GPT-5.4 Pro es la edición Pro independiente de GPT-5.4 de OpenAI. Utiliza cómputo adicional para abordar preguntas difíciles y desarrollar una respuesta más completa. El modelo acepta texto e imágenes y produce texto. Pro forma parte de la identidad de este modelo y se distingue del ajuste de modo de razonamiento Pro introducido para los modelos base GPT-5.6 y GPT-6.
El lanzamiento de la familia GPT-5.4 sitúa al modelo en el trabajo profesional complejo, combinando razonamiento y programación con tareas que implican documentos, presentaciones y hojas de cálculo. Un ejemplo de solicitud Pro consiste en comparar varios enfoques de implementación frente a un conjunto de requisitos interdependientes, identificar las condiciones que determinan la elección y producir una recomendación explícita. Para una tarea documental, proporciona la pregunta, el material de origen y los criterios para que la conclusión tenga una base clara.
OpenAI especifica para GPT-5.4 Pro una ventana de contexto de 1.050.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Sus opciones admitidas de esfuerzo de razonamiento son medium, high y xhigh; medium es el valor predeterminado. El razonamiento también ocupa espacio de tokens. Organiza una entrada larga en torno al material de origen pertinente y deja espacio para el análisis y el entregable final solicitado.
El proveedor documenta este modelo Pro únicamente en la Responses API, con interacciones de varios turnos con el modelo antes de la respuesta final. Las solicitudes difíciles pueden tardar varios minutos; OpenAI recomienda ejecución en segundo plano para evitar los tiempos de espera agotados de conexión asociados a esperar de forma síncrona un trabajo prolongado. En ese flujo, la aplicación conserva el identificador de respuesta, comprueba si el trabajo está en cola o en curso y recupera el resultado cuando se alcanza un estado terminal.
La ficha del modelo incluye transmisión en continuo, llamadas a funciones, búsqueda en la web y en archivos, entrada de imágenes, herramientas de generación de imágenes y compatibilidad con MCP. El conjunto exacto de herramientas del proveedor también incluye búsqueda de herramientas, aplicación de parches y uso del ordenador. Estas herramientas son independientes de la salida textual del modelo. Las aplicaciones ofrecen las operaciones pertinentes, ejecutan sus propias acciones y proporcionan los resultados reales para continuar el trabajo. Debe utilizarse la lista específica de herramientas de GPT-5.4 Pro para esta edición, sin suponer que todas las funciones de otro modelo GPT-5.4 sean idénticas.
Prepara un criterio de finalización claro y una estructura de resultado. Para trabajo de ingeniería, solicita el comportamiento afectado, la solución propuesta, las dependencias que modifica y las pruebas necesarias para verificarla. Para análisis, distingue los hechos proporcionados, las relaciones inferidas y las condiciones sin resolver. Identifica el detalle importante cuando una imagen respalde la pregunta. Un entregable final útil es una propuesta de código concreta, un informe de decisión o un plan que vincule sus decisiones sustanciales con el objetivo y los materiales originales.
", "aboutText": "GPT-5.4 Pro es la edición Pro independiente de GPT-5.4 de OpenAI. Utiliza cómputo adicional para abordar preguntas difíciles y desarrollar una respuesta más completa. El modelo acepta texto e imágenes y produce texto. Pro forma parte de la identidad de este modelo y se distingue del ajuste de modo de razonamiento Pro introducido para los modelos base GPT-5.6 y GPT-6.\n\nEl lanzamiento de la familia GPT-5.4 sitúa al modelo en el trabajo profesional complejo, combinando razonamiento y programación con tareas que implican documentos, presentaciones y hojas de cálculo. Un ejemplo de solicitud Pro consiste en comparar varios enfoques de implementación frente a un conjunto de requisitos interdependientes, identificar las condiciones que determinan la elección y producir una recomendación explícita. Para una tarea documental, proporciona la pregunta, el material de origen y los criterios para que la conclusión tenga una base clara.\n\nOpenAI especifica para GPT-5.4 Pro una ventana de contexto de 1.050.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Sus opciones admitidas de esfuerzo de razonamiento son medium, high y xhigh; medium es el valor predeterminado. El razonamiento también ocupa espacio de tokens. Organiza una entrada larga en torno al material de origen pertinente y deja espacio para el análisis y el entregable final solicitado.\n\nEl proveedor documenta este modelo Pro únicamente en la Responses API, con interacciones de varios turnos con el modelo antes de la respuesta final. Las solicitudes difíciles pueden tardar varios minutos; OpenAI recomienda ejecución en segundo plano para evitar los tiempos de espera agotados de conexión asociados a esperar de forma síncrona un trabajo prolongado. En ese flujo, la aplicación conserva el identificador de respuesta, comprueba si el trabajo está en cola o en curso y recupera el resultado cuando se alcanza un estado terminal.\n\nLa ficha del modelo incluye transmisión en continuo, llamadas a funciones, búsqueda en la web y en archivos, entrada de imágenes, herramientas de generación de imágenes y compatibilidad con MCP. El conjunto exacto de herramientas del proveedor también incluye búsqueda de herramientas, aplicación de parches y uso del ordenador. Estas herramientas son independientes de la salida textual del modelo. Las aplicaciones ofrecen las operaciones pertinentes, ejecutan sus propias acciones y proporcionan los resultados reales para continuar el trabajo. Debe utilizarse la lista específica de herramientas de GPT-5.4 Pro para esta edición, sin suponer que todas las funciones de otro modelo GPT-5.4 sean idénticas.\n\nPrepara un criterio de finalización claro y una estructura de resultado. Para trabajo de ingeniería, solicita el comportamiento afectado, la solución propuesta, las dependencias que modifica y las pruebas necesarias para verificarla. Para análisis, distingue los hechos proporcionados, las relaciones inferidas y las condiciones sin resolver. Identifica el detalle importante cuando una imagen respalde la pregunta. Un entregable final útil es una propuesta de código concreta, un informe de decisión o un plan que vincule sus decisiones sustanciales con el objetivo y los materiales originales.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Compare implementation approaches against hard requirements\n\nCompare three delivery designs for an export: synchronous processing, an in-memory background worker and a durable job queue. Requirements: the request returns promptly, accepted jobs survive process restarts, and users can retrieve status later. Explain what each design needs to meet every requirement, recommend an approach and identify its operational trade-offs. State assumptions rather than inventing measurements.A requirements-by-approach comparison, a justified recommendation and explicit operational assumptions.The answer tests restart survival and persistent status separately and does not invent benchmark or cost figures.gpt-5.4-proLa edición independiente GPT-5.4 Pro utiliza computación adicional para razonamiento difícil y trabajo profesional. Acepta texto e imágenes y desarrolla una respuesta textual mediante la interfaz Responses de OpenAI, con los ajustes de esfuerzo medium, high y xhigh.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-5.4 Pro es la edición Pro independiente de GPT-5.4 de OpenAI. Utiliza cómputo adicional para abordar preguntas difíciles y desarrollar una respuesta más completa. El modelo acepta texto e imágenes y produce texto. Pro forma parte de la identidad de este modelo y se distingue del ajuste de modo de razonamiento Pro introducido para los modelos base GPT-5.6 y GPT-6.
El lanzamiento de la familia GPT-5.4 sitúa al modelo en el trabajo profesional complejo, combinando razonamiento y programación con tareas que implican documentos, presentaciones y hojas de cálculo. Un ejemplo de solicitud Pro consiste en comparar varios enfoques de implementación frente a un conjunto de requisitos interdependientes, identificar las condiciones que determinan la elección y producir una recomendación explícita. Para una tarea documental, proporciona la pregunta, el material de origen y los criterios para que la conclusión tenga una base clara.
OpenAI especifica para GPT-5.4 Pro una ventana de contexto de 1.050.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Sus opciones admitidas de esfuerzo de razonamiento son medium, high y xhigh; medium es el valor predeterminado. El razonamiento también ocupa espacio de tokens. Organiza una entrada larga en torno al material de origen pertinente y deja espacio para el análisis y el entregable final solicitado.
El proveedor documenta este modelo Pro únicamente en la Responses API, con interacciones de varios turnos con el modelo antes de la respuesta final. Las solicitudes difíciles pueden tardar varios minutos; OpenAI recomienda ejecución en segundo plano para evitar los tiempos de espera agotados de conexión asociados a esperar de forma síncrona un trabajo prolongado. En ese flujo, la aplicación conserva el identificador de respuesta, comprueba si el trabajo está en cola o en curso y recupera el resultado cuando se alcanza un estado terminal.
La ficha del modelo incluye transmisión en continuo, llamadas a funciones, búsqueda en la web y en archivos, entrada de imágenes, herramientas de generación de imágenes y compatibilidad con MCP. El conjunto exacto de herramientas del proveedor también incluye búsqueda de herramientas, aplicación de parches y uso del ordenador. Estas herramientas son independientes de la salida textual del modelo. Las aplicaciones ofrecen las operaciones pertinentes, ejecutan sus propias acciones y proporcionan los resultados reales para continuar el trabajo. Debe utilizarse la lista específica de herramientas de GPT-5.4 Pro para esta edición, sin suponer que todas las funciones de otro modelo GPT-5.4 sean idénticas.
Prepara un criterio de finalización claro y una estructura de resultado. Para trabajo de ingeniería, solicita el comportamiento afectado, la solución propuesta, las dependencias que modifica y las pruebas necesarias para verificarla. Para análisis, distingue los hechos proporcionados, las relaciones inferidas y las condiciones sin resolver. Identifica el detalle importante cuando una imagen respalde la pregunta. Un entregable final útil es una propuesta de código concreta, un informe de decisión o un plan que vincule sus decisiones sustanciales con el objetivo y los materiales originales.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-5.4-pro | 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 $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 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 inclusive272.000 | Cargo Entrada · Tokens de entrada $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de272.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.4-pro","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-5.4-pro", 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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
gpt-5.4-proLa edición independiente GPT-5.4 Pro utiliza computación adicional para razonamiento difícil y trabajo profesional. Acepta texto e imágenes y desarrolla una respuesta textual mediante la interfaz Responses de OpenAI, con los ajustes de esfuerzo medium, high y xhigh.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-5.4 Pro es la edición Pro independiente de GPT-5.4 de OpenAI. Utiliza cómputo adicional para abordar preguntas difíciles y desarrollar una respuesta más completa. El modelo acepta texto e imágenes y produce texto. Pro forma parte de la identidad de este modelo y se distingue del ajuste de modo de razonamiento Pro introducido para los modelos base GPT-5.6 y GPT-6.
El lanzamiento de la familia GPT-5.4 sitúa al modelo en el trabajo profesional complejo, combinando razonamiento y programación con tareas que implican documentos, presentaciones y hojas de cálculo. Un ejemplo de solicitud Pro consiste en comparar varios enfoques de implementación frente a un conjunto de requisitos interdependientes, identificar las condiciones que determinan la elección y producir una recomendación explícita. Para una tarea documental, proporciona la pregunta, el material de origen y los criterios para que la conclusión tenga una base clara.
OpenAI especifica para GPT-5.4 Pro una ventana de contexto de 1.050.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Sus opciones admitidas de esfuerzo de razonamiento son medium, high y xhigh; medium es el valor predeterminado. El razonamiento también ocupa espacio de tokens. Organiza una entrada larga en torno al material de origen pertinente y deja espacio para el análisis y el entregable final solicitado.
El proveedor documenta este modelo Pro únicamente en la Responses API, con interacciones de varios turnos con el modelo antes de la respuesta final. Las solicitudes difíciles pueden tardar varios minutos; OpenAI recomienda ejecución en segundo plano para evitar los tiempos de espera agotados de conexión asociados a esperar de forma síncrona un trabajo prolongado. En ese flujo, la aplicación conserva el identificador de respuesta, comprueba si el trabajo está en cola o en curso y recupera el resultado cuando se alcanza un estado terminal.
La ficha del modelo incluye transmisión en continuo, llamadas a funciones, búsqueda en la web y en archivos, entrada de imágenes, herramientas de generación de imágenes y compatibilidad con MCP. El conjunto exacto de herramientas del proveedor también incluye búsqueda de herramientas, aplicación de parches y uso del ordenador. Estas herramientas son independientes de la salida textual del modelo. Las aplicaciones ofrecen las operaciones pertinentes, ejecutan sus propias acciones y proporcionan los resultados reales para continuar el trabajo. Debe utilizarse la lista específica de herramientas de GPT-5.4 Pro para esta edición, sin suponer que todas las funciones de otro modelo GPT-5.4 sean idénticas.
Prepara un criterio de finalización claro y una estructura de resultado. Para trabajo de ingeniería, solicita el comportamiento afectado, la solución propuesta, las dependencias que modifica y las pruebas necesarias para verificarla. Para análisis, distingue los hechos proporcionados, las relaciones inferidas y las condiciones sin resolver. Identifica el detalle importante cuando una imagen respalde la pregunta. Un entregable final útil es una propuesta de código concreta, un informe de decisión o un plan que vincule sus decisiones sustanciales con el objetivo y los materiales originales.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-5.4-pro | 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 $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 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 inclusive272.000 | Cargo Entrada · Tokens de entrada $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de272.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gpt-5.4-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.4-pro', '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-5.4-pro', '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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
openai/gpt-5.4-proLa edición independiente GPT-5.4 Pro utiliza computación adicional para razonamiento difícil y trabajo profesional. Acepta texto e imágenes y desarrolla una respuesta textual mediante la interfaz Responses de OpenAI, con los ajustes de esfuerzo medium, high y xhigh.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-5.4 Pro es la edición Pro independiente de GPT-5.4 de OpenAI. Utiliza cómputo adicional para abordar preguntas difíciles y desarrollar una respuesta más completa. El modelo acepta texto e imágenes y produce texto. Pro forma parte de la identidad de este modelo y se distingue del ajuste de modo de razonamiento Pro introducido para los modelos base GPT-5.6 y GPT-6.
El lanzamiento de la familia GPT-5.4 sitúa al modelo en el trabajo profesional complejo, combinando razonamiento y programación con tareas que implican documentos, presentaciones y hojas de cálculo. Un ejemplo de solicitud Pro consiste en comparar varios enfoques de implementación frente a un conjunto de requisitos interdependientes, identificar las condiciones que determinan la elección y producir una recomendación explícita. Para una tarea documental, proporciona la pregunta, el material de origen y los criterios para que la conclusión tenga una base clara.
OpenAI especifica para GPT-5.4 Pro una ventana de contexto de 1.050.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Sus opciones admitidas de esfuerzo de razonamiento son medium, high y xhigh; medium es el valor predeterminado. El razonamiento también ocupa espacio de tokens. Organiza una entrada larga en torno al material de origen pertinente y deja espacio para el análisis y el entregable final solicitado.
El proveedor documenta este modelo Pro únicamente en la Responses API, con interacciones de varios turnos con el modelo antes de la respuesta final. Las solicitudes difíciles pueden tardar varios minutos; OpenAI recomienda ejecución en segundo plano para evitar los tiempos de espera agotados de conexión asociados a esperar de forma síncrona un trabajo prolongado. En ese flujo, la aplicación conserva el identificador de respuesta, comprueba si el trabajo está en cola o en curso y recupera el resultado cuando se alcanza un estado terminal.
La ficha del modelo incluye transmisión en continuo, llamadas a funciones, búsqueda en la web y en archivos, entrada de imágenes, herramientas de generación de imágenes y compatibilidad con MCP. El conjunto exacto de herramientas del proveedor también incluye búsqueda de herramientas, aplicación de parches y uso del ordenador. Estas herramientas son independientes de la salida textual del modelo. Las aplicaciones ofrecen las operaciones pertinentes, ejecutan sus propias acciones y proporcionan los resultados reales para continuar el trabajo. Debe utilizarse la lista específica de herramientas de GPT-5.4 Pro para esta edición, sin suponer que todas las funciones de otro modelo GPT-5.4 sean idénticas.
Prepara un criterio de finalización claro y una estructura de resultado. Para trabajo de ingeniería, solicita el comportamiento afectado, la solución propuesta, las dependencias que modifica y las pruebas necesarias para verificarla. Para análisis, distingue los hechos proporcionados, las relaciones inferidas y las condiciones sin resolver. Identifica el detalle importante cuando una imagen respalde la pregunta. Un entregable final útil es una propuesta de código concreta, un informe de decisión o un plan que vincule sus decisiones sustanciales con el objetivo y los materiales originales.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5.4-pro | 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 $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 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 inclusive272.000 | Cargo Entrada · Tokens de entrada $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de272.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.4-pro", "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-5.4-pro',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-5.4-pro',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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
openai/gpt-5.4-proLa edición independiente GPT-5.4 Pro utiliza computación adicional para razonamiento difícil y trabajo profesional. Acepta texto e imágenes y desarrolla una respuesta textual mediante la interfaz Responses de OpenAI, con los ajustes de esfuerzo medium, high y xhigh.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-5.4 Pro es la edición Pro independiente de GPT-5.4 de OpenAI. Utiliza cómputo adicional para abordar preguntas difíciles y desarrollar una respuesta más completa. El modelo acepta texto e imágenes y produce texto. Pro forma parte de la identidad de este modelo y se distingue del ajuste de modo de razonamiento Pro introducido para los modelos base GPT-5.6 y GPT-6.
El lanzamiento de la familia GPT-5.4 sitúa al modelo en el trabajo profesional complejo, combinando razonamiento y programación con tareas que implican documentos, presentaciones y hojas de cálculo. Un ejemplo de solicitud Pro consiste en comparar varios enfoques de implementación frente a un conjunto de requisitos interdependientes, identificar las condiciones que determinan la elección y producir una recomendación explícita. Para una tarea documental, proporciona la pregunta, el material de origen y los criterios para que la conclusión tenga una base clara.
OpenAI especifica para GPT-5.4 Pro una ventana de contexto de 1.050.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Sus opciones admitidas de esfuerzo de razonamiento son medium, high y xhigh; medium es el valor predeterminado. El razonamiento también ocupa espacio de tokens. Organiza una entrada larga en torno al material de origen pertinente y deja espacio para el análisis y el entregable final solicitado.
El proveedor documenta este modelo Pro únicamente en la Responses API, con interacciones de varios turnos con el modelo antes de la respuesta final. Las solicitudes difíciles pueden tardar varios minutos; OpenAI recomienda ejecución en segundo plano para evitar los tiempos de espera agotados de conexión asociados a esperar de forma síncrona un trabajo prolongado. En ese flujo, la aplicación conserva el identificador de respuesta, comprueba si el trabajo está en cola o en curso y recupera el resultado cuando se alcanza un estado terminal.
La ficha del modelo incluye transmisión en continuo, llamadas a funciones, búsqueda en la web y en archivos, entrada de imágenes, herramientas de generación de imágenes y compatibilidad con MCP. El conjunto exacto de herramientas del proveedor también incluye búsqueda de herramientas, aplicación de parches y uso del ordenador. Estas herramientas son independientes de la salida textual del modelo. Las aplicaciones ofrecen las operaciones pertinentes, ejecutan sus propias acciones y proporcionan los resultados reales para continuar el trabajo. Debe utilizarse la lista específica de herramientas de GPT-5.4 Pro para esta edición, sin suponer que todas las funciones de otro modelo GPT-5.4 sean idénticas.
Prepara un criterio de finalización claro y una estructura de resultado. Para trabajo de ingeniería, solicita el comportamiento afectado, la solución propuesta, las dependencias que modifica y las pruebas necesarias para verificarla. Para análisis, distingue los hechos proporcionados, las relaciones inferidas y las condiciones sin resolver. Identifica el detalle importante cuando una imagen respalde la pregunta. Un entregable final útil es una propuesta de código concreta, un informe de decisión o un plan que vincule sus decisiones sustanciales con el objetivo y los materiales originales.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5.4-pro | 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 $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 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 inclusive272.000 | Cargo Entrada · Tokens de entrada $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de272.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.06 / 1K tokens Salida · Tokens de salida $0.36 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/gpt-5.4-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.4-pro', '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-5.4-pro', '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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
Ejemplo técnico en inglés
Compare implementation approaches against hard requirements\n\nCompare three delivery designs for an export: synchronous processing, an in-memory background worker and a durable job queue. Requirements: the request returns promptly, accepted jobs survive process restarts, and users can retrieve status later. Explain what each design needs to meet every requirement, recommend an approach and identify its operational trade-offs. State assumptions rather than inventing measurements.A requirements-by-approach comparison, a justified recommendation and explicit operational assumptions.The answer tests restart survival and persistent status separately and does not invent benchmark or cost figures.