GPT-5.5 Pro הוא מהדורת Pro נפרדת של GPT-5.5 של OpenAI. הוא משתמש בחישוב נוסף כדי להתמודד עם שאלות קשות ולפתח תגובה יסודית יותר. המודל מקבל טקסט ותמונות ומפיק טקסט. הזהות שלו כמודל Pro בעל שם שונה מבחירה במצב הביצוע Pro על מודל בסיס של GPT-5.6 או GPT-6.
מהדורת משפחת GPT-5.5 מתארת תכנות, מחקר, ניתוח נתונים ועבודה מקצועית המבוססת על מסמכים רבים. היא מתארת במיוחד את Pro כבחירה לשאלות תובעניות ולתוצאות מקיפות ומובנות יותר. משימה לדוגמה היא ליישב מספר מסמכי פרויקט, לזהות את הדרישות שתלויות זו בזו ולפתח המלצה שתנאיה מפורשים. לקוד, ספקו את ההתנהגות המיועדת, את המימוש הקיים ואת האילוצים ששינוי מוצע חייב לשמר.
OpenAI מגדירה עבור GPT-5.5 Pro חלון הקשר של 1,050,000 טוקנים ופלט מרבי של 128,000 טוקנים, עם תאריך חיתוך ידע מתועד של 1 בדצמבר 2025. אפשרויות מאמץ ההסקה הן medium, high ו-xhigh; high היא ברירת המחדל. ההסקה משתמשת במקום בטוקנים לצד התשובה הגלויה. לכן בקשה מקצועית ארוכה צריכה לכלול את הראיות הרלוונטיות ולהשאיר מקום לניתוח של המודל ולתוצר הסופי.
היצרנית מתעדת את GPT-5.5 Pro לבקשות Responses, כולל דרך Batch, כדי לתמוך באינטראקציות רב־תוריות עם המודל לפני התגובה. בקשות קשות יכולות להימשך מספר דקות. OpenAI ממליצה על ביצוע ברקע לעבודה ממושכת: האפליקציה מקבלת מזהה תגובה, עוקבת אחרי סטטוס הבקשה ומאחזרת את התוצאה שהושלמה. השתמשו בתהליך הזה כדי לעקוב אחרי בקשה ארוכה עד לתוצאה המלאה שלה.
כרטיס המודל מונה Structured Outputs, קריאה לפונקציות, חיפוש באינטרנט ובקבצים, כלי יצירת תמונות, קלט תמונה ותמיכה ב-MCP. הכלים שלו כוללים גם מפרש קוד ו-shell מתארח. האפליקציה מספקת את סביבת העבודה ומבצעת את הפעולות שלה, ומחזירה תוצאות בפועל כדי שהמודל יוכל להמשיך. יש להתייחס לתוכנית מוצעת, לפעולה שהתבקשה ולתוצאת פעולה שבוצעה כתוצרים שונים כשמכינים את התגובה הסופית.
תנו למודל שאלה ברורה, חומר מקור וקריטריון השלמה. לניתוח טכני, בקשו את התלויות המושפעות, את הגישה המוצעת ואת הראיות הדרושות לבדיקתה. להחלטה המבוססת על מסמכים, הגדירו את קריטריוני ההשוואה ובקשו לשמור על הבחנה בין העובדות שסופקו, המסקנה והתנאים שלא נפתרו. אם תמונה מספקת ראיות חיוניות, הצביעו על הפרט הרלוונטי. תוצאה סופית שימושית היא מזכר החלטה מסוים, הצעת קוד או הסבר אנליטי המקושרים לחומרים ולמטרה שסיפקתם.
", "aboutText": "GPT-5.5 Pro הוא מהדורת Pro נפרדת של GPT-5.5 של OpenAI. הוא משתמש בחישוב נוסף כדי להתמודד עם שאלות קשות ולפתח תגובה יסודית יותר. המודל מקבל טקסט ותמונות ומפיק טקסט. הזהות שלו כמודל Pro בעל שם שונה מבחירה במצב הביצוע Pro על מודל בסיס של GPT-5.6 או GPT-6.\n\nמהדורת משפחת GPT-5.5 מתארת תכנות, מחקר, ניתוח נתונים ועבודה מקצועית המבוססת על מסמכים רבים. היא מתארת במיוחד את Pro כבחירה לשאלות תובעניות ולתוצאות מקיפות ומובנות יותר. משימה לדוגמה היא ליישב מספר מסמכי פרויקט, לזהות את הדרישות שתלויות זו בזו ולפתח המלצה שתנאיה מפורשים. לקוד, ספקו את ההתנהגות המיועדת, את המימוש הקיים ואת האילוצים ששינוי מוצע חייב לשמר.\n\nOpenAI מגדירה עבור GPT-5.5 Pro חלון הקשר של 1,050,000 טוקנים ופלט מרבי של 128,000 טוקנים, עם תאריך חיתוך ידע מתועד של 1 בדצמבר 2025. אפשרויות מאמץ ההסקה הן medium, high ו-xhigh; high היא ברירת המחדל. ההסקה משתמשת במקום בטוקנים לצד התשובה הגלויה. לכן בקשה מקצועית ארוכה צריכה לכלול את הראיות הרלוונטיות ולהשאיר מקום לניתוח של המודל ולתוצר הסופי.\n\nהיצרנית מתעדת את GPT-5.5 Pro לבקשות Responses, כולל דרך Batch, כדי לתמוך באינטראקציות רב־תוריות עם המודל לפני התגובה. בקשות קשות יכולות להימשך מספר דקות. OpenAI ממליצה על ביצוע ברקע לעבודה ממושכת: האפליקציה מקבלת מזהה תגובה, עוקבת אחרי סטטוס הבקשה ומאחזרת את התוצאה שהושלמה. השתמשו בתהליך הזה כדי לעקוב אחרי בקשה ארוכה עד לתוצאה המלאה שלה.\n\nכרטיס המודל מונה Structured Outputs, קריאה לפונקציות, חיפוש באינטרנט ובקבצים, כלי יצירת תמונות, קלט תמונה ותמיכה ב-MCP. הכלים שלו כוללים גם מפרש קוד ו-shell מתארח. האפליקציה מספקת את סביבת העבודה ומבצעת את הפעולות שלה, ומחזירה תוצאות בפועל כדי שהמודל יוכל להמשיך. יש להתייחס לתוכנית מוצעת, לפעולה שהתבקשה ולתוצאת פעולה שבוצעה כתוצרים שונים כשמכינים את התגובה הסופית.\n\nתנו למודל שאלה ברורה, חומר מקור וקריטריון השלמה. לניתוח טכני, בקשו את התלויות המושפעות, את הגישה המוצעת ואת הראיות הדרושות לבדיקתה. להחלטה המבוססת על מסמכים, הגדירו את קריטריוני ההשוואה ובקשו לשמור על הבחנה בין העובדות שסופקו, המסקנה והתנאים שלא נפתרו. אם תמונה מספקת ראיות חיוניות, הצביעו על הפרט הרלוונטי. תוצאה סופית שימושית היא מזכר החלטה מסוים, הצעת קוד או הסבר אנליטי המקושרים לחומרים ולמטרה שסיפקתם.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Reconcile a staged delivery decision\n\nReconcile these project notes. D1: launch requires a trained support team. D2: training requires a finished user guide. D3: the guide is drafted but its setup instructions remain unverified. The manager proposes launching tomorrow because the draft exists. Return the dependency chain, the unsupported readiness claim and the evidence needed for a launch decision.A source-linked dependency analysis and a conditional decision memo.A draft guide must not be treated as verified instructions or completed support training.openai/gpt-5.5-proמהדורת GPT-5.5 Pro הנפרדת משתמשת בחישוב נוסף להסקה קשה ולניתוח מקצועי. היא מקבלת טקסט ותמונות ומפתחת תוצאת טקסט דרך ממשק Responses של היצרנית, כולל בקשות Batch.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
GPT-5.5 Pro הוא מהדורת Pro נפרדת של GPT-5.5 של OpenAI. הוא משתמש בחישוב נוסף כדי להתמודד עם שאלות קשות ולפתח תגובה יסודית יותר. המודל מקבל טקסט ותמונות ומפיק טקסט. הזהות שלו כמודל Pro בעל שם שונה מבחירה במצב הביצוע Pro על מודל בסיס של GPT-5.6 או GPT-6.
מהדורת משפחת GPT-5.5 מתארת תכנות, מחקר, ניתוח נתונים ועבודה מקצועית המבוססת על מסמכים רבים. היא מתארת במיוחד את Pro כבחירה לשאלות תובעניות ולתוצאות מקיפות ומובנות יותר. משימה לדוגמה היא ליישב מספר מסמכי פרויקט, לזהות את הדרישות שתלויות זו בזו ולפתח המלצה שתנאיה מפורשים. לקוד, ספקו את ההתנהגות המיועדת, את המימוש הקיים ואת האילוצים ששינוי מוצע חייב לשמר.
OpenAI מגדירה עבור GPT-5.5 Pro חלון הקשר של 1,050,000 טוקנים ופלט מרבי של 128,000 טוקנים, עם תאריך חיתוך ידע מתועד של 1 בדצמבר 2025. אפשרויות מאמץ ההסקה הן medium, high ו-xhigh; high היא ברירת המחדל. ההסקה משתמשת במקום בטוקנים לצד התשובה הגלויה. לכן בקשה מקצועית ארוכה צריכה לכלול את הראיות הרלוונטיות ולהשאיר מקום לניתוח של המודל ולתוצר הסופי.
היצרנית מתעדת את GPT-5.5 Pro לבקשות Responses, כולל דרך Batch, כדי לתמוך באינטראקציות רב־תוריות עם המודל לפני התגובה. בקשות קשות יכולות להימשך מספר דקות. OpenAI ממליצה על ביצוע ברקע לעבודה ממושכת: האפליקציה מקבלת מזהה תגובה, עוקבת אחרי סטטוס הבקשה ומאחזרת את התוצאה שהושלמה. השתמשו בתהליך הזה כדי לעקוב אחרי בקשה ארוכה עד לתוצאה המלאה שלה.
כרטיס המודל מונה Structured Outputs, קריאה לפונקציות, חיפוש באינטרנט ובקבצים, כלי יצירת תמונות, קלט תמונה ותמיכה ב-MCP. הכלים שלו כוללים גם מפרש קוד ו-shell מתארח. האפליקציה מספקת את סביבת העבודה ומבצעת את הפעולות שלה, ומחזירה תוצאות בפועל כדי שהמודל יוכל להמשיך. יש להתייחס לתוכנית מוצעת, לפעולה שהתבקשה ולתוצאת פעולה שבוצעה כתוצרים שונים כשמכינים את התגובה הסופית.
תנו למודל שאלה ברורה, חומר מקור וקריטריון השלמה. לניתוח טכני, בקשו את התלויות המושפעות, את הגישה המוצעת ואת הראיות הדרושות לבדיקתה. להחלטה המבוססת על מסמכים, הגדירו את קריטריוני ההשוואה ובקשו לשמור על הבחנה בין העובדות שסופקו, המסקנה והתנאים שלא נפתרו. אם תמונה מספקת ראיות חיוניות, הצביעו על הפרט הרלוונטי. תוצאה סופית שימושית היא מזכר החלטה מסוים, הצעת קוד או הסבר אנליטי המקושרים לחומרים ולמטרה שסיפקתם.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות openai/gpt-5.5-pro | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.06 / 1K טוקנים פלט · טוקני פלט $0.36 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכולל272,000 | חיוב קלט · טוקני קלט $0.06 / 1K טוקנים פלט · טוקני פלט $0.36 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 2 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-272,000 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.12 / 1K טוקנים פלט · טוקני פלט $0.54 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.5-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-5.5-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-5.5-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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra openai/gpt-5.5-pro
השתמשו בנתיבי השיטות המוצגים למעלה.
openai/gpt-5.5-proמהדורת GPT-5.5 Pro הנפרדת משתמשת בחישוב נוסף להסקה קשה ולניתוח מקצועי. היא מקבלת טקסט ותמונות ומפתחת תוצאת טקסט דרך ממשק Responses של היצרנית, כולל בקשות Batch.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
GPT-5.5 Pro הוא מהדורת Pro נפרדת של GPT-5.5 של OpenAI. הוא משתמש בחישוב נוסף כדי להתמודד עם שאלות קשות ולפתח תגובה יסודית יותר. המודל מקבל טקסט ותמונות ומפיק טקסט. הזהות שלו כמודל Pro בעל שם שונה מבחירה במצב הביצוע Pro על מודל בסיס של GPT-5.6 או GPT-6.
מהדורת משפחת GPT-5.5 מתארת תכנות, מחקר, ניתוח נתונים ועבודה מקצועית המבוססת על מסמכים רבים. היא מתארת במיוחד את Pro כבחירה לשאלות תובעניות ולתוצאות מקיפות ומובנות יותר. משימה לדוגמה היא ליישב מספר מסמכי פרויקט, לזהות את הדרישות שתלויות זו בזו ולפתח המלצה שתנאיה מפורשים. לקוד, ספקו את ההתנהגות המיועדת, את המימוש הקיים ואת האילוצים ששינוי מוצע חייב לשמר.
OpenAI מגדירה עבור GPT-5.5 Pro חלון הקשר של 1,050,000 טוקנים ופלט מרבי של 128,000 טוקנים, עם תאריך חיתוך ידע מתועד של 1 בדצמבר 2025. אפשרויות מאמץ ההסקה הן medium, high ו-xhigh; high היא ברירת המחדל. ההסקה משתמשת במקום בטוקנים לצד התשובה הגלויה. לכן בקשה מקצועית ארוכה צריכה לכלול את הראיות הרלוונטיות ולהשאיר מקום לניתוח של המודל ולתוצר הסופי.
היצרנית מתעדת את GPT-5.5 Pro לבקשות Responses, כולל דרך Batch, כדי לתמוך באינטראקציות רב־תוריות עם המודל לפני התגובה. בקשות קשות יכולות להימשך מספר דקות. OpenAI ממליצה על ביצוע ברקע לעבודה ממושכת: האפליקציה מקבלת מזהה תגובה, עוקבת אחרי סטטוס הבקשה ומאחזרת את התוצאה שהושלמה. השתמשו בתהליך הזה כדי לעקוב אחרי בקשה ארוכה עד לתוצאה המלאה שלה.
כרטיס המודל מונה Structured Outputs, קריאה לפונקציות, חיפוש באינטרנט ובקבצים, כלי יצירת תמונות, קלט תמונה ותמיכה ב-MCP. הכלים שלו כוללים גם מפרש קוד ו-shell מתארח. האפליקציה מספקת את סביבת העבודה ומבצעת את הפעולות שלה, ומחזירה תוצאות בפועל כדי שהמודל יוכל להמשיך. יש להתייחס לתוכנית מוצעת, לפעולה שהתבקשה ולתוצאת פעולה שבוצעה כתוצרים שונים כשמכינים את התגובה הסופית.
תנו למודל שאלה ברורה, חומר מקור וקריטריון השלמה. לניתוח טכני, בקשו את התלויות המושפעות, את הגישה המוצעת ואת הראיות הדרושות לבדיקתה. להחלטה המבוססת על מסמכים, הגדירו את קריטריוני ההשוואה ובקשו לשמור על הבחנה בין העובדות שסופקו, המסקנה והתנאים שלא נפתרו. אם תמונה מספקת ראיות חיוניות, הצביעו על הפרט הרלוונטי. תוצאה סופית שימושית היא מזכר החלטה מסוים, הצעת קוד או הסבר אנליטי המקושרים לחומרים ולמטרה שסיפקתם.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות openai/gpt-5.5-pro | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.06 / 1K טוקנים פלט · טוקני פלט $0.36 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכולל272,000 | חיוב קלט · טוקני קלט $0.06 / 1K טוקנים פלט · טוקני פלט $0.36 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 2 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-272,000 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.12 / 1K טוקנים פלט · טוקני פלט $0.54 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "openai/gpt-5.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.5-pro', '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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra openai/gpt-5.5-pro
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Reconcile a staged delivery decision\n\nReconcile these project notes. D1: launch requires a trained support team. D2: training requires a finished user guide. D3: the guide is drafted but its setup instructions remain unverified. The manager proposes launching tomorrow because the draft exists. Return the dependency chain, the unsupported readiness claim and the evidence needed for a launch decision.A source-linked dependency analysis and a conditional decision memo.A draft guide must not be treated as verified instructions or completed support training.