o1 est le modèle de la série o d’OpenAI entraîné par apprentissage par renforcement pour le raisonnement complexe. Il traite un problème en interne avant de produire une réponse. Le modèle accepte du texte et des images et renvoie du texte. Le communiqué d’OpenAI destiné aux développeurs décrit des tâches en plusieurs étapes et documente les appels de fonctions, Structured Outputs, les messages de rôle developer et la vision pour le modèle via l’API.
Une demande utile fournit la question et les documents nécessaires pour y répondre. Une tâche illustrative peut comparer deux approches techniques selon plusieurs exigences liées, puis identifier la conclusion étayée par ces exigences. Pour le code, fournissez le comportement souhaité et l’implémentation pertinente. Pour un document, identifiez les passages ou faits qui doivent gouverner la réponse et définissez le résultat nécessaire au lecteur.
Une entrée visuelle peut servir une tâche scientifique, de fabrication ou de programmation lorsque l’image apporte des éléments pertinents. Fournissez le schéma ou la capture d’écran et identifiez le détail important ; ajoutez les définitions ou conditions que l’image n’établit pas à elle seule. Les instructions de rôle developer peuvent préciser le ton, le style et le comportement attendu pour la tâche, tandis que le développeur documente aussi le réglage de l’effort de raisonnement pour la quantité de travail avant la réponse.
OpenAI indique une fenêtre de contexte de 200 000 jetons, une sortie maximale de 100 000 jetons et une date limite de connaissances au 1er octobre 2023. L’entrée, le raisonnement interne et la sortie visible occupent de l’espace dans le contexte. Préparez une requête longue autour des éléments utiles et laissez de la place pour l’analyse et le livrable final. Le format de réponse attendu et le niveau de détail de la tâche doivent être énoncés explicitement.
La fiche exacte du modèle répertorie les interfaces Responses, Chat Completions, Assistants et Batch, la diffusion en continu, Structured Outputs, les appels de fonctions, les entrées fichier avec recherche et les entrées image. Les outils répertoriés comprennent les fonctions, la recherche dans les fichiers et les connexions MCP. Les applications exposent leurs opérations, exécutent leurs propres actions et renvoient les résultats réels. Une réponse structurée décrit les champs de sortie demandés, tandis qu’une demande de fonction décrit une opération à effectuer par l’environnement.
Définissez un critère d’achèvement et demandez un résultat lié aux conditions sources. Pour une comparaison, demandez de garder distincts les faits fournis, l’approche sélectionnée et les hypothèses non résolues. Pour une modification proposée, identifiez le comportement attendu et les éléments nécessaires à sa vérification. Un livrable final utile est une explication précise, un plan, une proposition de code ou un ensemble de constats qui peuvent être vérifiés à partir des documents originaux et affinés dans une demande ultérieure ciblée.
", "aboutText": "o1 est le modèle de la série o d’OpenAI entraîné par apprentissage par renforcement pour le raisonnement complexe. Il traite un problème en interne avant de produire une réponse. Le modèle accepte du texte et des images et renvoie du texte. Le communiqué d’OpenAI destiné aux développeurs décrit des tâches en plusieurs étapes et documente les appels de fonctions, Structured Outputs, les messages de rôle developer et la vision pour le modèle via l’API.\n\nUne demande utile fournit la question et les documents nécessaires pour y répondre. Une tâche illustrative peut comparer deux approches techniques selon plusieurs exigences liées, puis identifier la conclusion étayée par ces exigences. Pour le code, fournissez le comportement souhaité et l’implémentation pertinente. Pour un document, identifiez les passages ou faits qui doivent gouverner la réponse et définissez le résultat nécessaire au lecteur.\n\nUne entrée visuelle peut servir une tâche scientifique, de fabrication ou de programmation lorsque l’image apporte des éléments pertinents. Fournissez le schéma ou la capture d’écran et identifiez le détail important ; ajoutez les définitions ou conditions que l’image n’établit pas à elle seule. Les instructions de rôle developer peuvent préciser le ton, le style et le comportement attendu pour la tâche, tandis que le développeur documente aussi le réglage de l’effort de raisonnement pour la quantité de travail avant la réponse.\n\nOpenAI indique une fenêtre de contexte de 200 000 jetons, une sortie maximale de 100 000 jetons et une date limite de connaissances au 1er octobre 2023. L’entrée, le raisonnement interne et la sortie visible occupent de l’espace dans le contexte. Préparez une requête longue autour des éléments utiles et laissez de la place pour l’analyse et le livrable final. Le format de réponse attendu et le niveau de détail de la tâche doivent être énoncés explicitement.\n\nLa fiche exacte du modèle répertorie les interfaces Responses, Chat Completions, Assistants et Batch, la diffusion en continu, Structured Outputs, les appels de fonctions, les entrées fichier avec recherche et les entrées image. Les outils répertoriés comprennent les fonctions, la recherche dans les fichiers et les connexions MCP. Les applications exposent leurs opérations, exécutent leurs propres actions et renvoient les résultats réels. Une réponse structurée décrit les champs de sortie demandés, tandis qu’une demande de fonction décrit une opération à effectuer par l’environnement.\n\nDéfinissez un critère d’achèvement et demandez un résultat lié aux conditions sources. Pour une comparaison, demandez de garder distincts les faits fournis, l’approche sélectionnée et les hypothèses non résolues. Pour une modification proposée, identifiez le comportement attendu et les éléments nécessaires à sa vérification. Un livrable final utile est une explication précise, un plan, une proposition de code ou un ensemble de constats qui peuvent être vérifiés à partir des documents originaux et affinés dans une demande ultérieure ciblée.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Compare two backup approaches\n\nCompare these backup options against three requirements: daily recovery point, recovery within two hours and an independent copy. [A] Nightly backup to the same disk; restore test took one hour. [B] Weekly backup to another device; restore test took 90 minutes. Identify satisfied and unmet requirements and whether either option alone meets all three.A three-requirement matrix and a conclusion distinguishing recorded test results from unsatisfied conditions.Verify same-disk backup does not satisfy the independent-copy rule and weekly backup does not satisfy daily recovery.o1Le modèle de raisonnement o1 d’OpenAI traite des problèmes complexes à partir de texte et d’images. Il prend en charge les appels de fonctions, Structured Outputs et les instructions de rôle developer pour les tâches qui doivent relier des conditions, des éléments probants et un résultat final concret.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
o1 est le modèle de la série o d’OpenAI entraîné par apprentissage par renforcement pour le raisonnement complexe. Il traite un problème en interne avant de produire une réponse. Le modèle accepte du texte et des images et renvoie du texte. Le communiqué d’OpenAI destiné aux développeurs décrit des tâches en plusieurs étapes et documente les appels de fonctions, Structured Outputs, les messages de rôle developer et la vision pour le modèle via l’API.
Une demande utile fournit la question et les documents nécessaires pour y répondre. Une tâche illustrative peut comparer deux approches techniques selon plusieurs exigences liées, puis identifier la conclusion étayée par ces exigences. Pour le code, fournissez le comportement souhaité et l’implémentation pertinente. Pour un document, identifiez les passages ou faits qui doivent gouverner la réponse et définissez le résultat nécessaire au lecteur.
Une entrée visuelle peut servir une tâche scientifique, de fabrication ou de programmation lorsque l’image apporte des éléments pertinents. Fournissez le schéma ou la capture d’écran et identifiez le détail important ; ajoutez les définitions ou conditions que l’image n’établit pas à elle seule. Les instructions de rôle developer peuvent préciser le ton, le style et le comportement attendu pour la tâche, tandis que le développeur documente aussi le réglage de l’effort de raisonnement pour la quantité de travail avant la réponse.
OpenAI indique une fenêtre de contexte de 200 000 jetons, une sortie maximale de 100 000 jetons et une date limite de connaissances au 1er octobre 2023. L’entrée, le raisonnement interne et la sortie visible occupent de l’espace dans le contexte. Préparez une requête longue autour des éléments utiles et laissez de la place pour l’analyse et le livrable final. Le format de réponse attendu et le niveau de détail de la tâche doivent être énoncés explicitement.
La fiche exacte du modèle répertorie les interfaces Responses, Chat Completions, Assistants et Batch, la diffusion en continu, Structured Outputs, les appels de fonctions, les entrées fichier avec recherche et les entrées image. Les outils répertoriés comprennent les fonctions, la recherche dans les fichiers et les connexions MCP. Les applications exposent leurs opérations, exécutent leurs propres actions et renvoient les résultats réels. Une réponse structurée décrit les champs de sortie demandés, tandis qu’une demande de fonction décrit une opération à effectuer par l’environnement.
Définissez un critère d’achèvement et demandez un résultat lié aux conditions sources. Pour une comparaison, demandez de garder distincts les faits fournis, l’approche sélectionnée et les hypothèses non résolues. Pour une modification proposée, identifiez le comportement attendu et les éléments nécessaires à sa vérification. Un livrable final utile est une explication précise, un plan, une proposition de code ou un ensemble de constats qui peuvent être vérifiés à partir des documents originaux et affinés dans une demande ultérieure ciblée.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites o1 | 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 $0.03 / 1K jetons Sortie · Jetons en sortie $0.12 / 1K jetons Entrée · Lecture du cache $0.015 / 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 $0.03 / 1K jetons Sortie · Jetons en sortie $0.12 / 1K jetons Entrée · Lecture du cache $0.015 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"o1","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="o1", 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. |
/chat/completions
o1Le modèle de raisonnement o1 d’OpenAI traite des problèmes complexes à partir de texte et d’images. Il prend en charge les appels de fonctions, Structured Outputs et les instructions de rôle developer pour les tâches qui doivent relier des conditions, des éléments probants et un résultat final concret.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
o1 est le modèle de la série o d’OpenAI entraîné par apprentissage par renforcement pour le raisonnement complexe. Il traite un problème en interne avant de produire une réponse. Le modèle accepte du texte et des images et renvoie du texte. Le communiqué d’OpenAI destiné aux développeurs décrit des tâches en plusieurs étapes et documente les appels de fonctions, Structured Outputs, les messages de rôle developer et la vision pour le modèle via l’API.
Une demande utile fournit la question et les documents nécessaires pour y répondre. Une tâche illustrative peut comparer deux approches techniques selon plusieurs exigences liées, puis identifier la conclusion étayée par ces exigences. Pour le code, fournissez le comportement souhaité et l’implémentation pertinente. Pour un document, identifiez les passages ou faits qui doivent gouverner la réponse et définissez le résultat nécessaire au lecteur.
Une entrée visuelle peut servir une tâche scientifique, de fabrication ou de programmation lorsque l’image apporte des éléments pertinents. Fournissez le schéma ou la capture d’écran et identifiez le détail important ; ajoutez les définitions ou conditions que l’image n’établit pas à elle seule. Les instructions de rôle developer peuvent préciser le ton, le style et le comportement attendu pour la tâche, tandis que le développeur documente aussi le réglage de l’effort de raisonnement pour la quantité de travail avant la réponse.
OpenAI indique une fenêtre de contexte de 200 000 jetons, une sortie maximale de 100 000 jetons et une date limite de connaissances au 1er octobre 2023. L’entrée, le raisonnement interne et la sortie visible occupent de l’espace dans le contexte. Préparez une requête longue autour des éléments utiles et laissez de la place pour l’analyse et le livrable final. Le format de réponse attendu et le niveau de détail de la tâche doivent être énoncés explicitement.
La fiche exacte du modèle répertorie les interfaces Responses, Chat Completions, Assistants et Batch, la diffusion en continu, Structured Outputs, les appels de fonctions, les entrées fichier avec recherche et les entrées image. Les outils répertoriés comprennent les fonctions, la recherche dans les fichiers et les connexions MCP. Les applications exposent leurs opérations, exécutent leurs propres actions et renvoient les résultats réels. Une réponse structurée décrit les champs de sortie demandés, tandis qu’une demande de fonction décrit une opération à effectuer par l’environnement.
Définissez un critère d’achèvement et demandez un résultat lié aux conditions sources. Pour une comparaison, demandez de garder distincts les faits fournis, l’approche sélectionnée et les hypothèses non résolues. Pour une modification proposée, identifiez le comportement attendu et les éléments nécessaires à sa vérification. Un livrable final utile est une explication précise, un plan, une proposition de code ou un ensemble de constats qui peuvent être vérifiés à partir des documents originaux et affinés dans une demande ultérieure ciblée.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites o1 | 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 $0.03 / 1K jetons Sortie · Jetons en sortie $0.12 / 1K jetons Entrée · Lecture du cache $0.015 / 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 $0.03 / 1K jetons Sortie · Jetons en sortie $0.12 / 1K jetons Entrée · Lecture du cache $0.015 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "o1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'o1', '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': 'o1', '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. |
/chat/completions
openai/o1Le modèle de raisonnement o1 d’OpenAI traite des problèmes complexes à partir de texte et d’images. Il prend en charge les appels de fonctions, Structured Outputs et les instructions de rôle developer pour les tâches qui doivent relier des conditions, des éléments probants et un résultat final concret.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
o1 est le modèle de la série o d’OpenAI entraîné par apprentissage par renforcement pour le raisonnement complexe. Il traite un problème en interne avant de produire une réponse. Le modèle accepte du texte et des images et renvoie du texte. Le communiqué d’OpenAI destiné aux développeurs décrit des tâches en plusieurs étapes et documente les appels de fonctions, Structured Outputs, les messages de rôle developer et la vision pour le modèle via l’API.
Une demande utile fournit la question et les documents nécessaires pour y répondre. Une tâche illustrative peut comparer deux approches techniques selon plusieurs exigences liées, puis identifier la conclusion étayée par ces exigences. Pour le code, fournissez le comportement souhaité et l’implémentation pertinente. Pour un document, identifiez les passages ou faits qui doivent gouverner la réponse et définissez le résultat nécessaire au lecteur.
Une entrée visuelle peut servir une tâche scientifique, de fabrication ou de programmation lorsque l’image apporte des éléments pertinents. Fournissez le schéma ou la capture d’écran et identifiez le détail important ; ajoutez les définitions ou conditions que l’image n’établit pas à elle seule. Les instructions de rôle developer peuvent préciser le ton, le style et le comportement attendu pour la tâche, tandis que le développeur documente aussi le réglage de l’effort de raisonnement pour la quantité de travail avant la réponse.
OpenAI indique une fenêtre de contexte de 200 000 jetons, une sortie maximale de 100 000 jetons et une date limite de connaissances au 1er octobre 2023. L’entrée, le raisonnement interne et la sortie visible occupent de l’espace dans le contexte. Préparez une requête longue autour des éléments utiles et laissez de la place pour l’analyse et le livrable final. Le format de réponse attendu et le niveau de détail de la tâche doivent être énoncés explicitement.
La fiche exacte du modèle répertorie les interfaces Responses, Chat Completions, Assistants et Batch, la diffusion en continu, Structured Outputs, les appels de fonctions, les entrées fichier avec recherche et les entrées image. Les outils répertoriés comprennent les fonctions, la recherche dans les fichiers et les connexions MCP. Les applications exposent leurs opérations, exécutent leurs propres actions et renvoient les résultats réels. Une réponse structurée décrit les champs de sortie demandés, tandis qu’une demande de fonction décrit une opération à effectuer par l’environnement.
Définissez un critère d’achèvement et demandez un résultat lié aux conditions sources. Pour une comparaison, demandez de garder distincts les faits fournis, l’approche sélectionnée et les hypothèses non résolues. Pour une modification proposée, identifiez le comportement attendu et les éléments nécessaires à sa vérification. Un livrable final utile est une explication précise, un plan, une proposition de code ou un ensemble de constats qui peuvent être vérifiés à partir des documents originaux et affinés dans une demande ultérieure ciblée.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/o1 | 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 $0.03 / 1K jetons Sortie · Jetons en sortie $0.12 / 1K jetons Entrée · Lecture du cache $0.015 / 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 $0.03 / 1K jetons Sortie · Jetons en sortie $0.12 / 1K jetons Entrée · Lecture du cache $0.015 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/o1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/o1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/o1',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. |
/chat/completions
openai/o1Le modèle de raisonnement o1 d’OpenAI traite des problèmes complexes à partir de texte et d’images. Il prend en charge les appels de fonctions, Structured Outputs et les instructions de rôle developer pour les tâches qui doivent relier des conditions, des éléments probants et un résultat final concret.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
o1 est le modèle de la série o d’OpenAI entraîné par apprentissage par renforcement pour le raisonnement complexe. Il traite un problème en interne avant de produire une réponse. Le modèle accepte du texte et des images et renvoie du texte. Le communiqué d’OpenAI destiné aux développeurs décrit des tâches en plusieurs étapes et documente les appels de fonctions, Structured Outputs, les messages de rôle developer et la vision pour le modèle via l’API.
Une demande utile fournit la question et les documents nécessaires pour y répondre. Une tâche illustrative peut comparer deux approches techniques selon plusieurs exigences liées, puis identifier la conclusion étayée par ces exigences. Pour le code, fournissez le comportement souhaité et l’implémentation pertinente. Pour un document, identifiez les passages ou faits qui doivent gouverner la réponse et définissez le résultat nécessaire au lecteur.
Une entrée visuelle peut servir une tâche scientifique, de fabrication ou de programmation lorsque l’image apporte des éléments pertinents. Fournissez le schéma ou la capture d’écran et identifiez le détail important ; ajoutez les définitions ou conditions que l’image n’établit pas à elle seule. Les instructions de rôle developer peuvent préciser le ton, le style et le comportement attendu pour la tâche, tandis que le développeur documente aussi le réglage de l’effort de raisonnement pour la quantité de travail avant la réponse.
OpenAI indique une fenêtre de contexte de 200 000 jetons, une sortie maximale de 100 000 jetons et une date limite de connaissances au 1er octobre 2023. L’entrée, le raisonnement interne et la sortie visible occupent de l’espace dans le contexte. Préparez une requête longue autour des éléments utiles et laissez de la place pour l’analyse et le livrable final. Le format de réponse attendu et le niveau de détail de la tâche doivent être énoncés explicitement.
La fiche exacte du modèle répertorie les interfaces Responses, Chat Completions, Assistants et Batch, la diffusion en continu, Structured Outputs, les appels de fonctions, les entrées fichier avec recherche et les entrées image. Les outils répertoriés comprennent les fonctions, la recherche dans les fichiers et les connexions MCP. Les applications exposent leurs opérations, exécutent leurs propres actions et renvoient les résultats réels. Une réponse structurée décrit les champs de sortie demandés, tandis qu’une demande de fonction décrit une opération à effectuer par l’environnement.
Définissez un critère d’achèvement et demandez un résultat lié aux conditions sources. Pour une comparaison, demandez de garder distincts les faits fournis, l’approche sélectionnée et les hypothèses non résolues. Pour une modification proposée, identifiez le comportement attendu et les éléments nécessaires à sa vérification. Un livrable final utile est une explication précise, un plan, une proposition de code ou un ensemble de constats qui peuvent être vérifiés à partir des documents originaux et affinés dans une demande ultérieure ciblée.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/o1 | 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 $0.03 / 1K jetons Sortie · Jetons en sortie $0.12 / 1K jetons Entrée · Lecture du cache $0.015 / 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 $0.03 / 1K jetons Sortie · Jetons en sortie $0.12 / 1K jetons Entrée · Lecture du cache $0.015 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "openai/o1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/o1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/o1', '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. |
/chat/completions
Exemple technique en anglais
Compare two backup approaches\n\nCompare these backup options against three requirements: daily recovery point, recovery within two hours and an independent copy. [A] Nightly backup to the same disk; restore test took one hour. [B] Weekly backup to another device; restore test took 90 minutes. Identify satisfied and unmet requirements and whether either option alone meets all three.A three-requirement matrix and a conclusion distinguishing recorded test results from unsatisfied conditions.Verify same-disk backup does not satisfy the independent-copy rule and weekly backup does not satisfy daily recovery.