GPT-5 es el modelo de razonamiento de OpenAI para programación y tareas con agentes en distintos ámbitos. Acepta texto e imágenes y produce texto. La versión para desarrolladores distingue el modelo de razonamiento de la API de la selección de chat sin razonamiento, y describe colaboración en programación, trabajo de interfaz, seguimiento de instrucciones y flujos que conectan una secuencia de resultados de herramientas.
Para ingeniería, proporciona el comportamiento requerido, los archivos relevantes y las restricciones de los cambios. Una petición ilustrativa consiste en inspeccionar cómo interactúan los componentes, identificar un problema al procesar una entrada y desarrollar una propuesta coordinada de cambios. Para trabajo de interfaz, proporciona la interacción prevista y una referencia visual. Para una pregunta documental, identifica la decisión, el material original y las secciones requeridas para que la respuesta tenga una finalidad concreta.
El fabricante documenta los niveles de esfuerzo de razonamiento minimal, low, medium y high, con medium como valor predeterminado en la versión para desarrolladores. La extensión de la respuesta es un control independiente con las opciones low, medium y high; medium es el valor predeterminado documentado, aunque una instrucción explícita sobre la salida tiene prioridad. Esta distinción permite pedir un resultado conciso y asignar al mismo tiempo el análisis adecuado a la complejidad de la tarea.
OpenAI indica para GPT-5 una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimiento del 30 de septiembre de 2024. El razonamiento y la salida visible comparten el presupuesto de tokens generados. Mantén disponibles el material original relevante y los criterios de éxito y deja espacio para el análisis y la respuesta final, en vez de llenar toda la ventana con contexto ajeno a la tarea.
El fabricante enumera las interfaces Responses, Chat Completions y Batch, transmisión en flujo, Structured Outputs, llamadas de función, entradas de archivos e imágenes, búsqueda web y de archivos y caché de instrucciones. Las herramientas de la ficha exacta del modelo incluyen generación de imágenes, interpretación de código y conexiones MCP. La versión para desarrolladores también documenta llamadas de herramientas en paralelo, mensajes de progreso visibles entre acciones y herramientas personalizadas que aceptan texto plano con restricciones gramaticales opcionales. Las aplicaciones ejecutan sus operaciones y devuelven los resultados reales utilizados en la siguiente decisión.
Las orientaciones actuales sobre caché incluyen una retención prolongada opcional de hasta 24 horas para GPT-5; la reutilización depende de un prefijo conservado que reúna los requisitos. Para la propia tarea, define el resultado y las pruebas que demostrarían su finalización. Un parche propuesto, un análisis estructurado o un documento resultan útiles cuando sus decisiones importantes se vinculan con los requisitos y hechos suministrados. Distingue los resultados de las comprobaciones completadas de las acciones aún propuestas para que la respuesta final permita avanzar a la siguiente etapa del trabajo.
", "aboutText": "GPT-5 es el modelo de razonamiento de OpenAI para programación y tareas con agentes en distintos ámbitos. Acepta texto e imágenes y produce texto. La versión para desarrolladores distingue el modelo de razonamiento de la API de la selección de chat sin razonamiento, y describe colaboración en programación, trabajo de interfaz, seguimiento de instrucciones y flujos que conectan una secuencia de resultados de herramientas.\n\nPara ingeniería, proporciona el comportamiento requerido, los archivos relevantes y las restricciones de los cambios. Una petición ilustrativa consiste en inspeccionar cómo interactúan los componentes, identificar un problema al procesar una entrada y desarrollar una propuesta coordinada de cambios. Para trabajo de interfaz, proporciona la interacción prevista y una referencia visual. Para una pregunta documental, identifica la decisión, el material original y las secciones requeridas para que la respuesta tenga una finalidad concreta.\n\nEl fabricante documenta los niveles de esfuerzo de razonamiento minimal, low, medium y high, con medium como valor predeterminado en la versión para desarrolladores. La extensión de la respuesta es un control independiente con las opciones low, medium y high; medium es el valor predeterminado documentado, aunque una instrucción explícita sobre la salida tiene prioridad. Esta distinción permite pedir un resultado conciso y asignar al mismo tiempo el análisis adecuado a la complejidad de la tarea.\n\nOpenAI indica para GPT-5 una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimiento del 30 de septiembre de 2024. El razonamiento y la salida visible comparten el presupuesto de tokens generados. Mantén disponibles el material original relevante y los criterios de éxito y deja espacio para el análisis y la respuesta final, en vez de llenar toda la ventana con contexto ajeno a la tarea.\n\nEl fabricante enumera las interfaces Responses, Chat Completions y Batch, transmisión en flujo, Structured Outputs, llamadas de función, entradas de archivos e imágenes, búsqueda web y de archivos y caché de instrucciones. Las herramientas de la ficha exacta del modelo incluyen generación de imágenes, interpretación de código y conexiones MCP. La versión para desarrolladores también documenta llamadas de herramientas en paralelo, mensajes de progreso visibles entre acciones y herramientas personalizadas que aceptan texto plano con restricciones gramaticales opcionales. Las aplicaciones ejecutan sus operaciones y devuelven los resultados reales utilizados en la siguiente decisión.\n\nLas orientaciones actuales sobre caché incluyen una retención prolongada opcional de hasta 24 horas para GPT-5; la reutilización depende de un prefijo conservado que reúna los requisitos. Para la propia tarea, define el resultado y las pruebas que demostrarían su finalización. Un parche propuesto, un análisis estructurado o un documento resultan útiles cuando sus decisiones importantes se vinculan con los requisitos y hechos suministrados. Distingue los resultados de las comprobaciones completadas de las acciones aún propuestas para que la respuesta final permita avanzar a la siguiente etapa del trabajo.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Coordinate a renamed form field\n\nA signup form now sends {display_name:'Ada'}, but validate(body) checks body.name and save(body) stores body.name. The public request field must remain display_name; the database column remains name. Propose a coordinated correction in validation and storage mapping. Include cases for a valid name, whitespace only and a missing field. Keep the database schema unchanged.A coordinated two-function code proposal and a three-case validation test table.Check display_name is validated and explicitly mapped to name without changing either external contract.gpt-5GPT-5 es un modelo de razonamiento para programación, tareas con texto e imágenes y flujos de agentes. Admite razonamiento y nivel de detalle de respuesta configurables y puede combinar las pruebas de un proyecto o documento con resultados de las herramientas de la aplicación.
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 es el modelo de razonamiento de OpenAI para programación y tareas con agentes en distintos ámbitos. Acepta texto e imágenes y produce texto. La versión para desarrolladores distingue el modelo de razonamiento de la API de la selección de chat sin razonamiento, y describe colaboración en programación, trabajo de interfaz, seguimiento de instrucciones y flujos que conectan una secuencia de resultados de herramientas.
Para ingeniería, proporciona el comportamiento requerido, los archivos relevantes y las restricciones de los cambios. Una petición ilustrativa consiste en inspeccionar cómo interactúan los componentes, identificar un problema al procesar una entrada y desarrollar una propuesta coordinada de cambios. Para trabajo de interfaz, proporciona la interacción prevista y una referencia visual. Para una pregunta documental, identifica la decisión, el material original y las secciones requeridas para que la respuesta tenga una finalidad concreta.
El fabricante documenta los niveles de esfuerzo de razonamiento minimal, low, medium y high, con medium como valor predeterminado en la versión para desarrolladores. La extensión de la respuesta es un control independiente con las opciones low, medium y high; medium es el valor predeterminado documentado, aunque una instrucción explícita sobre la salida tiene prioridad. Esta distinción permite pedir un resultado conciso y asignar al mismo tiempo el análisis adecuado a la complejidad de la tarea.
OpenAI indica para GPT-5 una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimiento del 30 de septiembre de 2024. El razonamiento y la salida visible comparten el presupuesto de tokens generados. Mantén disponibles el material original relevante y los criterios de éxito y deja espacio para el análisis y la respuesta final, en vez de llenar toda la ventana con contexto ajeno a la tarea.
El fabricante enumera las interfaces Responses, Chat Completions y Batch, transmisión en flujo, Structured Outputs, llamadas de función, entradas de archivos e imágenes, búsqueda web y de archivos y caché de instrucciones. Las herramientas de la ficha exacta del modelo incluyen generación de imágenes, interpretación de código y conexiones MCP. La versión para desarrolladores también documenta llamadas de herramientas en paralelo, mensajes de progreso visibles entre acciones y herramientas personalizadas que aceptan texto plano con restricciones gramaticales opcionales. Las aplicaciones ejecutan sus operaciones y devuelven los resultados reales utilizados en la siguiente decisión.
Las orientaciones actuales sobre caché incluyen una retención prolongada opcional de hasta 24 horas para GPT-5; la reutilización depende de un prefijo conservado que reúna los requisitos. Para la propia tarea, define el resultado y las pruebas que demostrarían su finalización. Un parche propuesto, un análisis estructurado o un documento resultan útiles cuando sus decisiones importantes se vinculan con los requisitos y hechos suministrados. Distingue los resultados de las comprobaciones completadas de las acciones aún propuestas para que la respuesta final permita avanzar a la siguiente etapa del trabajo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-5 | 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 $0.0025 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.00025 / 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 inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0025 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.00025 / 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","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", 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, openai/gpt-5
/chat/completions
gpt-5GPT-5 es un modelo de razonamiento para programación, tareas con texto e imágenes y flujos de agentes. Admite razonamiento y nivel de detalle de respuesta configurables y puede combinar las pruebas de un proyecto o documento con resultados de las herramientas de la aplicación.
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 es el modelo de razonamiento de OpenAI para programación y tareas con agentes en distintos ámbitos. Acepta texto e imágenes y produce texto. La versión para desarrolladores distingue el modelo de razonamiento de la API de la selección de chat sin razonamiento, y describe colaboración en programación, trabajo de interfaz, seguimiento de instrucciones y flujos que conectan una secuencia de resultados de herramientas.
Para ingeniería, proporciona el comportamiento requerido, los archivos relevantes y las restricciones de los cambios. Una petición ilustrativa consiste en inspeccionar cómo interactúan los componentes, identificar un problema al procesar una entrada y desarrollar una propuesta coordinada de cambios. Para trabajo de interfaz, proporciona la interacción prevista y una referencia visual. Para una pregunta documental, identifica la decisión, el material original y las secciones requeridas para que la respuesta tenga una finalidad concreta.
El fabricante documenta los niveles de esfuerzo de razonamiento minimal, low, medium y high, con medium como valor predeterminado en la versión para desarrolladores. La extensión de la respuesta es un control independiente con las opciones low, medium y high; medium es el valor predeterminado documentado, aunque una instrucción explícita sobre la salida tiene prioridad. Esta distinción permite pedir un resultado conciso y asignar al mismo tiempo el análisis adecuado a la complejidad de la tarea.
OpenAI indica para GPT-5 una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimiento del 30 de septiembre de 2024. El razonamiento y la salida visible comparten el presupuesto de tokens generados. Mantén disponibles el material original relevante y los criterios de éxito y deja espacio para el análisis y la respuesta final, en vez de llenar toda la ventana con contexto ajeno a la tarea.
El fabricante enumera las interfaces Responses, Chat Completions y Batch, transmisión en flujo, Structured Outputs, llamadas de función, entradas de archivos e imágenes, búsqueda web y de archivos y caché de instrucciones. Las herramientas de la ficha exacta del modelo incluyen generación de imágenes, interpretación de código y conexiones MCP. La versión para desarrolladores también documenta llamadas de herramientas en paralelo, mensajes de progreso visibles entre acciones y herramientas personalizadas que aceptan texto plano con restricciones gramaticales opcionales. Las aplicaciones ejecutan sus operaciones y devuelven los resultados reales utilizados en la siguiente decisión.
Las orientaciones actuales sobre caché incluyen una retención prolongada opcional de hasta 24 horas para GPT-5; la reutilización depende de un prefijo conservado que reúna los requisitos. Para la propia tarea, define el resultado y las pruebas que demostrarían su finalización. Un parche propuesto, un análisis estructurado o un documento resultan útiles cuando sus decisiones importantes se vinculan con los requisitos y hechos suministrados. Distingue los resultados de las comprobaciones completadas de las acciones aún propuestas para que la respuesta final permita avanzar a la siguiente etapa del trabajo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gpt-5 | 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 $0.0025 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.00025 / 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 inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0025 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.00025 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gpt-5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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, openai/gpt-5
/chat/completions
openai/gpt-5GPT-5 es un modelo de razonamiento para programación, tareas con texto e imágenes y flujos de agentes. Admite razonamiento y nivel de detalle de respuesta configurables y puede combinar las pruebas de un proyecto o documento con resultados de las herramientas de la aplicación.
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 es el modelo de razonamiento de OpenAI para programación y tareas con agentes en distintos ámbitos. Acepta texto e imágenes y produce texto. La versión para desarrolladores distingue el modelo de razonamiento de la API de la selección de chat sin razonamiento, y describe colaboración en programación, trabajo de interfaz, seguimiento de instrucciones y flujos que conectan una secuencia de resultados de herramientas.
Para ingeniería, proporciona el comportamiento requerido, los archivos relevantes y las restricciones de los cambios. Una petición ilustrativa consiste en inspeccionar cómo interactúan los componentes, identificar un problema al procesar una entrada y desarrollar una propuesta coordinada de cambios. Para trabajo de interfaz, proporciona la interacción prevista y una referencia visual. Para una pregunta documental, identifica la decisión, el material original y las secciones requeridas para que la respuesta tenga una finalidad concreta.
El fabricante documenta los niveles de esfuerzo de razonamiento minimal, low, medium y high, con medium como valor predeterminado en la versión para desarrolladores. La extensión de la respuesta es un control independiente con las opciones low, medium y high; medium es el valor predeterminado documentado, aunque una instrucción explícita sobre la salida tiene prioridad. Esta distinción permite pedir un resultado conciso y asignar al mismo tiempo el análisis adecuado a la complejidad de la tarea.
OpenAI indica para GPT-5 una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimiento del 30 de septiembre de 2024. El razonamiento y la salida visible comparten el presupuesto de tokens generados. Mantén disponibles el material original relevante y los criterios de éxito y deja espacio para el análisis y la respuesta final, en vez de llenar toda la ventana con contexto ajeno a la tarea.
El fabricante enumera las interfaces Responses, Chat Completions y Batch, transmisión en flujo, Structured Outputs, llamadas de función, entradas de archivos e imágenes, búsqueda web y de archivos y caché de instrucciones. Las herramientas de la ficha exacta del modelo incluyen generación de imágenes, interpretación de código y conexiones MCP. La versión para desarrolladores también documenta llamadas de herramientas en paralelo, mensajes de progreso visibles entre acciones y herramientas personalizadas que aceptan texto plano con restricciones gramaticales opcionales. Las aplicaciones ejecutan sus operaciones y devuelven los resultados reales utilizados en la siguiente decisión.
Las orientaciones actuales sobre caché incluyen una retención prolongada opcional de hasta 24 horas para GPT-5; la reutilización depende de un prefijo conservado que reúna los requisitos. Para la propia tarea, define el resultado y las pruebas que demostrarían su finalización. Un parche propuesto, un análisis estructurado o un documento resultan útiles cuando sus decisiones importantes se vinculan con los requisitos y hechos suministrados. Distingue los resultados de las comprobaciones completadas de las acciones aún propuestas para que la respuesta final permita avanzar a la siguiente etapa del trabajo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5 | 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 $0.0025 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.00025 / 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 inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0025 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.00025 / 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", "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',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',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, openai/gpt-5
/chat/completions
openai/gpt-5GPT-5 es un modelo de razonamiento para programación, tareas con texto e imágenes y flujos de agentes. Admite razonamiento y nivel de detalle de respuesta configurables y puede combinar las pruebas de un proyecto o documento con resultados de las herramientas de la aplicación.
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 es el modelo de razonamiento de OpenAI para programación y tareas con agentes en distintos ámbitos. Acepta texto e imágenes y produce texto. La versión para desarrolladores distingue el modelo de razonamiento de la API de la selección de chat sin razonamiento, y describe colaboración en programación, trabajo de interfaz, seguimiento de instrucciones y flujos que conectan una secuencia de resultados de herramientas.
Para ingeniería, proporciona el comportamiento requerido, los archivos relevantes y las restricciones de los cambios. Una petición ilustrativa consiste en inspeccionar cómo interactúan los componentes, identificar un problema al procesar una entrada y desarrollar una propuesta coordinada de cambios. Para trabajo de interfaz, proporciona la interacción prevista y una referencia visual. Para una pregunta documental, identifica la decisión, el material original y las secciones requeridas para que la respuesta tenga una finalidad concreta.
El fabricante documenta los niveles de esfuerzo de razonamiento minimal, low, medium y high, con medium como valor predeterminado en la versión para desarrolladores. La extensión de la respuesta es un control independiente con las opciones low, medium y high; medium es el valor predeterminado documentado, aunque una instrucción explícita sobre la salida tiene prioridad. Esta distinción permite pedir un resultado conciso y asignar al mismo tiempo el análisis adecuado a la complejidad de la tarea.
OpenAI indica para GPT-5 una ventana de contexto de 400.000 tokens, una entrada máxima de 272.000 tokens y una salida máxima de 128.000 tokens, con fecha límite de conocimiento del 30 de septiembre de 2024. El razonamiento y la salida visible comparten el presupuesto de tokens generados. Mantén disponibles el material original relevante y los criterios de éxito y deja espacio para el análisis y la respuesta final, en vez de llenar toda la ventana con contexto ajeno a la tarea.
El fabricante enumera las interfaces Responses, Chat Completions y Batch, transmisión en flujo, Structured Outputs, llamadas de función, entradas de archivos e imágenes, búsqueda web y de archivos y caché de instrucciones. Las herramientas de la ficha exacta del modelo incluyen generación de imágenes, interpretación de código y conexiones MCP. La versión para desarrolladores también documenta llamadas de herramientas en paralelo, mensajes de progreso visibles entre acciones y herramientas personalizadas que aceptan texto plano con restricciones gramaticales opcionales. Las aplicaciones ejecutan sus operaciones y devuelven los resultados reales utilizados en la siguiente decisión.
Las orientaciones actuales sobre caché incluyen una retención prolongada opcional de hasta 24 horas para GPT-5; la reutilización depende de un prefijo conservado que reúna los requisitos. Para la propia tarea, define el resultado y las pruebas que demostrarían su finalización. Un parche propuesto, un análisis estructurado o un documento resultan útiles cuando sus decisiones importantes se vinculan con los requisitos y hechos suministrados. Distingue los resultados de las comprobaciones completadas de las acciones aún propuestas para que la respuesta final permita avanzar a la siguiente etapa del trabajo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-5 | 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 $0.0025 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.00025 / 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 inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0025 / 1K tokens Salida · Tokens de salida $0.02 / 1K tokens Entrada · Lectura de caché $0.00025 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/gpt-5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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, openai/gpt-5
/chat/completions
Ejemplo técnico en inglés
Coordinate a renamed form field\n\nA signup form now sends {display_name:'Ada'}, but validate(body) checks body.name and save(body) stores body.name. The public request field must remain display_name; the database column remains name. Propose a coordinated correction in validation and storage mapping. Include cases for a valid name, whitespace only and a missing field. Keep the database schema unchanged.A coordinated two-function code proposal and a three-case validation test table.Check display_name is validated and explicitly mapped to name without changing either external contract.