GPT-5-Codex on OpenAI:n GPT-5-versio, joka on optimoitu agenttiohjattuun ohjelmistokehitykseen Codexissa ja vastaavissa ohjelmointiympäristöissä. Sen koulutus kohdistuu esimerkiksi projektien luomiseen, ominaisuuksien ja testien toteuttamiseen, virheenjäljitykseen, olemassa olevien koodikantojen refaktorointiin ja muutosten katselmointiin. Todellisiin ohjelmointitehtäviin perustuva vahvistusoppiminen kehittää ohjeiden noudattamista, koodityyliä ja toistuvaa todentamista. Tarkoitettu käyttöympäristö on ohjelmointiavustaja, jolla on pääsy projektin kontekstiin ja kehitystyökaluihin.
Malli mukauttaa tehtävään käyttämänsä päättelyn määrää. Pieni, selvästi määritelty muutos voidaan käsitellä vuorovaikutteisena keskusteluna, kun taas monimutkainen refaktorointi voi sisältää pitkäkestoista analyysia ja toistuvia toteutusvaiheita. Tämä mukautuva toiminta yhdistää keskustelun suorittamiseen: agentti tarkastelee projektia, ehdottaa muutosta, saa tuloksia ympäristöstään ja jatkaa työtä kohti asetettua tulosta.
Koodikatselmointi on erillinen osa sen erikoistumista. OpenAI kuvaa katselmoijaa, joka tutkii koodikantaa ja riippuvuuksia, yhdistää ehdotetun muutoksen sen tavoiteltuun toimintaan ja käyttää koodin suorittamista ja testejä oikeellisuuden tutkimiseen. Hyödyllinen tuloste on rajattu selitys merkittävistä virheistä ja niihin liittyvästä koodista pelkästään muutosvertailun ulkoasuun perustuvien huomautusten sijaan. Projektitiedostot ja työkalutulokset tuottavat tämän analyysin näytön.
Kuvasyöte tukee käyttöliittymäkehitystä. Kuvakaappaukset, rautalankamallit ja kaaviot voivat välittää halutun käyttöliittymän tai havaitun ongelman. Ympäristössä, jossa on selain- ja kuvakaappaustyökalut, agentti voi tarkastella toteutusta ja verrata rakentamaansa toimitettuun kuvalliseen tavoitteeseen. Nämä ovat ympäristön tukemia työnkulkuja: malli tulkitsee tietoa ja valitsee toimintoja, kun taas sovellus tarjoaa työkalut ja suorittaa ne.
Julkaistut tekniset tiedot ilmoittavat teksti- ja kuvasyötteen sekä tekstitulosteen, 400000 tokenin konteksti-ikkunan ja enintään 128000 tulostokenia. Malli tukee päättelytokeneita, suoratoistoa, funktiokutsuja ja rakenteisia tulosteita. OpenAI dokumentoi mallin Responses-rajapintansa kautta ja määrittää versionumerottoman nimen päivittyväksi mallinimikkeeksi. Dokumentoitu tietojen katkaisupäivä on 30. syyskuuta 2024. Ääni ja video eivät kuulu lueteltuihin syötemodaliteetteihin; hienosäätöä ja Predicted Outputs -toimintoa ei tueta tässä kokoonpanossa.
Järjestelmäkortin lisäys erottaa mallin koulutuksen tuotteen valvontakeinoista. Malli on koulutettu vastustamaan ohjelmointiaineistossa kohdattuja kehotteiden injektio-ohjeita. Työtilan eristys, verkkoluvat ja hyväksyntäsäännöt kuuluvat agenttiympäristöön. Tämä ero on tärkeä, kun avustaja lukee ulkoista dokumentaatiota tai suorittaa komentoja: sovellus määrittää pääsyn ja sen tulosteet tallentavat, mitä todella tapahtui.
Ailoot API -rajapintaa käyttävää ohjelmointiavustajaa varten aloita tavoiteltavasta toiminnasta, olennaisista tiedostoista ja selkeästä valmistumiskriteeristä. Sopiva tehtävä voi pyytää koordinoitua muutosta, selitystä vaikutuksen alaisista riippuvuuksista ja tuloksen todentamiseen tarvittavia tarkistuksia. Toimita projektin nykyiset ohjeet ja hyödylliset kuvalliset esimerkit ja pyydä sitten arvioitavaa tulosta: muutettua koodia, virheanalyysia tai testattua toteutussuunnitelmaa.
", "aboutText": "GPT-5-Codex on OpenAI:n GPT-5-versio, joka on optimoitu agenttiohjattuun ohjelmistokehitykseen Codexissa ja vastaavissa ohjelmointiympäristöissä. Sen koulutus kohdistuu esimerkiksi projektien luomiseen, ominaisuuksien ja testien toteuttamiseen, virheenjäljitykseen, olemassa olevien koodikantojen refaktorointiin ja muutosten katselmointiin. Todellisiin ohjelmointitehtäviin perustuva vahvistusoppiminen kehittää ohjeiden noudattamista, koodityyliä ja toistuvaa todentamista. Tarkoitettu käyttöympäristö on ohjelmointiavustaja, jolla on pääsy projektin kontekstiin ja kehitystyökaluihin.\n\nMalli mukauttaa tehtävään käyttämänsä päättelyn määrää. Pieni, selvästi määritelty muutos voidaan käsitellä vuorovaikutteisena keskusteluna, kun taas monimutkainen refaktorointi voi sisältää pitkäkestoista analyysia ja toistuvia toteutusvaiheita. Tämä mukautuva toiminta yhdistää keskustelun suorittamiseen: agentti tarkastelee projektia, ehdottaa muutosta, saa tuloksia ympäristöstään ja jatkaa työtä kohti asetettua tulosta.\n\nKoodikatselmointi on erillinen osa sen erikoistumista. OpenAI kuvaa katselmoijaa, joka tutkii koodikantaa ja riippuvuuksia, yhdistää ehdotetun muutoksen sen tavoiteltuun toimintaan ja käyttää koodin suorittamista ja testejä oikeellisuuden tutkimiseen. Hyödyllinen tuloste on rajattu selitys merkittävistä virheistä ja niihin liittyvästä koodista pelkästään muutosvertailun ulkoasuun perustuvien huomautusten sijaan. Projektitiedostot ja työkalutulokset tuottavat tämän analyysin näytön.\n\nKuvasyöte tukee käyttöliittymäkehitystä. Kuvakaappaukset, rautalankamallit ja kaaviot voivat välittää halutun käyttöliittymän tai havaitun ongelman. Ympäristössä, jossa on selain- ja kuvakaappaustyökalut, agentti voi tarkastella toteutusta ja verrata rakentamaansa toimitettuun kuvalliseen tavoitteeseen. Nämä ovat ympäristön tukemia työnkulkuja: malli tulkitsee tietoa ja valitsee toimintoja, kun taas sovellus tarjoaa työkalut ja suorittaa ne.\n\nJulkaistut tekniset tiedot ilmoittavat teksti- ja kuvasyötteen sekä tekstitulosteen, 400000 tokenin konteksti-ikkunan ja enintään 128000 tulostokenia. Malli tukee päättelytokeneita, suoratoistoa, funktiokutsuja ja rakenteisia tulosteita. OpenAI dokumentoi mallin Responses-rajapintansa kautta ja määrittää versionumerottoman nimen päivittyväksi mallinimikkeeksi. Dokumentoitu tietojen katkaisupäivä on 30. syyskuuta 2024. Ääni ja video eivät kuulu lueteltuihin syötemodaliteetteihin; hienosäätöä ja Predicted Outputs -toimintoa ei tueta tässä kokoonpanossa.\n\nJärjestelmäkortin lisäys erottaa mallin koulutuksen tuotteen valvontakeinoista. Malli on koulutettu vastustamaan ohjelmointiaineistossa kohdattuja kehotteiden injektio-ohjeita. Työtilan eristys, verkkoluvat ja hyväksyntäsäännöt kuuluvat agenttiympäristöön. Tämä ero on tärkeä, kun avustaja lukee ulkoista dokumentaatiota tai suorittaa komentoja: sovellus määrittää pääsyn ja sen tulosteet tallentavat, mitä todella tapahtui.\n\nAiloot API -rajapintaa käyttävää ohjelmointiavustajaa varten aloita tavoiteltavasta toiminnasta, olennaisista tiedostoista ja selkeästä valmistumiskriteeristä. Sopiva tehtävä voi pyytää koordinoitua muutosta, selitystä vaikutuksen alaisista riippuvuuksista ja tuloksen todentamiseen tarvittavia tarkistuksia. Toimita projektin nykyiset ohjeet ja hyödylliset kuvalliset esimerkit ja pyydä sitten arvioitavaa tulosta: muutettua koodia, virheanalyysia tai testattua toteutussuunnitelmaa.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekninen esimerkki englanniksi
Review a mutable default argument\n\nReview this Python function: def add_tag(tag, tags=[]):\n tags.append(tag)\n return tags\nCalling add_tag("red") and then add_tag("blue") should return separate one-item lists when no list is supplied. Explain the defect, give a minimal correction and tests for independent calls and an explicitly provided list.A defect explanation, corrected function and tests covering default and explicit arguments.Check that omitted lists do not share state while a caller-supplied list retains the intended append behavior.gpt-5-codexGPT-5-Codex on OpenAI:n GPT-5-versio agenttiohjattuun ohjelmistokehitykseen: ominaisuuksien toteuttamiseen, virheenjäljitykseen, refaktorointiin ja koodikatselmointiin työkaluja tarjoavassa ympäristössä. Se yhdistää teksti- ja kuvasyötteen mukautuvaan päättelyyn ja 400000 tokenin kontekstiin.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
GPT-5-Codex on OpenAI:n GPT-5-versio, joka on optimoitu agenttiohjattuun ohjelmistokehitykseen Codexissa ja vastaavissa ohjelmointiympäristöissä. Sen koulutus kohdistuu esimerkiksi projektien luomiseen, ominaisuuksien ja testien toteuttamiseen, virheenjäljitykseen, olemassa olevien koodikantojen refaktorointiin ja muutosten katselmointiin. Todellisiin ohjelmointitehtäviin perustuva vahvistusoppiminen kehittää ohjeiden noudattamista, koodityyliä ja toistuvaa todentamista. Tarkoitettu käyttöympäristö on ohjelmointiavustaja, jolla on pääsy projektin kontekstiin ja kehitystyökaluihin.
Malli mukauttaa tehtävään käyttämänsä päättelyn määrää. Pieni, selvästi määritelty muutos voidaan käsitellä vuorovaikutteisena keskusteluna, kun taas monimutkainen refaktorointi voi sisältää pitkäkestoista analyysia ja toistuvia toteutusvaiheita. Tämä mukautuva toiminta yhdistää keskustelun suorittamiseen: agentti tarkastelee projektia, ehdottaa muutosta, saa tuloksia ympäristöstään ja jatkaa työtä kohti asetettua tulosta.
Koodikatselmointi on erillinen osa sen erikoistumista. OpenAI kuvaa katselmoijaa, joka tutkii koodikantaa ja riippuvuuksia, yhdistää ehdotetun muutoksen sen tavoiteltuun toimintaan ja käyttää koodin suorittamista ja testejä oikeellisuuden tutkimiseen. Hyödyllinen tuloste on rajattu selitys merkittävistä virheistä ja niihin liittyvästä koodista pelkästään muutosvertailun ulkoasuun perustuvien huomautusten sijaan. Projektitiedostot ja työkalutulokset tuottavat tämän analyysin näytön.
Kuvasyöte tukee käyttöliittymäkehitystä. Kuvakaappaukset, rautalankamallit ja kaaviot voivat välittää halutun käyttöliittymän tai havaitun ongelman. Ympäristössä, jossa on selain- ja kuvakaappaustyökalut, agentti voi tarkastella toteutusta ja verrata rakentamaansa toimitettuun kuvalliseen tavoitteeseen. Nämä ovat ympäristön tukemia työnkulkuja: malli tulkitsee tietoa ja valitsee toimintoja, kun taas sovellus tarjoaa työkalut ja suorittaa ne.
Julkaistut tekniset tiedot ilmoittavat teksti- ja kuvasyötteen sekä tekstitulosteen, 400000 tokenin konteksti-ikkunan ja enintään 128000 tulostokenia. Malli tukee päättelytokeneita, suoratoistoa, funktiokutsuja ja rakenteisia tulosteita. OpenAI dokumentoi mallin Responses-rajapintansa kautta ja määrittää versionumerottoman nimen päivittyväksi mallinimikkeeksi. Dokumentoitu tietojen katkaisupäivä on 30. syyskuuta 2024. Ääni ja video eivät kuulu lueteltuihin syötemodaliteetteihin; hienosäätöä ja Predicted Outputs -toimintoa ei tueta tässä kokoonpanossa.
Järjestelmäkortin lisäys erottaa mallin koulutuksen tuotteen valvontakeinoista. Malli on koulutettu vastustamaan ohjelmointiaineistossa kohdattuja kehotteiden injektio-ohjeita. Työtilan eristys, verkkoluvat ja hyväksyntäsäännöt kuuluvat agenttiympäristöön. Tämä ero on tärkeä, kun avustaja lukee ulkoista dokumentaatiota tai suorittaa komentoja: sovellus määrittää pääsyn ja sen tulosteet tallentavat, mitä todella tapahtui.
Ailoot API -rajapintaa käyttävää ohjelmointiavustajaa varten aloita tavoiteltavasta toiminnasta, olennaisista tiedostoista ja selkeästä valmistumiskriteeristä. Sopiva tehtävä voi pyytää koordinoitua muutosta, selitystä vaikutuksen alaisista riippuvuuksista ja tuloksen todentamiseen tarvittavia tarkistuksia. Toimita projektin nykyiset ohjeet ja hyödylliset kuvalliset esimerkit ja pyydä sitten arvioitavaa tulosta: muutettua koodia, virheanalyysia tai testattua toteutussuunnitelmaa.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat gpt-5-codex | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat Kohteiden vähimmäismäärä: 1 | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat Esimerkit: system, user, assistant, tool, function Ehdot: Nämä roolit esitetään nimenomaisesti lähdekoodin yhteensopivuustyypeissä; mallin täsmällinen roolijoukko pysyy mallikohtaisena. Riippuu mallista | Oletus— |
Kenttämessages[].content | Tyyppistring|content_part[]|null | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_calls | Tyyppitool_call[] | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_call_id | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: role=tool; käytä todella palautettua ID:tä | Oletus— |
Kenttämessages[].name | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].reasoning_content | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: Palauta todella saatu päättely takaisin mallille, kun kyseinen malli käyttää sitä | Oletus— |
Kenttämessages[].reasoning_details | Tyyppiobject|array | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttämax_completion_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttästream_options.include_usage | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätemperature | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätop_p | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttästop | Tyyppistring|string[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools | Tyyppifunction_tool[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools[].type | Tyyppistring | VaatimusValinnainen | Arvot & rajat function Riippuu mallista | Oletus— |
Kenttätools[].function.name | Tyyppistring | VaatimusPakollinen | Arvot & rajat Sovelletaan, kun: funktiotyökalu annettu | Oletus— |
Kenttätools[].function.description | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätools[].function.parameters | TyyppiJSON_schema | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätool_choice | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäparallel_tool_calls | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäresponse_format | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning_effort | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäservice_tier | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäinstructions | Tyyppistring | VaatimusValinnainen | Arvot & rajat Yhteensopivuuskenttä | Oletus— |
Kenttäfunctions | Tyyppifunction[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäfunction_call | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäprompt_cache_options | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämodalities | Tyyppistring[] | VaatimusValinnainen | Arvot & rajat text | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Ehdot: provider.options hylätään tällä Ultran tekstireitillä | Oletus— |
Kenttäcache_control.ttl | Tyyppistring | VaatimusValinnainen | Arvot & rajat Ehdot: 1h hylätään varsinaisissa kehotevälimuistin kohdissa | Oletus— |
Teksti · UTF8-teksti
messages[].content
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages |
Parametrimaterial_types | Sopimustext |
Parametrimessages | Sopimusviestitaulukko role/content-rakenteella |
Parametrifile_material | Sopimusvarsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä |
Parametrioptional_controls | Sopimusstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametricontrol_scope | Sopimusmallikohtainen; käyttäjän funktiotyökalut eroavat palvelun isännöimistä työkaluista |
Parametrioutput_modalities | Sopimustext |
Parametrihosted_operations | Sopimusfalse |
Parametrimultimodal_input_binding | Sopimusnull |
Elinkaari: synchronous_or_streamed
Lähetä mallin täsmällinen ID yhdessä messages-kentän kanssa.
Kontekstin pituus ei ole tuloksen yläraja.
Tekstitiedosto voi antaa tekstiä sellaisenaan; kuva-, ääni- ja tiedosto-objektisyötteet tarvitsevat täsmällisen sidonnan.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.0025 / 1K tokenia Tuloste · Tulostokenit $0.02 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5-codex", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-5-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-5-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä jokainen vastausvaihtoehto sisältöineen, työkalukutsuineen ja päättelyineen. Kokoa SSE:ssä muutokset vastausvaihtoehdon ja työkalun indeksin mukaan ja säilytä lopullinen päättymissyy sekä käyttötiedot.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttächoices[].index | Tyyppiinteger |
Kenttächoices[].message.content | Tyyppistring|null |
Kenttächoices[].message.tool_calls | Tyyppitool_call[] |
Kenttächoices[].message.reasoning_content | Tyyppistring |
Kenttächoices[].message.reasoning_details | Tyyppiobject|array |
Kenttächoices[].finish_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra gpt-5-codex
Käytä yllä näytettyjä menetelmäpolkuja.
gpt-5-codexGPT-5-Codex on OpenAI:n GPT-5-versio agenttiohjattuun ohjelmistokehitykseen: ominaisuuksien toteuttamiseen, virheenjäljitykseen, refaktorointiin ja koodikatselmointiin työkaluja tarjoavassa ympäristössä. Se yhdistää teksti- ja kuvasyötteen mukautuvaan päättelyyn ja 400000 tokenin kontekstiin.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
GPT-5-Codex on OpenAI:n GPT-5-versio, joka on optimoitu agenttiohjattuun ohjelmistokehitykseen Codexissa ja vastaavissa ohjelmointiympäristöissä. Sen koulutus kohdistuu esimerkiksi projektien luomiseen, ominaisuuksien ja testien toteuttamiseen, virheenjäljitykseen, olemassa olevien koodikantojen refaktorointiin ja muutosten katselmointiin. Todellisiin ohjelmointitehtäviin perustuva vahvistusoppiminen kehittää ohjeiden noudattamista, koodityyliä ja toistuvaa todentamista. Tarkoitettu käyttöympäristö on ohjelmointiavustaja, jolla on pääsy projektin kontekstiin ja kehitystyökaluihin.
Malli mukauttaa tehtävään käyttämänsä päättelyn määrää. Pieni, selvästi määritelty muutos voidaan käsitellä vuorovaikutteisena keskusteluna, kun taas monimutkainen refaktorointi voi sisältää pitkäkestoista analyysia ja toistuvia toteutusvaiheita. Tämä mukautuva toiminta yhdistää keskustelun suorittamiseen: agentti tarkastelee projektia, ehdottaa muutosta, saa tuloksia ympäristöstään ja jatkaa työtä kohti asetettua tulosta.
Koodikatselmointi on erillinen osa sen erikoistumista. OpenAI kuvaa katselmoijaa, joka tutkii koodikantaa ja riippuvuuksia, yhdistää ehdotetun muutoksen sen tavoiteltuun toimintaan ja käyttää koodin suorittamista ja testejä oikeellisuuden tutkimiseen. Hyödyllinen tuloste on rajattu selitys merkittävistä virheistä ja niihin liittyvästä koodista pelkästään muutosvertailun ulkoasuun perustuvien huomautusten sijaan. Projektitiedostot ja työkalutulokset tuottavat tämän analyysin näytön.
Kuvasyöte tukee käyttöliittymäkehitystä. Kuvakaappaukset, rautalankamallit ja kaaviot voivat välittää halutun käyttöliittymän tai havaitun ongelman. Ympäristössä, jossa on selain- ja kuvakaappaustyökalut, agentti voi tarkastella toteutusta ja verrata rakentamaansa toimitettuun kuvalliseen tavoitteeseen. Nämä ovat ympäristön tukemia työnkulkuja: malli tulkitsee tietoa ja valitsee toimintoja, kun taas sovellus tarjoaa työkalut ja suorittaa ne.
Julkaistut tekniset tiedot ilmoittavat teksti- ja kuvasyötteen sekä tekstitulosteen, 400000 tokenin konteksti-ikkunan ja enintään 128000 tulostokenia. Malli tukee päättelytokeneita, suoratoistoa, funktiokutsuja ja rakenteisia tulosteita. OpenAI dokumentoi mallin Responses-rajapintansa kautta ja määrittää versionumerottoman nimen päivittyväksi mallinimikkeeksi. Dokumentoitu tietojen katkaisupäivä on 30. syyskuuta 2024. Ääni ja video eivät kuulu lueteltuihin syötemodaliteetteihin; hienosäätöä ja Predicted Outputs -toimintoa ei tueta tässä kokoonpanossa.
Järjestelmäkortin lisäys erottaa mallin koulutuksen tuotteen valvontakeinoista. Malli on koulutettu vastustamaan ohjelmointiaineistossa kohdattuja kehotteiden injektio-ohjeita. Työtilan eristys, verkkoluvat ja hyväksyntäsäännöt kuuluvat agenttiympäristöön. Tämä ero on tärkeä, kun avustaja lukee ulkoista dokumentaatiota tai suorittaa komentoja: sovellus määrittää pääsyn ja sen tulosteet tallentavat, mitä todella tapahtui.
Ailoot API -rajapintaa käyttävää ohjelmointiavustajaa varten aloita tavoiteltavasta toiminnasta, olennaisista tiedostoista ja selkeästä valmistumiskriteeristä. Sopiva tehtävä voi pyytää koordinoitua muutosta, selitystä vaikutuksen alaisista riippuvuuksista ja tuloksen todentamiseen tarvittavia tarkistuksia. Toimita projektin nykyiset ohjeet ja hyödylliset kuvalliset esimerkit ja pyydä sitten arvioitavaa tulosta: muutettua koodia, virheanalyysia tai testattua toteutussuunnitelmaa.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat gpt-5-codex | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat user, assistant | Oletus— |
Kenttämessages[].content | Tyyppistring | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Teksti · UTF-8-teksti
messages[].content-merkkijono
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages, max_tokens |
Parametrioptional_controls | Sopimusstream |
Parametrimaterial_types | Sopimustext |
Parametritext_file_material | SopimusLue varsinainen UTF-8-asiakirja ja sijoita sen teksti ilmoitettuun syöte- tai viestisisällön merkkijonoon. |
Elinkaari: synchronous_or_streamed
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.0025 / 1K tokenia Tuloste · Tulostokenit $0.02 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "gpt-5-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä kaikki sisältölohkot, päättelyallekirjoitukset ja todelliset työkalukäytön ID:t. Kokoa kaikki SSE-lohkomuutokset; ensimmäinen tekstilohko ei ole koko tulos.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttäid | Tyyppistring |
Kenttämodel | Tyyppistring |
Kenttäcontent[] | Tyyppitext|thinking|tool_use|other content block |
Kenttästop_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra gpt-5-codex
Käytä yllä näytettyjä menetelmäpolkuja.
Tekninen esimerkki englanniksi
Review a mutable default argument\n\nReview this Python function: def add_tag(tag, tags=[]):\n tags.append(tag)\n return tags\nCalling add_tag("red") and then add_tag("blue") should return separate one-item lists when no list is supplied. Explain the defect, give a minimal correction and tests for independent calls and an explicitly provided list.A defect explanation, corrected function and tests covering default and explicit arguments.Check that omitted lists do not share state while a caller-supplied list retains the intended append behavior.