GPT-5 est le modèle de raisonnement d’OpenAI pour la programmation et les tâches d’agents dans divers domaines. Il accepte du texte et des images et produit du texte. La version destinée aux développeurs distingue le modèle de raisonnement API de la sélection de chat sans raisonnement, et décrit la collaboration en programmation, le travail frontend, le suivi des consignes et les workflows reliant une séquence de résultats d’outils.
Pour le travail d’ingénierie, fournissez le comportement requis, les fichiers pertinents et les contraintes sur les modifications. Un exemple de requête consiste à inspecter l’interaction entre des composants, identifier un problème dans leur traitement d’une entrée et élaborer une proposition de modification coordonnée. Pour le frontend, fournissez l’interaction prévue et une référence visuelle. Pour une question documentaire, identifiez la décision, les sources et les sections requises afin que la réponse ait un objectif concret.
Le producteur documente les niveaux d’effort de raisonnement minimal, low, medium et high, medium étant présenté comme valeur par défaut dans la version développeur. La verbosité de réponse est un réglage distinct avec les choix low, medium et high ; medium est la valeur par défaut documentée, tandis qu’une consigne explicite sur la sortie prévaut. Cette distinction permet de demander un résultat concis tout en allouant une analyse adaptée à la complexité de la tâche.
OpenAI annonce pour GPT-5 une fenêtre de contexte de 400 000 tokens, une entrée maximale de 272 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite de connaissances au 30 septembre 2024. Le raisonnement et la sortie visible partagent le budget de tokens générés. Gardez les sources pertinentes et les critères de réussite disponibles, et laissez de la place pour l’analyse et la réponse finale plutôt que de remplir toute la fenêtre avec du contexte sans rapport.
Le producteur mentionne les interfaces Responses, Chat Completions et Batch, le streaming, Structured Outputs, l’appel de fonctions, les entrées fichier et image, la recherche web et dans les fichiers, ainsi que la mise en cache des prompts. Les outils de sa fiche de modèle exacte comprennent la génération d’images, l’interprétation de code et les connexions MCP. La version développeur documente également les appels d’outils parallèles, les messages de progression visibles entre les actions et les outils personnalisés acceptant du texte brut avec des contraintes grammaticales facultatives. Les applications exécutent leurs opérations et renvoient les résultats réels utilisés dans la décision suivante.
Les recommandations actuelles de mise en cache comprennent une rétention prolongée facultative de jusqu’à 24 heures pour GPT-5, le réemploi dépendant d’un préfixe conservé éligible. Pour la tâche elle-même, définissez le résultat et les preuves qui constitueraient son achèvement. Une proposition de patch, une analyse structurée ou un document sont utiles lorsque leurs choix importants sont liés aux exigences et faits fournis. Distinguez les résultats des vérifications terminées des actions encore proposées afin que la réponse finale puisse soutenir l’étape de travail suivante.
", "aboutText": "GPT-5 est le modèle de raisonnement d’OpenAI pour la programmation et les tâches d’agents dans divers domaines. Il accepte du texte et des images et produit du texte. La version destinée aux développeurs distingue le modèle de raisonnement API de la sélection de chat sans raisonnement, et décrit la collaboration en programmation, le travail frontend, le suivi des consignes et les workflows reliant une séquence de résultats d’outils.\n\nPour le travail d’ingénierie, fournissez le comportement requis, les fichiers pertinents et les contraintes sur les modifications. Un exemple de requête consiste à inspecter l’interaction entre des composants, identifier un problème dans leur traitement d’une entrée et élaborer une proposition de modification coordonnée. Pour le frontend, fournissez l’interaction prévue et une référence visuelle. Pour une question documentaire, identifiez la décision, les sources et les sections requises afin que la réponse ait un objectif concret.\n\nLe producteur documente les niveaux d’effort de raisonnement minimal, low, medium et high, medium étant présenté comme valeur par défaut dans la version développeur. La verbosité de réponse est un réglage distinct avec les choix low, medium et high ; medium est la valeur par défaut documentée, tandis qu’une consigne explicite sur la sortie prévaut. Cette distinction permet de demander un résultat concis tout en allouant une analyse adaptée à la complexité de la tâche.\n\nOpenAI annonce pour GPT-5 une fenêtre de contexte de 400 000 tokens, une entrée maximale de 272 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite de connaissances au 30 septembre 2024. Le raisonnement et la sortie visible partagent le budget de tokens générés. Gardez les sources pertinentes et les critères de réussite disponibles, et laissez de la place pour l’analyse et la réponse finale plutôt que de remplir toute la fenêtre avec du contexte sans rapport.\n\nLe producteur mentionne les interfaces Responses, Chat Completions et Batch, le streaming, Structured Outputs, l’appel de fonctions, les entrées fichier et image, la recherche web et dans les fichiers, ainsi que la mise en cache des prompts. Les outils de sa fiche de modèle exacte comprennent la génération d’images, l’interprétation de code et les connexions MCP. La version développeur documente également les appels d’outils parallèles, les messages de progression visibles entre les actions et les outils personnalisés acceptant du texte brut avec des contraintes grammaticales facultatives. Les applications exécutent leurs opérations et renvoient les résultats réels utilisés dans la décision suivante.\n\nLes recommandations actuelles de mise en cache comprennent une rétention prolongée facultative de jusqu’à 24 heures pour GPT-5, le réemploi dépendant d’un préfixe conservé éligible. Pour la tâche elle-même, définissez le résultat et les preuves qui constitueraient son achèvement. Une proposition de patch, une analyse structurée ou un document sont utiles lorsque leurs choix importants sont liés aux exigences et faits fournis. Distinguez les résultats des vérifications terminées des actions encore proposées afin que la réponse finale puisse soutenir l’étape de travail suivante.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f0f79e524893451e2f38855c422d5fee8f2c6fade5cdc26d2088bd1f880664a9", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "gpt-5-thinkingGPT-5 est un modèle de raisonnement pour la programmation, les tâches textuelles et visuelles et les processus d’agents. Il prend en charge un raisonnement et un niveau de détail de réponse configurables et peut combiner les preuves d’un projet ou de documents avec les résultats des outils de l’application.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5 est le modèle de raisonnement d’OpenAI pour la programmation et les tâches d’agents dans divers domaines. Il accepte du texte et des images et produit du texte. La version destinée aux développeurs distingue le modèle de raisonnement API de la sélection de chat sans raisonnement, et décrit la collaboration en programmation, le travail frontend, le suivi des consignes et les workflows reliant une séquence de résultats d’outils.
Pour le travail d’ingénierie, fournissez le comportement requis, les fichiers pertinents et les contraintes sur les modifications. Un exemple de requête consiste à inspecter l’interaction entre des composants, identifier un problème dans leur traitement d’une entrée et élaborer une proposition de modification coordonnée. Pour le frontend, fournissez l’interaction prévue et une référence visuelle. Pour une question documentaire, identifiez la décision, les sources et les sections requises afin que la réponse ait un objectif concret.
Le producteur documente les niveaux d’effort de raisonnement minimal, low, medium et high, medium étant présenté comme valeur par défaut dans la version développeur. La verbosité de réponse est un réglage distinct avec les choix low, medium et high ; medium est la valeur par défaut documentée, tandis qu’une consigne explicite sur la sortie prévaut. Cette distinction permet de demander un résultat concis tout en allouant une analyse adaptée à la complexité de la tâche.
OpenAI annonce pour GPT-5 une fenêtre de contexte de 400 000 tokens, une entrée maximale de 272 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite de connaissances au 30 septembre 2024. Le raisonnement et la sortie visible partagent le budget de tokens générés. Gardez les sources pertinentes et les critères de réussite disponibles, et laissez de la place pour l’analyse et la réponse finale plutôt que de remplir toute la fenêtre avec du contexte sans rapport.
Le producteur mentionne les interfaces Responses, Chat Completions et Batch, le streaming, Structured Outputs, l’appel de fonctions, les entrées fichier et image, la recherche web et dans les fichiers, ainsi que la mise en cache des prompts. Les outils de sa fiche de modèle exacte comprennent la génération d’images, l’interprétation de code et les connexions MCP. La version développeur documente également les appels d’outils parallèles, les messages de progression visibles entre les actions et les outils personnalisés acceptant du texte brut avec des contraintes grammaticales facultatives. Les applications exécutent leurs opérations et renvoient les résultats réels utilisés dans la décision suivante.
Les recommandations actuelles de mise en cache comprennent une rétention prolongée facultative de jusqu’à 24 heures pour GPT-5, le réemploi dépendant d’un préfixe conservé éligible. Pour la tâche elle-même, définissez le résultat et les preuves qui constitueraient son achèvement. Une proposition de patch, une analyse structurée ou un document sont utiles lorsque leurs choix importants sont liés aux exigences et faits fournis. Distinguez les résultats des vérifications terminées des actions encore proposées afin que la réponse finale puisse soutenir l’étape de travail suivante.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5-thinking | 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 sous forme de texte littéral ; aucun identifiant 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’identifiant 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/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0.00025 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5-thinking", 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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-5-thinking
/chat/completions
gpt-5-thinkingGPT-5 est un modèle de raisonnement pour la programmation, les tâches textuelles et visuelles et les processus d’agents. Il prend en charge un raisonnement et un niveau de détail de réponse configurables et peut combiner les preuves d’un projet ou de documents avec les résultats des outils de l’application.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5 est le modèle de raisonnement d’OpenAI pour la programmation et les tâches d’agents dans divers domaines. Il accepte du texte et des images et produit du texte. La version destinée aux développeurs distingue le modèle de raisonnement API de la sélection de chat sans raisonnement, et décrit la collaboration en programmation, le travail frontend, le suivi des consignes et les workflows reliant une séquence de résultats d’outils.
Pour le travail d’ingénierie, fournissez le comportement requis, les fichiers pertinents et les contraintes sur les modifications. Un exemple de requête consiste à inspecter l’interaction entre des composants, identifier un problème dans leur traitement d’une entrée et élaborer une proposition de modification coordonnée. Pour le frontend, fournissez l’interaction prévue et une référence visuelle. Pour une question documentaire, identifiez la décision, les sources et les sections requises afin que la réponse ait un objectif concret.
Le producteur documente les niveaux d’effort de raisonnement minimal, low, medium et high, medium étant présenté comme valeur par défaut dans la version développeur. La verbosité de réponse est un réglage distinct avec les choix low, medium et high ; medium est la valeur par défaut documentée, tandis qu’une consigne explicite sur la sortie prévaut. Cette distinction permet de demander un résultat concis tout en allouant une analyse adaptée à la complexité de la tâche.
OpenAI annonce pour GPT-5 une fenêtre de contexte de 400 000 tokens, une entrée maximale de 272 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite de connaissances au 30 septembre 2024. Le raisonnement et la sortie visible partagent le budget de tokens générés. Gardez les sources pertinentes et les critères de réussite disponibles, et laissez de la place pour l’analyse et la réponse finale plutôt que de remplir toute la fenêtre avec du contexte sans rapport.
Le producteur mentionne les interfaces Responses, Chat Completions et Batch, le streaming, Structured Outputs, l’appel de fonctions, les entrées fichier et image, la recherche web et dans les fichiers, ainsi que la mise en cache des prompts. Les outils de sa fiche de modèle exacte comprennent la génération d’images, l’interprétation de code et les connexions MCP. La version développeur documente également les appels d’outils parallèles, les messages de progression visibles entre les actions et les outils personnalisés acceptant du texte brut avec des contraintes grammaticales facultatives. Les applications exécutent leurs opérations et renvoient les résultats réels utilisés dans la décision suivante.
Les recommandations actuelles de mise en cache comprennent une rétention prolongée facultative de jusqu’à 24 heures pour GPT-5, le réemploi dépendant d’un préfixe conservé éligible. Pour la tâche elle-même, définissez le résultat et les preuves qui constitueraient son achèvement. Une proposition de patch, une analyse structurée ou un document sont utiles lorsque leurs choix importants sont liés aux exigences et faits fournis. Distinguez les résultats des vérifications terminées des actions encore proposées afin que la réponse finale puisse soutenir l’étape de travail suivante.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gpt-5-thinking | 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.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0.00025 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gpt-5-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-thinking', '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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gpt-5-thinking
/chat/completions