GPT-5.4 Proは、OpenAIのGPT-5.4の独立したProモデルです。追加の計算を使って難しい質問を検討し、より詳しい回答を作成します。モデルはテキストと画像を入力として受け取り、テキストを出力します。Proはこのモデルの識別の一部であり、GPT-5.6やGPT-6の基盤モデル向けに導入されたPro推論モードの設定とは異なります。
GPT-5.4ファミリーのリリースは、推論とコーディングを、文書、プレゼンテーション、スプレッドシートの課題と組み合わせる複雑な専門業務に、このモデルを位置付けています。Pro向けの依頼の例は、相互に依存する要件に照らして複数の実装案を比較し、選択を決める条件を特定し、明確な提案を作成する課題です。文書の課題では、結論に明確な根拠を持たせるために、質問、元の資料、基準を提示します。
OpenAIはGPT-5.4 Proについて、1,050,000トークンのコンテキストウィンドウと、128,000トークンの最大出力を示し、知識の基準時点は2025年8月31日です。対応する推論労力の選択肢はmedium、high、xhighで、既定値はmediumです。推論もトークン領域を使います。長い入力は関連資料を中心に整理し、分析と求める最終成果物のための余地を残します。
提供元は、このProモデルをResponses API専用として文書化し、最終応答までの複数ターンのモデルとのやり取りに対応すると説明しています。難しいリクエストには数分かかる場合があります。長時間の作業を同期的に待つ際の接続タイムアウトを避けるため、OpenAIはバックグラウンド実行を推奨しています。そのワークフローでは、アプリケーションがレスポンス識別子を保持し、作業が待機中か実行中かを確認し、終端状態に達した時点で結果を取得します。
モデルカードには、ストリーミング、関数呼び出し、ウェブ検索とファイル検索、画像入力、画像生成ツール、MCP対応が挙げられています。このモデルの提供元が示す正確なツール群には、ツール検索、patch操作、コンピューター操作も含まれます。これらのツールは、モデルのテキスト出力とは別です。アプリケーションが関連する操作を公開し、自ら操作を実行して、続く作業のために実際の結果を提供します。このモデルには固有のGPT-5.4 Proのツール一覧を使い、他のGPT-5.4モデルのすべての機能が同じとはみなしません。
明確な完了条件と結果の構成を用意します。開発業務では、影響を受ける動作、解決案、変更される依存関係、検証に必要な根拠を求めます。分析では、提示された事実、推論した関係、未解決の条件を区別します。画像が質問の根拠になる場合は、重要な詳細を指定します。有用な最終成果物は、重要な選択を元の目標と資料に結び付けた、具体的なコード案、判断メモ、計画です。
", "aboutText": "GPT-5.4 Proは、OpenAIのGPT-5.4の独立したProモデルです。追加の計算を使って難しい質問を検討し、より詳しい回答を作成します。モデルはテキストと画像を入力として受け取り、テキストを出力します。Proはこのモデルの識別の一部であり、GPT-5.6やGPT-6の基盤モデル向けに導入されたPro推論モードの設定とは異なります。\n\nGPT-5.4ファミリーのリリースは、推論とコーディングを、文書、プレゼンテーション、スプレッドシートの課題と組み合わせる複雑な専門業務に、このモデルを位置付けています。Pro向けの依頼の例は、相互に依存する要件に照らして複数の実装案を比較し、選択を決める条件を特定し、明確な提案を作成する課題です。文書の課題では、結論に明確な根拠を持たせるために、質問、元の資料、基準を提示します。\n\nOpenAIはGPT-5.4 Proについて、1,050,000トークンのコンテキストウィンドウと、128,000トークンの最大出力を示し、知識の基準時点は2025年8月31日です。対応する推論労力の選択肢はmedium、high、xhighで、既定値はmediumです。推論もトークン領域を使います。長い入力は関連資料を中心に整理し、分析と求める最終成果物のための余地を残します。\n\n提供元は、このProモデルをResponses API専用として文書化し、最終応答までの複数ターンのモデルとのやり取りに対応すると説明しています。難しいリクエストには数分かかる場合があります。長時間の作業を同期的に待つ際の接続タイムアウトを避けるため、OpenAIはバックグラウンド実行を推奨しています。そのワークフローでは、アプリケーションがレスポンス識別子を保持し、作業が待機中か実行中かを確認し、終端状態に達した時点で結果を取得します。\n\nモデルカードには、ストリーミング、関数呼び出し、ウェブ検索とファイル検索、画像入力、画像生成ツール、MCP対応が挙げられています。このモデルの提供元が示す正確なツール群には、ツール検索、patch操作、コンピューター操作も含まれます。これらのツールは、モデルのテキスト出力とは別です。アプリケーションが関連する操作を公開し、自ら操作を実行して、続く作業のために実際の結果を提供します。このモデルには固有のGPT-5.4 Proのツール一覧を使い、他のGPT-5.4モデルのすべての機能が同じとはみなしません。\n\n明確な完了条件と結果の構成を用意します。開発業務では、影響を受ける動作、解決案、変更される依存関係、検証に必要な根拠を求めます。分析では、提示された事実、推論した関係、未解決の条件を区別します。画像が質問の根拠になる場合は、重要な詳細を指定します。有用な最終成果物は、重要な選択を元の目標と資料に結び付けた、具体的なコード案、判断メモ、計画です。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Compare implementation approaches against hard requirements\n\nCompare three delivery designs for an export: synchronous processing, an in-memory background worker and a durable job queue. Requirements: the request returns promptly, accepted jobs survive process restarts, and users can retrieve status later. Explain what each design needs to meet every requirement, recommend an approach and identify its operational trade-offs. State assumptions rather than inventing measurements.A requirements-by-approach comparison, a justified recommendation and explicit operational assumptions.The answer tests restart survival and persistent status separately and does not invent benchmark or cost figures.gpt-5.4-pro独立した GPT-5.4 Pro エディションは、難しい推論や専門的な作業のために追加の計算を使います。テキストと画像を受け取り、OpenAI の Responses インターフェースでテキスト応答を作成します。推論の強度は medium、high、xhigh を選べます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
GPT-5.4 Proは、OpenAIのGPT-5.4の独立したProモデルです。追加の計算を使って難しい質問を検討し、より詳しい回答を作成します。モデルはテキストと画像を入力として受け取り、テキストを出力します。Proはこのモデルの識別の一部であり、GPT-5.6やGPT-6の基盤モデル向けに導入されたPro推論モードの設定とは異なります。
GPT-5.4ファミリーのリリースは、推論とコーディングを、文書、プレゼンテーション、スプレッドシートの課題と組み合わせる複雑な専門業務に、このモデルを位置付けています。Pro向けの依頼の例は、相互に依存する要件に照らして複数の実装案を比較し、選択を決める条件を特定し、明確な提案を作成する課題です。文書の課題では、結論に明確な根拠を持たせるために、質問、元の資料、基準を提示します。
OpenAIはGPT-5.4 Proについて、1,050,000トークンのコンテキストウィンドウと、128,000トークンの最大出力を示し、知識の基準時点は2025年8月31日です。対応する推論労力の選択肢はmedium、high、xhighで、既定値はmediumです。推論もトークン領域を使います。長い入力は関連資料を中心に整理し、分析と求める最終成果物のための余地を残します。
提供元は、このProモデルをResponses API専用として文書化し、最終応答までの複数ターンのモデルとのやり取りに対応すると説明しています。難しいリクエストには数分かかる場合があります。長時間の作業を同期的に待つ際の接続タイムアウトを避けるため、OpenAIはバックグラウンド実行を推奨しています。そのワークフローでは、アプリケーションがレスポンス識別子を保持し、作業が待機中か実行中かを確認し、終端状態に達した時点で結果を取得します。
モデルカードには、ストリーミング、関数呼び出し、ウェブ検索とファイル検索、画像入力、画像生成ツール、MCP対応が挙げられています。このモデルの提供元が示す正確なツール群には、ツール検索、patch操作、コンピューター操作も含まれます。これらのツールは、モデルのテキスト出力とは別です。アプリケーションが関連する操作を公開し、自ら操作を実行して、続く作業のために実際の結果を提供します。このモデルには固有のGPT-5.4 Proのツール一覧を使い、他のGPT-5.4モデルのすべての機能が同じとはみなしません。
明確な完了条件と結果の構成を用意します。開発業務では、影響を受ける動作、解決案、変更される依存関係、検証に必要な根拠を求めます。分析では、提示された事実、推論した関係、未解決の条件を区別します。画像が質問の根拠になる場合は、重要な詳細を指定します。有用な最終成果物は、重要な選択を元の目標と資料に結び付けた、具体的なコード案、判断メモ、計画です。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 gpt-5.4-pro | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string | 要件任意 | 値と制限 適用条件: テキストでの対話 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream |
パラメータcontrol_scope | 仕様テキストでの対話。streamは真偽値で、既定はfalseです。 |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
メソッドのエイリアス: /chat/completions
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合272,000 | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 2 | 料金表— | コンテキストトークン数が次の値を超える場合272,000 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.4-pro","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-5.4-pro", 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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra gpt-5.4-pro, openai/gpt-5.4-pro
/chat/completions
gpt-5.4-pro独立した GPT-5.4 Pro エディションは、難しい推論や専門的な作業のために追加の計算を使います。テキストと画像を受け取り、OpenAI の Responses インターフェースでテキスト応答を作成します。推論の強度は medium、high、xhigh を選べます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
GPT-5.4 Proは、OpenAIのGPT-5.4の独立したProモデルです。追加の計算を使って難しい質問を検討し、より詳しい回答を作成します。モデルはテキストと画像を入力として受け取り、テキストを出力します。Proはこのモデルの識別の一部であり、GPT-5.6やGPT-6の基盤モデル向けに導入されたPro推論モードの設定とは異なります。
GPT-5.4ファミリーのリリースは、推論とコーディングを、文書、プレゼンテーション、スプレッドシートの課題と組み合わせる複雑な専門業務に、このモデルを位置付けています。Pro向けの依頼の例は、相互に依存する要件に照らして複数の実装案を比較し、選択を決める条件を特定し、明確な提案を作成する課題です。文書の課題では、結論に明確な根拠を持たせるために、質問、元の資料、基準を提示します。
OpenAIはGPT-5.4 Proについて、1,050,000トークンのコンテキストウィンドウと、128,000トークンの最大出力を示し、知識の基準時点は2025年8月31日です。対応する推論労力の選択肢はmedium、high、xhighで、既定値はmediumです。推論もトークン領域を使います。長い入力は関連資料を中心に整理し、分析と求める最終成果物のための余地を残します。
提供元は、このProモデルをResponses API専用として文書化し、最終応答までの複数ターンのモデルとのやり取りに対応すると説明しています。難しいリクエストには数分かかる場合があります。長時間の作業を同期的に待つ際の接続タイムアウトを避けるため、OpenAIはバックグラウンド実行を推奨しています。そのワークフローでは、アプリケーションがレスポンス識別子を保持し、作業が待機中か実行中かを確認し、終端状態に達した時点で結果を取得します。
モデルカードには、ストリーミング、関数呼び出し、ウェブ検索とファイル検索、画像入力、画像生成ツール、MCP対応が挙げられています。このモデルの提供元が示す正確なツール群には、ツール検索、patch操作、コンピューター操作も含まれます。これらのツールは、モデルのテキスト出力とは別です。アプリケーションが関連する操作を公開し、自ら操作を実行して、続く作業のために実際の結果を提供します。このモデルには固有のGPT-5.4 Proのツール一覧を使い、他のGPT-5.4モデルのすべての機能が同じとはみなしません。
明確な完了条件と結果の構成を用意します。開発業務では、影響を受ける動作、解決案、変更される依存関係、検証に必要な根拠を求めます。分析では、提示された事実、推論した関係、未解決の条件を区別します。画像が質問の根拠になる場合は、重要な詳細を指定します。有用な最終成果物は、重要な選択を元の目標と資料に結び付けた、具体的なコード案、判断メモ、計画です。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 gpt-5.4-pro | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合272,000 | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 2 | 料金表— | コンテキストトークン数が次の値を超える場合272,000 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "gpt-5.4-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.4-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.4-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSONまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra gpt-5.4-pro, openai/gpt-5.4-pro
/chat/completions
openai/gpt-5.4-pro独立した GPT-5.4 Pro エディションは、難しい推論や専門的な作業のために追加の計算を使います。テキストと画像を受け取り、OpenAI の Responses インターフェースでテキスト応答を作成します。推論の強度は medium、high、xhigh を選べます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
GPT-5.4 Proは、OpenAIのGPT-5.4の独立したProモデルです。追加の計算を使って難しい質問を検討し、より詳しい回答を作成します。モデルはテキストと画像を入力として受け取り、テキストを出力します。Proはこのモデルの識別の一部であり、GPT-5.6やGPT-6の基盤モデル向けに導入されたPro推論モードの設定とは異なります。
GPT-5.4ファミリーのリリースは、推論とコーディングを、文書、プレゼンテーション、スプレッドシートの課題と組み合わせる複雑な専門業務に、このモデルを位置付けています。Pro向けの依頼の例は、相互に依存する要件に照らして複数の実装案を比較し、選択を決める条件を特定し、明確な提案を作成する課題です。文書の課題では、結論に明確な根拠を持たせるために、質問、元の資料、基準を提示します。
OpenAIはGPT-5.4 Proについて、1,050,000トークンのコンテキストウィンドウと、128,000トークンの最大出力を示し、知識の基準時点は2025年8月31日です。対応する推論労力の選択肢はmedium、high、xhighで、既定値はmediumです。推論もトークン領域を使います。長い入力は関連資料を中心に整理し、分析と求める最終成果物のための余地を残します。
提供元は、このProモデルをResponses API専用として文書化し、最終応答までの複数ターンのモデルとのやり取りに対応すると説明しています。難しいリクエストには数分かかる場合があります。長時間の作業を同期的に待つ際の接続タイムアウトを避けるため、OpenAIはバックグラウンド実行を推奨しています。そのワークフローでは、アプリケーションがレスポンス識別子を保持し、作業が待機中か実行中かを確認し、終端状態に達した時点で結果を取得します。
モデルカードには、ストリーミング、関数呼び出し、ウェブ検索とファイル検索、画像入力、画像生成ツール、MCP対応が挙げられています。このモデルの提供元が示す正確なツール群には、ツール検索、patch操作、コンピューター操作も含まれます。これらのツールは、モデルのテキスト出力とは別です。アプリケーションが関連する操作を公開し、自ら操作を実行して、続く作業のために実際の結果を提供します。このモデルには固有のGPT-5.4 Proのツール一覧を使い、他のGPT-5.4モデルのすべての機能が同じとはみなしません。
明確な完了条件と結果の構成を用意します。開発業務では、影響を受ける動作、解決案、変更される依存関係、検証に必要な根拠を求めます。分析では、提示された事実、推論した関係、未解決の条件を区別します。画像が質問の根拠になる場合は、重要な詳細を指定します。有用な最終成果物は、重要な選択を元の目標と資料に結び付けた、具体的なコード案、判断メモ、計画です。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 openai/gpt-5.4-pro | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合272,000 | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 2 | 料金表— | コンテキストトークン数が次の値を超える場合272,000 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.4-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.4-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.4-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njsonまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra gpt-5.4-pro, openai/gpt-5.4-pro
/chat/completions
openai/gpt-5.4-pro独立した GPT-5.4 Pro エディションは、難しい推論や専門的な作業のために追加の計算を使います。テキストと画像を受け取り、OpenAI の Responses インターフェースでテキスト応答を作成します。推論の強度は medium、high、xhigh を選べます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
GPT-5.4 Proは、OpenAIのGPT-5.4の独立したProモデルです。追加の計算を使って難しい質問を検討し、より詳しい回答を作成します。モデルはテキストと画像を入力として受け取り、テキストを出力します。Proはこのモデルの識別の一部であり、GPT-5.6やGPT-6の基盤モデル向けに導入されたPro推論モードの設定とは異なります。
GPT-5.4ファミリーのリリースは、推論とコーディングを、文書、プレゼンテーション、スプレッドシートの課題と組み合わせる複雑な専門業務に、このモデルを位置付けています。Pro向けの依頼の例は、相互に依存する要件に照らして複数の実装案を比較し、選択を決める条件を特定し、明確な提案を作成する課題です。文書の課題では、結論に明確な根拠を持たせるために、質問、元の資料、基準を提示します。
OpenAIはGPT-5.4 Proについて、1,050,000トークンのコンテキストウィンドウと、128,000トークンの最大出力を示し、知識の基準時点は2025年8月31日です。対応する推論労力の選択肢はmedium、high、xhighで、既定値はmediumです。推論もトークン領域を使います。長い入力は関連資料を中心に整理し、分析と求める最終成果物のための余地を残します。
提供元は、このProモデルをResponses API専用として文書化し、最終応答までの複数ターンのモデルとのやり取りに対応すると説明しています。難しいリクエストには数分かかる場合があります。長時間の作業を同期的に待つ際の接続タイムアウトを避けるため、OpenAIはバックグラウンド実行を推奨しています。そのワークフローでは、アプリケーションがレスポンス識別子を保持し、作業が待機中か実行中かを確認し、終端状態に達した時点で結果を取得します。
モデルカードには、ストリーミング、関数呼び出し、ウェブ検索とファイル検索、画像入力、画像生成ツール、MCP対応が挙げられています。このモデルの提供元が示す正確なツール群には、ツール検索、patch操作、コンピューター操作も含まれます。これらのツールは、モデルのテキスト出力とは別です。アプリケーションが関連する操作を公開し、自ら操作を実行して、続く作業のために実際の結果を提供します。このモデルには固有のGPT-5.4 Proのツール一覧を使い、他のGPT-5.4モデルのすべての機能が同じとはみなしません。
明確な完了条件と結果の構成を用意します。開発業務では、影響を受ける動作、解決案、変更される依存関係、検証に必要な根拠を求めます。分析では、提示された事実、推論した関係、未解決の条件を区別します。画像が質問の根拠になる場合は、重要な詳細を指定します。有用な最終成果物は、重要な選択を元の目標と資料に結び付けた、具体的なコード案、判断メモ、計画です。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 openai/gpt-5.4-pro | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | コンテキストトークン数が次の値を超える場合 | コンテキストトークン数が次の値以下の場合 | 料金 |
|---|---|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | コンテキストトークン数が次の値を超える場合— | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 1 | 料金表— | コンテキストトークン数が次の値を超える場合0 | コンテキストトークン数が次の値以下の場合272,000 | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定リクエスト長に応じた料金区分 2 | 料金表— | コンテキストトークン数が次の値を超える場合272,000 | コンテキストトークン数が次の値以下の場合上限なし | 料金 入力 · 入力トークン $0.06 / 1K トークン 出力 · 出力トークン $0.36 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "openai/gpt-5.4-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.4-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.4-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSONまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra gpt-5.4-pro, openai/gpt-5.4-pro
/chat/completions
英語の技術例
Compare implementation approaches against hard requirements\n\nCompare three delivery designs for an export: synchronous processing, an in-memory background worker and a durable job queue. Requirements: the request returns promptly, accepted jobs survive process restarts, and users can retrieve status later. Explain what each design needs to meet every requirement, recommend an approach and identify its operational trade-offs. State assumptions rather than inventing measurements.A requirements-by-approach comparison, a justified recommendation and explicit operational assumptions.The answer tests restart survival and persistent status separately and does not invent benchmark or cost figures.