o3-mini è un piccolo modello di ragionamento di OpenAI. Riceve testo e produce testo, con attenzione all’elaborazione di un problema prima di rispondere. Un assistente tecnico può usarlo per esaminare una funzione che non si comporta correttamente, confrontare possibili spiegazioni di un’osservazione o sviluppare un’argomentazione matematica. Fornite le prove pertinenti e definite cosa deve stabilire la risposta.
Per una diagnosi del codice, fornite la funzione, i suoi ingressi, il problema osservato e il comportamento atteso. Chiedete la modifica minima che affronti tale differenza, seguita da casi di test che distinguano la proposta dal comportamento attuale. Escludete dalla richiesta i file non pertinenti, salvo che influiscano sul problema. Il codice restituito è una proposta da esaminare ed eseguire nell’ambiente di sviluppo.
Per un calcolo, indicate le unità, le ipotesi e la precisione richiesta. Chiedete il risultato insieme alle relazioni usate per ottenerlo. Per una domanda scientifica o ingegneristica, fornite le osservazioni e chiedete quali conclusioni ne derivano e quale misurazione aggiuntiva distinguerebbe spiegazioni concorrenti. Questo mantiene una risposta lunga collegata a un compito verificabile.
OpenAI documenta Structured Outputs e chiamate di funzione per o3-mini. Un compito strutturato può specificare i campi necessari al passaggio successivo, come diagnosi, osservazioni di supporto e un test proposto. Definite come deve apparire un valore assente, poi verificate i campi restituiti rispetto al materiale fornito prima di usarli.
Le chiamate di funzione consentono al modello di richiedere una funzione esposta da un’applicazione. L’applicazione fornisce le definizioni delle funzioni, esegue una chiamata selezionata e ne restituisce il risultato. Descrivete ogni funzione con limiti sufficientemente precisi da rendere chiari ingressi e conseguenze. Una chiamata richiesta e un’operazione eseguita sono passaggi distinti; conservate il risultato effettivo dell’operazione quando preparate il prompt successivo.
Il produttore elenca una finestra di contesto di 200 000 token e un’uscita massima di 100 000 token per la versione documentata. Sono budget diversi: una grande raccolta di materiale di origine deve comunque lasciare spazio per la risposta. Definite la lunghezza richiesta per il risultato in funzione del compito, che si tratti di una patch compatta o di una spiegazione più lunga.
Gli ingressi e le uscite di questa edizione sono testuali. Per le prove contenute in un documento o in un’immagine, preparate il testo leggibile pertinente e conservatene le etichette delle fonti. Numerate gli estratti o le regioni di codice da confrontare e chiedete che la risposta mantenga tali identificatori. Il risultato potrà così essere verificato rispetto al materiale esatto che lo supporta.
", "aboutText": "o3-mini è un piccolo modello di ragionamento di OpenAI. Riceve testo e produce testo, con attenzione all’elaborazione di un problema prima di rispondere. Un assistente tecnico può usarlo per esaminare una funzione che non si comporta correttamente, confrontare possibili spiegazioni di un’osservazione o sviluppare un’argomentazione matematica. Fornite le prove pertinenti e definite cosa deve stabilire la risposta.\n\n### Ragionare su un problema concreto\n\nPer una diagnosi del codice, fornite la funzione, i suoi ingressi, il problema osservato e il comportamento atteso. Chiedete la modifica minima che affronti tale differenza, seguita da casi di test che distinguano la proposta dal comportamento attuale. Escludete dalla richiesta i file non pertinenti, salvo che influiscano sul problema. Il codice restituito è una proposta da esaminare ed eseguire nell’ambiente di sviluppo.\n\nPer un calcolo, indicate le unità, le ipotesi e la precisione richiesta. Chiedete il risultato insieme alle relazioni usate per ottenerlo. Per una domanda scientifica o ingegneristica, fornite le osservazioni e chiedete quali conclusioni ne derivano e quale misurazione aggiuntiva distinguerebbe spiegazioni concorrenti. Questo mantiene una risposta lunga collegata a un compito verificabile.\n\n### Risposte strutturate e funzioni\n\nOpenAI documenta Structured Outputs e chiamate di funzione per o3-mini. Un compito strutturato può specificare i campi necessari al passaggio successivo, come diagnosi, osservazioni di supporto e un test proposto. Definite come deve apparire un valore assente, poi verificate i campi restituiti rispetto al materiale fornito prima di usarli.\n\nLe chiamate di funzione consentono al modello di richiedere una funzione esposta da un’applicazione. L’applicazione fornisce le definizioni delle funzioni, esegue una chiamata selezionata e ne restituisce il risultato. Descrivete ogni funzione con limiti sufficientemente precisi da rendere chiari ingressi e conseguenze. Una chiamata richiesta e un’operazione eseguita sono passaggi distinti; conservate il risultato effettivo dell’operazione quando preparate il prompt successivo.\n\n### Pianificare il contesto di lavoro\n\nIl produttore elenca una finestra di contesto di 200 000 token e un’uscita massima di 100 000 token per la versione documentata. Sono budget diversi: una grande raccolta di materiale di origine deve comunque lasciare spazio per la risposta. Definite la lunghezza richiesta per il risultato in funzione del compito, che si tratti di una patch compatta o di una spiegazione più lunga.\n\nGli ingressi e le uscite di questa edizione sono testuali. Per le prove contenute in un documento o in un’immagine, preparate il testo leggibile pertinente e conservatene le etichette delle fonti. Numerate gli estratti o le regioni di codice da confrontare e chiedete che la risposta mantenga tali identificatori. Il risultato potrà così essere verificato rispetto al materiale esatto che lo supporta.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Locate an off-by-one defect\n\nDiagnose this Python function: 'def first_three(xs): return xs[:2]'. Requirement: return up to the first three elements without changing xs. Show the smallest correction and tests for a four-element list, a two-element list and an empty list. Explain the slice boundary in one sentence. Treat the tests as proposals until run.A one-line correction, three assert tests and a sentence explaining the exclusive slice endpoint.The four-element case returns three elements while shorter lists remain safe and the original list stays unchanged.o3-minio3-mini è il piccolo modello di ragionamento di OpenAI per risolvere problemi basati sul testo. Usatelo per una diagnosi del codice, un’argomentazione matematica o una spiegazione tecnica, con una domanda chiara e le prove necessarie per verificare la risposta.
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.
o3-mini è un piccolo modello di ragionamento di OpenAI. Riceve testo e produce testo, con attenzione all’elaborazione di un problema prima di rispondere. Un assistente tecnico può usarlo per esaminare una funzione che non si comporta correttamente, confrontare possibili spiegazioni di un’osservazione o sviluppare un’argomentazione matematica. Fornite le prove pertinenti e definite cosa deve stabilire la risposta.
Per una diagnosi del codice, fornite la funzione, i suoi ingressi, il problema osservato e il comportamento atteso. Chiedete la modifica minima che affronti tale differenza, seguita da casi di test che distinguano la proposta dal comportamento attuale. Escludete dalla richiesta i file non pertinenti, salvo che influiscano sul problema. Il codice restituito è una proposta da esaminare ed eseguire nell’ambiente di sviluppo.
Per un calcolo, indicate le unità, le ipotesi e la precisione richiesta. Chiedete il risultato insieme alle relazioni usate per ottenerlo. Per una domanda scientifica o ingegneristica, fornite le osservazioni e chiedete quali conclusioni ne derivano e quale misurazione aggiuntiva distinguerebbe spiegazioni concorrenti. Questo mantiene una risposta lunga collegata a un compito verificabile.
OpenAI documenta Structured Outputs e chiamate di funzione per o3-mini. Un compito strutturato può specificare i campi necessari al passaggio successivo, come diagnosi, osservazioni di supporto e un test proposto. Definite come deve apparire un valore assente, poi verificate i campi restituiti rispetto al materiale fornito prima di usarli.
Le chiamate di funzione consentono al modello di richiedere una funzione esposta da un’applicazione. L’applicazione fornisce le definizioni delle funzioni, esegue una chiamata selezionata e ne restituisce il risultato. Descrivete ogni funzione con limiti sufficientemente precisi da rendere chiari ingressi e conseguenze. Una chiamata richiesta e un’operazione eseguita sono passaggi distinti; conservate il risultato effettivo dell’operazione quando preparate il prompt successivo.
Il produttore elenca una finestra di contesto di 200 000 token e un’uscita massima di 100 000 token per la versione documentata. Sono budget diversi: una grande raccolta di materiale di origine deve comunque lasciare spazio per la risposta. Definite la lunghezza richiesta per il risultato in funzione del compito, che si tratti di una patch compatta o di una spiegazione più lunga.
Gli ingressi e le uscite di questa edizione sono testuali. Per le prove contenute in un documento o in un’immagine, preparate il testo leggibile pertinente e conservatene le etichette delle fonti. Numerate gli estratti o le regioni di codice da confrontare e chiedete che la risposta mantenga tali identificatori. Il risultato potrà così essere verificato rispetto al materiale esatto che lo supporta.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti o3-mini | 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 $0.0022 / 1K token Output · Token in output $0.0088 / 1K token Input · Lettura dalla cache $0.0011 / 1K token Input · Scrittura nella cache $0 / 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 $0.0022 / 1K token Output · Token in output $0.0088 / 1K token Input · Lettura dalla cache $0.0011 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"o3-mini","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="o3-mini", 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 o3-mini, openai/o3-mini
/chat/completions
o3-minio3-mini è il piccolo modello di ragionamento di OpenAI per risolvere problemi basati sul testo. Usatelo per una diagnosi del codice, un’argomentazione matematica o una spiegazione tecnica, con una domanda chiara e le prove necessarie per verificare la risposta.
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.
o3-mini è un piccolo modello di ragionamento di OpenAI. Riceve testo e produce testo, con attenzione all’elaborazione di un problema prima di rispondere. Un assistente tecnico può usarlo per esaminare una funzione che non si comporta correttamente, confrontare possibili spiegazioni di un’osservazione o sviluppare un’argomentazione matematica. Fornite le prove pertinenti e definite cosa deve stabilire la risposta.
Per una diagnosi del codice, fornite la funzione, i suoi ingressi, il problema osservato e il comportamento atteso. Chiedete la modifica minima che affronti tale differenza, seguita da casi di test che distinguano la proposta dal comportamento attuale. Escludete dalla richiesta i file non pertinenti, salvo che influiscano sul problema. Il codice restituito è una proposta da esaminare ed eseguire nell’ambiente di sviluppo.
Per un calcolo, indicate le unità, le ipotesi e la precisione richiesta. Chiedete il risultato insieme alle relazioni usate per ottenerlo. Per una domanda scientifica o ingegneristica, fornite le osservazioni e chiedete quali conclusioni ne derivano e quale misurazione aggiuntiva distinguerebbe spiegazioni concorrenti. Questo mantiene una risposta lunga collegata a un compito verificabile.
OpenAI documenta Structured Outputs e chiamate di funzione per o3-mini. Un compito strutturato può specificare i campi necessari al passaggio successivo, come diagnosi, osservazioni di supporto e un test proposto. Definite come deve apparire un valore assente, poi verificate i campi restituiti rispetto al materiale fornito prima di usarli.
Le chiamate di funzione consentono al modello di richiedere una funzione esposta da un’applicazione. L’applicazione fornisce le definizioni delle funzioni, esegue una chiamata selezionata e ne restituisce il risultato. Descrivete ogni funzione con limiti sufficientemente precisi da rendere chiari ingressi e conseguenze. Una chiamata richiesta e un’operazione eseguita sono passaggi distinti; conservate il risultato effettivo dell’operazione quando preparate il prompt successivo.
Il produttore elenca una finestra di contesto di 200 000 token e un’uscita massima di 100 000 token per la versione documentata. Sono budget diversi: una grande raccolta di materiale di origine deve comunque lasciare spazio per la risposta. Definite la lunghezza richiesta per il risultato in funzione del compito, che si tratti di una patch compatta o di una spiegazione più lunga.
Gli ingressi e le uscite di questa edizione sono testuali. Per le prove contenute in un documento o in un’immagine, preparate il testo leggibile pertinente e conservatene le etichette delle fonti. Numerate gli estratti o le regioni di codice da confrontare e chiedete che la risposta mantenga tali identificatori. Il risultato potrà così essere verificato rispetto al materiale esatto che lo supporta.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti o3-mini | 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 $0.0022 / 1K token Output · Token in output $0.0088 / 1K token Input · Lettura dalla cache $0.0011 / 1K token Input · Scrittura nella cache $0 / 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 $0.0022 / 1K token Output · Token in output $0.0088 / 1K token Input · Lettura dalla cache $0.0011 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "o3-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'o3-mini', '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': 'o3-mini', '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 o3-mini, openai/o3-mini
/chat/completions
openai/o3-minio3-mini è il piccolo modello di ragionamento di OpenAI per risolvere problemi basati sul testo. Usatelo per una diagnosi del codice, un’argomentazione matematica o una spiegazione tecnica, con una domanda chiara e le prove necessarie per verificare la risposta.
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.
o3-mini è un piccolo modello di ragionamento di OpenAI. Riceve testo e produce testo, con attenzione all’elaborazione di un problema prima di rispondere. Un assistente tecnico può usarlo per esaminare una funzione che non si comporta correttamente, confrontare possibili spiegazioni di un’osservazione o sviluppare un’argomentazione matematica. Fornite le prove pertinenti e definite cosa deve stabilire la risposta.
Per una diagnosi del codice, fornite la funzione, i suoi ingressi, il problema osservato e il comportamento atteso. Chiedete la modifica minima che affronti tale differenza, seguita da casi di test che distinguano la proposta dal comportamento attuale. Escludete dalla richiesta i file non pertinenti, salvo che influiscano sul problema. Il codice restituito è una proposta da esaminare ed eseguire nell’ambiente di sviluppo.
Per un calcolo, indicate le unità, le ipotesi e la precisione richiesta. Chiedete il risultato insieme alle relazioni usate per ottenerlo. Per una domanda scientifica o ingegneristica, fornite le osservazioni e chiedete quali conclusioni ne derivano e quale misurazione aggiuntiva distinguerebbe spiegazioni concorrenti. Questo mantiene una risposta lunga collegata a un compito verificabile.
OpenAI documenta Structured Outputs e chiamate di funzione per o3-mini. Un compito strutturato può specificare i campi necessari al passaggio successivo, come diagnosi, osservazioni di supporto e un test proposto. Definite come deve apparire un valore assente, poi verificate i campi restituiti rispetto al materiale fornito prima di usarli.
Le chiamate di funzione consentono al modello di richiedere una funzione esposta da un’applicazione. L’applicazione fornisce le definizioni delle funzioni, esegue una chiamata selezionata e ne restituisce il risultato. Descrivete ogni funzione con limiti sufficientemente precisi da rendere chiari ingressi e conseguenze. Una chiamata richiesta e un’operazione eseguita sono passaggi distinti; conservate il risultato effettivo dell’operazione quando preparate il prompt successivo.
Il produttore elenca una finestra di contesto di 200 000 token e un’uscita massima di 100 000 token per la versione documentata. Sono budget diversi: una grande raccolta di materiale di origine deve comunque lasciare spazio per la risposta. Definite la lunghezza richiesta per il risultato in funzione del compito, che si tratti di una patch compatta o di una spiegazione più lunga.
Gli ingressi e le uscite di questa edizione sono testuali. Per le prove contenute in un documento o in un’immagine, preparate il testo leggibile pertinente e conservatene le etichette delle fonti. Numerate gli estratti o le regioni di codice da confrontare e chiedete che la risposta mantenga tali identificatori. Il risultato potrà così essere verificato rispetto al materiale esatto che lo supporta.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/o3-mini | 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 $0.0022 / 1K token Output · Token in output $0.0088 / 1K token Input · Lettura dalla cache $0.0011 / 1K token Input · Scrittura nella cache $0 / 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 $0.0022 / 1K token Output · Token in output $0.0088 / 1K token Input · Lettura dalla cache $0.0011 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/o3-mini", "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-mini',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-mini',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 o3-mini, openai/o3-mini
/chat/completions
openai/o3-minio3-mini è il piccolo modello di ragionamento di OpenAI per risolvere problemi basati sul testo. Usatelo per una diagnosi del codice, un’argomentazione matematica o una spiegazione tecnica, con una domanda chiara e le prove necessarie per verificare la risposta.
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.
o3-mini è un piccolo modello di ragionamento di OpenAI. Riceve testo e produce testo, con attenzione all’elaborazione di un problema prima di rispondere. Un assistente tecnico può usarlo per esaminare una funzione che non si comporta correttamente, confrontare possibili spiegazioni di un’osservazione o sviluppare un’argomentazione matematica. Fornite le prove pertinenti e definite cosa deve stabilire la risposta.
Per una diagnosi del codice, fornite la funzione, i suoi ingressi, il problema osservato e il comportamento atteso. Chiedete la modifica minima che affronti tale differenza, seguita da casi di test che distinguano la proposta dal comportamento attuale. Escludete dalla richiesta i file non pertinenti, salvo che influiscano sul problema. Il codice restituito è una proposta da esaminare ed eseguire nell’ambiente di sviluppo.
Per un calcolo, indicate le unità, le ipotesi e la precisione richiesta. Chiedete il risultato insieme alle relazioni usate per ottenerlo. Per una domanda scientifica o ingegneristica, fornite le osservazioni e chiedete quali conclusioni ne derivano e quale misurazione aggiuntiva distinguerebbe spiegazioni concorrenti. Questo mantiene una risposta lunga collegata a un compito verificabile.
OpenAI documenta Structured Outputs e chiamate di funzione per o3-mini. Un compito strutturato può specificare i campi necessari al passaggio successivo, come diagnosi, osservazioni di supporto e un test proposto. Definite come deve apparire un valore assente, poi verificate i campi restituiti rispetto al materiale fornito prima di usarli.
Le chiamate di funzione consentono al modello di richiedere una funzione esposta da un’applicazione. L’applicazione fornisce le definizioni delle funzioni, esegue una chiamata selezionata e ne restituisce il risultato. Descrivete ogni funzione con limiti sufficientemente precisi da rendere chiari ingressi e conseguenze. Una chiamata richiesta e un’operazione eseguita sono passaggi distinti; conservate il risultato effettivo dell’operazione quando preparate il prompt successivo.
Il produttore elenca una finestra di contesto di 200 000 token e un’uscita massima di 100 000 token per la versione documentata. Sono budget diversi: una grande raccolta di materiale di origine deve comunque lasciare spazio per la risposta. Definite la lunghezza richiesta per il risultato in funzione del compito, che si tratti di una patch compatta o di una spiegazione più lunga.
Gli ingressi e le uscite di questa edizione sono testuali. Per le prove contenute in un documento o in un’immagine, preparate il testo leggibile pertinente e conservatene le etichette delle fonti. Numerate gli estratti o le regioni di codice da confrontare e chiedete che la risposta mantenga tali identificatori. Il risultato potrà così essere verificato rispetto al materiale esatto che lo supporta.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti openai/o3-mini | 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 $0.0022 / 1K token Output · Token in output $0.0088 / 1K token Input · Lettura dalla cache $0.0011 / 1K token Input · Scrittura nella cache $0 / 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 $0.0022 / 1K token Output · Token in output $0.0088 / 1K token Input · Lettura dalla cache $0.0011 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "openai/o3-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-mini', '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-mini', '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 o3-mini, openai/o3-mini
/chat/completions
Esempio tecnico in inglese
Locate an off-by-one defect\n\nDiagnose this Python function: 'def first_three(xs): return xs[:2]'. Requirement: return up to the first three elements without changing xs. Show the smallest correction and tests for a four-element list, a two-element list and an empty list. Explain the slice boundary in one sentence. Treat the tests as proposals until run.A one-line correction, three assert tests and a sentence explaining the exclusive slice endpoint.The four-element case returns three elements while shorter lists remain safe and the original list stays unchanged.