GPT-5 Pro est l’édition Pro distincte de GPT-5 d’OpenAI. Elle utilise davantage de calcul pour traiter les questions difficiles et élaborer une réponse plus approfondie. Le modèle accepte du texte et des images et produit du texte. Pro fait partie de l’identité de cette édition, distincte du modèle GPT-5 standard et du réglage de mode de raisonnement Pro documenté pour les familles de modèles ultérieures.
Une tâche peut par exemple consister à comparer plusieurs approches d’une question d’ingénierie comportant des conditions interdépendantes. Fournissez le comportement requis, les éléments pertinents et les contraintes qui déterminent si une solution est acceptable. Demandez les relations entre ces conditions, l’approche proposée et les preuves qui étayent le choix. Pour une décision documentaire, fournissez les critères de comparaison et précisez les faits que la conclusion doit préserver.
La fiche actuelle de GPT-5 Pro publiée par OpenAI indique une fenêtre de contexte de 400 000 jetons, une sortie maximale de 272 000 jetons et une date limite des connaissances au 30 septembre 2024. Le modèle utilise par défaut l’effort de raisonnement high et ne prend en charge que cette valeur. Ce chiffre de sortie appartient à la fiche Pro distincte plutôt qu’à la spécification GPT-5 standard. Le raisonnement occupe de l’espace en jetons avec la réponse visible ; une requête substantielle doit donc laisser de la place pour l’analyse et le livrable final demandé.
Le fournisseur documente Responses pour les interactions sur plusieurs tours avant la réponse finale, et sa spécification du modèle mentionne également la prise en charge de Batch. Les requêtes difficiles peuvent prendre plusieurs minutes ; l’exécution en arrière-plan est recommandée pour les travaux longs. Une application conserve l’identifiant de réponse, vérifie si la tâche est en file d’attente ou en cours et récupère le résultat lorsque le traitement atteint un état terminal. Cela décrit le processus de requête du fournisseur sans changer le point de terminaison d’une carte existante.
La fiche exacte du modèle mentionne la diffusion en continu, Structured Outputs, l’appel de fonctions, les fichiers en entrée, les images en entrée, la recherche sur le Web et dans les fichiers, les outils de génération d’images et les connexions MCP. GPT-5 Pro ne prend explicitement pas en charge l’interpréteur de code. Les opérations d’outils sont distinctes de la réponse textuelle du modèle : l’application fournit ses fonctions disponibles, exécute ses actions et renvoie leurs résultats réels. Une action proposée ne doit pas être traitée comme un calcul terminé ou une autre opération achevée.
Préparez un critère d’achèvement clair et un format de résultat adapté à la question. Pour du code, demandez le comportement concerné, les modifications proposées et les vérifications nécessaires pour les évaluer. Pour une analyse, distinguez les faits fournis, les relations déduites et toute condition non résolue. Si une image apporte des preuves importantes, identifiez le détail pertinent et fournissez le contexte écrit. Un résultat final utile est une comparaison précise, une proposition d’implémentation ou une note de décision reliée à la question et aux éléments d’origine.
", "aboutText": "GPT-5 Pro est l’édition Pro distincte de GPT-5 d’OpenAI. Elle utilise davantage de calcul pour traiter les questions difficiles et élaborer une réponse plus approfondie. Le modèle accepte du texte et des images et produit du texte. Pro fait partie de l’identité de cette édition, distincte du modèle GPT-5 standard et du réglage de mode de raisonnement Pro documenté pour les familles de modèles ultérieures.\n\nUne tâche peut par exemple consister à comparer plusieurs approches d’une question d’ingénierie comportant des conditions interdépendantes. Fournissez le comportement requis, les éléments pertinents et les contraintes qui déterminent si une solution est acceptable. Demandez les relations entre ces conditions, l’approche proposée et les preuves qui étayent le choix. Pour une décision documentaire, fournissez les critères de comparaison et précisez les faits que la conclusion doit préserver.\n\nLa fiche actuelle de GPT-5 Pro publiée par OpenAI indique une fenêtre de contexte de 400 000 jetons, une sortie maximale de 272 000 jetons et une date limite des connaissances au 30 septembre 2024. Le modèle utilise par défaut l’effort de raisonnement high et ne prend en charge que cette valeur. Ce chiffre de sortie appartient à la fiche Pro distincte plutôt qu’à la spécification GPT-5 standard. Le raisonnement occupe de l’espace en jetons avec la réponse visible ; une requête substantielle doit donc laisser de la place pour l’analyse et le livrable final demandé.\n\nLe fournisseur documente Responses pour les interactions sur plusieurs tours avant la réponse finale, et sa spécification du modèle mentionne également la prise en charge de Batch. Les requêtes difficiles peuvent prendre plusieurs minutes ; l’exécution en arrière-plan est recommandée pour les travaux longs. Une application conserve l’identifiant de réponse, vérifie si la tâche est en file d’attente ou en cours et récupère le résultat lorsque le traitement atteint un état terminal. Cela décrit le processus de requête du fournisseur sans changer le point de terminaison d’une carte existante.\n\nLa fiche exacte du modèle mentionne la diffusion en continu, Structured Outputs, l’appel de fonctions, les fichiers en entrée, les images en entrée, la recherche sur le Web et dans les fichiers, les outils de génération d’images et les connexions MCP. GPT-5 Pro ne prend explicitement pas en charge l’interpréteur de code. Les opérations d’outils sont distinctes de la réponse textuelle du modèle : l’application fournit ses fonctions disponibles, exécute ses actions et renvoie leurs résultats réels. Une action proposée ne doit pas être traitée comme un calcul terminé ou une autre opération achevée.\n\nPréparez un critère d’achèvement clair et un format de résultat adapté à la question. Pour du code, demandez le comportement concerné, les modifications proposées et les vérifications nécessaires pour les évaluer. Pour une analyse, distinguez les faits fournis, les relations déduites et toute condition non résolue. Si une image apporte des preuves importantes, identifiez le détail pertinent et fournissez le contexte écrit. Un résultat final utile est une comparaison précise, une proposition d’implémentation ou une note de décision reliée à la question et aux éléments d’origine.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9dc7e9e65141f1471359ef89dd1ef979c590605433f4fe9cd7caf56b52a100ea", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "openai/gpt-5-pro:batchL’édition distincte GPT-5 Pro utilise davantage de calcul pour le raisonnement difficile. Elle accepte du texte et des images et produit du texte, prend uniquement en charge l’effort de raisonnement high et utilise le processus Responses du fournisseur pour les requêtes longues.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5 Pro est l’édition Pro distincte de GPT-5 d’OpenAI. Elle utilise davantage de calcul pour traiter les questions difficiles et élaborer une réponse plus approfondie. Le modèle accepte du texte et des images et produit du texte. Pro fait partie de l’identité de cette édition, distincte du modèle GPT-5 standard et du réglage de mode de raisonnement Pro documenté pour les familles de modèles ultérieures.
Une tâche peut par exemple consister à comparer plusieurs approches d’une question d’ingénierie comportant des conditions interdépendantes. Fournissez le comportement requis, les éléments pertinents et les contraintes qui déterminent si une solution est acceptable. Demandez les relations entre ces conditions, l’approche proposée et les preuves qui étayent le choix. Pour une décision documentaire, fournissez les critères de comparaison et précisez les faits que la conclusion doit préserver.
La fiche actuelle de GPT-5 Pro publiée par OpenAI indique une fenêtre de contexte de 400 000 jetons, une sortie maximale de 272 000 jetons et une date limite des connaissances au 30 septembre 2024. Le modèle utilise par défaut l’effort de raisonnement high et ne prend en charge que cette valeur. Ce chiffre de sortie appartient à la fiche Pro distincte plutôt qu’à la spécification GPT-5 standard. Le raisonnement occupe de l’espace en jetons avec la réponse visible ; une requête substantielle doit donc laisser de la place pour l’analyse et le livrable final demandé.
Le fournisseur documente Responses pour les interactions sur plusieurs tours avant la réponse finale, et sa spécification du modèle mentionne également la prise en charge de Batch. Les requêtes difficiles peuvent prendre plusieurs minutes ; l’exécution en arrière-plan est recommandée pour les travaux longs. Une application conserve l’identifiant de réponse, vérifie si la tâche est en file d’attente ou en cours et récupère le résultat lorsque le traitement atteint un état terminal. Cela décrit le processus de requête du fournisseur sans changer le point de terminaison d’une carte existante.
La fiche exacte du modèle mentionne la diffusion en continu, Structured Outputs, l’appel de fonctions, les fichiers en entrée, les images en entrée, la recherche sur le Web et dans les fichiers, les outils de génération d’images et les connexions MCP. GPT-5 Pro ne prend explicitement pas en charge l’interpréteur de code. Les opérations d’outils sont distinctes de la réponse textuelle du modèle : l’application fournit ses fonctions disponibles, exécute ses actions et renvoie leurs résultats réels. Une action proposée ne doit pas être traitée comme un calcul terminé ou une autre opération achevée.
Préparez un critère d’achèvement clair et un format de résultat adapté à la question. Pour du code, demandez le comportement concerné, les modifications proposées et les vérifications nécessaires pour les évaluer. Pour une analyse, distinguez les faits fournis, les relations déduites et toute condition non résolue. Si une image apporte des preuves importantes, identifiez le détail pertinent et fournissez le contexte écrit. Un résultat final utile est une comparaison précise, une proposition d’implémentation ou une note de décision reliée à la question et aux éléments d’origine.
POST /v1/batchestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champendpoint | Typestring | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— |
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-5-pro:batch | Par défaut— |
Champrequests | Typebatch_item[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champrequests[].custom_id | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champrequests[].body.messages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champcompletion_window | Typestring | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— |
Champprovider | Typeobject|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champrequests[].body.model | Typestring | ExigenceFacultatif | Valeurs et limites openai/gpt-5-pro:batch, openai/gpt-5-pro | Par défaut— |
Champprovider.only | Typestring[] | ExigenceFacultatif | Valeurs et limites openai | Par défaut— |
Champprovider.allow_fallbacks | Typeboolean|null | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratendpoint, model, requests |
Paramètrematerial_types | Contrattext |
Paramètrerepresentation | Contratrequests[] intégré ; chaque élément comporte custom_id et body |
Paramètrerequest_endpoint_profile | Contrat/v1/chat/completions |
Paramètrefile_material | ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST. |
Paramètreserialization_order | Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier |
Paramètreoptional_controls | Contratprovider.only, provider.allow_fallbacks, completion_window |
Paramètreschema_scope | ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée. |
Cycle de vie : asynchronous
GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe
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 $0.015 / 1K jetons Sortie · Jetons en sortie $0.12 / 1K jetons Entrée · Lecture du cache — / 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 $0.015 / 1K jetons Sortie · Jetons en sortie $0.12 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5-pro:batch', 'openai/gpt-5-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON results[].response.body intégré
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.
Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.
| Champ | Type |
|---|---|
Champresults[].custom_id | Typestring |
Champresults[].response.body.choices[].message.content | Typestring|null |
Champresults[].error | Typeobject|null |
Champusage | Typeobject|null |
Champid | Typestring |
Champmodel | Typestring |
Champendpoint | Typestring |
Champstatus | Typestring |
Champrequest_counts | Typeobject |
Champresults[].id | Typestring |
Champresults[].response.status_code | Typeinteger |
Champresults[].response.request_id | Typestring |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle. | Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission. |
Réponse401 · authentication_error | ConditionClé API invalide. | Étape suivanteUtilisez la clé Ailoot autorisée. |
Réponse403 · permission_error | ConditionGroupe de traitement par lots indisponible. | Étape suivanteVérifiez les droits d’accès de la clé/du groupe. |
Réponse422 · invalid_request_error | ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée. | Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde. |
Réponse422 · price_unavailable | ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots. | Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille. |
Réponse402 · billing_error | ConditionRéserve pour le traitement par lots indisponible. | Étape suivanteRésolvez le problème d’admission avant d’envoyer une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne remplacez pas les prix par d’autres. |
Réponse503 · api_error | ConditionRoute exacte du fournisseur indisponible. | Étape suivanteConservez la réponse pour réparer la route. |
Réponse503 · result_pending_check | ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false. | Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine. |
Réponse404 · not_found | ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité. | Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe. |
Ailoot Ultra openai/gpt-5-pro:batch
Utilisez les chemins de méthode indiqués ci-dessus.