GPT-5.2-Codex es la edición GPT-5.2 de OpenAI optimizada para programación con agentes en Codex y entornos similares. Acepta texto e imágenes y produce texto. El modelo está diseñado para ingeniería de software prolongada, donde el contexto del proyecto, los resultados de las herramientas y las decisiones ya tomadas afectan al siguiente paso.
El lanzamiento del fabricante describe cambios grandes de código, como refactorizaciones, migraciones y desarrollo de funciones, junto con mejoras del trabajo en entornos Windows. La compactación nativa del contexto permite sesiones prolongadas conservando el estado importante a medida que crece la conversación. Es un mecanismo de continuación de una tarea larga, independiente de una ventana de contexto numéricamente mayor o de una garantía de que todos los detalles de un proyecto cabrán en una sola solicitud.
Para un cambio de código, proporciona el comportamiento requerido, los archivos pertinentes y las restricciones que debe conservar la solución. Un ejemplo de solicitud consiste en migrar un componente manteniendo coherente su comportamiento público: identificar las dependencias, proponer cambios coordinados e indicar cómo debe comprobarse el comportamiento. Para un fallo, incluye el resultado observado, el resultado esperado y las condiciones que reproducen el problema. Los resultados reales de archivos y comandos se convierten en pruebas para la siguiente decisión en el entorno del agente.
La entrada visual puede aportar una maqueta de diseño, una captura de pantalla, un diagrama técnico o un gráfico relacionado con la tarea de ingeniería. El lanzamiento describe la interpretación de estos materiales durante las sesiones de programación. Identifica el estado o la relación importante de la imagen y explica qué debe hacer la implementación con esa información. La salida sigue siendo texto, incluido código o instrucciones para las herramientas conectadas; una referencia visual no convierte a este modelo en un generador de imágenes.
OpenAI indica una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Las opciones admitidas de esfuerzo de razonamiento son low, medium, high y xhigh. La interfaz documentada del modelo es Responses, con transmisión en continuo, Structured Outputs, llamadas a funciones, entrada de imágenes, búsqueda en la web y almacenamiento de la entrada en caché. Sus herramientas enumeradas específicamente incluyen funciones, búsqueda en la web, ejecución de comandos en un entorno alojado y habilidades.
Las aplicaciones proporcionan su entorno de trabajo, ejecutan sus operaciones y devuelven resultados reales. El lanzamiento también describe medidas de protección adicionales para trabajo relacionado con ciberseguridad. Define un criterio de finalización concreto para la tarea de ingeniería y solicita un entregable final que vincule los archivos afectados, los cambios importantes y las comprobaciones completadas con el comportamiento original. Mantén una comprobación propuesta separada de una que se haya ejecutado, para que el resultado pueda respaldar la siguiente etapa de desarrollo.
", "aboutText": "GPT-5.2-Codex es la edición GPT-5.2 de OpenAI optimizada para programación con agentes en Codex y entornos similares. Acepta texto e imágenes y produce texto. El modelo está diseñado para ingeniería de software prolongada, donde el contexto del proyecto, los resultados de las herramientas y las decisiones ya tomadas afectan al siguiente paso.\n\nEl lanzamiento del fabricante describe cambios grandes de código, como refactorizaciones, migraciones y desarrollo de funciones, junto con mejoras del trabajo en entornos Windows. La compactación nativa del contexto permite sesiones prolongadas conservando el estado importante a medida que crece la conversación. Es un mecanismo de continuación de una tarea larga, independiente de una ventana de contexto numéricamente mayor o de una garantía de que todos los detalles de un proyecto cabrán en una sola solicitud.\n\nPara un cambio de código, proporciona el comportamiento requerido, los archivos pertinentes y las restricciones que debe conservar la solución. Un ejemplo de solicitud consiste en migrar un componente manteniendo coherente su comportamiento público: identificar las dependencias, proponer cambios coordinados e indicar cómo debe comprobarse el comportamiento. Para un fallo, incluye el resultado observado, el resultado esperado y las condiciones que reproducen el problema. Los resultados reales de archivos y comandos se convierten en pruebas para la siguiente decisión en el entorno del agente.\n\nLa entrada visual puede aportar una maqueta de diseño, una captura de pantalla, un diagrama técnico o un gráfico relacionado con la tarea de ingeniería. El lanzamiento describe la interpretación de estos materiales durante las sesiones de programación. Identifica el estado o la relación importante de la imagen y explica qué debe hacer la implementación con esa información. La salida sigue siendo texto, incluido código o instrucciones para las herramientas conectadas; una referencia visual no convierte a este modelo en un generador de imágenes.\n\nOpenAI indica una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Las opciones admitidas de esfuerzo de razonamiento son low, medium, high y xhigh. La interfaz documentada del modelo es Responses, con transmisión en continuo, Structured Outputs, llamadas a funciones, entrada de imágenes, búsqueda en la web y almacenamiento de la entrada en caché. Sus herramientas enumeradas específicamente incluyen funciones, búsqueda en la web, ejecución de comandos en un entorno alojado y habilidades.\n\nLas aplicaciones proporcionan su entorno de trabajo, ejecutan sus operaciones y devuelven resultados reales. El lanzamiento también describe medidas de protección adicionales para trabajo relacionado con ciberseguridad. Define un criterio de finalización concreto para la tarea de ingeniería y solicita un entregable final que vincule los archivos afectados, los cambios importantes y las comprobaciones completadas con el comportamiento original. Mantén una comprobación propuesta separada de una que se haya ejecutado, para que el resultado pueda respaldar la siguiente etapa de desarrollo.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.gpt-5.2-codexUna edición GPT-5.2 optimizada para programación con agentes en tareas prolongadas. Acepta texto e imágenes y admite refactorizaciones a escala de proyecto, migraciones y depuración en un entorno conectado a herramientas, con compactación nativa del contexto para continuar el trabajo.
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-Codex es la edición GPT-5.2 de OpenAI optimizada para programación con agentes en Codex y entornos similares. Acepta texto e imágenes y produce texto. El modelo está diseñado para ingeniería de software prolongada, donde el contexto del proyecto, los resultados de las herramientas y las decisiones ya tomadas afectan al siguiente paso.
El lanzamiento del fabricante describe cambios grandes de código, como refactorizaciones, migraciones y desarrollo de funciones, junto con mejoras del trabajo en entornos Windows. La compactación nativa del contexto permite sesiones prolongadas conservando el estado importante a medida que crece la conversación. Es un mecanismo de continuación de una tarea larga, independiente de una ventana de contexto numéricamente mayor o de una garantía de que todos los detalles de un proyecto cabrán en una sola solicitud.
Para un cambio de código, proporciona el comportamiento requerido, los archivos pertinentes y las restricciones que debe conservar la solución. Un ejemplo de solicitud consiste en migrar un componente manteniendo coherente su comportamiento público: identificar las dependencias, proponer cambios coordinados e indicar cómo debe comprobarse el comportamiento. Para un fallo, incluye el resultado observado, el resultado esperado y las condiciones que reproducen el problema. Los resultados reales de archivos y comandos se convierten en pruebas para la siguiente decisión en el entorno del agente.
La entrada visual puede aportar una maqueta de diseño, una captura de pantalla, un diagrama técnico o un gráfico relacionado con la tarea de ingeniería. El lanzamiento describe la interpretación de estos materiales durante las sesiones de programación. Identifica el estado o la relación importante de la imagen y explica qué debe hacer la implementación con esa información. La salida sigue siendo texto, incluido código o instrucciones para las herramientas conectadas; una referencia visual no convierte a este modelo en un generador de imágenes.
OpenAI indica una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Las opciones admitidas de esfuerzo de razonamiento son low, medium, high y xhigh. La interfaz documentada del modelo es Responses, con transmisión en continuo, Structured Outputs, llamadas a funciones, entrada de imágenes, búsqueda en la web y almacenamiento de la entrada en caché. Sus herramientas enumeradas específicamente incluyen funciones, búsqueda en la web, ejecución de comandos en un entorno alojado y habilidades.
Las aplicaciones proporcionan su entorno de trabajo, ejecutan sus operaciones y devuelven resultados reales. El lanzamiento también describe medidas de protección adicionales para trabajo relacionado con ciberseguridad. Define un criterio de finalización concreto para la tarea de ingeniería y solicita un entregable final que vincule los archivos afectados, los cambios importantes y las comprobaciones completadas con el comportamiento original. Mantén una comprobación propuesta separada de una que se haya ejecutado, para que el resultado pueda respaldar la siguiente etapa de desarrollo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-5.2-codex | 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 — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.00035 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-codex","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-codex", 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 las cabeceras. 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-codex, openai/gpt-5.2-codex
/chat/completions
gpt-5.2-codexUna edición GPT-5.2 optimizada para programación con agentes en tareas prolongadas. Acepta texto e imágenes y admite refactorizaciones a escala de proyecto, migraciones y depuración en un entorno conectado a herramientas, con compactación nativa del contexto para continuar el trabajo.
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-Codex es la edición GPT-5.2 de OpenAI optimizada para programación con agentes en Codex y entornos similares. Acepta texto e imágenes y produce texto. El modelo está diseñado para ingeniería de software prolongada, donde el contexto del proyecto, los resultados de las herramientas y las decisiones ya tomadas afectan al siguiente paso.
El lanzamiento del fabricante describe cambios grandes de código, como refactorizaciones, migraciones y desarrollo de funciones, junto con mejoras del trabajo en entornos Windows. La compactación nativa del contexto permite sesiones prolongadas conservando el estado importante a medida que crece la conversación. Es un mecanismo de continuación de una tarea larga, independiente de una ventana de contexto numéricamente mayor o de una garantía de que todos los detalles de un proyecto cabrán en una sola solicitud.
Para un cambio de código, proporciona el comportamiento requerido, los archivos pertinentes y las restricciones que debe conservar la solución. Un ejemplo de solicitud consiste en migrar un componente manteniendo coherente su comportamiento público: identificar las dependencias, proponer cambios coordinados e indicar cómo debe comprobarse el comportamiento. Para un fallo, incluye el resultado observado, el resultado esperado y las condiciones que reproducen el problema. Los resultados reales de archivos y comandos se convierten en pruebas para la siguiente decisión en el entorno del agente.
La entrada visual puede aportar una maqueta de diseño, una captura de pantalla, un diagrama técnico o un gráfico relacionado con la tarea de ingeniería. El lanzamiento describe la interpretación de estos materiales durante las sesiones de programación. Identifica el estado o la relación importante de la imagen y explica qué debe hacer la implementación con esa información. La salida sigue siendo texto, incluido código o instrucciones para las herramientas conectadas; una referencia visual no convierte a este modelo en un generador de imágenes.
OpenAI indica una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Las opciones admitidas de esfuerzo de razonamiento son low, medium, high y xhigh. La interfaz documentada del modelo es Responses, con transmisión en continuo, Structured Outputs, llamadas a funciones, entrada de imágenes, búsqueda en la web y almacenamiento de la entrada en caché. Sus herramientas enumeradas específicamente incluyen funciones, búsqueda en la web, ejecución de comandos en un entorno alojado y habilidades.
Las aplicaciones proporcionan su entorno de trabajo, ejecutan sus operaciones y devuelven resultados reales. El lanzamiento también describe medidas de protección adicionales para trabajo relacionado con ciberseguridad. Define un criterio de finalización concreto para la tarea de ingeniería y solicita un entregable final que vincule los archivos afectados, los cambios importantes y las comprobaciones completadas con el comportamiento original. Mantén una comprobación propuesta separada de una que se haya ejecutado, para que el resultado pueda respaldar la siguiente etapa de desarrollo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-5.2-codex | 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 — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.00035 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.2-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-5.2-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 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 las cabeceras. 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-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexUna edición GPT-5.2 optimizada para programación con agentes en tareas prolongadas. Acepta texto e imágenes y admite refactorizaciones a escala de proyecto, migraciones y depuración en un entorno conectado a herramientas, con compactación nativa del contexto para continuar el trabajo.
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-Codex es la edición GPT-5.2 de OpenAI optimizada para programación con agentes en Codex y entornos similares. Acepta texto e imágenes y produce texto. El modelo está diseñado para ingeniería de software prolongada, donde el contexto del proyecto, los resultados de las herramientas y las decisiones ya tomadas afectan al siguiente paso.
El lanzamiento del fabricante describe cambios grandes de código, como refactorizaciones, migraciones y desarrollo de funciones, junto con mejoras del trabajo en entornos Windows. La compactación nativa del contexto permite sesiones prolongadas conservando el estado importante a medida que crece la conversación. Es un mecanismo de continuación de una tarea larga, independiente de una ventana de contexto numéricamente mayor o de una garantía de que todos los detalles de un proyecto cabrán en una sola solicitud.
Para un cambio de código, proporciona el comportamiento requerido, los archivos pertinentes y las restricciones que debe conservar la solución. Un ejemplo de solicitud consiste en migrar un componente manteniendo coherente su comportamiento público: identificar las dependencias, proponer cambios coordinados e indicar cómo debe comprobarse el comportamiento. Para un fallo, incluye el resultado observado, el resultado esperado y las condiciones que reproducen el problema. Los resultados reales de archivos y comandos se convierten en pruebas para la siguiente decisión en el entorno del agente.
La entrada visual puede aportar una maqueta de diseño, una captura de pantalla, un diagrama técnico o un gráfico relacionado con la tarea de ingeniería. El lanzamiento describe la interpretación de estos materiales durante las sesiones de programación. Identifica el estado o la relación importante de la imagen y explica qué debe hacer la implementación con esa información. La salida sigue siendo texto, incluido código o instrucciones para las herramientas conectadas; una referencia visual no convierte a este modelo en un generador de imágenes.
OpenAI indica una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Las opciones admitidas de esfuerzo de razonamiento son low, medium, high y xhigh. La interfaz documentada del modelo es Responses, con transmisión en continuo, Structured Outputs, llamadas a funciones, entrada de imágenes, búsqueda en la web y almacenamiento de la entrada en caché. Sus herramientas enumeradas específicamente incluyen funciones, búsqueda en la web, ejecución de comandos en un entorno alojado y habilidades.
Las aplicaciones proporcionan su entorno de trabajo, ejecutan sus operaciones y devuelven resultados reales. El lanzamiento también describe medidas de protección adicionales para trabajo relacionado con ciberseguridad. Define un criterio de finalización concreto para la tarea de ingeniería y solicita un entregable final que vincule los archivos afectados, los cambios importantes y las comprobaciones completadas con el comportamiento original. Mantén una comprobación propuesta separada de una que se haya ejecutado, para que el resultado pueda respaldar la siguiente etapa de desarrollo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5.2-codex | 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 — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.00035 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-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='openai/gpt-5.2-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='openai/gpt-5.2-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 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 las cabeceras. 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-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexUna edición GPT-5.2 optimizada para programación con agentes en tareas prolongadas. Acepta texto e imágenes y admite refactorizaciones a escala de proyecto, migraciones y depuración en un entorno conectado a herramientas, con compactación nativa del contexto para continuar el trabajo.
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-Codex es la edición GPT-5.2 de OpenAI optimizada para programación con agentes en Codex y entornos similares. Acepta texto e imágenes y produce texto. El modelo está diseñado para ingeniería de software prolongada, donde el contexto del proyecto, los resultados de las herramientas y las decisiones ya tomadas afectan al siguiente paso.
El lanzamiento del fabricante describe cambios grandes de código, como refactorizaciones, migraciones y desarrollo de funciones, junto con mejoras del trabajo en entornos Windows. La compactación nativa del contexto permite sesiones prolongadas conservando el estado importante a medida que crece la conversación. Es un mecanismo de continuación de una tarea larga, independiente de una ventana de contexto numéricamente mayor o de una garantía de que todos los detalles de un proyecto cabrán en una sola solicitud.
Para un cambio de código, proporciona el comportamiento requerido, los archivos pertinentes y las restricciones que debe conservar la solución. Un ejemplo de solicitud consiste en migrar un componente manteniendo coherente su comportamiento público: identificar las dependencias, proponer cambios coordinados e indicar cómo debe comprobarse el comportamiento. Para un fallo, incluye el resultado observado, el resultado esperado y las condiciones que reproducen el problema. Los resultados reales de archivos y comandos se convierten en pruebas para la siguiente decisión en el entorno del agente.
La entrada visual puede aportar una maqueta de diseño, una captura de pantalla, un diagrama técnico o un gráfico relacionado con la tarea de ingeniería. El lanzamiento describe la interpretación de estos materiales durante las sesiones de programación. Identifica el estado o la relación importante de la imagen y explica qué debe hacer la implementación con esa información. La salida sigue siendo texto, incluido código o instrucciones para las herramientas conectadas; una referencia visual no convierte a este modelo en un generador de imágenes.
OpenAI indica una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Las opciones admitidas de esfuerzo de razonamiento son low, medium, high y xhigh. La interfaz documentada del modelo es Responses, con transmisión en continuo, Structured Outputs, llamadas a funciones, entrada de imágenes, búsqueda en la web y almacenamiento de la entrada en caché. Sus herramientas enumeradas específicamente incluyen funciones, búsqueda en la web, ejecución de comandos en un entorno alojado y habilidades.
Las aplicaciones proporcionan su entorno de trabajo, ejecutan sus operaciones y devuelven resultados reales. El lanzamiento también describe medidas de protección adicionales para trabajo relacionado con ciberseguridad. Define un criterio de finalización concreto para la tarea de ingeniería y solicita un entregable final que vincule los archivos afectados, los cambios importantes y las comprobaciones completadas con el comportamiento original. Mantén una comprobación propuesta separada de una que se haya ejecutado, para que el resultado pueda respaldar la siguiente etapa de desarrollo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5.2-codex | 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 — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.00035 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'openai/gpt-5.2-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': 'openai/gpt-5.2-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 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 las cabeceras. 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-codex, openai/gpt-5.2-codex
/chat/completions
Ejemplo técnico en inglés
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.