GPT-5.5 Proは、OpenAIのGPT-5.5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。名前を持つProモデルとしての識別は、GPT-5.6やGPT-6の基盤モデルでPro実行モードを選ぶこととは異なります。
GPT-5.5ファミリーのリリースは、コーディング、研究、データ分析、多くの文書を扱う専門業務を説明しています。特にProは、難しい質問や、より包括的で構造化された結果のための選択肢とされています。たとえば、複数のプロジェクト文書の整合を取り、相互に依存する要件を特定し、条件を明示した提案を作成する課題です。コードでは、意図する動作、既存の実装、変更案が維持すべき制約を提示します。
OpenAIはGPT-5.5 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ています。文書化された知識の基準時点は2025年12月1日です。推論労力の選択肢はmedium、high、xhighで、既定値はhighです。推論は表示回答とともにトークン領域を使います。そのため、長い専門的な依頼には関連する根拠を含め、モデルの分析と最終成果物のための余地を残す必要があります。
提供元は、応答までに複数ターンのモデルとのやり取りを行えるよう、Batch経由を含むResponsesリクエスト向けにGPT-5.5 Proを文書化しています。難しいリクエストには数分かかる場合があります。OpenAIは長時間の作業にバックグラウンド実行を推奨しています。アプリケーションはレスポンス識別子を受け取り、リクエストの状態を追跡し、完成した結果を取得します。このワークフローで、長いリクエストを結果の完成まで追跡します。
モデルカードには、Structured Outputs、関数呼び出し、ウェブ検索とファイル検索、画像生成ツール、画像入力、MCP対応が挙げられています。ツールには、コードインタープリターとホスト型のshellも含まれます。アプリケーションが作業環境を提供して自ら操作を実行し、モデルが続けられるよう実際の結果を返します。最終回答を用意する際は、提案されたプログラム、依頼された操作、実行済み操作の結果を、別々の成果物として扱う必要があります。
モデルに明確な質問、元の資料、完了条件を与えます。技術分析では、影響を受ける依存関係、提案する方針、確認に必要な根拠を求めます。文書に基づく判断では、比較基準を示し、提示した事実、結論、未解決の条件を区別するよう求めます。画像が不可欠な根拠を提供する場合は、対象の詳細を指定します。有用な最終結果は、提示した資料と目標に結び付く、具体的な判断メモ、コード案、分析の説明です。
", "aboutText": "GPT-5.5 Proは、OpenAIのGPT-5.5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。名前を持つProモデルとしての識別は、GPT-5.6やGPT-6の基盤モデルでPro実行モードを選ぶこととは異なります。\n\nGPT-5.5ファミリーのリリースは、コーディング、研究、データ分析、多くの文書を扱う専門業務を説明しています。特にProは、難しい質問や、より包括的で構造化された結果のための選択肢とされています。たとえば、複数のプロジェクト文書の整合を取り、相互に依存する要件を特定し、条件を明示した提案を作成する課題です。コードでは、意図する動作、既存の実装、変更案が維持すべき制約を提示します。\n\nOpenAIはGPT-5.5 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ています。文書化された知識の基準時点は2025年12月1日です。推論労力の選択肢はmedium、high、xhighで、既定値はhighです。推論は表示回答とともにトークン領域を使います。そのため、長い専門的な依頼には関連する根拠を含め、モデルの分析と最終成果物のための余地を残す必要があります。\n\n提供元は、応答までに複数ターンのモデルとのやり取りを行えるよう、Batch経由を含むResponsesリクエスト向けにGPT-5.5 Proを文書化しています。難しいリクエストには数分かかる場合があります。OpenAIは長時間の作業にバックグラウンド実行を推奨しています。アプリケーションはレスポンス識別子を受け取り、リクエストの状態を追跡し、完成した結果を取得します。このワークフローで、長いリクエストを結果の完成まで追跡します。\n\nモデルカードには、Structured Outputs、関数呼び出し、ウェブ検索とファイル検索、画像生成ツール、画像入力、MCP対応が挙げられています。ツールには、コードインタープリターとホスト型のshellも含まれます。アプリケーションが作業環境を提供して自ら操作を実行し、モデルが続けられるよう実際の結果を返します。最終回答を用意する際は、提案されたプログラム、依頼された操作、実行済み操作の結果を、別々の成果物として扱う必要があります。\n\nモデルに明確な質問、元の資料、完了条件を与えます。技術分析では、影響を受ける依存関係、提案する方針、確認に必要な根拠を求めます。文書に基づく判断では、比較基準を示し、提示した事実、結論、未解決の条件を区別するよう求めます。画像が不可欠な根拠を提供する場合は、対象の詳細を指定します。有用な最終結果は、提示した資料と目標に結び付く、具体的な判断メモ、コード案、分析の説明です。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Reconcile a staged delivery decision\n\nReconcile these project notes. D1: launch requires a trained support team. D2: training requires a finished user guide. D3: the guide is drafted but its setup instructions remain unverified. The manager proposes launching tomorrow because the draft exists. Return the dependency chain, the unsupported readiness claim and the evidence needed for a launch decision.A source-linked dependency analysis and a conditional decision memo.A draft guide must not be treated as verified instructions or completed support training.openai/gpt-5.5-pro独立したGPT-5.5 Proは、難しい推論や専門的な分析に追加の計算を使います。テキストと画像を入力として受け取り、Batchリクエストを含む提供元のResponsesインターフェースを通じて、テキストの結果を作成します。
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-5.5 Proは、OpenAIのGPT-5.5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。名前を持つProモデルとしての識別は、GPT-5.6やGPT-6の基盤モデルでPro実行モードを選ぶこととは異なります。
GPT-5.5ファミリーのリリースは、コーディング、研究、データ分析、多くの文書を扱う専門業務を説明しています。特にProは、難しい質問や、より包括的で構造化された結果のための選択肢とされています。たとえば、複数のプロジェクト文書の整合を取り、相互に依存する要件を特定し、条件を明示した提案を作成する課題です。コードでは、意図する動作、既存の実装、変更案が維持すべき制約を提示します。
OpenAIはGPT-5.5 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ています。文書化された知識の基準時点は2025年12月1日です。推論労力の選択肢はmedium、high、xhighで、既定値はhighです。推論は表示回答とともにトークン領域を使います。そのため、長い専門的な依頼には関連する根拠を含め、モデルの分析と最終成果物のための余地を残す必要があります。
提供元は、応答までに複数ターンのモデルとのやり取りを行えるよう、Batch経由を含むResponsesリクエスト向けにGPT-5.5 Proを文書化しています。難しいリクエストには数分かかる場合があります。OpenAIは長時間の作業にバックグラウンド実行を推奨しています。アプリケーションはレスポンス識別子を受け取り、リクエストの状態を追跡し、完成した結果を取得します。このワークフローで、長いリクエストを結果の完成まで追跡します。
モデルカードには、Structured Outputs、関数呼び出し、ウェブ検索とファイル検索、画像生成ツール、画像入力、MCP対応が挙げられています。ツールには、コードインタープリターとホスト型のshellも含まれます。アプリケーションが作業環境を提供して自ら操作を実行し、モデルが続けられるよう実際の結果を返します。最終回答を用意する際は、提案されたプログラム、依頼された操作、実行済み操作の結果を、別々の成果物として扱う必要があります。
モデルに明確な質問、元の資料、完了条件を与えます。技術分析では、影響を受ける依存関係、提案する方針、確認に必要な根拠を求めます。文書に基づく判断では、比較基準を示し、提示した事実、結論、未解決の条件を区別するよう求めます。画像が不可欠な根拠を提供する場合は、対象の詳細を指定します。有用な最終結果は、提示した資料と目標に結び付く、具体的な判断メモ、コード案、分析の説明です。
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-5.5-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 — / 1K トークン 入力 · キャッシュ書き込み — / 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 — / 1K トークン 入力 · キャッシュ書き込み — / 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 $0.12 / 1K トークン 出力 · 出力トークン $0.54 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.5-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.5-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.5-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson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 openai/gpt-5.5-pro
上記に表示されたメソッドパスを使用してください。
openai/gpt-5.5-pro独立したGPT-5.5 Proは、難しい推論や専門的な分析に追加の計算を使います。テキストと画像を入力として受け取り、Batchリクエストを含む提供元のResponsesインターフェースを通じて、テキストの結果を作成します。
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-5.5 Proは、OpenAIのGPT-5.5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。名前を持つProモデルとしての識別は、GPT-5.6やGPT-6の基盤モデルでPro実行モードを選ぶこととは異なります。
GPT-5.5ファミリーのリリースは、コーディング、研究、データ分析、多くの文書を扱う専門業務を説明しています。特にProは、難しい質問や、より包括的で構造化された結果のための選択肢とされています。たとえば、複数のプロジェクト文書の整合を取り、相互に依存する要件を特定し、条件を明示した提案を作成する課題です。コードでは、意図する動作、既存の実装、変更案が維持すべき制約を提示します。
OpenAIはGPT-5.5 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ています。文書化された知識の基準時点は2025年12月1日です。推論労力の選択肢はmedium、high、xhighで、既定値はhighです。推論は表示回答とともにトークン領域を使います。そのため、長い専門的な依頼には関連する根拠を含め、モデルの分析と最終成果物のための余地を残す必要があります。
提供元は、応答までに複数ターンのモデルとのやり取りを行えるよう、Batch経由を含むResponsesリクエスト向けにGPT-5.5 Proを文書化しています。難しいリクエストには数分かかる場合があります。OpenAIは長時間の作業にバックグラウンド実行を推奨しています。アプリケーションはレスポンス識別子を受け取り、リクエストの状態を追跡し、完成した結果を取得します。このワークフローで、長いリクエストを結果の完成まで追跡します。
モデルカードには、Structured Outputs、関数呼び出し、ウェブ検索とファイル検索、画像生成ツール、画像入力、MCP対応が挙げられています。ツールには、コードインタープリターとホスト型のshellも含まれます。アプリケーションが作業環境を提供して自ら操作を実行し、モデルが続けられるよう実際の結果を返します。最終回答を用意する際は、提案されたプログラム、依頼された操作、実行済み操作の結果を、別々の成果物として扱う必要があります。
モデルに明確な質問、元の資料、完了条件を与えます。技術分析では、影響を受ける依存関係、提案する方針、確認に必要な根拠を求めます。文書に基づく判断では、比較基準を示し、提示した事実、結論、未解決の条件を区別するよう求めます。画像が不可欠な根拠を提供する場合は、対象の詳細を指定します。有用な最終結果は、提示した資料と目標に結び付く、具体的な判断メモ、コード案、分析の説明です。
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-5.5-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 — / 1K トークン 入力 · キャッシュ書き込み — / 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 — / 1K トークン 入力 · キャッシュ書き込み — / 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 $0.12 / 1K トークン 出力 · 出力トークン $0.54 / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "openai/gpt-5.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON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 openai/gpt-5.5-pro
上記に表示されたメソッドパスを使用してください。
英語の技術例
Reconcile a staged delivery decision\n\nReconcile these project notes. D1: launch requires a trained support team. D2: training requires a finished user guide. D3: the guide is drafted but its setup instructions remain unverified. The manager proposes launching tomorrow because the draft exists. Return the dependency chain, the unsupported readiness claim and the evidence needed for a launch decision.A source-linked dependency analysis and a conditional decision memo.A draft guide must not be treated as verified instructions or completed support training.