που έχει βελτιστοποιηθεί για ανάπτυξη λογισμικού με πράκτορες στο Codex και σε συγκρίσιμα περιβάλλοντα κώδικα. Η εκπαίδευσή του στοχεύει εργασίες όπως δημιουργία έργων, υλοποίηση λειτουργιών και δοκιμών, αποσφαλμάτωση, αναδιάρθρωση καθιερωμένων βάσεων κώδικα και έλεγχο αλλαγών. Η ενισχυτική μάθηση σε πραγματικές εργασίες κώδικα αναπτύσσει την τήρηση οδηγιών, το ύφος κώδικα και την επαναληπτική επαλήθευση. Το προβλεπόμενο περιβάλλον είναι ένας βοηθός κώδικα με πρόσβαση στο πλαίσιο του έργου και σε εργαλεία ανάπτυξης.
Το μοντέλο προσαρμόζει την ποσότητα συλλογιστικής που αφιερώνει σε μια εργασία. Μια μικρή, σαφώς καθορισμένη αλλαγή μπορεί να αντιμετωπιστεί ως διαδραστική ανταλλαγή, ενώ μια σύνθετη αναδιάρθρωση μπορεί να περιλαμβάνει παρατεταμένη ανάλυση και επαναλαμβανόμενα βήματα υλοποίησης. Αυτή η προσαρμοστική συμπεριφορά συνδέει τη συνομιλία με την εκτέλεση: ο πράκτορας εξετάζει το έργο, προτείνει αλλαγή, λαμβάνει αποτελέσματα από το περιβάλλον του και συνεχίζει να εργάζεται προς το δηλωμένο αποτέλεσμα.
Ο έλεγχος κώδικα αποτελεί διακριτό μέρος της εξειδίκευσής του. Η OpenAI περιγράφει έναν ελεγκτή που εξετάζει τη βάση κώδικα και τις εξαρτήσεις, συσχετίζει μια προτεινόμενη αλλαγή με την επιδιωκόμενη συμπεριφορά της και χρησιμοποιεί εκτέλεση κώδικα και δοκιμές για να διερευνήσει την ορθότητα. Η χρήσιμη έξοδος είναι μια εστιασμένη εξήγηση ουσιαστικών ελαττωμάτων και του επηρεαζόμενου κώδικα, αντί για σχόλια που βασίζονται μόνο στην όψη των διαφορών κώδικα. Τα αρχεία του έργου και τα αποτελέσματα εργαλείων παρέχουν τα τεκμήρια αυτής της ανάλυσης.
Η οπτική είσοδος υποστηρίζει εργασία διεπαφών. Στιγμιότυπα οθόνης, προσχέδια διάταξης και διαγράμματα μπορούν να μεταφέρουν την επιθυμητή διεπαφή ή ένα παρατηρημένο πρόβλημα. Σε περιβάλλον με εργαλεία προγράμματος περιήγησης και στιγμιότυπων οθόνης, ο πράκτορας μπορεί να εξετάζει την υλοποίηση και να συγκρίνει όσα κατασκεύασε με τον παρεχόμενο οπτικό στόχο. Πρόκειται για ροές εργασίας που υποβοηθούνται από το περιβάλλον: το μοντέλο ερμηνεύει πληροφορίες και επιλέγει ενέργειες, ενώ η εφαρμογή παρέχει τα εργαλεία και τα εκτελεί.
Η δημοσιευμένη προδιαγραφή του μοντέλου αναφέρει είσοδο κειμένου και εικόνων και έξοδο κειμένου, παράθυρο συμφραζομένων 400.000 tokens και έως 128.000 tokens εξόδου. Υποστηρίζει tokens συλλογιστικής, ροή απόκρισης, κλήσεις συναρτήσεων και δομημένες εξόδους. Η OpenAI τεκμηριώνει το μοντέλο μέσω της διεπαφής Responses και προσδιορίζει το όνομα χωρίς έκδοση ως ετικέτα μοντέλου που ενημερώνεται. Η τεκμηριωμένη ημερομηνία ορίου γνώσεών του είναι η 30ή Σεπτεμβρίου 2024. Ο ήχος και το βίντεο βρίσκονται εκτός των αναφερόμενων τρόπων εισόδου· η περαιτέρω εκπαίδευση και οι προβλεπόμενες έξοδοι δεν υποστηρίζονται σε αυτή τη διαμόρφωση.
Το προσάρτημα της κάρτας συστήματος διαχωρίζει την εκπαίδευση του μοντέλου από τους μηχανισμούς ελέγχου του προϊόντος. Το μοντέλο εκπαιδεύεται να αντιστέκεται σε οδηγίες έγχυσης προτροπών που συναντά σε υλικό κώδικα. Η απομόνωση του χώρου εργασίας, οι άδειες δικτύου και οι κανόνες έγκρισης ανήκουν στο περιβάλλον του πράκτορα. Αυτή η διάκριση έχει σημασία όταν ο βοηθός διαβάζει εξωτερική τεκμηρίωση ή εκτελεί εντολές: η πρόσβαση ορίζεται από την εφαρμογή και οι έξοδοί της παρέχουν την καταγραφή όσων συνέβησαν πραγματικά.
Για έναν βοηθό κώδικα που χρησιμοποιεί το Ailoot API, ξεκινήστε από τη συμπεριφορά που πρέπει να επιτευχθεί, τα σχετικά αρχεία και ένα σαφές κριτήριο ολοκλήρωσης. Μια κατάλληλη ανάθεση μπορεί να ζητά συντονισμένη αλλαγή, εξήγηση των επηρεαζόμενων εξαρτήσεων και τους ελέγχους που χρειάζονται για την επικύρωση του αποτελέσματος. Παρέχετε τις τρέχουσες οδηγίες του έργου και χρήσιμα οπτικά παραδείγματα, και ζητήστε ένα αποτέλεσμα που μπορεί να ελεγχθεί: τροποποιημένο κώδικα, ανάλυση ελαττωμάτων ή δοκιμασμένο σχέδιο υλοποίησης.
", "aboutText": "Το GPT-5-Codex είναι η έκδοση GPT-5 της OpenAI που έχει βελτιστοποιηθεί για ανάπτυξη λογισμικού με πράκτορες στο Codex και σε συγκρίσιμα περιβάλλοντα κώδικα. Η εκπαίδευσή του στοχεύει εργασίες όπως δημιουργία έργων, υλοποίηση λειτουργιών και δοκιμών, αποσφαλμάτωση, αναδιάρθρωση καθιερωμένων βάσεων κώδικα και έλεγχο αλλαγών. Η ενισχυτική μάθηση σε πραγματικές εργασίες κώδικα αναπτύσσει την τήρηση οδηγιών, το ύφος κώδικα και την επαναληπτική επαλήθευση. Το προβλεπόμενο περιβάλλον είναι ένας βοηθός κώδικα με πρόσβαση στο πλαίσιο του έργου και σε εργαλεία ανάπτυξης.\n\nΤο μοντέλο προσαρμόζει την ποσότητα συλλογιστικής που αφιερώνει σε μια εργασία. Μια μικρή, σαφώς καθορισμένη αλλαγή μπορεί να αντιμετωπιστεί ως διαδραστική ανταλλαγή, ενώ μια σύνθετη αναδιάρθρωση μπορεί να περιλαμβάνει παρατεταμένη ανάλυση και επαναλαμβανόμενα βήματα υλοποίησης. Αυτή η προσαρμοστική συμπεριφορά συνδέει τη συνομιλία με την εκτέλεση: ο πράκτορας εξετάζει το έργο, προτείνει αλλαγή, λαμβάνει αποτελέσματα από το περιβάλλον του και συνεχίζει να εργάζεται προς το δηλωμένο αποτέλεσμα.\n\nΟ έλεγχος κώδικα αποτελεί διακριτό μέρος της εξειδίκευσής του. Η OpenAI περιγράφει έναν ελεγκτή που εξετάζει τη βάση κώδικα και τις εξαρτήσεις, συσχετίζει μια προτεινόμενη αλλαγή με την επιδιωκόμενη συμπεριφορά της και χρησιμοποιεί εκτέλεση κώδικα και δοκιμές για να διερευνήσει την ορθότητα. Η χρήσιμη έξοδος είναι μια εστιασμένη εξήγηση ουσιαστικών ελαττωμάτων και του επηρεαζόμενου κώδικα, αντί για σχόλια που βασίζονται μόνο στην όψη των διαφορών κώδικα. Τα αρχεία του έργου και τα αποτελέσματα εργαλείων παρέχουν τα τεκμήρια αυτής της ανάλυσης.\n\nΗ οπτική είσοδος υποστηρίζει εργασία διεπαφών. Στιγμιότυπα οθόνης, προσχέδια διάταξης και διαγράμματα μπορούν να μεταφέρουν την επιθυμητή διεπαφή ή ένα παρατηρημένο πρόβλημα. Σε περιβάλλον με εργαλεία προγράμματος περιήγησης και στιγμιότυπων οθόνης, ο πράκτορας μπορεί να εξετάζει την υλοποίηση και να συγκρίνει όσα κατασκεύασε με τον παρεχόμενο οπτικό στόχο. Πρόκειται για ροές εργασίας που υποβοηθούνται από το περιβάλλον: το μοντέλο ερμηνεύει πληροφορίες και επιλέγει ενέργειες, ενώ η εφαρμογή παρέχει τα εργαλεία και τα εκτελεί.\n\nΗ δημοσιευμένη προδιαγραφή του μοντέλου αναφέρει είσοδο κειμένου και εικόνων και έξοδο κειμένου, παράθυρο συμφραζομένων 400.000 tokens και έως 128.000 tokens εξόδου. Υποστηρίζει tokens συλλογιστικής, ροή απόκρισης, κλήσεις συναρτήσεων και δομημένες εξόδους. Η OpenAI τεκμηριώνει το μοντέλο μέσω της διεπαφής Responses και προσδιορίζει το όνομα χωρίς έκδοση ως ετικέτα μοντέλου που ενημερώνεται. Η τεκμηριωμένη ημερομηνία ορίου γνώσεών του είναι η 30ή Σεπτεμβρίου 2024. Ο ήχος και το βίντεο βρίσκονται εκτός των αναφερόμενων τρόπων εισόδου· η περαιτέρω εκπαίδευση και οι προβλεπόμενες έξοδοι δεν υποστηρίζονται σε αυτή τη διαμόρφωση.\n\nΤο προσάρτημα της κάρτας συστήματος διαχωρίζει την εκπαίδευση του μοντέλου από τους μηχανισμούς ελέγχου του προϊόντος. Το μοντέλο εκπαιδεύεται να αντιστέκεται σε οδηγίες έγχυσης προτροπών που συναντά σε υλικό κώδικα. Η απομόνωση του χώρου εργασίας, οι άδειες δικτύου και οι κανόνες έγκρισης ανήκουν στο περιβάλλον του πράκτορα. Αυτή η διάκριση έχει σημασία όταν ο βοηθός διαβάζει εξωτερική τεκμηρίωση ή εκτελεί εντολές: η πρόσβαση ορίζεται από την εφαρμογή και οι έξοδοί της παρέχουν την καταγραφή όσων συνέβησαν πραγματικά.\n\nΓια έναν βοηθό κώδικα που χρησιμοποιεί το Ailoot API, ξεκινήστε από τη συμπεριφορά που πρέπει να επιτευχθεί, τα σχετικά αρχεία και ένα σαφές κριτήριο ολοκλήρωσης. Μια κατάλληλη ανάθεση μπορεί να ζητά συντονισμένη αλλαγή, εξήγηση των επηρεαζόμενων εξαρτήσεων και τους ελέγχους που χρειάζονται για την επικύρωση του αποτελέσματος. Παρέχετε τις τρέχουσες οδηγίες του έργου και χρήσιμα οπτικά παραδείγματα, και ζητήστε ένα αποτέλεσμα που μπορεί να ελεγχθεί: τροποποιημένο κώδικα, ανάλυση ελαττωμάτων ή δοκιμασμένο σχέδιο υλοποίησης.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
Review a mutable default argument\n\nReview this Python function: def add_tag(tag, tags=[]):\n tags.append(tag)\n return tags\nCalling add_tag("red") and then add_tag("blue") should return separate one-item lists when no list is supplied. Explain the defect, give a minimal correction and tests for independent calls and an explicitly provided list.A defect explanation, corrected function and tests covering default and explicit arguments.Check that omitted lists do not share state while a caller-supplied list retains the intended append behavior.gpt-5-codexΤο GPT-5-Codex είναι η παραλλαγή GPT-5 της OpenAI για ανάπτυξη λογισμικού με πράκτορες: υλοποίηση λειτουργιών, αποσφαλμάτωση, αναδιάρθρωση και έλεγχο κώδικα σε περιβάλλον με εργαλεία. Συνδυάζει είσοδο κειμένου και εικόνων με προσαρμοστική συλλογιστική και παράθυρο συμφραζομένων 400.000 tokens.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το GPT-5-Codex είναι η έκδοση GPT-5 της OpenAI που έχει βελτιστοποιηθεί για ανάπτυξη λογισμικού με πράκτορες στο Codex και σε συγκρίσιμα περιβάλλοντα κώδικα. Η εκπαίδευσή του στοχεύει εργασίες όπως δημιουργία έργων, υλοποίηση λειτουργιών και δοκιμών, αποσφαλμάτωση, αναδιάρθρωση καθιερωμένων βάσεων κώδικα και έλεγχο αλλαγών. Η ενισχυτική μάθηση σε πραγματικές εργασίες κώδικα αναπτύσσει την τήρηση οδηγιών, το ύφος κώδικα και την επαναληπτική επαλήθευση. Το προβλεπόμενο περιβάλλον είναι ένας βοηθός κώδικα με πρόσβαση στο πλαίσιο του έργου και σε εργαλεία ανάπτυξης.
Το μοντέλο προσαρμόζει την ποσότητα συλλογιστικής που αφιερώνει σε μια εργασία. Μια μικρή, σαφώς καθορισμένη αλλαγή μπορεί να αντιμετωπιστεί ως διαδραστική ανταλλαγή, ενώ μια σύνθετη αναδιάρθρωση μπορεί να περιλαμβάνει παρατεταμένη ανάλυση και επαναλαμβανόμενα βήματα υλοποίησης. Αυτή η προσαρμοστική συμπεριφορά συνδέει τη συνομιλία με την εκτέλεση: ο πράκτορας εξετάζει το έργο, προτείνει αλλαγή, λαμβάνει αποτελέσματα από το περιβάλλον του και συνεχίζει να εργάζεται προς το δηλωμένο αποτέλεσμα.
Ο έλεγχος κώδικα αποτελεί διακριτό μέρος της εξειδίκευσής του. Η OpenAI περιγράφει έναν ελεγκτή που εξετάζει τη βάση κώδικα και τις εξαρτήσεις, συσχετίζει μια προτεινόμενη αλλαγή με την επιδιωκόμενη συμπεριφορά της και χρησιμοποιεί εκτέλεση κώδικα και δοκιμές για να διερευνήσει την ορθότητα. Η χρήσιμη έξοδος είναι μια εστιασμένη εξήγηση ουσιαστικών ελαττωμάτων και του επηρεαζόμενου κώδικα, αντί για σχόλια που βασίζονται μόνο στην όψη των διαφορών κώδικα. Τα αρχεία του έργου και τα αποτελέσματα εργαλείων παρέχουν τα τεκμήρια αυτής της ανάλυσης.
Η οπτική είσοδος υποστηρίζει εργασία διεπαφών. Στιγμιότυπα οθόνης, προσχέδια διάταξης και διαγράμματα μπορούν να μεταφέρουν την επιθυμητή διεπαφή ή ένα παρατηρημένο πρόβλημα. Σε περιβάλλον με εργαλεία προγράμματος περιήγησης και στιγμιότυπων οθόνης, ο πράκτορας μπορεί να εξετάζει την υλοποίηση και να συγκρίνει όσα κατασκεύασε με τον παρεχόμενο οπτικό στόχο. Πρόκειται για ροές εργασίας που υποβοηθούνται από το περιβάλλον: το μοντέλο ερμηνεύει πληροφορίες και επιλέγει ενέργειες, ενώ η εφαρμογή παρέχει τα εργαλεία και τα εκτελεί.
Η δημοσιευμένη προδιαγραφή του μοντέλου αναφέρει είσοδο κειμένου και εικόνων και έξοδο κειμένου, παράθυρο συμφραζομένων 400.000 tokens και έως 128.000 tokens εξόδου. Υποστηρίζει tokens συλλογιστικής, ροή απόκρισης, κλήσεις συναρτήσεων και δομημένες εξόδους. Η OpenAI τεκμηριώνει το μοντέλο μέσω της διεπαφής Responses και προσδιορίζει το όνομα χωρίς έκδοση ως ετικέτα μοντέλου που ενημερώνεται. Η τεκμηριωμένη ημερομηνία ορίου γνώσεών του είναι η 30ή Σεπτεμβρίου 2024. Ο ήχος και το βίντεο βρίσκονται εκτός των αναφερόμενων τρόπων εισόδου· η περαιτέρω εκπαίδευση και οι προβλεπόμενες έξοδοι δεν υποστηρίζονται σε αυτή τη διαμόρφωση.
Το προσάρτημα της κάρτας συστήματος διαχωρίζει την εκπαίδευση του μοντέλου από τους μηχανισμούς ελέγχου του προϊόντος. Το μοντέλο εκπαιδεύεται να αντιστέκεται σε οδηγίες έγχυσης προτροπών που συναντά σε υλικό κώδικα. Η απομόνωση του χώρου εργασίας, οι άδειες δικτύου και οι κανόνες έγκρισης ανήκουν στο περιβάλλον του πράκτορα. Αυτή η διάκριση έχει σημασία όταν ο βοηθός διαβάζει εξωτερική τεκμηρίωση ή εκτελεί εντολές: η πρόσβαση ορίζεται από την εφαρμογή και οι έξοδοί της παρέχουν την καταγραφή όσων συνέβησαν πραγματικά.
Για έναν βοηθό κώδικα που χρησιμοποιεί το Ailoot API, ξεκινήστε από τη συμπεριφορά που πρέπει να επιτευχθεί, τα σχετικά αρχεία και ένα σαφές κριτήριο ολοκλήρωσης. Μια κατάλληλη ανάθεση μπορεί να ζητά συντονισμένη αλλαγή, εξήγηση των επηρεαζόμενων εξαρτήσεων και τους ελέγχους που χρειάζονται για την επικύρωση του αποτελέσματος. Παρέχετε τις τρέχουσες οδηγίες του έργου και χρήσιμα οπτικά παραδείγματα, και ζητήστε ένα αποτέλεσμα που μπορεί να ελεγχθεί: τροποποιημένο κώδικα, ανάλυση ελαττωμάτων ή δοκιμασμένο σχέδιο υλοποίησης.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια gpt-5-codex | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmodalities | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
Πεδίοcache_control.ttl | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Παράμετροςcontrol_scope | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.0025 / 1K token Έξοδος · Token εξόδου $0.02 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5-codex", "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='gpt-5-codex',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='gpt-5-codex',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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra gpt-5-codex
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
gpt-5-codexΤο GPT-5-Codex είναι η παραλλαγή GPT-5 της OpenAI για ανάπτυξη λογισμικού με πράκτορες: υλοποίηση λειτουργιών, αποσφαλμάτωση, αναδιάρθρωση και έλεγχο κώδικα σε περιβάλλον με εργαλεία. Συνδυάζει είσοδο κειμένου και εικόνων με προσαρμοστική συλλογιστική και παράθυρο συμφραζομένων 400.000 tokens.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το GPT-5-Codex είναι η έκδοση GPT-5 της OpenAI που έχει βελτιστοποιηθεί για ανάπτυξη λογισμικού με πράκτορες στο Codex και σε συγκρίσιμα περιβάλλοντα κώδικα. Η εκπαίδευσή του στοχεύει εργασίες όπως δημιουργία έργων, υλοποίηση λειτουργιών και δοκιμών, αποσφαλμάτωση, αναδιάρθρωση καθιερωμένων βάσεων κώδικα και έλεγχο αλλαγών. Η ενισχυτική μάθηση σε πραγματικές εργασίες κώδικα αναπτύσσει την τήρηση οδηγιών, το ύφος κώδικα και την επαναληπτική επαλήθευση. Το προβλεπόμενο περιβάλλον είναι ένας βοηθός κώδικα με πρόσβαση στο πλαίσιο του έργου και σε εργαλεία ανάπτυξης.
Το μοντέλο προσαρμόζει την ποσότητα συλλογιστικής που αφιερώνει σε μια εργασία. Μια μικρή, σαφώς καθορισμένη αλλαγή μπορεί να αντιμετωπιστεί ως διαδραστική ανταλλαγή, ενώ μια σύνθετη αναδιάρθρωση μπορεί να περιλαμβάνει παρατεταμένη ανάλυση και επαναλαμβανόμενα βήματα υλοποίησης. Αυτή η προσαρμοστική συμπεριφορά συνδέει τη συνομιλία με την εκτέλεση: ο πράκτορας εξετάζει το έργο, προτείνει αλλαγή, λαμβάνει αποτελέσματα από το περιβάλλον του και συνεχίζει να εργάζεται προς το δηλωμένο αποτέλεσμα.
Ο έλεγχος κώδικα αποτελεί διακριτό μέρος της εξειδίκευσής του. Η OpenAI περιγράφει έναν ελεγκτή που εξετάζει τη βάση κώδικα και τις εξαρτήσεις, συσχετίζει μια προτεινόμενη αλλαγή με την επιδιωκόμενη συμπεριφορά της και χρησιμοποιεί εκτέλεση κώδικα και δοκιμές για να διερευνήσει την ορθότητα. Η χρήσιμη έξοδος είναι μια εστιασμένη εξήγηση ουσιαστικών ελαττωμάτων και του επηρεαζόμενου κώδικα, αντί για σχόλια που βασίζονται μόνο στην όψη των διαφορών κώδικα. Τα αρχεία του έργου και τα αποτελέσματα εργαλείων παρέχουν τα τεκμήρια αυτής της ανάλυσης.
Η οπτική είσοδος υποστηρίζει εργασία διεπαφών. Στιγμιότυπα οθόνης, προσχέδια διάταξης και διαγράμματα μπορούν να μεταφέρουν την επιθυμητή διεπαφή ή ένα παρατηρημένο πρόβλημα. Σε περιβάλλον με εργαλεία προγράμματος περιήγησης και στιγμιότυπων οθόνης, ο πράκτορας μπορεί να εξετάζει την υλοποίηση και να συγκρίνει όσα κατασκεύασε με τον παρεχόμενο οπτικό στόχο. Πρόκειται για ροές εργασίας που υποβοηθούνται από το περιβάλλον: το μοντέλο ερμηνεύει πληροφορίες και επιλέγει ενέργειες, ενώ η εφαρμογή παρέχει τα εργαλεία και τα εκτελεί.
Η δημοσιευμένη προδιαγραφή του μοντέλου αναφέρει είσοδο κειμένου και εικόνων και έξοδο κειμένου, παράθυρο συμφραζομένων 400.000 tokens και έως 128.000 tokens εξόδου. Υποστηρίζει tokens συλλογιστικής, ροή απόκρισης, κλήσεις συναρτήσεων και δομημένες εξόδους. Η OpenAI τεκμηριώνει το μοντέλο μέσω της διεπαφής Responses και προσδιορίζει το όνομα χωρίς έκδοση ως ετικέτα μοντέλου που ενημερώνεται. Η τεκμηριωμένη ημερομηνία ορίου γνώσεών του είναι η 30ή Σεπτεμβρίου 2024. Ο ήχος και το βίντεο βρίσκονται εκτός των αναφερόμενων τρόπων εισόδου· η περαιτέρω εκπαίδευση και οι προβλεπόμενες έξοδοι δεν υποστηρίζονται σε αυτή τη διαμόρφωση.
Το προσάρτημα της κάρτας συστήματος διαχωρίζει την εκπαίδευση του μοντέλου από τους μηχανισμούς ελέγχου του προϊόντος. Το μοντέλο εκπαιδεύεται να αντιστέκεται σε οδηγίες έγχυσης προτροπών που συναντά σε υλικό κώδικα. Η απομόνωση του χώρου εργασίας, οι άδειες δικτύου και οι κανόνες έγκρισης ανήκουν στο περιβάλλον του πράκτορα. Αυτή η διάκριση έχει σημασία όταν ο βοηθός διαβάζει εξωτερική τεκμηρίωση ή εκτελεί εντολές: η πρόσβαση ορίζεται από την εφαρμογή και οι έξοδοί της παρέχουν την καταγραφή όσων συνέβησαν πραγματικά.
Για έναν βοηθό κώδικα που χρησιμοποιεί το Ailoot API, ξεκινήστε από τη συμπεριφορά που πρέπει να επιτευχθεί, τα σχετικά αρχεία και ένα σαφές κριτήριο ολοκλήρωσης. Μια κατάλληλη ανάθεση μπορεί να ζητά συντονισμένη αλλαγή, εξήγηση των επηρεαζόμενων εξαρτήσεων και τους ελέγχους που χρειάζονται για την επικύρωση του αποτελέσματος. Παρέχετε τις τρέχουσες οδηγίες του έργου και χρήσιμα οπτικά παραδείγματα, και ζητήστε ένα αποτέλεσμα που μπορεί να ελεγχθεί: τροποποιημένο κώδικα, ανάλυση ελαττωμάτων ή δοκιμασμένο σχέδιο υλοποίησης.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια gpt-5-codex | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.0025 / 1K token Έξοδος · Token εξόδου $0.02 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "gpt-5-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-codex', '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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra gpt-5-codex
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
Review a mutable default argument\n\nReview this Python function: def add_tag(tag, tags=[]):\n tags.append(tag)\n return tags\nCalling add_tag("red") and then add_tag("blue") should return separate one-item lists when no list is supplied. Explain the defect, give a minimal correction and tests for independent calls and an explicitly provided list.A defect explanation, corrected function and tests covering default and explicit arguments.Check that omitted lists do not share state while a caller-supplied list retains the intended append behavior.