GPT-5.2-Codex è l’edizione di GPT-5.2 di OpenAI ottimizzata per la programmazione con agenti in Codex e in ambienti simili. Accetta testo e immagini e produce testo. Il modello è progettato per attività di ingegneria del software su tempi lunghi, in cui il contesto del progetto, i risultati degli strumenti e le decisioni già prese influenzano il passo successivo.
La presentazione del produttore descrive modifiche estese al codice, come refactoring, migrazioni e sviluppo di funzionalità, insieme a miglioramenti nel lavoro in ambienti Windows. La compattazione nativa del contesto supporta sessioni prolungate conservando lo stato importante mentre la conversazione cresce. Si tratta di un meccanismo per proseguire un’attività lunga, distinto da una finestra di contesto numericamente più ampia o dalla garanzia che ogni dettaglio di un progetto possa rientrare in una sola richiesta.
Per una modifica al codice, fornite il comportamento richiesto, i file pertinenti e i vincoli che la soluzione deve preservare. Un esempio di richiesta consiste nel migrare un componente mantenendone invariato il comportamento pubblico: individuare le dipendenze, proporre modifiche coordinate e indicare come verificare il comportamento. Per un malfunzionamento, includete il risultato osservato, quello atteso e le condizioni che riproducono il problema. I risultati effettivi dei file e dei comandi diventano elementi su cui basare la decisione successiva nell’ambiente dell’agente.
L’input visivo può fornire un modello grafico, una schermata, uno schema tecnico o un grafico collegato all’attività di ingegneria. La presentazione descrive l’interpretazione di questi materiali durante le sessioni di programmazione. Individuate lo stato o la relazione importante nell’immagine e spiegate come l’implementazione debba utilizzarli. L’output resta testo, compresi codice o istruzioni per gli strumenti collegati; un riferimento visivo non trasforma questo modello in un generatore di immagini.
OpenAI indica una finestra di contesto di 400 000 token, un input massimo di 272 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 31 agosto 2025. I livelli di impegno di ragionamento supportati sono low, medium, high e xhigh. L’interfaccia documentata del modello è Responses, con streaming, Structured Outputs, chiamate di funzione, input di immagini, ricerca sul web e memorizzazione nella cache dell’input. L’elenco preciso degli strumenti comprende funzioni, ricerca sul web, riga di comando ospitata e competenze.
Le applicazioni forniscono l’ambiente di lavoro, eseguono le proprie operazioni e restituiscono i risultati effettivi. La presentazione descrive anche misure di protezione aggiuntive per il lavoro legato alla sicurezza informatica. Definite un criterio concreto di completamento per l’attività di ingegneria e richiedete un risultato finale che colleghi i file interessati, le modifiche significative e le verifiche eseguite al comportamento originale. Distinguete una verifica proposta da una già eseguita, affinché il risultato possa supportare la fase successiva dello sviluppo.
", "aboutText": "GPT-5.2-Codex è l’edizione di GPT-5.2 di OpenAI ottimizzata per la programmazione con agenti in Codex e in ambienti simili. Accetta testo e immagini e produce testo. Il modello è progettato per attività di ingegneria del software su tempi lunghi, in cui il contesto del progetto, i risultati degli strumenti e le decisioni già prese influenzano il passo successivo.\n\nLa presentazione del produttore descrive modifiche estese al codice, come refactoring, migrazioni e sviluppo di funzionalità, insieme a miglioramenti nel lavoro in ambienti Windows. La compattazione nativa del contesto supporta sessioni prolungate conservando lo stato importante mentre la conversazione cresce. Si tratta di un meccanismo per proseguire un’attività lunga, distinto da una finestra di contesto numericamente più ampia o dalla garanzia che ogni dettaglio di un progetto possa rientrare in una sola richiesta.\n\nPer una modifica al codice, fornite il comportamento richiesto, i file pertinenti e i vincoli che la soluzione deve preservare. Un esempio di richiesta consiste nel migrare un componente mantenendone invariato il comportamento pubblico: individuare le dipendenze, proporre modifiche coordinate e indicare come verificare il comportamento. Per un malfunzionamento, includete il risultato osservato, quello atteso e le condizioni che riproducono il problema. I risultati effettivi dei file e dei comandi diventano elementi su cui basare la decisione successiva nell’ambiente dell’agente.\n\nL’input visivo può fornire un modello grafico, una schermata, uno schema tecnico o un grafico collegato all’attività di ingegneria. La presentazione descrive l’interpretazione di questi materiali durante le sessioni di programmazione. Individuate lo stato o la relazione importante nell’immagine e spiegate come l’implementazione debba utilizzarli. L’output resta testo, compresi codice o istruzioni per gli strumenti collegati; un riferimento visivo non trasforma questo modello in un generatore di immagini.\n\nOpenAI indica una finestra di contesto di 400 000 token, un input massimo di 272 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 31 agosto 2025. I livelli di impegno di ragionamento supportati sono low, medium, high e xhigh. L’interfaccia documentata del modello è Responses, con streaming, Structured Outputs, chiamate di funzione, input di immagini, ricerca sul web e memorizzazione nella cache dell’input. L’elenco preciso degli strumenti comprende funzioni, ricerca sul web, riga di comando ospitata e competenze.\n\nLe applicazioni forniscono l’ambiente di lavoro, eseguono le proprie operazioni e restituiscono i risultati effettivi. La presentazione descrive anche misure di protezione aggiuntive per il lavoro legato alla sicurezza informatica. Definite un criterio concreto di completamento per l’attività di ingegneria e richiedete un risultato finale che colleghi i file interessati, le modifiche significative e le verifiche eseguite al comportamento originale. Distinguete una verifica proposta da una già eseguita, affinché il risultato possa supportare la fase successiva dello sviluppo.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.gpt-5.2-codexUn’edizione di GPT-5.2 ottimizzata per la programmazione con agenti su tempi lunghi. Accetta testo e immagini e supporta refactoring su scala di progetto, migrazioni e debug in un ambiente collegato a strumenti, con compattazione nativa del contesto per proseguire il lavoro.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-5.2-Codex è l’edizione di GPT-5.2 di OpenAI ottimizzata per la programmazione con agenti in Codex e in ambienti simili. Accetta testo e immagini e produce testo. Il modello è progettato per attività di ingegneria del software su tempi lunghi, in cui il contesto del progetto, i risultati degli strumenti e le decisioni già prese influenzano il passo successivo.
La presentazione del produttore descrive modifiche estese al codice, come refactoring, migrazioni e sviluppo di funzionalità, insieme a miglioramenti nel lavoro in ambienti Windows. La compattazione nativa del contesto supporta sessioni prolungate conservando lo stato importante mentre la conversazione cresce. Si tratta di un meccanismo per proseguire un’attività lunga, distinto da una finestra di contesto numericamente più ampia o dalla garanzia che ogni dettaglio di un progetto possa rientrare in una sola richiesta.
Per una modifica al codice, fornite il comportamento richiesto, i file pertinenti e i vincoli che la soluzione deve preservare. Un esempio di richiesta consiste nel migrare un componente mantenendone invariato il comportamento pubblico: individuare le dipendenze, proporre modifiche coordinate e indicare come verificare il comportamento. Per un malfunzionamento, includete il risultato osservato, quello atteso e le condizioni che riproducono il problema. I risultati effettivi dei file e dei comandi diventano elementi su cui basare la decisione successiva nell’ambiente dell’agente.
L’input visivo può fornire un modello grafico, una schermata, uno schema tecnico o un grafico collegato all’attività di ingegneria. La presentazione descrive l’interpretazione di questi materiali durante le sessioni di programmazione. Individuate lo stato o la relazione importante nell’immagine e spiegate come l’implementazione debba utilizzarli. L’output resta testo, compresi codice o istruzioni per gli strumenti collegati; un riferimento visivo non trasforma questo modello in un generatore di immagini.
OpenAI indica una finestra di contesto di 400 000 token, un input massimo di 272 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 31 agosto 2025. I livelli di impegno di ragionamento supportati sono low, medium, high e xhigh. L’interfaccia documentata del modello è Responses, con streaming, Structured Outputs, chiamate di funzione, input di immagini, ricerca sul web e memorizzazione nella cache dell’input. L’elenco preciso degli strumenti comprende funzioni, ricerca sul web, riga di comando ospitata e competenze.
Le applicazioni forniscono l’ambiente di lavoro, eseguono le proprie operazioni e restituiscono i risultati effettivi. La presentazione descrive anche misure di protezione aggiuntive per il lavoro legato alla sicurezza informatica. Definite un criterio concreto di completamento per l’attività di ingegneria e richiedete un risultato finale che colleghi i file interessati, le modifiche significative e le verifiche eseguite al comportamento originale. Distinguete una verifica proposta da una già eseguita, affinché il risultato possa supportare la fase successiva dello sviluppo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-5.2-codex | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Conversazione testuale | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream |
Parametrocontrol_scope | ContrattoConversazione testuale; stream è un booleano e per impostazione predefinita vale false. |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Alias del metodo: /chat/completions
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0035 / 1K token Output · Token in output $0.028 / 1K token Input · Lettura dalla cache $0.00035 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0035 / 1K token Output · Token in output $0.028 / 1K token Input · Lettura dalla cache $0.00035 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.2-codex","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-5.2-codex", 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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra gpt-5.2-codex, openai/gpt-5.2-codex
/chat/completions
gpt-5.2-codexUn’edizione di GPT-5.2 ottimizzata per la programmazione con agenti su tempi lunghi. Accetta testo e immagini e supporta refactoring su scala di progetto, migrazioni e debug in un ambiente collegato a strumenti, con compattazione nativa del contesto per proseguire il lavoro.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-5.2-Codex è l’edizione di GPT-5.2 di OpenAI ottimizzata per la programmazione con agenti in Codex e in ambienti simili. Accetta testo e immagini e produce testo. Il modello è progettato per attività di ingegneria del software su tempi lunghi, in cui il contesto del progetto, i risultati degli strumenti e le decisioni già prese influenzano il passo successivo.
La presentazione del produttore descrive modifiche estese al codice, come refactoring, migrazioni e sviluppo di funzionalità, insieme a miglioramenti nel lavoro in ambienti Windows. La compattazione nativa del contesto supporta sessioni prolungate conservando lo stato importante mentre la conversazione cresce. Si tratta di un meccanismo per proseguire un’attività lunga, distinto da una finestra di contesto numericamente più ampia o dalla garanzia che ogni dettaglio di un progetto possa rientrare in una sola richiesta.
Per una modifica al codice, fornite il comportamento richiesto, i file pertinenti e i vincoli che la soluzione deve preservare. Un esempio di richiesta consiste nel migrare un componente mantenendone invariato il comportamento pubblico: individuare le dipendenze, proporre modifiche coordinate e indicare come verificare il comportamento. Per un malfunzionamento, includete il risultato osservato, quello atteso e le condizioni che riproducono il problema. I risultati effettivi dei file e dei comandi diventano elementi su cui basare la decisione successiva nell’ambiente dell’agente.
L’input visivo può fornire un modello grafico, una schermata, uno schema tecnico o un grafico collegato all’attività di ingegneria. La presentazione descrive l’interpretazione di questi materiali durante le sessioni di programmazione. Individuate lo stato o la relazione importante nell’immagine e spiegate come l’implementazione debba utilizzarli. L’output resta testo, compresi codice o istruzioni per gli strumenti collegati; un riferimento visivo non trasforma questo modello in un generatore di immagini.
OpenAI indica una finestra di contesto di 400 000 token, un input massimo di 272 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 31 agosto 2025. I livelli di impegno di ragionamento supportati sono low, medium, high e xhigh. L’interfaccia documentata del modello è Responses, con streaming, Structured Outputs, chiamate di funzione, input di immagini, ricerca sul web e memorizzazione nella cache dell’input. L’elenco preciso degli strumenti comprende funzioni, ricerca sul web, riga di comando ospitata e competenze.
Le applicazioni forniscono l’ambiente di lavoro, eseguono le proprie operazioni e restituiscono i risultati effettivi. La presentazione descrive anche misure di protezione aggiuntive per il lavoro legato alla sicurezza informatica. Definite un criterio concreto di completamento per l’attività di ingegneria e richiedete un risultato finale che colleghi i file interessati, le modifiche significative e le verifiche eseguite al comportamento originale. Distinguete una verifica proposta da una già eseguita, affinché il risultato possa supportare la fase successiva dello sviluppo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gpt-5.2-codex | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0035 / 1K token Output · Token in output $0.028 / 1K token Input · Lettura dalla cache $0.00035 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0035 / 1K token Output · Token in output $0.028 / 1K token Input · Lettura dalla cache $0.00035 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.2-codex', '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-5.2-codex', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra gpt-5.2-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexUn’edizione di GPT-5.2 ottimizzata per la programmazione con agenti su tempi lunghi. Accetta testo e immagini e supporta refactoring su scala di progetto, migrazioni e debug in un ambiente collegato a strumenti, con compattazione nativa del contesto per proseguire il lavoro.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-5.2-Codex è l’edizione di GPT-5.2 di OpenAI ottimizzata per la programmazione con agenti in Codex e in ambienti simili. Accetta testo e immagini e produce testo. Il modello è progettato per attività di ingegneria del software su tempi lunghi, in cui il contesto del progetto, i risultati degli strumenti e le decisioni già prese influenzano il passo successivo.
La presentazione del produttore descrive modifiche estese al codice, come refactoring, migrazioni e sviluppo di funzionalità, insieme a miglioramenti nel lavoro in ambienti Windows. La compattazione nativa del contesto supporta sessioni prolungate conservando lo stato importante mentre la conversazione cresce. Si tratta di un meccanismo per proseguire un’attività lunga, distinto da una finestra di contesto numericamente più ampia o dalla garanzia che ogni dettaglio di un progetto possa rientrare in una sola richiesta.
Per una modifica al codice, fornite il comportamento richiesto, i file pertinenti e i vincoli che la soluzione deve preservare. Un esempio di richiesta consiste nel migrare un componente mantenendone invariato il comportamento pubblico: individuare le dipendenze, proporre modifiche coordinate e indicare come verificare il comportamento. Per un malfunzionamento, includete il risultato osservato, quello atteso e le condizioni che riproducono il problema. I risultati effettivi dei file e dei comandi diventano elementi su cui basare la decisione successiva nell’ambiente dell’agente.
L’input visivo può fornire un modello grafico, una schermata, uno schema tecnico o un grafico collegato all’attività di ingegneria. La presentazione descrive l’interpretazione di questi materiali durante le sessioni di programmazione. Individuate lo stato o la relazione importante nell’immagine e spiegate come l’implementazione debba utilizzarli. L’output resta testo, compresi codice o istruzioni per gli strumenti collegati; un riferimento visivo non trasforma questo modello in un generatore di immagini.
OpenAI indica una finestra di contesto di 400 000 token, un input massimo di 272 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 31 agosto 2025. I livelli di impegno di ragionamento supportati sono low, medium, high e xhigh. L’interfaccia documentata del modello è Responses, con streaming, Structured Outputs, chiamate di funzione, input di immagini, ricerca sul web e memorizzazione nella cache dell’input. L’elenco preciso degli strumenti comprende funzioni, ricerca sul web, riga di comando ospitata e competenze.
Le applicazioni forniscono l’ambiente di lavoro, eseguono le proprie operazioni e restituiscono i risultati effettivi. La presentazione descrive anche misure di protezione aggiuntive per il lavoro legato alla sicurezza informatica. Definite un criterio concreto di completamento per l’attività di ingegneria e richiedete un risultato finale che colleghi i file interessati, le modifiche significative e le verifiche eseguite al comportamento originale. Distinguete una verifica proposta da una già eseguita, affinché il risultato possa supportare la fase successiva dello sviluppo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-5.2-codex | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0035 / 1K token Output · Token in output $0.028 / 1K token Input · Lettura dalla cache $0.00035 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0035 / 1K token Output · Token in output $0.028 / 1K token Input · Lettura dalla cache $0.00035 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.2-codex", "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-5.2-codex',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-5.2-codex',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra gpt-5.2-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexUn’edizione di GPT-5.2 ottimizzata per la programmazione con agenti su tempi lunghi. Accetta testo e immagini e supporta refactoring su scala di progetto, migrazioni e debug in un ambiente collegato a strumenti, con compattazione nativa del contesto per proseguire il lavoro.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
GPT-5.2-Codex è l’edizione di GPT-5.2 di OpenAI ottimizzata per la programmazione con agenti in Codex e in ambienti simili. Accetta testo e immagini e produce testo. Il modello è progettato per attività di ingegneria del software su tempi lunghi, in cui il contesto del progetto, i risultati degli strumenti e le decisioni già prese influenzano il passo successivo.
La presentazione del produttore descrive modifiche estese al codice, come refactoring, migrazioni e sviluppo di funzionalità, insieme a miglioramenti nel lavoro in ambienti Windows. La compattazione nativa del contesto supporta sessioni prolungate conservando lo stato importante mentre la conversazione cresce. Si tratta di un meccanismo per proseguire un’attività lunga, distinto da una finestra di contesto numericamente più ampia o dalla garanzia che ogni dettaglio di un progetto possa rientrare in una sola richiesta.
Per una modifica al codice, fornite il comportamento richiesto, i file pertinenti e i vincoli che la soluzione deve preservare. Un esempio di richiesta consiste nel migrare un componente mantenendone invariato il comportamento pubblico: individuare le dipendenze, proporre modifiche coordinate e indicare come verificare il comportamento. Per un malfunzionamento, includete il risultato osservato, quello atteso e le condizioni che riproducono il problema. I risultati effettivi dei file e dei comandi diventano elementi su cui basare la decisione successiva nell’ambiente dell’agente.
L’input visivo può fornire un modello grafico, una schermata, uno schema tecnico o un grafico collegato all’attività di ingegneria. La presentazione descrive l’interpretazione di questi materiali durante le sessioni di programmazione. Individuate lo stato o la relazione importante nell’immagine e spiegate come l’implementazione debba utilizzarli. L’output resta testo, compresi codice o istruzioni per gli strumenti collegati; un riferimento visivo non trasforma questo modello in un generatore di immagini.
OpenAI indica una finestra di contesto di 400 000 token, un input massimo di 272 000 token e un output massimo di 128 000 token, con conoscenze aggiornate al 31 agosto 2025. I livelli di impegno di ragionamento supportati sono low, medium, high e xhigh. L’interfaccia documentata del modello è Responses, con streaming, Structured Outputs, chiamate di funzione, input di immagini, ricerca sul web e memorizzazione nella cache dell’input. L’elenco preciso degli strumenti comprende funzioni, ricerca sul web, riga di comando ospitata e competenze.
Le applicazioni forniscono l’ambiente di lavoro, eseguono le proprie operazioni e restituiscono i risultati effettivi. La presentazione descrive anche misure di protezione aggiuntive per il lavoro legato alla sicurezza informatica. Definite un criterio concreto di completamento per l’attività di ingegneria e richiedete un risultato finale che colleghi i file interessati, le modifiche significative e le verifiche eseguite al comportamento originale. Distinguete una verifica proposta da una già eseguita, affinché il risultato possa supportare la fase successiva dello sviluppo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/gpt-5.2-codex | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0035 / 1K token Output · Token in output $0.028 / 1K token Input · Lettura dalla cache $0.00035 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0035 / 1K token Output · Token in output $0.028 / 1K token Input · Lettura dalla cache $0.00035 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "openai/gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.2-codex', '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-5.2-codex', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra gpt-5.2-codex, openai/gpt-5.2-codex
/chat/completions
Esempio tecnico in inglese
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.