o3-pro adalah edisi o3 terpisah dari OpenAI yang menggunakan komputasi tambahan untuk penalaran yang sulit. Seri o dilatih dengan pembelajaran penguatan untuk menguraikan masalah sebelum menjawab. Model ini menerima teks dan gambar serta menghasilkan teks, dengan mempertahankan perbedaan edisi Pro dari model o3 standar dan pengaturan mode eksekusi Pro yang muncul kemudian.
Penggunaan praktisnya adalah pertanyaan teknis dengan beberapa kondisi yang saling bergantung. Berikan masalah yang lengkap, bukti yang tersedia, dan kriteria pemilihan pendekatan. Contoh tugas adalah membandingkan implementasi yang perilakunya bergantung pada asumsi yang berbeda, lalu menghasilkan rekomendasi yang menyatakan ketergantungan tersebut secara eksplisit. Permintaan matematika juga perlu menyatakan domain, kondisi yang diketahui, dan bentuk jawaban yang diperlukan.
Untuk bukti visual, berikan diagram, tangkapan layar, atau gambar lain yang jelas, lalu tentukan detail yang memengaruhi pertanyaan. Sertakan konteks tertulis yang tidak dapat dipastikan oleh gambar itu sendiri. Mintalah hasil yang berguna seperti penjelasan, usulan solusi, rencana, atau sekumpulan temuan. Ini menghubungkan pekerjaan penalaran tambahan model dengan pertanyaan dan artefak tertentu.
OpenAI mencantumkan jendela konteks 200,000 token, keluaran maksimum 100,000 token, dan batas pengetahuan 1 Juni 2024. Penalaran menempati ruang bersama masukan dan jawaban yang terlihat. Pembuatnya mendokumentasikan o3-pro melalui Responses untuk interaksi model beberapa giliran sebelum respons akhir, dengan Batch juga tercantum dalam spesifikasi. Permintaan yang sulit dapat memerlukan beberapa menit, dan pembuatnya merekomendasikan eksekusi latar belakang untuk pekerjaan yang berjalan lama.
Kartu model asli mengonfirmasi bahwa streaming tidak didukung, sementara pemanggilan fungsi dan Structured Outputs didukung. Alat yang didokumentasikan mencakup fungsi, pencarian berkas dan web, alat generasi gambar, serta koneksi MCP. Aplikasi menyediakan operasinya, menjalankan tindakan, dan memberikan hasil sebenarnya. Pelacakan status latar belakang dan pengambilan hasil terpisah dari aliran token jawaban.
Tentukan kriteria penyelesaian sebelum permintaan. Untuk analisis, mintalah fakta yang diberikan, kesimpulan, dan kondisi yang belum terselesaikan tetap dibedakan. Untuk perubahan usulan, tentukan perilaku yang diharapkan dan bukti yang diperlukan untuk memeriksanya. Respons akhir yang berguna menghubungkan pilihan penting dengan pertanyaan awal dan memperlakukan tindakan alat usulan secara terpisah dari operasi yang sudah selesai di lingkungan.
", "aboutText": "o3-pro adalah edisi o3 terpisah dari OpenAI yang menggunakan komputasi tambahan untuk penalaran yang sulit. Seri o dilatih dengan pembelajaran penguatan untuk menguraikan masalah sebelum menjawab. Model ini menerima teks dan gambar serta menghasilkan teks, dengan mempertahankan perbedaan edisi Pro dari model o3 standar dan pengaturan mode eksekusi Pro yang muncul kemudian.\n\nPenggunaan praktisnya adalah pertanyaan teknis dengan beberapa kondisi yang saling bergantung. Berikan masalah yang lengkap, bukti yang tersedia, dan kriteria pemilihan pendekatan. Contoh tugas adalah membandingkan implementasi yang perilakunya bergantung pada asumsi yang berbeda, lalu menghasilkan rekomendasi yang menyatakan ketergantungan tersebut secara eksplisit. Permintaan matematika juga perlu menyatakan domain, kondisi yang diketahui, dan bentuk jawaban yang diperlukan.\n\nUntuk bukti visual, berikan diagram, tangkapan layar, atau gambar lain yang jelas, lalu tentukan detail yang memengaruhi pertanyaan. Sertakan konteks tertulis yang tidak dapat dipastikan oleh gambar itu sendiri. Mintalah hasil yang berguna seperti penjelasan, usulan solusi, rencana, atau sekumpulan temuan. Ini menghubungkan pekerjaan penalaran tambahan model dengan pertanyaan dan artefak tertentu.\n\nOpenAI mencantumkan jendela konteks 200,000 token, keluaran maksimum 100,000 token, dan batas pengetahuan 1 Juni 2024. Penalaran menempati ruang bersama masukan dan jawaban yang terlihat. Pembuatnya mendokumentasikan o3-pro melalui Responses untuk interaksi model beberapa giliran sebelum respons akhir, dengan Batch juga tercantum dalam spesifikasi. Permintaan yang sulit dapat memerlukan beberapa menit, dan pembuatnya merekomendasikan eksekusi latar belakang untuk pekerjaan yang berjalan lama.\n\nKartu model asli mengonfirmasi bahwa streaming tidak didukung, sementara pemanggilan fungsi dan Structured Outputs didukung. Alat yang didokumentasikan mencakup fungsi, pencarian berkas dan web, alat generasi gambar, serta koneksi MCP. Aplikasi menyediakan operasinya, menjalankan tindakan, dan memberikan hasil sebenarnya. Pelacakan status latar belakang dan pengambilan hasil terpisah dari aliran token jawaban.\n\nTentukan kriteria penyelesaian sebelum permintaan. Untuk analisis, mintalah fakta yang diberikan, kesimpulan, dan kondisi yang belum terselesaikan tetap dibedakan. Untuk perubahan usulan, tentukan perilaku yang diharapkan dan bukti yang diperlukan untuk memeriksanya. Respons akhir yang berguna menghubungkan pilihan penting dengan pertanyaan awal dan memperlakukan tindakan alat usulan secara terpisah dari operasi yang sudah selesai di lingkungan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Analyze a constrained production order\n\nJob A takes two hours. Job B takes one hour and starts only after A. Job C takes two hours and is independent. Two identical machines are available; jobs cannot be split. Find a shortest completion schedule, show its timeline and give a lower-bound argument. State that machines are available at time zero.A two-machine timeline, makespan and concise optimality justification.The schedule must respect the A-before-B dependency and avoid running two jobs on one machine at once.openai/o3-proEdisi o3-pro yang terpisah menggunakan komputasi tambahan untuk penalaran yang sulit. Model ini menerima teks dan gambar serta mengembalikan teks, dengan pemanggilan fungsi dan Structured Outputs; alur kerja pembuatnya menggunakan Responses dan tidak mendukung streaming.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
o3-pro adalah edisi o3 terpisah dari OpenAI yang menggunakan komputasi tambahan untuk penalaran yang sulit. Seri o dilatih dengan pembelajaran penguatan untuk menguraikan masalah sebelum menjawab. Model ini menerima teks dan gambar serta menghasilkan teks, dengan mempertahankan perbedaan edisi Pro dari model o3 standar dan pengaturan mode eksekusi Pro yang muncul kemudian.
Penggunaan praktisnya adalah pertanyaan teknis dengan beberapa kondisi yang saling bergantung. Berikan masalah yang lengkap, bukti yang tersedia, dan kriteria pemilihan pendekatan. Contoh tugas adalah membandingkan implementasi yang perilakunya bergantung pada asumsi yang berbeda, lalu menghasilkan rekomendasi yang menyatakan ketergantungan tersebut secara eksplisit. Permintaan matematika juga perlu menyatakan domain, kondisi yang diketahui, dan bentuk jawaban yang diperlukan.
Untuk bukti visual, berikan diagram, tangkapan layar, atau gambar lain yang jelas, lalu tentukan detail yang memengaruhi pertanyaan. Sertakan konteks tertulis yang tidak dapat dipastikan oleh gambar itu sendiri. Mintalah hasil yang berguna seperti penjelasan, usulan solusi, rencana, atau sekumpulan temuan. Ini menghubungkan pekerjaan penalaran tambahan model dengan pertanyaan dan artefak tertentu.
OpenAI mencantumkan jendela konteks 200,000 token, keluaran maksimum 100,000 token, dan batas pengetahuan 1 Juni 2024. Penalaran menempati ruang bersama masukan dan jawaban yang terlihat. Pembuatnya mendokumentasikan o3-pro melalui Responses untuk interaksi model beberapa giliran sebelum respons akhir, dengan Batch juga tercantum dalam spesifikasi. Permintaan yang sulit dapat memerlukan beberapa menit, dan pembuatnya merekomendasikan eksekusi latar belakang untuk pekerjaan yang berjalan lama.
Kartu model asli mengonfirmasi bahwa streaming tidak didukung, sementara pemanggilan fungsi dan Structured Outputs didukung. Alat yang didokumentasikan mencakup fungsi, pencarian berkas dan web, alat generasi gambar, serta koneksi MCP. Aplikasi menyediakan operasinya, menjalankan tindakan, dan memberikan hasil sebenarnya. Pelacakan status latar belakang dan pengambilan hasil terpisah dari aliran token jawaban.
Tentukan kriteria penyelesaian sebelum permintaan. Untuk analisis, mintalah fakta yang diberikan, kesimpulan, dan kondisi yang belum terselesaikan tetap dibedakan. Untuk perubahan usulan, tentukan perilaku yang diharapkan dan bukti yang diperlukan untuk memeriksanya. Respons akhir yang berguna menghubungkan pilihan penting dengan pertanyaan awal dan memperlakukan tindakan alat usulan secara terpisah dari operasi yang sudah selesai di lingkungan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan openai/o3-pro | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.04 / 1K token Keluaran · Token keluaran $0.16 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.04 / 1K token Keluaran · Token keluaran $0.16 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/o3-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/o3-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/o3-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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra openai/o3-pro
Gunakan jalur metode yang ditampilkan di atas.
openai/o3-proEdisi o3-pro yang terpisah menggunakan komputasi tambahan untuk penalaran yang sulit. Model ini menerima teks dan gambar serta mengembalikan teks, dengan pemanggilan fungsi dan Structured Outputs; alur kerja pembuatnya menggunakan Responses dan tidak mendukung streaming.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
o3-pro adalah edisi o3 terpisah dari OpenAI yang menggunakan komputasi tambahan untuk penalaran yang sulit. Seri o dilatih dengan pembelajaran penguatan untuk menguraikan masalah sebelum menjawab. Model ini menerima teks dan gambar serta menghasilkan teks, dengan mempertahankan perbedaan edisi Pro dari model o3 standar dan pengaturan mode eksekusi Pro yang muncul kemudian.
Penggunaan praktisnya adalah pertanyaan teknis dengan beberapa kondisi yang saling bergantung. Berikan masalah yang lengkap, bukti yang tersedia, dan kriteria pemilihan pendekatan. Contoh tugas adalah membandingkan implementasi yang perilakunya bergantung pada asumsi yang berbeda, lalu menghasilkan rekomendasi yang menyatakan ketergantungan tersebut secara eksplisit. Permintaan matematika juga perlu menyatakan domain, kondisi yang diketahui, dan bentuk jawaban yang diperlukan.
Untuk bukti visual, berikan diagram, tangkapan layar, atau gambar lain yang jelas, lalu tentukan detail yang memengaruhi pertanyaan. Sertakan konteks tertulis yang tidak dapat dipastikan oleh gambar itu sendiri. Mintalah hasil yang berguna seperti penjelasan, usulan solusi, rencana, atau sekumpulan temuan. Ini menghubungkan pekerjaan penalaran tambahan model dengan pertanyaan dan artefak tertentu.
OpenAI mencantumkan jendela konteks 200,000 token, keluaran maksimum 100,000 token, dan batas pengetahuan 1 Juni 2024. Penalaran menempati ruang bersama masukan dan jawaban yang terlihat. Pembuatnya mendokumentasikan o3-pro melalui Responses untuk interaksi model beberapa giliran sebelum respons akhir, dengan Batch juga tercantum dalam spesifikasi. Permintaan yang sulit dapat memerlukan beberapa menit, dan pembuatnya merekomendasikan eksekusi latar belakang untuk pekerjaan yang berjalan lama.
Kartu model asli mengonfirmasi bahwa streaming tidak didukung, sementara pemanggilan fungsi dan Structured Outputs didukung. Alat yang didokumentasikan mencakup fungsi, pencarian berkas dan web, alat generasi gambar, serta koneksi MCP. Aplikasi menyediakan operasinya, menjalankan tindakan, dan memberikan hasil sebenarnya. Pelacakan status latar belakang dan pengambilan hasil terpisah dari aliran token jawaban.
Tentukan kriteria penyelesaian sebelum permintaan. Untuk analisis, mintalah fakta yang diberikan, kesimpulan, dan kondisi yang belum terselesaikan tetap dibedakan. Untuk perubahan usulan, tentukan perilaku yang diharapkan dan bukti yang diperlukan untuk memeriksanya. Respons akhir yang berguna menghubungkan pilihan penting dengan pertanyaan awal dan memperlakukan tindakan alat usulan secara terpisah dari operasi yang sudah selesai di lingkungan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan openai/o3-pro | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.04 / 1K token Keluaran · Token keluaran $0.16 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.04 / 1K token Keluaran · Token keluaran $0.16 / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "openai/o3-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/o3-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/o3-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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra openai/o3-pro
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Analyze a constrained production order\n\nJob A takes two hours. Job B takes one hour and starts only after A. Job C takes two hours and is independent. Two identical machines are available; jobs cannot be split. Find a shortest completion schedule, show its timeline and give a lower-bound argument. State that machines are available at time zero.A two-machine timeline, makespan and concise optimality justification.The schedule must respect the A-before-B dependency and avoid running two jobs on one machine at once.