GPT-5.2 es el modelo de razonamiento de OpenAI para trabajo profesional complejo. En la nomenclatura de GPT-5.2 del proveedor, el modelo API corresponde a la edición Thinking, distinta de Chat/Instant y Pro. Acepta texto e imágenes y produce texto. El lanzamiento describe programación, análisis de documentos largos, interpretación visual y tareas que conectan varias fuentes o resultados de herramientas.
Para un documento profesional, proporciona el material, el lector previsto y la pregunta que debe responder el resultado. Un ejemplo de tarea consiste en combinar varios informes de proyecto en un documento breve que distinga hechos, dependencias y una recomendación. El trabajo de hojas de cálculo o presentaciones también necesita los datos de origen y los requisitos del entregable. Las herramientas de la aplicación crean o editan los archivos reales, mientras que la respuesta del modelo organiza o explica el trabajo.
Para programación, proporciona el comportamiento previsto, los archivos de código fuente pertinentes y las restricciones que debe conservar un cambio. El lanzamiento describe depuración, desarrollo de funciones y refactorización como aplicaciones prácticas. Las entradas visuales pueden añadir un panel, una captura de pantalla de interfaz, un diagrama técnico o un informe. Identifica el detalle que debe orientar la respuesta y proporciona el contexto escrito necesario para interpretarlo. La salida directa del modelo sigue siendo texto, en lugar de una imagen generada.
OpenAI especifica una ventana de contexto de 400,000 tokens, una salida máxima de 128,000 tokens y una fecha límite de conocimientos del 31 de agosto de 2025. Las opciones de esfuerzo de razonamiento son none, low, medium, high y xhigh; none es el valor predeterminado. El lanzamiento también documenta compatibilidad con la compactación de Responses para una tarea que continúa a medida que crece su contexto. La compactación conserva el estado pertinente para el trabajo posterior; no convierte una tarea de varios pasos en una única solicitud ilimitada.
El proveedor incluye las interfaces Responses, Chat Completions y Batch, transmisión en continuo, Structured Outputs, llamadas a funciones, entradas de archivos e imágenes, búsqueda en la web y en archivos y almacenamiento de la entrada en caché. Las herramientas del modelo incluyen generación de imágenes, interpretación de código, ejecución de comandos en un entorno alojado, aplicación de parches, habilidades y conexiones MCP. La aplicación gestiona sus operaciones y devuelve resultados reales para que el modelo pueda utilizarlos en la siguiente decisión.
Prepara un objetivo claro, restricciones y especificaciones de salida. Para una decisión documental, indica los criterios y solicita conclusiones vinculadas a las pruebas proporcionadas. Para un cambio propuesto, identifica el comportamiento que debe verificarse y pide que se distingan las comprobaciones ejecutadas realmente de las que siguen siendo propuestas. Un conjunto estructurado de conclusiones, una propuesta de código o un documento que siga los requisitos proporcionados son resultados finales útiles cuando su base y las preguntas pendientes son explícitas.
", "aboutText": "GPT-5.2 es el modelo de razonamiento de OpenAI para trabajo profesional complejo. En la nomenclatura de GPT-5.2 del proveedor, el modelo API corresponde a la edición Thinking, distinta de Chat/Instant y Pro. Acepta texto e imágenes y produce texto. El lanzamiento describe programación, análisis de documentos largos, interpretación visual y tareas que conectan varias fuentes o resultados de herramientas.\n\nPara un documento profesional, proporciona el material, el lector previsto y la pregunta que debe responder el resultado. Un ejemplo de tarea consiste en combinar varios informes de proyecto en un documento breve que distinga hechos, dependencias y una recomendación. El trabajo de hojas de cálculo o presentaciones también necesita los datos de origen y los requisitos del entregable. Las herramientas de la aplicación crean o editan los archivos reales, mientras que la respuesta del modelo organiza o explica el trabajo.\n\nPara programación, proporciona el comportamiento previsto, los archivos de código fuente pertinentes y las restricciones que debe conservar un cambio. El lanzamiento describe depuración, desarrollo de funciones y refactorización como aplicaciones prácticas. Las entradas visuales pueden añadir un panel, una captura de pantalla de interfaz, un diagrama técnico o un informe. Identifica el detalle que debe orientar la respuesta y proporciona el contexto escrito necesario para interpretarlo. La salida directa del modelo sigue siendo texto, en lugar de una imagen generada.\n\nOpenAI especifica una ventana de contexto de 400,000 tokens, una salida máxima de 128,000 tokens y una fecha límite de conocimientos del 31 de agosto de 2025. Las opciones de esfuerzo de razonamiento son none, low, medium, high y xhigh; none es el valor predeterminado. El lanzamiento también documenta compatibilidad con la compactación de Responses para una tarea que continúa a medida que crece su contexto. La compactación conserva el estado pertinente para el trabajo posterior; no convierte una tarea de varios pasos en una única solicitud ilimitada.\n\nEl proveedor incluye las interfaces Responses, Chat Completions y Batch, transmisión en continuo, Structured Outputs, llamadas a funciones, entradas de archivos e imágenes, búsqueda en la web y en archivos y almacenamiento de la entrada en caché. Las herramientas del modelo incluyen generación de imágenes, interpretación de código, ejecución de comandos en un entorno alojado, aplicación de parches, habilidades y conexiones MCP. La aplicación gestiona sus operaciones y devuelve resultados reales para que el modelo pueda utilizarlos en la siguiente decisión.\n\nPrepara un objetivo claro, restricciones y especificaciones de salida. Para una decisión documental, indica los criterios y solicita conclusiones vinculadas a las pruebas proporcionadas. Para un cambio propuesto, identifica el comportamiento que debe verificarse y pide que se distingan las comprobaciones ejecutadas realmente de las que siguen siendo propuestas. Un conjunto estructurado de conclusiones, una propuesta de código o un documento que siga los requisitos proporcionados son resultados finales útiles cuando su base y las preguntas pendientes son explícitas.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Compare two rollout plans\n\nCompare two rollout options against the stated rule. Rule: a release needs a reversible migration and no more than five minutes of planned unavailability. Plan A: four-minute stop, irreversible column deletion. Plan B: six-minute stop, reversible shadow column. Make a criteria table, identify why neither qualifies as written, and propose the smallest question or change needed for each.A two-criteria comparison with a failure reason and a targeted remediation or clarification for each plan.The recommendation does not ignore one rule to favour the plan that satisfies the other.gpt-5.2GPT-5.2 es un modelo de razonamiento para trabajo profesional, programación y tareas de varios pasos. Acepta texto e imágenes y puede desarrollar documentos, analizar material relacionado o trabajar con herramientas de la aplicación conforme a unas instrucciones claras sobre el resultado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-5.2 es el modelo de razonamiento de OpenAI para trabajo profesional complejo. En la nomenclatura de GPT-5.2 del proveedor, el modelo API corresponde a la edición Thinking, distinta de Chat/Instant y Pro. Acepta texto e imágenes y produce texto. El lanzamiento describe programación, análisis de documentos largos, interpretación visual y tareas que conectan varias fuentes o resultados de herramientas.
Para un documento profesional, proporciona el material, el lector previsto y la pregunta que debe responder el resultado. Un ejemplo de tarea consiste en combinar varios informes de proyecto en un documento breve que distinga hechos, dependencias y una recomendación. El trabajo de hojas de cálculo o presentaciones también necesita los datos de origen y los requisitos del entregable. Las herramientas de la aplicación crean o editan los archivos reales, mientras que la respuesta del modelo organiza o explica el trabajo.
Para programación, proporciona el comportamiento previsto, los archivos de código fuente pertinentes y las restricciones que debe conservar un cambio. El lanzamiento describe depuración, desarrollo de funciones y refactorización como aplicaciones prácticas. Las entradas visuales pueden añadir un panel, una captura de pantalla de interfaz, un diagrama técnico o un informe. Identifica el detalle que debe orientar la respuesta y proporciona el contexto escrito necesario para interpretarlo. La salida directa del modelo sigue siendo texto, en lugar de una imagen generada.
OpenAI especifica una ventana de contexto de 400,000 tokens, una salida máxima de 128,000 tokens y una fecha límite de conocimientos del 31 de agosto de 2025. Las opciones de esfuerzo de razonamiento son none, low, medium, high y xhigh; none es el valor predeterminado. El lanzamiento también documenta compatibilidad con la compactación de Responses para una tarea que continúa a medida que crece su contexto. La compactación conserva el estado pertinente para el trabajo posterior; no convierte una tarea de varios pasos en una única solicitud ilimitada.
El proveedor incluye las interfaces Responses, Chat Completions y Batch, transmisión en continuo, Structured Outputs, llamadas a funciones, entradas de archivos e imágenes, búsqueda en la web y en archivos y almacenamiento de la entrada en caché. Las herramientas del modelo incluyen generación de imágenes, interpretación de código, ejecución de comandos en un entorno alojado, aplicación de parches, habilidades y conexiones MCP. La aplicación gestiona sus operaciones y devuelve resultados reales para que el modelo pueda utilizarlos en la siguiente decisión.
Prepara un objetivo claro, restricciones y especificaciones de salida. Para una decisión documental, indica los criterios y solicita conclusiones vinculadas a las pruebas proporcionadas. Para un cambio propuesto, identifica el comportamiento que debe verificarse y pide que se distingan las comprobaciones ejecutadas realmente de las que siguen siendo propuestas. Un conjunto estructurado de conclusiones, una propuesta de código o un documento que siga los requisitos proporcionados son resultados finales útiles cuando su base y las preguntas pendientes son explícitas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-5.2 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0035 / 1K tokens Salida · Tokens de salida $0.028 / 1K tokens Entrada · Lectura de caché $0.00035 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0035 / 1K tokens Salida · Tokens de salida $0.028 / 1K tokens Entrada · Lectura de caché $0.00035 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.2","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="gpt-5.2", 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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gpt-5.2, openai/gpt-5.2
/chat/completions
gpt-5.2GPT-5.2 es un modelo de razonamiento para trabajo profesional, programación y tareas de varios pasos. Acepta texto e imágenes y puede desarrollar documentos, analizar material relacionado o trabajar con herramientas de la aplicación conforme a unas instrucciones claras sobre el resultado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-5.2 es el modelo de razonamiento de OpenAI para trabajo profesional complejo. En la nomenclatura de GPT-5.2 del proveedor, el modelo API corresponde a la edición Thinking, distinta de Chat/Instant y Pro. Acepta texto e imágenes y produce texto. El lanzamiento describe programación, análisis de documentos largos, interpretación visual y tareas que conectan varias fuentes o resultados de herramientas.
Para un documento profesional, proporciona el material, el lector previsto y la pregunta que debe responder el resultado. Un ejemplo de tarea consiste en combinar varios informes de proyecto en un documento breve que distinga hechos, dependencias y una recomendación. El trabajo de hojas de cálculo o presentaciones también necesita los datos de origen y los requisitos del entregable. Las herramientas de la aplicación crean o editan los archivos reales, mientras que la respuesta del modelo organiza o explica el trabajo.
Para programación, proporciona el comportamiento previsto, los archivos de código fuente pertinentes y las restricciones que debe conservar un cambio. El lanzamiento describe depuración, desarrollo de funciones y refactorización como aplicaciones prácticas. Las entradas visuales pueden añadir un panel, una captura de pantalla de interfaz, un diagrama técnico o un informe. Identifica el detalle que debe orientar la respuesta y proporciona el contexto escrito necesario para interpretarlo. La salida directa del modelo sigue siendo texto, en lugar de una imagen generada.
OpenAI especifica una ventana de contexto de 400,000 tokens, una salida máxima de 128,000 tokens y una fecha límite de conocimientos del 31 de agosto de 2025. Las opciones de esfuerzo de razonamiento son none, low, medium, high y xhigh; none es el valor predeterminado. El lanzamiento también documenta compatibilidad con la compactación de Responses para una tarea que continúa a medida que crece su contexto. La compactación conserva el estado pertinente para el trabajo posterior; no convierte una tarea de varios pasos en una única solicitud ilimitada.
El proveedor incluye las interfaces Responses, Chat Completions y Batch, transmisión en continuo, Structured Outputs, llamadas a funciones, entradas de archivos e imágenes, búsqueda en la web y en archivos y almacenamiento de la entrada en caché. Las herramientas del modelo incluyen generación de imágenes, interpretación de código, ejecución de comandos en un entorno alojado, aplicación de parches, habilidades y conexiones MCP. La aplicación gestiona sus operaciones y devuelve resultados reales para que el modelo pueda utilizarlos en la siguiente decisión.
Prepara un objetivo claro, restricciones y especificaciones de salida. Para una decisión documental, indica los criterios y solicita conclusiones vinculadas a las pruebas proporcionadas. Para un cambio propuesto, identifica el comportamiento que debe verificarse y pide que se distingan las comprobaciones ejecutadas realmente de las que siguen siendo propuestas. Un conjunto estructurado de conclusiones, una propuesta de código o un documento que siga los requisitos proporcionados son resultados finales útiles cuando su base y las preguntas pendientes son explícitas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-5.2 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0035 / 1K tokens Salida · Tokens de salida $0.028 / 1K tokens Entrada · Lectura de caché $0.00035 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0035 / 1K tokens Salida · Tokens de salida $0.028 / 1K tokens Entrada · Lectura de caché $0.00035 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gpt-5.2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.2', '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-5.2', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gpt-5.2, openai/gpt-5.2
/chat/completions
openai/gpt-5.2GPT-5.2 es un modelo de razonamiento para trabajo profesional, programación y tareas de varios pasos. Acepta texto e imágenes y puede desarrollar documentos, analizar material relacionado o trabajar con herramientas de la aplicación conforme a unas instrucciones claras sobre el resultado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-5.2 es el modelo de razonamiento de OpenAI para trabajo profesional complejo. En la nomenclatura de GPT-5.2 del proveedor, el modelo API corresponde a la edición Thinking, distinta de Chat/Instant y Pro. Acepta texto e imágenes y produce texto. El lanzamiento describe programación, análisis de documentos largos, interpretación visual y tareas que conectan varias fuentes o resultados de herramientas.
Para un documento profesional, proporciona el material, el lector previsto y la pregunta que debe responder el resultado. Un ejemplo de tarea consiste en combinar varios informes de proyecto en un documento breve que distinga hechos, dependencias y una recomendación. El trabajo de hojas de cálculo o presentaciones también necesita los datos de origen y los requisitos del entregable. Las herramientas de la aplicación crean o editan los archivos reales, mientras que la respuesta del modelo organiza o explica el trabajo.
Para programación, proporciona el comportamiento previsto, los archivos de código fuente pertinentes y las restricciones que debe conservar un cambio. El lanzamiento describe depuración, desarrollo de funciones y refactorización como aplicaciones prácticas. Las entradas visuales pueden añadir un panel, una captura de pantalla de interfaz, un diagrama técnico o un informe. Identifica el detalle que debe orientar la respuesta y proporciona el contexto escrito necesario para interpretarlo. La salida directa del modelo sigue siendo texto, en lugar de una imagen generada.
OpenAI especifica una ventana de contexto de 400,000 tokens, una salida máxima de 128,000 tokens y una fecha límite de conocimientos del 31 de agosto de 2025. Las opciones de esfuerzo de razonamiento son none, low, medium, high y xhigh; none es el valor predeterminado. El lanzamiento también documenta compatibilidad con la compactación de Responses para una tarea que continúa a medida que crece su contexto. La compactación conserva el estado pertinente para el trabajo posterior; no convierte una tarea de varios pasos en una única solicitud ilimitada.
El proveedor incluye las interfaces Responses, Chat Completions y Batch, transmisión en continuo, Structured Outputs, llamadas a funciones, entradas de archivos e imágenes, búsqueda en la web y en archivos y almacenamiento de la entrada en caché. Las herramientas del modelo incluyen generación de imágenes, interpretación de código, ejecución de comandos en un entorno alojado, aplicación de parches, habilidades y conexiones MCP. La aplicación gestiona sus operaciones y devuelve resultados reales para que el modelo pueda utilizarlos en la siguiente decisión.
Prepara un objetivo claro, restricciones y especificaciones de salida. Para una decisión documental, indica los criterios y solicita conclusiones vinculadas a las pruebas proporcionadas. Para un cambio propuesto, identifica el comportamiento que debe verificarse y pide que se distingan las comprobaciones ejecutadas realmente de las que siguen siendo propuestas. Un conjunto estructurado de conclusiones, una propuesta de código o un documento que siga los requisitos proporcionados son resultados finales útiles cuando su base y las preguntas pendientes son explícitas.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5.2 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0035 / 1K tokens Salida · Tokens de salida $0.028 / 1K tokens Entrada · Lectura de caché $0.00035 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0035 / 1K tokens Salida · Tokens de salida $0.028 / 1K tokens Entrada · Lectura de caché $0.00035 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.2", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.2',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.2',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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gpt-5.2, openai/gpt-5.2
/chat/completions
openai/gpt-5.2GPT-5.2 es un modelo de razonamiento para trabajo profesional, programación y tareas de varios pasos. Acepta texto e imágenes y puede desarrollar documentos, analizar material relacionado o trabajar con herramientas de la aplicación conforme a unas instrucciones claras sobre el resultado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-5.2 es el modelo de razonamiento de OpenAI para trabajo profesional complejo. En la nomenclatura de GPT-5.2 del proveedor, el modelo API corresponde a la edición Thinking, distinta de Chat/Instant y Pro. Acepta texto e imágenes y produce texto. El lanzamiento describe programación, análisis de documentos largos, interpretación visual y tareas que conectan varias fuentes o resultados de herramientas.
Para un documento profesional, proporciona el material, el lector previsto y la pregunta que debe responder el resultado. Un ejemplo de tarea consiste en combinar varios informes de proyecto en un documento breve que distinga hechos, dependencias y una recomendación. El trabajo de hojas de cálculo o presentaciones también necesita los datos de origen y los requisitos del entregable. Las herramientas de la aplicación crean o editan los archivos reales, mientras que la respuesta del modelo organiza o explica el trabajo.
Para programación, proporciona el comportamiento previsto, los archivos de código fuente pertinentes y las restricciones que debe conservar un cambio. El lanzamiento describe depuración, desarrollo de funciones y refactorización como aplicaciones prácticas. Las entradas visuales pueden añadir un panel, una captura de pantalla de interfaz, un diagrama técnico o un informe. Identifica el detalle que debe orientar la respuesta y proporciona el contexto escrito necesario para interpretarlo. La salida directa del modelo sigue siendo texto, en lugar de una imagen generada.
OpenAI especifica una ventana de contexto de 400,000 tokens, una salida máxima de 128,000 tokens y una fecha límite de conocimientos del 31 de agosto de 2025. Las opciones de esfuerzo de razonamiento son none, low, medium, high y xhigh; none es el valor predeterminado. El lanzamiento también documenta compatibilidad con la compactación de Responses para una tarea que continúa a medida que crece su contexto. La compactación conserva el estado pertinente para el trabajo posterior; no convierte una tarea de varios pasos en una única solicitud ilimitada.
El proveedor incluye las interfaces Responses, Chat Completions y Batch, transmisión en continuo, Structured Outputs, llamadas a funciones, entradas de archivos e imágenes, búsqueda en la web y en archivos y almacenamiento de la entrada en caché. Las herramientas del modelo incluyen generación de imágenes, interpretación de código, ejecución de comandos en un entorno alojado, aplicación de parches, habilidades y conexiones MCP. La aplicación gestiona sus operaciones y devuelve resultados reales para que el modelo pueda utilizarlos en la siguiente decisión.
Prepara un objetivo claro, restricciones y especificaciones de salida. Para una decisión documental, indica los criterios y solicita conclusiones vinculadas a las pruebas proporcionadas. Para un cambio propuesto, identifica el comportamiento que debe verificarse y pide que se distingan las comprobaciones ejecutadas realmente de las que siguen siendo propuestas. Un conjunto estructurado de conclusiones, una propuesta de código o un documento que siga los requisitos proporcionados son resultados finales útiles cuando su base y las preguntas pendientes son explícitas.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5.2 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0035 / 1K tokens Salida · Tokens de salida $0.028 / 1K tokens Entrada · Lectura de caché $0.00035 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0035 / 1K tokens Salida · Tokens de salida $0.028 / 1K tokens Entrada · Lectura de caché $0.00035 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/gpt-5.2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.2', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.2', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gpt-5.2, openai/gpt-5.2
/chat/completions
Ejemplo técnico en inglés
Compare two rollout plans\n\nCompare two rollout options against the stated rule. Rule: a release needs a reversible migration and no more than five minutes of planned unavailability. Plan A: four-minute stop, irreversible column deletion. Plan B: six-minute stop, reversible shadow column. Make a criteria table, identify why neither qualifies as written, and propose the smallest question or change needed for each.A two-criteria comparison with a failure reason and a targeted remediation or clarification for each plan.The recommendation does not ignore one rule to favour the plan that satisfies the other.