GPT-5.1-Codex est l’édition GPT-5.1 Codex d’OpenAI pour la programmation par agents dans Codex et les environnements similaires. Elle accepte du texte et des images et produit du texte. Le fabricant garde cette spécialisation de programmation distincte du modèle généraliste GPT-5.1 et des éditions Codex Mini et Max. La version sous-jacente documentée du modèle est régulièrement mise à jour.
Une tâche utile donne au modèle un objectif d’ingénierie et les preuves du projet nécessaires pour le poursuivre. Fournissez le comportement requis, les fichiers associés et les restrictions sur les modifications. Une demande peut par exemple consister à examiner le parcours de code d’une entrée particulière, à identifier le composant à modifier et à proposer un correctif relié au résultat attendu. Pour un échec, incluez le comportement observé, le comportement attendu et la sortie pertinente déjà recueillie.
Dans un processus de programmation par agents, l’environnement lit les fichiers, exécute les opérations et renvoie les résultats réels pour la décision suivante. Le modèle peut utiliser ces résultats pour réviser une approche ou poursuivre une implémentation. Définissez les actions disponibles et le critère d’achèvement de la tâche. Une demande d’exécution d’une opération et le résultat renvoyé après son exécution constituent des types de preuves distincts ; l’explication finale doit garder cette distinction visible.
Pour les travaux d’interface, fournissez une capture d’écran ou une autre référence visuelle avec l’interaction attendue. Identifiez l’état ou le détail que l’implémentation doit préserver. Les images servent de preuves en entrée, tandis que le résultat direct du modèle reste textuel, y compris le code, une proposition de modification ou une explication du comportement. Une référence visuelle ne crée pas de capacité distincte de sortie d’images pour cette édition.
OpenAI indique une fenêtre de contexte de 400 000 jetons, une sortie maximale de 128 000 jetons et une date limite des connaissances au 30 septembre 2024. L’interface du fournisseur est uniquement Responses, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, les images en entrée, la recherche sur le Web et la mise en cache de l’entrée. La liste exacte d’outils de la fiche du modèle comprend les fonctions et la recherche sur le Web. La documentation actuelle de mise en cache comprend une conservation prolongée facultative jusqu’à 24 heures pour ce modèle ; la réutilisation d’éléments mis en cache par une requête dépend du préfixe éligible et de sa conservation.
Organisez le livrable final autour du résultat d’ingénierie demandé. Demandez les fichiers concernés, les modifications significatives et les résultats des vérifications réellement effectuées. Si une solution proposée dépend encore d’un fait manquant ou d’une opération non exécutée, identifiez précisément ce point. Une proposition de correctif ciblée, une explication de code ou une observation de revue est utile lorsqu’elle est reliée aux exigences d’origine et aux preuves du projet disponibles dans le processus.
", "aboutText": "GPT-5.1-Codex est l’édition GPT-5.1 Codex d’OpenAI pour la programmation par agents dans Codex et les environnements similaires. Elle accepte du texte et des images et produit du texte. Le fabricant garde cette spécialisation de programmation distincte du modèle généraliste GPT-5.1 et des éditions Codex Mini et Max. La version sous-jacente documentée du modèle est régulièrement mise à jour.\n\nUne tâche utile donne au modèle un objectif d’ingénierie et les preuves du projet nécessaires pour le poursuivre. Fournissez le comportement requis, les fichiers associés et les restrictions sur les modifications. Une demande peut par exemple consister à examiner le parcours de code d’une entrée particulière, à identifier le composant à modifier et à proposer un correctif relié au résultat attendu. Pour un échec, incluez le comportement observé, le comportement attendu et la sortie pertinente déjà recueillie.\n\nDans un processus de programmation par agents, l’environnement lit les fichiers, exécute les opérations et renvoie les résultats réels pour la décision suivante. Le modèle peut utiliser ces résultats pour réviser une approche ou poursuivre une implémentation. Définissez les actions disponibles et le critère d’achèvement de la tâche. Une demande d’exécution d’une opération et le résultat renvoyé après son exécution constituent des types de preuves distincts ; l’explication finale doit garder cette distinction visible.\n\nPour les travaux d’interface, fournissez une capture d’écran ou une autre référence visuelle avec l’interaction attendue. Identifiez l’état ou le détail que l’implémentation doit préserver. Les images servent de preuves en entrée, tandis que le résultat direct du modèle reste textuel, y compris le code, une proposition de modification ou une explication du comportement. Une référence visuelle ne crée pas de capacité distincte de sortie d’images pour cette édition.\n\nOpenAI indique une fenêtre de contexte de 400 000 jetons, une sortie maximale de 128 000 jetons et une date limite des connaissances au 30 septembre 2024. L’interface du fournisseur est uniquement Responses, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, les images en entrée, la recherche sur le Web et la mise en cache de l’entrée. La liste exacte d’outils de la fiche du modèle comprend les fonctions et la recherche sur le Web. La documentation actuelle de mise en cache comprend une conservation prolongée facultative jusqu’à 24 heures pour ce modèle ; la réutilisation d’éléments mis en cache par une requête dépend du préfixe éligible et de sa conservation.\n\nOrganisez le livrable final autour du résultat d’ingénierie demandé. Demandez les fichiers concernés, les modifications significatives et les résultats des vérifications réellement effectuées. Si une solution proposée dépend encore d’un fait manquant ou d’une opération non exécutée, identifiez précisément ce point. Une proposition de correctif ciblée, une explication de code ou une observation de revue est utile lorsqu’elle est reliée aux exigences d’origine et aux preuves du projet disponibles dans le processus.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Review a pagination boundary\n\nReview this JavaScript pager: function page(items, offset, limit) { return items.slice(offset, limit); }. The contract treats limit as a count, so offset 2 and limit 3 should return indices 2, 3 and 4. Propose the smallest patch and tests for a middle page, an empty input and a page beyond the end.A focused function patch, a diagnosis and three behavioral test cases.Check the end index uses offset plus limit and that the function does not mutate items.gpt-5.1-codexL’édition GPT-5.1 Codex est optimisée pour la programmation par agents dans un environnement relié à des outils. Elle accepte du texte et des images et élabore du code ou des explications à partir des éléments du projet et des résultats réels des outils, avec une version sous-jacente du modèle régulièrement mise à jour.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.1-Codex est l’édition GPT-5.1 Codex d’OpenAI pour la programmation par agents dans Codex et les environnements similaires. Elle accepte du texte et des images et produit du texte. Le fabricant garde cette spécialisation de programmation distincte du modèle généraliste GPT-5.1 et des éditions Codex Mini et Max. La version sous-jacente documentée du modèle est régulièrement mise à jour.
Une tâche utile donne au modèle un objectif d’ingénierie et les preuves du projet nécessaires pour le poursuivre. Fournissez le comportement requis, les fichiers associés et les restrictions sur les modifications. Une demande peut par exemple consister à examiner le parcours de code d’une entrée particulière, à identifier le composant à modifier et à proposer un correctif relié au résultat attendu. Pour un échec, incluez le comportement observé, le comportement attendu et la sortie pertinente déjà recueillie.
Dans un processus de programmation par agents, l’environnement lit les fichiers, exécute les opérations et renvoie les résultats réels pour la décision suivante. Le modèle peut utiliser ces résultats pour réviser une approche ou poursuivre une implémentation. Définissez les actions disponibles et le critère d’achèvement de la tâche. Une demande d’exécution d’une opération et le résultat renvoyé après son exécution constituent des types de preuves distincts ; l’explication finale doit garder cette distinction visible.
Pour les travaux d’interface, fournissez une capture d’écran ou une autre référence visuelle avec l’interaction attendue. Identifiez l’état ou le détail que l’implémentation doit préserver. Les images servent de preuves en entrée, tandis que le résultat direct du modèle reste textuel, y compris le code, une proposition de modification ou une explication du comportement. Une référence visuelle ne crée pas de capacité distincte de sortie d’images pour cette édition.
OpenAI indique une fenêtre de contexte de 400 000 jetons, une sortie maximale de 128 000 jetons et une date limite des connaissances au 30 septembre 2024. L’interface du fournisseur est uniquement Responses, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, les images en entrée, la recherche sur le Web et la mise en cache de l’entrée. La liste exacte d’outils de la fiche du modèle comprend les fonctions et la recherche sur le Web. La documentation actuelle de mise en cache comprend une conservation prolongée facultative jusqu’à 24 heures pour ce modèle ; la réutilisation d’éléments mis en cache par une requête dépend du préfixe éligible et de sa conservation.
Organisez le livrable final autour du résultat d’ingénierie demandé. Demandez les fichiers concernés, les modifications significatives et les résultats des vérifications réellement effectuées. Si une solution proposée dépend encore d’un fait manquant ou d’une opération non exécutée, identifiez précisément ce point. Une proposition de correctif ciblée, une explication de code ou une observation de revue est utile lorsqu’elle est reliée aux exigences d’origine et aux preuves du projet disponibles dans le processus.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5.1-codex | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0025 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.00026 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0025 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.00026 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.1-codex","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-5.1-codex", 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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-5.1-codex, openai/gpt-5.1-codex
/chat/completions
gpt-5.1-codexL’édition GPT-5.1 Codex est optimisée pour la programmation par agents dans un environnement relié à des outils. Elle accepte du texte et des images et élabore du code ou des explications à partir des éléments du projet et des résultats réels des outils, avec une version sous-jacente du modèle régulièrement mise à jour.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.1-Codex est l’édition GPT-5.1 Codex d’OpenAI pour la programmation par agents dans Codex et les environnements similaires. Elle accepte du texte et des images et produit du texte. Le fabricant garde cette spécialisation de programmation distincte du modèle généraliste GPT-5.1 et des éditions Codex Mini et Max. La version sous-jacente documentée du modèle est régulièrement mise à jour.
Une tâche utile donne au modèle un objectif d’ingénierie et les preuves du projet nécessaires pour le poursuivre. Fournissez le comportement requis, les fichiers associés et les restrictions sur les modifications. Une demande peut par exemple consister à examiner le parcours de code d’une entrée particulière, à identifier le composant à modifier et à proposer un correctif relié au résultat attendu. Pour un échec, incluez le comportement observé, le comportement attendu et la sortie pertinente déjà recueillie.
Dans un processus de programmation par agents, l’environnement lit les fichiers, exécute les opérations et renvoie les résultats réels pour la décision suivante. Le modèle peut utiliser ces résultats pour réviser une approche ou poursuivre une implémentation. Définissez les actions disponibles et le critère d’achèvement de la tâche. Une demande d’exécution d’une opération et le résultat renvoyé après son exécution constituent des types de preuves distincts ; l’explication finale doit garder cette distinction visible.
Pour les travaux d’interface, fournissez une capture d’écran ou une autre référence visuelle avec l’interaction attendue. Identifiez l’état ou le détail que l’implémentation doit préserver. Les images servent de preuves en entrée, tandis que le résultat direct du modèle reste textuel, y compris le code, une proposition de modification ou une explication du comportement. Une référence visuelle ne crée pas de capacité distincte de sortie d’images pour cette édition.
OpenAI indique une fenêtre de contexte de 400 000 jetons, une sortie maximale de 128 000 jetons et une date limite des connaissances au 30 septembre 2024. L’interface du fournisseur est uniquement Responses, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, les images en entrée, la recherche sur le Web et la mise en cache de l’entrée. La liste exacte d’outils de la fiche du modèle comprend les fonctions et la recherche sur le Web. La documentation actuelle de mise en cache comprend une conservation prolongée facultative jusqu’à 24 heures pour ce modèle ; la réutilisation d’éléments mis en cache par une requête dépend du préfixe éligible et de sa conservation.
Organisez le livrable final autour du résultat d’ingénierie demandé. Demandez les fichiers concernés, les modifications significatives et les résultats des vérifications réellement effectuées. Si une solution proposée dépend encore d’un fait manquant ou d’une opération non exécutée, identifiez précisément ce point. Une proposition de correctif ciblée, une explication de code ou une observation de revue est utile lorsqu’elle est reliée aux exigences d’origine et aux preuves du projet disponibles dans le processus.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5.1-codex | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0025 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.00026 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0025 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.00026 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gpt-5.1-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.1-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-5.1-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-5.1-codex, openai/gpt-5.1-codex
/chat/completions
openai/gpt-5.1-codexL’édition GPT-5.1 Codex est optimisée pour la programmation par agents dans un environnement relié à des outils. Elle accepte du texte et des images et élabore du code ou des explications à partir des éléments du projet et des résultats réels des outils, avec une version sous-jacente du modèle régulièrement mise à jour.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.1-Codex est l’édition GPT-5.1 Codex d’OpenAI pour la programmation par agents dans Codex et les environnements similaires. Elle accepte du texte et des images et produit du texte. Le fabricant garde cette spécialisation de programmation distincte du modèle généraliste GPT-5.1 et des éditions Codex Mini et Max. La version sous-jacente documentée du modèle est régulièrement mise à jour.
Une tâche utile donne au modèle un objectif d’ingénierie et les preuves du projet nécessaires pour le poursuivre. Fournissez le comportement requis, les fichiers associés et les restrictions sur les modifications. Une demande peut par exemple consister à examiner le parcours de code d’une entrée particulière, à identifier le composant à modifier et à proposer un correctif relié au résultat attendu. Pour un échec, incluez le comportement observé, le comportement attendu et la sortie pertinente déjà recueillie.
Dans un processus de programmation par agents, l’environnement lit les fichiers, exécute les opérations et renvoie les résultats réels pour la décision suivante. Le modèle peut utiliser ces résultats pour réviser une approche ou poursuivre une implémentation. Définissez les actions disponibles et le critère d’achèvement de la tâche. Une demande d’exécution d’une opération et le résultat renvoyé après son exécution constituent des types de preuves distincts ; l’explication finale doit garder cette distinction visible.
Pour les travaux d’interface, fournissez une capture d’écran ou une autre référence visuelle avec l’interaction attendue. Identifiez l’état ou le détail que l’implémentation doit préserver. Les images servent de preuves en entrée, tandis que le résultat direct du modèle reste textuel, y compris le code, une proposition de modification ou une explication du comportement. Une référence visuelle ne crée pas de capacité distincte de sortie d’images pour cette édition.
OpenAI indique une fenêtre de contexte de 400 000 jetons, une sortie maximale de 128 000 jetons et une date limite des connaissances au 30 septembre 2024. L’interface du fournisseur est uniquement Responses, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, les images en entrée, la recherche sur le Web et la mise en cache de l’entrée. La liste exacte d’outils de la fiche du modèle comprend les fonctions et la recherche sur le Web. La documentation actuelle de mise en cache comprend une conservation prolongée facultative jusqu’à 24 heures pour ce modèle ; la réutilisation d’éléments mis en cache par une requête dépend du préfixe éligible et de sa conservation.
Organisez le livrable final autour du résultat d’ingénierie demandé. Demandez les fichiers concernés, les modifications significatives et les résultats des vérifications réellement effectuées. Si une solution proposée dépend encore d’un fait manquant ou d’une opération non exécutée, identifiez précisément ce point. Une proposition de correctif ciblée, une explication de code ou une observation de revue est utile lorsqu’elle est reliée aux exigences d’origine et aux preuves du projet disponibles dans le processus.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-5.1-codex | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0025 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.00026 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0025 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.00026 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.1-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='openai/gpt-5.1-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='openai/gpt-5.1-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-5.1-codex, openai/gpt-5.1-codex
/chat/completions
openai/gpt-5.1-codexL’édition GPT-5.1 Codex est optimisée pour la programmation par agents dans un environnement relié à des outils. Elle accepte du texte et des images et élabore du code ou des explications à partir des éléments du projet et des résultats réels des outils, avec une version sous-jacente du modèle régulièrement mise à jour.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.1-Codex est l’édition GPT-5.1 Codex d’OpenAI pour la programmation par agents dans Codex et les environnements similaires. Elle accepte du texte et des images et produit du texte. Le fabricant garde cette spécialisation de programmation distincte du modèle généraliste GPT-5.1 et des éditions Codex Mini et Max. La version sous-jacente documentée du modèle est régulièrement mise à jour.
Une tâche utile donne au modèle un objectif d’ingénierie et les preuves du projet nécessaires pour le poursuivre. Fournissez le comportement requis, les fichiers associés et les restrictions sur les modifications. Une demande peut par exemple consister à examiner le parcours de code d’une entrée particulière, à identifier le composant à modifier et à proposer un correctif relié au résultat attendu. Pour un échec, incluez le comportement observé, le comportement attendu et la sortie pertinente déjà recueillie.
Dans un processus de programmation par agents, l’environnement lit les fichiers, exécute les opérations et renvoie les résultats réels pour la décision suivante. Le modèle peut utiliser ces résultats pour réviser une approche ou poursuivre une implémentation. Définissez les actions disponibles et le critère d’achèvement de la tâche. Une demande d’exécution d’une opération et le résultat renvoyé après son exécution constituent des types de preuves distincts ; l’explication finale doit garder cette distinction visible.
Pour les travaux d’interface, fournissez une capture d’écran ou une autre référence visuelle avec l’interaction attendue. Identifiez l’état ou le détail que l’implémentation doit préserver. Les images servent de preuves en entrée, tandis que le résultat direct du modèle reste textuel, y compris le code, une proposition de modification ou une explication du comportement. Une référence visuelle ne crée pas de capacité distincte de sortie d’images pour cette édition.
OpenAI indique une fenêtre de contexte de 400 000 jetons, une sortie maximale de 128 000 jetons et une date limite des connaissances au 30 septembre 2024. L’interface du fournisseur est uniquement Responses, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, les images en entrée, la recherche sur le Web et la mise en cache de l’entrée. La liste exacte d’outils de la fiche du modèle comprend les fonctions et la recherche sur le Web. La documentation actuelle de mise en cache comprend une conservation prolongée facultative jusqu’à 24 heures pour ce modèle ; la réutilisation d’éléments mis en cache par une requête dépend du préfixe éligible et de sa conservation.
Organisez le livrable final autour du résultat d’ingénierie demandé. Demandez les fichiers concernés, les modifications significatives et les résultats des vérifications réellement effectuées. Si une solution proposée dépend encore d’un fait manquant ou d’une opération non exécutée, identifiez précisément ce point. Une proposition de correctif ciblée, une explication de code ou une observation de revue est utile lorsqu’elle est reliée aux exigences d’origine et aux preuves du projet disponibles dans le processus.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-5.1-codex | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0025 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.00026 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0025 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.00026 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "openai/gpt-5.1-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'openai/gpt-5.1-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': 'openai/gpt-5.1-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-5.1-codex, openai/gpt-5.1-codex
/chat/completions
Exemple technique en anglais
Review a pagination boundary\n\nReview this JavaScript pager: function page(items, offset, limit) { return items.slice(offset, limit); }. The contract treats limit as a count, so offset 2 and limit 3 should return indices 2, 3 and 4. Propose the smallest patch and tests for a middle page, an empty input and a page beyond the end.A focused function patch, a diagnosis and three behavioral test cases.Check the end index uses offset plus limit and that the function does not mutate items.