o1-pro es una edición independiente de o1 de OpenAI que emplea capacidad de cálculo adicional para razonamientos complejos. La familia o1 se entrena mediante aprendizaje por refuerzo para resolver un problema antes de responder. El modelo Pro acepta texto e imágenes y produce texto. Su identidad es independiente de o1 estándar y de los modos de ejecución Pro documentados para familias GPT posteriores.
Una tarea ilustrativa consiste en analizar requisitos cuyas condiciones dependen unas de otras. Proporciona la pregunta, el material pertinente y los criterios que rigen la decisión. Pide una explicación de las relaciones y una recomendación concreta con sus condiciones explícitas. Para una pregunta de código, incluye el comportamiento previsto y la implementación relacionada; para un problema matemático, aporta las definiciones, el dominio y la forma requerida para el resultado.
El material visual puede aportar un diagrama, un estado de la interfaz u otras pruebas para la pregunta. Identifica el detalle pertinente e incluye el contexto escrito necesario para interpretarlo. Un enunciado útil separa la información de las fuentes de las instrucciones y define el entregable que necesita el lector: una explicación técnica, una propuesta de solución, una comparación o un plan. Así, el análisis adicional del modelo se vincula al propósito real de la tarea.
OpenAI indica una ventana de contexto de 200.000 tokens, una salida máxima de 100.000 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. El razonamiento utiliza espacio junto con la entrada y la respuesta visible. El fabricante documenta o1-pro mediante Responses, que admite interacciones con el modelo en varios turnos antes de la respuesta final; Batch también figura en la especificación del modelo. Estas son características del proveedor para el modelo Pro, no ajustes de otra edición de o1.
La ficha nativa confirma que no se admiten respuestas en flujo, mientras que sí se admiten llamadas a funciones, Structured Outputs y entrada de imágenes. Su lista exacta de herramientas incluye funciones, búsqueda en archivos y conexiones MCP. La aplicación expone sus operaciones, ejecuta sus acciones y devuelve resultados reales. Una respuesta final estructurada define la forma de la salida, mientras que una solicitud de función propone una operación para el entorno de trabajo.
Indica cómo debe completarse y comprobarse la tarea. Para un análisis, pide que la conclusión, las pruebas en las que se apoya y las condiciones sin resolver permanezcan diferenciadas. Para una propuesta de cambio, especifica el comportamiento esperado y pide que las comprobaciones ya realizadas se distingan de las que aún faltan. Un entregable final útil hace explícitas las decisiones importantes y las relaciona con la pregunta original y el material aportado.
", "aboutText": "o1-pro es una edición independiente de o1 de OpenAI que emplea capacidad de cálculo adicional para razonamientos complejos. La familia o1 se entrena mediante aprendizaje por refuerzo para resolver un problema antes de responder. El modelo Pro acepta texto e imágenes y produce texto. Su identidad es independiente de o1 estándar y de los modos de ejecución Pro documentados para familias GPT posteriores.\n\nUna tarea ilustrativa consiste en analizar requisitos cuyas condiciones dependen unas de otras. Proporciona la pregunta, el material pertinente y los criterios que rigen la decisión. Pide una explicación de las relaciones y una recomendación concreta con sus condiciones explícitas. Para una pregunta de código, incluye el comportamiento previsto y la implementación relacionada; para un problema matemático, aporta las definiciones, el dominio y la forma requerida para el resultado.\n\nEl material visual puede aportar un diagrama, un estado de la interfaz u otras pruebas para la pregunta. Identifica el detalle pertinente e incluye el contexto escrito necesario para interpretarlo. Un enunciado útil separa la información de las fuentes de las instrucciones y define el entregable que necesita el lector: una explicación técnica, una propuesta de solución, una comparación o un plan. Así, el análisis adicional del modelo se vincula al propósito real de la tarea.\n\nOpenAI indica una ventana de contexto de 200.000 tokens, una salida máxima de 100.000 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. El razonamiento utiliza espacio junto con la entrada y la respuesta visible. El fabricante documenta o1-pro mediante Responses, que admite interacciones con el modelo en varios turnos antes de la respuesta final; Batch también figura en la especificación del modelo. Estas son características del proveedor para el modelo Pro, no ajustes de otra edición de o1.\n\nLa ficha nativa confirma que no se admiten respuestas en flujo, mientras que sí se admiten llamadas a funciones, Structured Outputs y entrada de imágenes. Su lista exacta de herramientas incluye funciones, búsqueda en archivos y conexiones MCP. La aplicación expone sus operaciones, ejecuta sus acciones y devuelve resultados reales. Una respuesta final estructurada define la forma de la salida, mientras que una solicitud de función propone una operación para el entorno de trabajo.\n\nIndica cómo debe completarse y comprobarse la tarea. Para un análisis, pide que la conclusión, las pruebas en las que se apoya y las condiciones sin resolver permanezcan diferenciadas. Para una propuesta de cambio, especifica el comportamiento esperado y pide que las comprobaciones ya realizadas se distingan de las que aún faltan. Un entregable final útil hace explícitas las decisiones importantes y las relaciona con la pregunta original y el material aportado.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Check an interdependent staffing plan\n\nTwo rooms need a facilitator from 09:00 to 10:00. Ada can facilitate either room. Ben can facilitate only room A. Cara can cover room B but arrives at 09:30. Each room needs continuous coverage, and nobody can cover both at once. Find a feasible assignment or identify the blocking condition and the smallest staffing change needed.A feasibility conclusion with a time-based assignment or a precise blocking interval and proposed change.The reasoning checks the full 09:00–09:30 interval rather than treating Cara as available from 09:00.openai/o1-proLa edición independiente o1-pro emplea capacidad de cálculo adicional para razonamientos complejos sobre texto e imágenes. Devuelve texto y admite llamadas a funciones y Structured Outputs mediante el flujo de trabajo Responses del proveedor, sin respuestas en flujo.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
o1-pro es una edición independiente de o1 de OpenAI que emplea capacidad de cálculo adicional para razonamientos complejos. La familia o1 se entrena mediante aprendizaje por refuerzo para resolver un problema antes de responder. El modelo Pro acepta texto e imágenes y produce texto. Su identidad es independiente de o1 estándar y de los modos de ejecución Pro documentados para familias GPT posteriores.
Una tarea ilustrativa consiste en analizar requisitos cuyas condiciones dependen unas de otras. Proporciona la pregunta, el material pertinente y los criterios que rigen la decisión. Pide una explicación de las relaciones y una recomendación concreta con sus condiciones explícitas. Para una pregunta de código, incluye el comportamiento previsto y la implementación relacionada; para un problema matemático, aporta las definiciones, el dominio y la forma requerida para el resultado.
El material visual puede aportar un diagrama, un estado de la interfaz u otras pruebas para la pregunta. Identifica el detalle pertinente e incluye el contexto escrito necesario para interpretarlo. Un enunciado útil separa la información de las fuentes de las instrucciones y define el entregable que necesita el lector: una explicación técnica, una propuesta de solución, una comparación o un plan. Así, el análisis adicional del modelo se vincula al propósito real de la tarea.
OpenAI indica una ventana de contexto de 200.000 tokens, una salida máxima de 100.000 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. El razonamiento utiliza espacio junto con la entrada y la respuesta visible. El fabricante documenta o1-pro mediante Responses, que admite interacciones con el modelo en varios turnos antes de la respuesta final; Batch también figura en la especificación del modelo. Estas son características del proveedor para el modelo Pro, no ajustes de otra edición de o1.
La ficha nativa confirma que no se admiten respuestas en flujo, mientras que sí se admiten llamadas a funciones, Structured Outputs y entrada de imágenes. Su lista exacta de herramientas incluye funciones, búsqueda en archivos y conexiones MCP. La aplicación expone sus operaciones, ejecuta sus acciones y devuelve resultados reales. Una respuesta final estructurada define la forma de la salida, mientras que una solicitud de función propone una operación para el entorno de trabajo.
Indica cómo debe completarse y comprobarse la tarea. Para un análisis, pide que la conclusión, las pruebas en las que se apoya y las condiciones sin resolver permanezcan diferenciadas. Para una propuesta de cambio, especifica el comportamiento esperado y pide que las comprobaciones ya realizadas se distingan de las que aún faltan. Un entregable final útil hace explícitas las decisiones importantes y las relaciona con la pregunta original y el material aportado.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/o1-pro | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.3 / 1K tokens Salida · Tokens de salida $1.2 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.3 / 1K tokens Salida · Tokens de salida $1.2 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/o1-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/o1-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/o1-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra openai/o1-pro
Usa las rutas de método indicadas arriba.
openai/o1-proLa edición independiente o1-pro emplea capacidad de cálculo adicional para razonamientos complejos sobre texto e imágenes. Devuelve texto y admite llamadas a funciones y Structured Outputs mediante el flujo de trabajo Responses del proveedor, sin respuestas en flujo.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
o1-pro es una edición independiente de o1 de OpenAI que emplea capacidad de cálculo adicional para razonamientos complejos. La familia o1 se entrena mediante aprendizaje por refuerzo para resolver un problema antes de responder. El modelo Pro acepta texto e imágenes y produce texto. Su identidad es independiente de o1 estándar y de los modos de ejecución Pro documentados para familias GPT posteriores.
Una tarea ilustrativa consiste en analizar requisitos cuyas condiciones dependen unas de otras. Proporciona la pregunta, el material pertinente y los criterios que rigen la decisión. Pide una explicación de las relaciones y una recomendación concreta con sus condiciones explícitas. Para una pregunta de código, incluye el comportamiento previsto y la implementación relacionada; para un problema matemático, aporta las definiciones, el dominio y la forma requerida para el resultado.
El material visual puede aportar un diagrama, un estado de la interfaz u otras pruebas para la pregunta. Identifica el detalle pertinente e incluye el contexto escrito necesario para interpretarlo. Un enunciado útil separa la información de las fuentes de las instrucciones y define el entregable que necesita el lector: una explicación técnica, una propuesta de solución, una comparación o un plan. Así, el análisis adicional del modelo se vincula al propósito real de la tarea.
OpenAI indica una ventana de contexto de 200.000 tokens, una salida máxima de 100.000 tokens y una fecha de corte de conocimientos del 1 de octubre de 2023. El razonamiento utiliza espacio junto con la entrada y la respuesta visible. El fabricante documenta o1-pro mediante Responses, que admite interacciones con el modelo en varios turnos antes de la respuesta final; Batch también figura en la especificación del modelo. Estas son características del proveedor para el modelo Pro, no ajustes de otra edición de o1.
La ficha nativa confirma que no se admiten respuestas en flujo, mientras que sí se admiten llamadas a funciones, Structured Outputs y entrada de imágenes. Su lista exacta de herramientas incluye funciones, búsqueda en archivos y conexiones MCP. La aplicación expone sus operaciones, ejecuta sus acciones y devuelve resultados reales. Una respuesta final estructurada define la forma de la salida, mientras que una solicitud de función propone una operación para el entorno de trabajo.
Indica cómo debe completarse y comprobarse la tarea. Para un análisis, pide que la conclusión, las pruebas en las que se apoya y las condiciones sin resolver permanezcan diferenciadas. Para una propuesta de cambio, especifica el comportamiento esperado y pide que las comprobaciones ya realizadas se distingan de las que aún faltan. Un entregable final útil hace explícitas las decisiones importantes y las relaciona con la pregunta original y el material aportado.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/o1-pro | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.3 / 1K tokens Salida · Tokens de salida $1.2 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.3 / 1K tokens Salida · Tokens de salida $1.2 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "openai/o1-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/o1-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/o1-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra openai/o1-pro
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Check an interdependent staffing plan\n\nTwo rooms need a facilitator from 09:00 to 10:00. Ada can facilitate either room. Ben can facilitate only room A. Cara can cover room B but arrives at 09:30. Each room needs continuous coverage, and nobody can cover both at once. Find a feasible assignment or identify the blocking condition and the smallest staffing change needed.A feasibility conclusion with a time-based assignment or a precise blocking interval and proposed change.The reasoning checks the full 09:00–09:30 interval rather than treating Cara as available from 09:00.