GPT-6 Sol Pro désigne GPT-6 Sol d’OpenAI avec le raisonnement Pro. Le modèle de base Sol est conçu pour la programmation complexe et les processus d’agents, accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pour élaborer la réponse finale. Il est distinct de l’effort de raisonnement, qui contrôle la quantité d’analyse appliquée par le modèle dans le mode d’exécution sélectionné. GPT-6 Sol reste l’édition de base de cette fiche, distincte de GPT-6.1 Sol.
Pour une tâche de développement, décrivez le comportement à implémenter et fournissez les fichiers sources pertinents, des exemples d’entrée et les contraintes que la modification doit respecter. Un exemple de requête consiste à suivre comment une entrée atteint un résultat, identifier les dépendances concernées et proposer une modification qui préserve le comportement requis. Pour une révision, incluez le comportement visé et le code à examiner, puis demandez des problèmes concrets avec une explication de la manière dont chacun affecte ce comportement.
Le travail des agents relie plusieurs décisions par les éléments probants de l’environnement de travail. Un outil peut récupérer un fichier, effectuer un calcul ou renvoyer le résultat d’une vérification ; ce résultat devient le matériau de la décision suivante. OpenAI répertorie pour le modèle de base la recherche web et dans les fichiers, les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Il prend aussi en charge les appels de fonctions, Structured Outputs, la diffusion en continu et la mise en cache de l’entrée. Les applications contrôlent leurs opérations disponibles et renvoient les résultats réels des outils ; le texte d’action généré par le modèle ne constitue pas à lui seul une preuve qu’une opération est achevée.
La spécification de GPT-6 Sol du concepteur donne une fenêtre de contexte de 1 050 000 jetons, une entrée maximale de 922 000 jetons et une sortie maximale de 128 000 jetons. Sa date limite des connaissances documentée est le 20 avril 2026. Les choix de base d’effort de raisonnement sont none, low, medium, high, xhigh et max, avec medium par défaut. Le contexte doit accueillir la tâche, les résultats d’outils pertinents et le raisonnement ainsi que la réponse visible. Gardez les définitions et les critères d’achèvement près des éléments auxquels ils s’appliquent, surtout dans une longue requête d’ingénierie.
OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Pour GPT-6 Sol, les outils intégrés et le raisonnement avec des appels de fonctions utilisent Responses. Dans l’interface Chat Completions du concepteur, les appels de fonctions sont pris en charge uniquement lorsque l’effort de raisonnement est none. Le guide de GPT-6 décrit aussi le travail asynchrone des outils, la réorientation d’un tour actif et la conservation du raisonnement entre les appels. Ce sont des capacités de processus avec leurs propres exigences d’interface.
Précisez un résultat final concret et la manière de le vérifier. Vous pouvez demander un correctif proposé, le comportement qu’il modifie et les éléments probants nécessaires pour le vérifier, ou une comparaison d’options d’implémentation liée aux contraintes fournies. Si une image fournit un contexte d’interface, indiquez le détail visuel important. La réponse finale doit relier les choix importants à l’objectif d’ingénierie et distinguer une action proposée d’un résultat déjà obtenu.
", "aboutText": "GPT-6 Sol Pro désigne GPT-6 Sol d’OpenAI avec le raisonnement Pro. Le modèle de base Sol est conçu pour la programmation complexe et les processus d’agents, accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pour élaborer la réponse finale. Il est distinct de l’effort de raisonnement, qui contrôle la quantité d’analyse appliquée par le modèle dans le mode d’exécution sélectionné. GPT-6 Sol reste l’édition de base de cette fiche, distincte de GPT-6.1 Sol.\n\nPour une tâche de développement, décrivez le comportement à implémenter et fournissez les fichiers sources pertinents, des exemples d’entrée et les contraintes que la modification doit respecter. Un exemple de requête consiste à suivre comment une entrée atteint un résultat, identifier les dépendances concernées et proposer une modification qui préserve le comportement requis. Pour une révision, incluez le comportement visé et le code à examiner, puis demandez des problèmes concrets avec une explication de la manière dont chacun affecte ce comportement.\n\nLe travail des agents relie plusieurs décisions par les éléments probants de l’environnement de travail. Un outil peut récupérer un fichier, effectuer un calcul ou renvoyer le résultat d’une vérification ; ce résultat devient le matériau de la décision suivante. OpenAI répertorie pour le modèle de base la recherche web et dans les fichiers, les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Il prend aussi en charge les appels de fonctions, Structured Outputs, la diffusion en continu et la mise en cache de l’entrée. Les applications contrôlent leurs opérations disponibles et renvoient les résultats réels des outils ; le texte d’action généré par le modèle ne constitue pas à lui seul une preuve qu’une opération est achevée.\n\nLa spécification de GPT-6 Sol du concepteur donne une fenêtre de contexte de 1 050 000 jetons, une entrée maximale de 922 000 jetons et une sortie maximale de 128 000 jetons. Sa date limite des connaissances documentée est le 20 avril 2026. Les choix de base d’effort de raisonnement sont none, low, medium, high, xhigh et max, avec medium par défaut. Le contexte doit accueillir la tâche, les résultats d’outils pertinents et le raisonnement ainsi que la réponse visible. Gardez les définitions et les critères d’achèvement près des éléments auxquels ils s’appliquent, surtout dans une longue requête d’ingénierie.\n\nOpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Pour GPT-6 Sol, les outils intégrés et le raisonnement avec des appels de fonctions utilisent Responses. Dans l’interface Chat Completions du concepteur, les appels de fonctions sont pris en charge uniquement lorsque l’effort de raisonnement est none. Le guide de GPT-6 décrit aussi le travail asynchrone des outils, la réorientation d’un tour actif et la conservation du raisonnement entre les appels. Ce sont des capacités de processus avec leurs propres exigences d’interface.\n\nPrécisez un résultat final concret et la manière de le vérifier. Vous pouvez demander un correctif proposé, le comportement qu’il modifie et les éléments probants nécessaires pour le vérifier, ou une comparaison d’options d’implémentation liée aux contraintes fournies. Si une image fournit un contexte d’interface, indiquez le détail visuel important. La réponse finale doit relier les choix importants à l’objectif d’ingénierie et distinguer une action proposée d’un résultat déjà obtenu.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Review a cache invalidation contract\n\nReview this design: reads cache user profiles for one hour; updates write the database but never evict the cache; the API promises that a successful update is visible to the next read. Identify the contract violation and compare evict-after-commit with versioned cache keys. Recommend one approach and specify the failure-path tests needed.A focused design review with a comparison, recommendation and tests for update and cache failure paths.The recommendation addresses the next-read promise and explains the remaining race or failure condition.openai/gpt-6-sol-proGPT-6 Sol avec raisonnement Pro pour la programmation complexe et le travail des agents. Fournissez le code, les exigences et les éléments probants pertinents pour demander une proposition d’implémentation, une révision ciblée ou une explication d’une solution en plusieurs étapes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-6 Sol Pro désigne GPT-6 Sol d’OpenAI avec le raisonnement Pro. Le modèle de base Sol est conçu pour la programmation complexe et les processus d’agents, accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pour élaborer la réponse finale. Il est distinct de l’effort de raisonnement, qui contrôle la quantité d’analyse appliquée par le modèle dans le mode d’exécution sélectionné. GPT-6 Sol reste l’édition de base de cette fiche, distincte de GPT-6.1 Sol.
Pour une tâche de développement, décrivez le comportement à implémenter et fournissez les fichiers sources pertinents, des exemples d’entrée et les contraintes que la modification doit respecter. Un exemple de requête consiste à suivre comment une entrée atteint un résultat, identifier les dépendances concernées et proposer une modification qui préserve le comportement requis. Pour une révision, incluez le comportement visé et le code à examiner, puis demandez des problèmes concrets avec une explication de la manière dont chacun affecte ce comportement.
Le travail des agents relie plusieurs décisions par les éléments probants de l’environnement de travail. Un outil peut récupérer un fichier, effectuer un calcul ou renvoyer le résultat d’une vérification ; ce résultat devient le matériau de la décision suivante. OpenAI répertorie pour le modèle de base la recherche web et dans les fichiers, les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Il prend aussi en charge les appels de fonctions, Structured Outputs, la diffusion en continu et la mise en cache de l’entrée. Les applications contrôlent leurs opérations disponibles et renvoient les résultats réels des outils ; le texte d’action généré par le modèle ne constitue pas à lui seul une preuve qu’une opération est achevée.
La spécification de GPT-6 Sol du concepteur donne une fenêtre de contexte de 1 050 000 jetons, une entrée maximale de 922 000 jetons et une sortie maximale de 128 000 jetons. Sa date limite des connaissances documentée est le 20 avril 2026. Les choix de base d’effort de raisonnement sont none, low, medium, high, xhigh et max, avec medium par défaut. Le contexte doit accueillir la tâche, les résultats d’outils pertinents et le raisonnement ainsi que la réponse visible. Gardez les définitions et les critères d’achèvement près des éléments auxquels ils s’appliquent, surtout dans une longue requête d’ingénierie.
OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Pour GPT-6 Sol, les outils intégrés et le raisonnement avec des appels de fonctions utilisent Responses. Dans l’interface Chat Completions du concepteur, les appels de fonctions sont pris en charge uniquement lorsque l’effort de raisonnement est none. Le guide de GPT-6 décrit aussi le travail asynchrone des outils, la réorientation d’un tour actif et la conservation du raisonnement entre les appels. Ce sont des capacités de processus avec leurs propres exigences d’interface.
Précisez un résultat final concret et la manière de le vérifier. Vous pouvez demander un correctif proposé, le comportement qu’il modifie et les éléments probants nécessaires pour le vérifier, ou une comparaison d’options d’implémentation liée aux contraintes fournies. Si une image fournit un contexte d’interface, indiquez le détail visuel important. La réponse finale doit relier les choix importants à l’objectif d’ingénierie et distinguer une action proposée d’un résultat déjà obtenu.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-6-sol-pro | 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 $0.004 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 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 incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.03 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-6-sol-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-6-sol-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-6-sol-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 openai/gpt-6-sol-pro
Utilisez les chemins de méthode indiqués ci-dessus.
openai/gpt-6-sol-proGPT-6 Sol avec raisonnement Pro pour la programmation complexe et le travail des agents. Fournissez le code, les exigences et les éléments probants pertinents pour demander une proposition d’implémentation, une révision ciblée ou une explication d’une solution en plusieurs étapes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-6 Sol Pro désigne GPT-6 Sol d’OpenAI avec le raisonnement Pro. Le modèle de base Sol est conçu pour la programmation complexe et les processus d’agents, accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pour élaborer la réponse finale. Il est distinct de l’effort de raisonnement, qui contrôle la quantité d’analyse appliquée par le modèle dans le mode d’exécution sélectionné. GPT-6 Sol reste l’édition de base de cette fiche, distincte de GPT-6.1 Sol.
Pour une tâche de développement, décrivez le comportement à implémenter et fournissez les fichiers sources pertinents, des exemples d’entrée et les contraintes que la modification doit respecter. Un exemple de requête consiste à suivre comment une entrée atteint un résultat, identifier les dépendances concernées et proposer une modification qui préserve le comportement requis. Pour une révision, incluez le comportement visé et le code à examiner, puis demandez des problèmes concrets avec une explication de la manière dont chacun affecte ce comportement.
Le travail des agents relie plusieurs décisions par les éléments probants de l’environnement de travail. Un outil peut récupérer un fichier, effectuer un calcul ou renvoyer le résultat d’une vérification ; ce résultat devient le matériau de la décision suivante. OpenAI répertorie pour le modèle de base la recherche web et dans les fichiers, les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Il prend aussi en charge les appels de fonctions, Structured Outputs, la diffusion en continu et la mise en cache de l’entrée. Les applications contrôlent leurs opérations disponibles et renvoient les résultats réels des outils ; le texte d’action généré par le modèle ne constitue pas à lui seul une preuve qu’une opération est achevée.
La spécification de GPT-6 Sol du concepteur donne une fenêtre de contexte de 1 050 000 jetons, une entrée maximale de 922 000 jetons et une sortie maximale de 128 000 jetons. Sa date limite des connaissances documentée est le 20 avril 2026. Les choix de base d’effort de raisonnement sont none, low, medium, high, xhigh et max, avec medium par défaut. Le contexte doit accueillir la tâche, les résultats d’outils pertinents et le raisonnement ainsi que la réponse visible. Gardez les définitions et les critères d’achèvement près des éléments auxquels ils s’appliquent, surtout dans une longue requête d’ingénierie.
OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Pour GPT-6 Sol, les outils intégrés et le raisonnement avec des appels de fonctions utilisent Responses. Dans l’interface Chat Completions du concepteur, les appels de fonctions sont pris en charge uniquement lorsque l’effort de raisonnement est none. Le guide de GPT-6 décrit aussi le travail asynchrone des outils, la réorientation d’un tour actif et la conservation du raisonnement entre les appels. Ce sont des capacités de processus avec leurs propres exigences d’interface.
Précisez un résultat final concret et la manière de le vérifier. Vous pouvez demander un correctif proposé, le comportement qu’il modifie et les éléments probants nécessaires pour le vérifier, ou une comparaison d’options d’implémentation liée aux contraintes fournies. Si une image fournit un contexte d’interface, indiquez le détail visuel important. La réponse finale doit relier les choix importants à l’objectif d’ingénierie et distinguer une action proposée d’un résultat déjà obtenu.
POST /v1/messagestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-6-sol-pro | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring|content_block[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champsystem | Typestring|content_block[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites Minimum: 1 La limite s’applique à: Plafond exact du modèle ou de la fiche sélectionnés | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop_sequences | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typetool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].name | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Outil fourni | Par défaut— |
Champtools[].description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].input_schema | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.type | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.budget_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champoutput_config.effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmetadata | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champcache_control | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
messages[].content ou bloc type=text
Texte + image
{type:image,source:{type:base64,media_type,data}} ou source type=url
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
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 : exact retained published method
Envoyez l’identifiant exact du modèle et les champs requis.
Conservez chaque élément retourné et ses identifiants d’origine.
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 $0.004 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 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 incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.03 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "openai/gpt-6-sol-pro",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${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-6-sol-pro', 'max_tokens': 4096, '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-6-sol-pro', 'max_tokens': 4096, '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 openai/gpt-6-sol-pro
Utilisez les chemins de méthode indiqués ci-dessus.
openai/gpt-6-sol-proGPT-6 Sol avec raisonnement Pro pour la programmation complexe et le travail des agents. Fournissez le code, les exigences et les éléments probants pertinents pour demander une proposition d’implémentation, une révision ciblée ou une explication d’une solution en plusieurs étapes.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-6 Sol Pro désigne GPT-6 Sol d’OpenAI avec le raisonnement Pro. Le modèle de base Sol est conçu pour la programmation complexe et les processus d’agents, accepte du texte et des images et produit du texte. Pro augmente le travail du modèle pour élaborer la réponse finale. Il est distinct de l’effort de raisonnement, qui contrôle la quantité d’analyse appliquée par le modèle dans le mode d’exécution sélectionné. GPT-6 Sol reste l’édition de base de cette fiche, distincte de GPT-6.1 Sol.
Pour une tâche de développement, décrivez le comportement à implémenter et fournissez les fichiers sources pertinents, des exemples d’entrée et les contraintes que la modification doit respecter. Un exemple de requête consiste à suivre comment une entrée atteint un résultat, identifier les dépendances concernées et proposer une modification qui préserve le comportement requis. Pour une révision, incluez le comportement visé et le code à examiner, puis demandez des problèmes concrets avec une explication de la manière dont chacun affecte ce comportement.
Le travail des agents relie plusieurs décisions par les éléments probants de l’environnement de travail. Un outil peut récupérer un fichier, effectuer un calcul ou renvoyer le résultat d’une vérification ; ce résultat devient le matériau de la décision suivante. OpenAI répertorie pour le modèle de base la recherche web et dans les fichiers, les outils de génération d’images, un interpréteur de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences, l’utilisation de l’ordinateur, les connexions MCP et la recherche d’outils. Il prend aussi en charge les appels de fonctions, Structured Outputs, la diffusion en continu et la mise en cache de l’entrée. Les applications contrôlent leurs opérations disponibles et renvoient les résultats réels des outils ; le texte d’action généré par le modèle ne constitue pas à lui seul une preuve qu’une opération est achevée.
La spécification de GPT-6 Sol du concepteur donne une fenêtre de contexte de 1 050 000 jetons, une entrée maximale de 922 000 jetons et une sortie maximale de 128 000 jetons. Sa date limite des connaissances documentée est le 20 avril 2026. Les choix de base d’effort de raisonnement sont none, low, medium, high, xhigh et max, avec medium par défaut. Le contexte doit accueillir la tâche, les résultats d’outils pertinents et le raisonnement ainsi que la réponse visible. Gardez les définitions et les critères d’achèvement près des éléments auxquels ils s’appliquent, surtout dans une longue requête d’ingénierie.
OpenAI documente Pro dans l’API Responses pour les travaux difficiles qui peuvent tolérer un délai supplémentaire et davantage d’activité du modèle. Pour GPT-6 Sol, les outils intégrés et le raisonnement avec des appels de fonctions utilisent Responses. Dans l’interface Chat Completions du concepteur, les appels de fonctions sont pris en charge uniquement lorsque l’effort de raisonnement est none. Le guide de GPT-6 décrit aussi le travail asynchrone des outils, la réorientation d’un tour actif et la conservation du raisonnement entre les appels. Ce sont des capacités de processus avec leurs propres exigences d’interface.
Précisez un résultat final concret et la manière de le vérifier. Vous pouvez demander un correctif proposé, le comportement qu’il modifie et les éléments probants nécessaires pour le vérifier, ou une comparaison d’options d’implémentation liée aux contraintes fournies. Si une image fournit un contexte d’interface, indiquez le détail visuel important. La réponse finale doit relier les choix importants à l’objectif d’ingénierie et distinguer une action proposée d’un résultat déjà obtenu.
POST /v1/responsestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-6-sol-pro | Par défaut— |
Champinput | Typestring|input_item[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champinput[].type | Typestring | ExigenceFacultatif | Valeurs et limites message, reasoning, function_call, function_call_output | Par défaut— |
Champinput[].content | Typestring|content_part[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champinput[].call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: function_call_output ; conservez le call_id réellement renvoyé | Par défaut— |
Champinput[].output | Typestring|content_part[] | ExigenceFacultatif | Valeurs et limites S’applique lorsque: function_call_output | Par défaut— |
Champmax_output_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typetool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | 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— |
Champreasoning.effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning.summary | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtext.format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtext.verbosity | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinclude | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstore | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprevious_response_id | Typestring | ExigenceNon pris en charge | Valeurs et limites Exigence relative à l’ID: Uniquement un ID de réponse réel provenant d’une continuation prise en charge Conditions: Renvoyez l’historique réel de la conversation avec chaque demande. | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_key | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
Texte d’entrée ou partie input_text
Texte + image
{type:input_image,image_url}
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratmodel, input |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
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 : exact retained published method
Envoyez l’identifiant exact du modèle et les champs requis.
Conservez chaque élément retourné et ses identifiants d’origine.
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 $0.004 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 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 incluse272 000 | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0.0004 / 1K jetons Entrée · Écriture dans le cache $0.005 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de272 000 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.008 / 1K jetons Sortie · Jetons en sortie $0.03 / 1K jetons Entrée · Lecture du cache $0.0008 / 1K jetons Entrée · Écriture dans le cache $0.01 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "openai/gpt-6-sol-pro",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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-6-sol-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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/responses \\\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\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-6-sol-pro', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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 = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', 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 chaque élément de sortie et chaque partie de contenu, le call_id réel de l’appel de fonction, le raisonnement chiffré et les données d’utilisation. En diffusion en continu, conservez l’identité complète des événements et des éléments.
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 |
Champstatus | Typestring |
Champoutput[] | Typemessage|reasoning|function_call|other item |
Champoutput[].content[] | Typecontent part |
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 openai/gpt-6-sol-pro
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Review a cache invalidation contract\n\nReview this design: reads cache user profiles for one hour; updates write the database but never evict the cache; the API promises that a successful update is visible to the next read. Identify the contract violation and compare evict-after-commit with versioned cache keys. Recommend one approach and specify the failure-path tests needed.A focused design review with a comparison, recommendation and tests for update and cache failure paths.The recommendation addresses the next-read promise and explains the remaining race or failure condition.