GPT-5 Image es un perfil combinado que reúne el modelo de lenguaje GPT-5 de OpenAI y GPT Image 1. El componente de lenguaje interpreta los requisitos y el material de origen; el componente de imagen crea el resultado visual. Su descripción publicada destaca el razonamiento, el seguimiento de instrucciones, la representación de texto y la edición detallada de imágenes. El perfil es adecuado para tareas en las que un elemento visual y su interpretación escrita deben seguir las mismas instrucciones.
Proporciona al modelo el propósito de la imagen, el público previsto y el contenido que debe aparecer. Separa los hechos que deben representarse con exactitud de las decisiones de composición o tratamiento visual. Las instrucciones de un diagrama pueden identificar las entidades y sus relaciones y después especificar las etiquetas, la disposición y el estilo. Las de un cartel pueden definir la información del evento, la jerarquía y la escena, con las palabras exactas que deben aparecer en el elemento visual.
Por ejemplo, prepara un concepto de cartel para un evento científico de la comunidad. Proporciona los hechos del evento, pide una explicación breve de la composición y solicita una imagen con un título claro y elementos visuales de apoyo. Especifica qué palabras deben aparecer en la imagen y cuáles pertenecen solo a la descripción que la acompaña. Revisa conjuntamente la explicación escrita y el cartel generado para contrastar un plan de composición razonable con el resultado visible real.
El texto, las imágenes y los archivos como PDF son entradas documentadas del perfil combinado. Un documento puede proporcionar los requisitos de un elemento visual o la información que debe resumirse. Las imágenes de referencia pueden establecer un sujeto, un producto, una ubicación o una composición. Identifica cada fuente y explica su función antes de describir el objetivo, especialmente cuando una referencia contiene contenido que debe conservarse y contenido que debe cambiar.
Para una revisión, identifica la imagen de origen y describe con precisión el cambio solicitado. La edición de una escena de producto puede cambiar el entorno y conservar la forma del artículo y su etiquetado visible. Una explicación visual puede sustituir un elemento manteniendo las relaciones circundantes. Indica los requisitos de conservación en las instrucciones e inspecciona la imagen real para comprobar los detalles importantes.
La ficha del perfil combinado exacto permite hasta dieciséis imágenes de referencia para edición. Mantén las referencias pertinentes para la tarea y explica qué características aporta cada una. Cuando varias imágenes muestren iluminación, puntos de vista o tratamientos diferentes, identifica la composición prevista en lugar de pedir que todas las fuentes dominen el resultado. Conserva las fuentes junto con la imagen completada para que una corrección posterior pueda referirse al mismo material.
El perfil publicado incluye la representación de texto entre sus capacidades. Proporciona la redacción exacta, la puntuación y la ubicación del texto importante y especifica su relación con los objetos u otras etiquetas. Comprueba cada palabra y número requeridos en la imagen devuelta al tamaño de visualización previsto. Para un diagrama, comprueba también que las líneas, las posiciones y los grupos expresen la relación descrita por la fuente escrita.
El perfil combinado publica una ventana de contexto de 400.000 tokens y hasta 128.000 tokens de generación. Estas capacidades describen la entrada y la respuesta generada, no un tamaño específico en píxeles ni un número de imágenes. Utiliza el contexto para los requisitos pertinentes, las referencias y el estado de la conversación y deja espacio para la salida solicitada. Etiqueta el material de origen largo para que el modelo pueda vincular cada instrucción con el pasaje correcto.
Sus especificaciones documentadas de salida textual admiten resultados estructurados mediante un esquema JSON. Una respuesta escrita puede definir los campos necesarios para describir un concepto, resumir un requisito o identificar un cambio solicitado. Valida esos campos y sus valores frente a la fuente antes de que una aplicación los utilice. El perfil combinado no ofrece llamadas a funciones de la aplicación, aunque su combinación específica de lenguaje e imagen realiza la generación visual internamente.
El esquema de solicitud de conversación puede seleccionar las modalidades de salida text e image. Indica los entregables escritos y visuales concretos en las instrucciones e inspecciona la respuesta completada para comprobar ambos. La configuración de imagen es específica del modelo y la interfaz exactos. Conserva los ajustes aceptados junto con la solicitud y utiliza solo controles documentados para ese perfil combinado; una interfaz directa del componente de imagen puede tener una estructura diferente de campos y capacidades.
El componente de imagen identificado para este perfil es GPT Image 1. Su perfil directo de generación de imágenes trata cargas de trabajo centradas en imágenes, mientras que GPT-5 Image une esa capacidad con el procesamiento de lenguaje de GPT-5. GPT-5 Image Mini es una combinación independiente de GPT-5 Mini y GPT Image 1 Mini. Conserva la identidad del perfil seleccionado junto con el material de origen y los ajustes de salida, en lugar de tratar combinaciones con nombres similares como si fueran el mismo modelo.
Para una conversación con varias revisiones, lleva a los siguientes pasos los requisitos escritos pertinentes y las referencias de origen. Indica la corrección concreta en las instrucciones más recientes, como mover una etiqueta, cambiar un objeto o simplificar la composición. Evita una solicitud sin dirección de mejorar todo cuando el cambio útil ya se vea en el elemento devuelto.
Conserva la respuesta escrita y cada imagen real proporcionada por la respuesta generada. Guarda las imágenes en el formato indicado, junto con las instrucciones textuales, las referencias de origen y los ajustes elegidos. Inspecciona la imagen en sí para comprobar la composición, los detalles del sujeto y el texto; contrasta el texto de apoyo con las pruebas que describe. Un resultado terminado útil une los requisitos escritos con un elemento visual que pueda abrirse, revisarse e incorporarse al documento, la página o el flujo creativo previsto.
", "aboutText": "GPT-5 Image es un perfil combinado que reúne el modelo de lenguaje GPT-5 de OpenAI y GPT Image 1. El componente de lenguaje interpreta los requisitos y el material de origen; el componente de imagen crea el resultado visual. Su descripción publicada destaca el razonamiento, el seguimiento de instrucciones, la representación de texto y la edición detallada de imágenes. El perfil es adecuado para tareas en las que un elemento visual y su interpretación escrita deben seguir las mismas instrucciones.\n\n### Interpreta las instrucciones y crea el elemento visual\n\nProporciona al modelo el propósito de la imagen, el público previsto y el contenido que debe aparecer. Separa los hechos que deben representarse con exactitud de las decisiones de composición o tratamiento visual. Las instrucciones de un diagrama pueden identificar las entidades y sus relaciones y después especificar las etiquetas, la disposición y el estilo. Las de un cartel pueden definir la información del evento, la jerarquía y la escena, con las palabras exactas que deben aparecer en el elemento visual.\n\nPor ejemplo, prepara un concepto de cartel para un evento científico de la comunidad. Proporciona los hechos del evento, pide una explicación breve de la composición y solicita una imagen con un título claro y elementos visuales de apoyo. Especifica qué palabras deben aparecer en la imagen y cuáles pertenecen solo a la descripción que la acompaña. Revisa conjuntamente la explicación escrita y el cartel generado para contrastar un plan de composición razonable con el resultado visible real.\n\nEl texto, las imágenes y los archivos como PDF son entradas documentadas del perfil combinado. Un documento puede proporcionar los requisitos de un elemento visual o la información que debe resumirse. Las imágenes de referencia pueden establecer un sujeto, un producto, una ubicación o una composición. Identifica cada fuente y explica su función antes de describir el objetivo, especialmente cuando una referencia contiene contenido que debe conservarse y contenido que debe cambiar.\n\n### Ediciones guiadas por referencias y representación de texto\n\nPara una revisión, identifica la imagen de origen y describe con precisión el cambio solicitado. La edición de una escena de producto puede cambiar el entorno y conservar la forma del artículo y su etiquetado visible. Una explicación visual puede sustituir un elemento manteniendo las relaciones circundantes. Indica los requisitos de conservación en las instrucciones e inspecciona la imagen real para comprobar los detalles importantes.\n\nLa ficha del perfil combinado exacto permite hasta dieciséis imágenes de referencia para edición. Mantén las referencias pertinentes para la tarea y explica qué características aporta cada una. Cuando varias imágenes muestren iluminación, puntos de vista o tratamientos diferentes, identifica la composición prevista en lugar de pedir que todas las fuentes dominen el resultado. Conserva las fuentes junto con la imagen completada para que una corrección posterior pueda referirse al mismo material.\n\nEl perfil publicado incluye la representación de texto entre sus capacidades. Proporciona la redacción exacta, la puntuación y la ubicación del texto importante y especifica su relación con los objetos u otras etiquetas. Comprueba cada palabra y número requeridos en la imagen devuelta al tamaño de visualización previsto. Para un diagrama, comprueba también que las líneas, las posiciones y los grupos expresen la relación descrita por la fuente escrita.\n\n### Contexto y formato de respuesta\n\nEl perfil combinado publica una ventana de contexto de 400.000 tokens y hasta 128.000 tokens de generación. Estas capacidades describen la entrada y la respuesta generada, no un tamaño específico en píxeles ni un número de imágenes. Utiliza el contexto para los requisitos pertinentes, las referencias y el estado de la conversación y deja espacio para la salida solicitada. Etiqueta el material de origen largo para que el modelo pueda vincular cada instrucción con el pasaje correcto.\n\nSus especificaciones documentadas de salida textual admiten resultados estructurados mediante un esquema JSON. Una respuesta escrita puede definir los campos necesarios para describir un concepto, resumir un requisito o identificar un cambio solicitado. Valida esos campos y sus valores frente a la fuente antes de que una aplicación los utilice. El perfil combinado no ofrece llamadas a funciones de la aplicación, aunque su combinación específica de lenguaje e imagen realiza la generación visual internamente.\n\nEl esquema de solicitud de conversación puede seleccionar las modalidades de salida text e image. Indica los entregables escritos y visuales concretos en las instrucciones e inspecciona la respuesta completada para comprobar ambos. La configuración de imagen es específica del modelo y la interfaz exactos. Conserva los ajustes aceptados junto con la solicitud y utiliza solo controles documentados para ese perfil combinado; una interfaz directa del componente de imagen puede tener una estructura diferente de campos y capacidades.\n\n### Utiliza deliberadamente la combinación identificada\n\nEl componente de imagen identificado para este perfil es GPT Image 1. Su perfil directo de generación de imágenes trata cargas de trabajo centradas en imágenes, mientras que GPT-5 Image une esa capacidad con el procesamiento de lenguaje de GPT-5. GPT-5 Image Mini es una combinación independiente de GPT-5 Mini y GPT Image 1 Mini. Conserva la identidad del perfil seleccionado junto con el material de origen y los ajustes de salida, en lugar de tratar combinaciones con nombres similares como si fueran el mismo modelo.\n\nPara una conversación con varias revisiones, lleva a los siguientes pasos los requisitos escritos pertinentes y las referencias de origen. Indica la corrección concreta en las instrucciones más recientes, como mover una etiqueta, cambiar un objeto o simplificar la composición. Evita una solicitud sin dirección de mejorar todo cuando el cambio útil ya se vea en el elemento devuelto.\n\n### Conserva y revisa el resultado completado\n\nConserva la respuesta escrita y cada imagen real proporcionada por la respuesta generada. Guarda las imágenes en el formato indicado, junto con las instrucciones textuales, las referencias de origen y los ajustes elegidos. Inspecciona la imagen en sí para comprobar la composición, los detalles del sujeto y el texto; contrasta el texto de apoyo con las pruebas que describe. Un resultado terminado útil une los requisitos escritos con un elemento visual que pueda abrirse, revisarse e incorporarse al documento, la página o el flujo creativo previsto.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Simplify a community-event poster\n\nEdit the supplied community science poster. Preserve the exact event title, date, venue and central telescope illustration. Remove the small decorative stars around the footer, increase the empty space around the title and keep the original portrait layout and two-color palette. Add no new event facts or text. Return the revised poster image.A revised poster image retaining all event wording and the telescope while simplifying the requested areas.Check every event word and number against the source and confirm that only the named decorative elements were removed.openai/gpt-5-imageGPT-5 Image combina las capacidades de lenguaje y razonamiento de GPT-5 de OpenAI con GPT Image 1 para generación de imágenes y edición guiada por referencias. Acepta texto, imágenes y documentos y devuelve texto e imágenes, conectando unas instrucciones escritas con un resultado visual.
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 Image es un perfil combinado que reúne el modelo de lenguaje GPT-5 de OpenAI y GPT Image 1. El componente de lenguaje interpreta los requisitos y el material de origen; el componente de imagen crea el resultado visual. Su descripción publicada destaca el razonamiento, el seguimiento de instrucciones, la representación de texto y la edición detallada de imágenes. El perfil es adecuado para tareas en las que un elemento visual y su interpretación escrita deben seguir las mismas instrucciones.
Proporciona al modelo el propósito de la imagen, el público previsto y el contenido que debe aparecer. Separa los hechos que deben representarse con exactitud de las decisiones de composición o tratamiento visual. Las instrucciones de un diagrama pueden identificar las entidades y sus relaciones y después especificar las etiquetas, la disposición y el estilo. Las de un cartel pueden definir la información del evento, la jerarquía y la escena, con las palabras exactas que deben aparecer en el elemento visual.
Por ejemplo, prepara un concepto de cartel para un evento científico de la comunidad. Proporciona los hechos del evento, pide una explicación breve de la composición y solicita una imagen con un título claro y elementos visuales de apoyo. Especifica qué palabras deben aparecer en la imagen y cuáles pertenecen solo a la descripción que la acompaña. Revisa conjuntamente la explicación escrita y el cartel generado para contrastar un plan de composición razonable con el resultado visible real.
El texto, las imágenes y los archivos como PDF son entradas documentadas del perfil combinado. Un documento puede proporcionar los requisitos de un elemento visual o la información que debe resumirse. Las imágenes de referencia pueden establecer un sujeto, un producto, una ubicación o una composición. Identifica cada fuente y explica su función antes de describir el objetivo, especialmente cuando una referencia contiene contenido que debe conservarse y contenido que debe cambiar.
Para una revisión, identifica la imagen de origen y describe con precisión el cambio solicitado. La edición de una escena de producto puede cambiar el entorno y conservar la forma del artículo y su etiquetado visible. Una explicación visual puede sustituir un elemento manteniendo las relaciones circundantes. Indica los requisitos de conservación en las instrucciones e inspecciona la imagen real para comprobar los detalles importantes.
La ficha del perfil combinado exacto permite hasta dieciséis imágenes de referencia para edición. Mantén las referencias pertinentes para la tarea y explica qué características aporta cada una. Cuando varias imágenes muestren iluminación, puntos de vista o tratamientos diferentes, identifica la composición prevista en lugar de pedir que todas las fuentes dominen el resultado. Conserva las fuentes junto con la imagen completada para que una corrección posterior pueda referirse al mismo material.
El perfil publicado incluye la representación de texto entre sus capacidades. Proporciona la redacción exacta, la puntuación y la ubicación del texto importante y especifica su relación con los objetos u otras etiquetas. Comprueba cada palabra y número requeridos en la imagen devuelta al tamaño de visualización previsto. Para un diagrama, comprueba también que las líneas, las posiciones y los grupos expresen la relación descrita por la fuente escrita.
El perfil combinado publica una ventana de contexto de 400.000 tokens y hasta 128.000 tokens de generación. Estas capacidades describen la entrada y la respuesta generada, no un tamaño específico en píxeles ni un número de imágenes. Utiliza el contexto para los requisitos pertinentes, las referencias y el estado de la conversación y deja espacio para la salida solicitada. Etiqueta el material de origen largo para que el modelo pueda vincular cada instrucción con el pasaje correcto.
Sus especificaciones documentadas de salida textual admiten resultados estructurados mediante un esquema JSON. Una respuesta escrita puede definir los campos necesarios para describir un concepto, resumir un requisito o identificar un cambio solicitado. Valida esos campos y sus valores frente a la fuente antes de que una aplicación los utilice. El perfil combinado no ofrece llamadas a funciones de la aplicación, aunque su combinación específica de lenguaje e imagen realiza la generación visual internamente.
El esquema de solicitud de conversación puede seleccionar las modalidades de salida text e image. Indica los entregables escritos y visuales concretos en las instrucciones e inspecciona la respuesta completada para comprobar ambos. La configuración de imagen es específica del modelo y la interfaz exactos. Conserva los ajustes aceptados junto con la solicitud y utiliza solo controles documentados para ese perfil combinado; una interfaz directa del componente de imagen puede tener una estructura diferente de campos y capacidades.
El componente de imagen identificado para este perfil es GPT Image 1. Su perfil directo de generación de imágenes trata cargas de trabajo centradas en imágenes, mientras que GPT-5 Image une esa capacidad con el procesamiento de lenguaje de GPT-5. GPT-5 Image Mini es una combinación independiente de GPT-5 Mini y GPT Image 1 Mini. Conserva la identidad del perfil seleccionado junto con el material de origen y los ajustes de salida, en lugar de tratar combinaciones con nombres similares como si fueran el mismo modelo.
Para una conversación con varias revisiones, lleva a los siguientes pasos los requisitos escritos pertinentes y las referencias de origen. Indica la corrección concreta en las instrucciones más recientes, como mover una etiqueta, cambiar un objeto o simplificar la composición. Evita una solicitud sin dirección de mejorar todo cuando el cambio útil ya se vea en el elemento devuelto.
Conserva la respuesta escrita y cada imagen real proporcionada por la respuesta generada. Guarda las imágenes en el formato indicado, junto con las instrucciones textuales, las referencias de origen y los ajustes elegidos. Inspecciona la imagen en sí para comprobar la composición, los detalles del sujeto y el texto; contrasta el texto de apoyo con las pruebas que describe. Un resultado terminado útil une los requisitos escritos con un elemento visual que pueda abrirse, revisarse e incorporarse al documento, la página o el flujo creativo previsto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5-image | 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 $0.02 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de imagen $0.08 / 1K tokens de imagen |
| 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 $0.02 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Las tablas de referencia del modelo no cambian la selección del método, las estimaciones de coste ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot seleccionado.
| Configuración | Condiciones de facturación | Cargo |
|---|---|---|
| ConfiguraciónOpenAI: GPT-5 Image · Configuración predeterminada | Condiciones de facturaciónConfiguración predeterminada | Cargo Entrada · Tokens de entrada 0,02 US$ / 1K tokens Salida · Tokens de salida 0,02 US$ / 1K tokens Salida · Imagen de salida 0,08 US$ / 1K tokens Salida · Búsqueda web 0,02 US$ por búsqueda Entrada · Lectura de caché 0,0025 US$ / 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-image", "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-image',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-image',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 openai/gpt-5-image
/v1/images
openai/gpt-5-imageGPT-5 Image combina las capacidades de lenguaje y razonamiento de GPT-5 de OpenAI con GPT Image 1 para generación de imágenes y edición guiada por referencias. Acepta texto, imágenes y documentos y devuelve texto e imágenes, conectando unas instrucciones escritas con un resultado visual.
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 Image es un perfil combinado que reúne el modelo de lenguaje GPT-5 de OpenAI y GPT Image 1. El componente de lenguaje interpreta los requisitos y el material de origen; el componente de imagen crea el resultado visual. Su descripción publicada destaca el razonamiento, el seguimiento de instrucciones, la representación de texto y la edición detallada de imágenes. El perfil es adecuado para tareas en las que un elemento visual y su interpretación escrita deben seguir las mismas instrucciones.
Proporciona al modelo el propósito de la imagen, el público previsto y el contenido que debe aparecer. Separa los hechos que deben representarse con exactitud de las decisiones de composición o tratamiento visual. Las instrucciones de un diagrama pueden identificar las entidades y sus relaciones y después especificar las etiquetas, la disposición y el estilo. Las de un cartel pueden definir la información del evento, la jerarquía y la escena, con las palabras exactas que deben aparecer en el elemento visual.
Por ejemplo, prepara un concepto de cartel para un evento científico de la comunidad. Proporciona los hechos del evento, pide una explicación breve de la composición y solicita una imagen con un título claro y elementos visuales de apoyo. Especifica qué palabras deben aparecer en la imagen y cuáles pertenecen solo a la descripción que la acompaña. Revisa conjuntamente la explicación escrita y el cartel generado para contrastar un plan de composición razonable con el resultado visible real.
El texto, las imágenes y los archivos como PDF son entradas documentadas del perfil combinado. Un documento puede proporcionar los requisitos de un elemento visual o la información que debe resumirse. Las imágenes de referencia pueden establecer un sujeto, un producto, una ubicación o una composición. Identifica cada fuente y explica su función antes de describir el objetivo, especialmente cuando una referencia contiene contenido que debe conservarse y contenido que debe cambiar.
Para una revisión, identifica la imagen de origen y describe con precisión el cambio solicitado. La edición de una escena de producto puede cambiar el entorno y conservar la forma del artículo y su etiquetado visible. Una explicación visual puede sustituir un elemento manteniendo las relaciones circundantes. Indica los requisitos de conservación en las instrucciones e inspecciona la imagen real para comprobar los detalles importantes.
La ficha del perfil combinado exacto permite hasta dieciséis imágenes de referencia para edición. Mantén las referencias pertinentes para la tarea y explica qué características aporta cada una. Cuando varias imágenes muestren iluminación, puntos de vista o tratamientos diferentes, identifica la composición prevista en lugar de pedir que todas las fuentes dominen el resultado. Conserva las fuentes junto con la imagen completada para que una corrección posterior pueda referirse al mismo material.
El perfil publicado incluye la representación de texto entre sus capacidades. Proporciona la redacción exacta, la puntuación y la ubicación del texto importante y especifica su relación con los objetos u otras etiquetas. Comprueba cada palabra y número requeridos en la imagen devuelta al tamaño de visualización previsto. Para un diagrama, comprueba también que las líneas, las posiciones y los grupos expresen la relación descrita por la fuente escrita.
El perfil combinado publica una ventana de contexto de 400.000 tokens y hasta 128.000 tokens de generación. Estas capacidades describen la entrada y la respuesta generada, no un tamaño específico en píxeles ni un número de imágenes. Utiliza el contexto para los requisitos pertinentes, las referencias y el estado de la conversación y deja espacio para la salida solicitada. Etiqueta el material de origen largo para que el modelo pueda vincular cada instrucción con el pasaje correcto.
Sus especificaciones documentadas de salida textual admiten resultados estructurados mediante un esquema JSON. Una respuesta escrita puede definir los campos necesarios para describir un concepto, resumir un requisito o identificar un cambio solicitado. Valida esos campos y sus valores frente a la fuente antes de que una aplicación los utilice. El perfil combinado no ofrece llamadas a funciones de la aplicación, aunque su combinación específica de lenguaje e imagen realiza la generación visual internamente.
El esquema de solicitud de conversación puede seleccionar las modalidades de salida text e image. Indica los entregables escritos y visuales concretos en las instrucciones e inspecciona la respuesta completada para comprobar ambos. La configuración de imagen es específica del modelo y la interfaz exactos. Conserva los ajustes aceptados junto con la solicitud y utiliza solo controles documentados para ese perfil combinado; una interfaz directa del componente de imagen puede tener una estructura diferente de campos y capacidades.
El componente de imagen identificado para este perfil es GPT Image 1. Su perfil directo de generación de imágenes trata cargas de trabajo centradas en imágenes, mientras que GPT-5 Image une esa capacidad con el procesamiento de lenguaje de GPT-5. GPT-5 Image Mini es una combinación independiente de GPT-5 Mini y GPT Image 1 Mini. Conserva la identidad del perfil seleccionado junto con el material de origen y los ajustes de salida, en lugar de tratar combinaciones con nombres similares como si fueran el mismo modelo.
Para una conversación con varias revisiones, lleva a los siguientes pasos los requisitos escritos pertinentes y las referencias de origen. Indica la corrección concreta en las instrucciones más recientes, como mover una etiqueta, cambiar un objeto o simplificar la composición. Evita una solicitud sin dirección de mejorar todo cuando el cambio útil ya se vea en el elemento devuelto.
Conserva la respuesta escrita y cada imagen real proporcionada por la respuesta generada. Guarda las imágenes en el formato indicado, junto con las instrucciones textuales, las referencias de origen y los ajustes elegidos. Inspecciona la imagen en sí para comprobar la composición, los detalles del sujeto y el texto; contrasta el texto de apoyo con las pruebas que describe. Un resultado terminado útil une los requisitos escritos con un elemento visual que pueda abrirse, revisarse e incorporarse al documento, la página o el flujo creativo previsto.
POST /v1/images/generationstext, imageimage| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5-image | Predeterminado— |
Campoprompt | Tipostring | RequisitoObligatorio | Valores y límites Longitud mínima: 1 | Predeterminado— |
Campoaspect_ratio | Tipostring | RequisitoOpcional | Valores y límites 1:1, 3:2, 2:3, auto | Predeterminado— |
Campoquality | Tipostring | RequisitoOpcional | Valores y límites auto, low, medium, high | Predeterminado— |
Campobackground | Tipostring | RequisitoOpcional | Valores y límites auto, transparent, opaque | Predeterminado— |
Campon | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Máximo: 10 | Predeterminado— |
Campoinput_references | Tipoarray | RequisitoOpcional | Valores y límites Número mínimo de elementos: 0 Número máximo de elementos: 16 | Predeterminado— |
Campooutput_compression | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 0 Máximo: 100 | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, prompt |
Parámetromaterial_types | Contratotext, image |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id real devuelto o registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Las tarifas mostradas estiman el coste antes de la generación. El cargo final se calcula a partir del coste registrado para la generación original. La duración medida del resultado y las cantidades previstas no constituyen la cantidad facturable final.
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 | Cantidad prevista | Cargo |
|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad prevista— | Cargo Entrada · Tokens de entrada · Estimación solo para comparar — / 1K tokens Salida · Tokens de salida · Estimación solo para comparar — / 1K tokens Entrada · Lectura de caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché, 1 hora · Estimación solo para comparar — / 1K tokens |
| ConfiguraciónCoste estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Cargo Salida · Coste estimado de generación · Estimación solo para comparar $0.32768 estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija para la generación completada. |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'openai/gpt-5-image', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\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/images/generations \\\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 base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nDescarga cada imagen recibida o guarda su contenido Base64
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nGuarda todas las imágenes completadas; descarga cada URL recibida o decodifica su contenido Base64.
Conserva la respuesta completa y las cabeceras, todas las salidas reales, los identificadores originales devueltos y todos los campos de uso. Recupera la operación original sin volver a enviar la solicitud de creación.
Conserva el X-Client-Request-ID devuelto para la conciliación. Consulta únicamente los valores task_id/asset_id realmente devueltos o la biblioteca multimedia propia; nunca construyas una URL de tarea a partir del ID de la operación ni vuelvas a enviar la solicitud de creación.
| Campo | Tipo |
|---|---|
Campocreated | Tipo |
Campodata[].url | Tipo |
Campodata[].b64_json | Tipo |
Campousage | Tipo |
Ailoot Ultra openai/gpt-5-image
/v1/images
openai/gpt-5-imageGPT-5 Image combina las capacidades de lenguaje y razonamiento de GPT-5 de OpenAI con GPT Image 1 para generación de imágenes y edición guiada por referencias. Acepta texto, imágenes y documentos y devuelve texto e imágenes, conectando unas instrucciones escritas con un resultado visual.
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 Image es un perfil combinado que reúne el modelo de lenguaje GPT-5 de OpenAI y GPT Image 1. El componente de lenguaje interpreta los requisitos y el material de origen; el componente de imagen crea el resultado visual. Su descripción publicada destaca el razonamiento, el seguimiento de instrucciones, la representación de texto y la edición detallada de imágenes. El perfil es adecuado para tareas en las que un elemento visual y su interpretación escrita deben seguir las mismas instrucciones.
Proporciona al modelo el propósito de la imagen, el público previsto y el contenido que debe aparecer. Separa los hechos que deben representarse con exactitud de las decisiones de composición o tratamiento visual. Las instrucciones de un diagrama pueden identificar las entidades y sus relaciones y después especificar las etiquetas, la disposición y el estilo. Las de un cartel pueden definir la información del evento, la jerarquía y la escena, con las palabras exactas que deben aparecer en el elemento visual.
Por ejemplo, prepara un concepto de cartel para un evento científico de la comunidad. Proporciona los hechos del evento, pide una explicación breve de la composición y solicita una imagen con un título claro y elementos visuales de apoyo. Especifica qué palabras deben aparecer en la imagen y cuáles pertenecen solo a la descripción que la acompaña. Revisa conjuntamente la explicación escrita y el cartel generado para contrastar un plan de composición razonable con el resultado visible real.
El texto, las imágenes y los archivos como PDF son entradas documentadas del perfil combinado. Un documento puede proporcionar los requisitos de un elemento visual o la información que debe resumirse. Las imágenes de referencia pueden establecer un sujeto, un producto, una ubicación o una composición. Identifica cada fuente y explica su función antes de describir el objetivo, especialmente cuando una referencia contiene contenido que debe conservarse y contenido que debe cambiar.
Para una revisión, identifica la imagen de origen y describe con precisión el cambio solicitado. La edición de una escena de producto puede cambiar el entorno y conservar la forma del artículo y su etiquetado visible. Una explicación visual puede sustituir un elemento manteniendo las relaciones circundantes. Indica los requisitos de conservación en las instrucciones e inspecciona la imagen real para comprobar los detalles importantes.
La ficha del perfil combinado exacto permite hasta dieciséis imágenes de referencia para edición. Mantén las referencias pertinentes para la tarea y explica qué características aporta cada una. Cuando varias imágenes muestren iluminación, puntos de vista o tratamientos diferentes, identifica la composición prevista en lugar de pedir que todas las fuentes dominen el resultado. Conserva las fuentes junto con la imagen completada para que una corrección posterior pueda referirse al mismo material.
El perfil publicado incluye la representación de texto entre sus capacidades. Proporciona la redacción exacta, la puntuación y la ubicación del texto importante y especifica su relación con los objetos u otras etiquetas. Comprueba cada palabra y número requeridos en la imagen devuelta al tamaño de visualización previsto. Para un diagrama, comprueba también que las líneas, las posiciones y los grupos expresen la relación descrita por la fuente escrita.
El perfil combinado publica una ventana de contexto de 400.000 tokens y hasta 128.000 tokens de generación. Estas capacidades describen la entrada y la respuesta generada, no un tamaño específico en píxeles ni un número de imágenes. Utiliza el contexto para los requisitos pertinentes, las referencias y el estado de la conversación y deja espacio para la salida solicitada. Etiqueta el material de origen largo para que el modelo pueda vincular cada instrucción con el pasaje correcto.
Sus especificaciones documentadas de salida textual admiten resultados estructurados mediante un esquema JSON. Una respuesta escrita puede definir los campos necesarios para describir un concepto, resumir un requisito o identificar un cambio solicitado. Valida esos campos y sus valores frente a la fuente antes de que una aplicación los utilice. El perfil combinado no ofrece llamadas a funciones de la aplicación, aunque su combinación específica de lenguaje e imagen realiza la generación visual internamente.
El esquema de solicitud de conversación puede seleccionar las modalidades de salida text e image. Indica los entregables escritos y visuales concretos en las instrucciones e inspecciona la respuesta completada para comprobar ambos. La configuración de imagen es específica del modelo y la interfaz exactos. Conserva los ajustes aceptados junto con la solicitud y utiliza solo controles documentados para ese perfil combinado; una interfaz directa del componente de imagen puede tener una estructura diferente de campos y capacidades.
El componente de imagen identificado para este perfil es GPT Image 1. Su perfil directo de generación de imágenes trata cargas de trabajo centradas en imágenes, mientras que GPT-5 Image une esa capacidad con el procesamiento de lenguaje de GPT-5. GPT-5 Image Mini es una combinación independiente de GPT-5 Mini y GPT Image 1 Mini. Conserva la identidad del perfil seleccionado junto con el material de origen y los ajustes de salida, en lugar de tratar combinaciones con nombres similares como si fueran el mismo modelo.
Para una conversación con varias revisiones, lleva a los siguientes pasos los requisitos escritos pertinentes y las referencias de origen. Indica la corrección concreta en las instrucciones más recientes, como mover una etiqueta, cambiar un objeto o simplificar la composición. Evita una solicitud sin dirección de mejorar todo cuando el cambio útil ya se vea en el elemento devuelto.
Conserva la respuesta escrita y cada imagen real proporcionada por la respuesta generada. Guarda las imágenes en el formato indicado, junto con las instrucciones textuales, las referencias de origen y los ajustes elegidos. Inspecciona la imagen en sí para comprobar la composición, los detalles del sujeto y el texto; contrasta el texto de apoyo con las pruebas que describe. Un resultado terminado útil une los requisitos escritos con un elemento visual que pueda abrirse, revisarse e incorporarse al documento, la página o el flujo creativo previsto.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5-image | 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 $0.02 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de imagen $0.08 / 1K tokens de imagen |
| 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 $0.02 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.0025 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/gpt-5-image",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-image', '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-image', '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 openai/gpt-5-image
/v1/images
Ejemplo técnico en inglés
Simplify a community-event poster\n\nEdit the supplied community science poster. Preserve the exact event title, date, venue and central telescope illustration. Remove the small decorative stars around the footer, increase the empty space around the title and keep the original portrait layout and two-color palette. Add no new event facts or text. Return the revised poster image.A revised poster image retaining all event wording and the telescope while simplifying the requested areas.Check every event word and number against the source and confirm that only the named decorative elements were removed.