GPT-5 Imageは、OpenAIのGPT-5言語モデルとGPT Image 1を結び付ける複合プロファイルです。言語コンポーネントが要件と元の資料を解釈し、画像コンポーネントが画像の結果を作成します。公開された説明では、推論、指示への追従、画像内の文字の描画、細かな画像編集が重視されています。画像素材とその文章による解釈の両方を、同じ依頼書に沿わせる必要があるタスクに適しています。
画像の目的、想定する読者、必ず表示する内容をモデルに与えてください。正確に表現する必要がある事実と、構図や視覚的な表現方法の選択を分けます。図の依頼書では、対象と関係を示し、ラベル、配置、スタイルを指定できます。ポスターの依頼書では、イベントの情報、情報の優先順位、シーンとともに、画像内に入れる正確な言葉を定義できます。
例えば、地域の科学イベント用のポスターのコンセプトを用意します。イベントの事実を提供し、レイアウトの短い説明と、明確な見出しに補助的な視覚要素を添えた画像を求めてください。画像内に表示する言葉と、添える説明だけに使う言葉を指定します。文章の説明と生成されたポスターを一緒に確認し、妥当なレイアウト案が実際に見える結果に反映されているかを確かめます。
テキスト、画像、PDFなどのファイルは、複合プロファイルで文書化された入力です。文書は画像の要件や、要約が必要な情報を提供できます。参照画像は、被写体、商品、場所、レイアウトを定められます。特に参照資料に残す内容と変更する内容が含まれる場合は、目標を説明する前に、各資料に名前を付けて役割を説明してください。
修正では、元の画像を示し、依頼する変更を正確に説明してください。商品シーンの編集では、商品の形や見えるラベルを保ちながら、背景設定を変えられます。視覚的な説明では、周囲の関係を維持しながら一つの要素を置き換えられます。依頼書に保持要件を記載し、重要な細部を実際の画像で確認します。
この正確な複合プロファイルのカードでは、編集に最大16枚の参照画像を使えます。タスクに関連する参照資料を使い、それぞれがどの特徴を提供するかを説明してください。複数の画像で照明、視点、表現方法が異なる場合は、すべての資料を結果の中心にするよう求めるのではなく、意図する構図を指定します。完成した画像とともに元の資料を保持し、後の修正でも同じ資料を参照できるようにします。
公開されたプロファイルには、画像内の文字の描画も機能として含まれています。重要な文字については、正確な文言、句読点、配置を提供し、物体や他のラベルとの関係を指定してください。想定する表示サイズで、返された画像内の必要な言葉と数字をすべて確認します。図では、線、位置、グループ分けが、文章の原資料に記された関係を表しているかも確かめます。
複合プロファイルは、400,000トークンのコンテキストウィンドウと、最大128,000の生成トークンを公表しています。これらの上限は入力と生成結果を示すものであり、特定のピクセル寸法や画像の数ではありません。コンテキストは関連する要件、参照資料、会話の状態に使い、依頼する出力の余地を残してください。長い原資料にはラベルを付け、各指示を正しい箇所に結び付けられるようにします。
文書化されたテキスト出力の仕様は、JSONスキーマを通じた構造化結果に対応します。文章の回答では、コンセプトの説明、要件の要約、依頼した変更の特定に必要なフィールドを定義できます。アプリケーションが処理する前に、それらのフィールドと値を原資料に照らして検証してください。複合プロファイルは、名前の付いた言語と画像の組み合わせとして内部で画像生成を行いますが、アプリケーションの関数呼び出しは提供しません。
チャットのリクエストスキーマでは、出力モダリティとしてtextとimageを選択できます。依頼書に文章と画像の実際の成果物を明記し、完成した回答に両方が含まれるかを確認してください。画像設定は、正確なモデルとインターフェースに固有です。受け入れた設定をリクエストとともに保存し、その複合プロファイルで文書化された制御だけを使います。画像コンポーネントの直接のインターフェースでは、フィールドや機能の構成が異なる場合があります。
このプロファイルで指定されている画像コンポーネントはGPT Image 1です。その直接の画像生成プロファイルは、画像を中心とする処理を扱い、GPT-5 Imageは、その機能をGPT-5の言語処理と結び付けます。GPT-5 Image Miniは、GPT-5 MiniとGPT Image 1 Miniを組み合わせる別の構成です。名前が似た組み合わせを同じモデルとして扱わず、選択したプロファイルの識別名を元の資料と出力設定に添えて保持してください。
複数の修正を含む会話では、関連する文章の要件と元の参照資料を引き継ぎます。最新の依頼書では、ラベルの移動、物体の変更、構図の簡略化など、具体的な修正を示してください。返された素材から有用な変更がすでに分かる場合は、全体をもっと良くするという漠然とした依頼を避けます。
文章の回答と、生成結果で提供された実際の画像成果物をすべて保持してください。報告された形式で画像を保存し、プロンプト、元の参照資料、選んだ設定を添えます。画像そのものの構図、被写体の細部、文字を確認し、添えられた文章を、その説明が根拠とする資料と比較します。有用な完成結果は、文章の要件と、開いて確認し、目的の文書、ページ、制作ワークフローに配置できる画像を結び付けます。
", "aboutText": "GPT-5 Imageは、OpenAIのGPT-5言語モデルとGPT Image 1を結び付ける複合プロファイルです。言語コンポーネントが要件と元の資料を解釈し、画像コンポーネントが画像の結果を作成します。公開された説明では、推論、指示への追従、画像内の文字の描画、細かな画像編集が重視されています。画像素材とその文章による解釈の両方を、同じ依頼書に沿わせる必要があるタスクに適しています。\n\n### 依頼書を解釈し、素材を作成する\n\n画像の目的、想定する読者、必ず表示する内容をモデルに与えてください。正確に表現する必要がある事実と、構図や視覚的な表現方法の選択を分けます。図の依頼書では、対象と関係を示し、ラベル、配置、スタイルを指定できます。ポスターの依頼書では、イベントの情報、情報の優先順位、シーンとともに、画像内に入れる正確な言葉を定義できます。\n\n例えば、地域の科学イベント用のポスターのコンセプトを用意します。イベントの事実を提供し、レイアウトの短い説明と、明確な見出しに補助的な視覚要素を添えた画像を求めてください。画像内に表示する言葉と、添える説明だけに使う言葉を指定します。文章の説明と生成されたポスターを一緒に確認し、妥当なレイアウト案が実際に見える結果に反映されているかを確かめます。\n\nテキスト、画像、PDFなどのファイルは、複合プロファイルで文書化された入力です。文書は画像の要件や、要約が必要な情報を提供できます。参照画像は、被写体、商品、場所、レイアウトを定められます。特に参照資料に残す内容と変更する内容が含まれる場合は、目標を説明する前に、各資料に名前を付けて役割を説明してください。\n\n### 参照資料に基づく編集と文字の描画\n\n修正では、元の画像を示し、依頼する変更を正確に説明してください。商品シーンの編集では、商品の形や見えるラベルを保ちながら、背景設定を変えられます。視覚的な説明では、周囲の関係を維持しながら一つの要素を置き換えられます。依頼書に保持要件を記載し、重要な細部を実際の画像で確認します。\n\nこの正確な複合プロファイルのカードでは、編集に最大16枚の参照画像を使えます。タスクに関連する参照資料を使い、それぞれがどの特徴を提供するかを説明してください。複数の画像で照明、視点、表現方法が異なる場合は、すべての資料を結果の中心にするよう求めるのではなく、意図する構図を指定します。完成した画像とともに元の資料を保持し、後の修正でも同じ資料を参照できるようにします。\n\n公開されたプロファイルには、画像内の文字の描画も機能として含まれています。重要な文字については、正確な文言、句読点、配置を提供し、物体や他のラベルとの関係を指定してください。想定する表示サイズで、返された画像内の必要な言葉と数字をすべて確認します。図では、線、位置、グループ分けが、文章の原資料に記された関係を表しているかも確かめます。\n\n### コンテキストと回答の形式\n\n複合プロファイルは、400,000トークンのコンテキストウィンドウと、最大128,000の生成トークンを公表しています。これらの上限は入力と生成結果を示すものであり、特定のピクセル寸法や画像の数ではありません。コンテキストは関連する要件、参照資料、会話の状態に使い、依頼する出力の余地を残してください。長い原資料にはラベルを付け、各指示を正しい箇所に結び付けられるようにします。\n\n文書化されたテキスト出力の仕様は、JSONスキーマを通じた構造化結果に対応します。文章の回答では、コンセプトの説明、要件の要約、依頼した変更の特定に必要なフィールドを定義できます。アプリケーションが処理する前に、それらのフィールドと値を原資料に照らして検証してください。複合プロファイルは、名前の付いた言語と画像の組み合わせとして内部で画像生成を行いますが、アプリケーションの関数呼び出しは提供しません。\n\nチャットのリクエストスキーマでは、出力モダリティとしてtextとimageを選択できます。依頼書に文章と画像の実際の成果物を明記し、完成した回答に両方が含まれるかを確認してください。画像設定は、正確なモデルとインターフェースに固有です。受け入れた設定をリクエストとともに保存し、その複合プロファイルで文書化された制御だけを使います。画像コンポーネントの直接のインターフェースでは、フィールドや機能の構成が異なる場合があります。\n\n### 名前の付いた組み合わせを意図して使う\n\nこのプロファイルで指定されている画像コンポーネントはGPT Image 1です。その直接の画像生成プロファイルは、画像を中心とする処理を扱い、GPT-5 Imageは、その機能をGPT-5の言語処理と結び付けます。GPT-5 Image Miniは、GPT-5 MiniとGPT Image 1 Miniを組み合わせる別の構成です。名前が似た組み合わせを同じモデルとして扱わず、選択したプロファイルの識別名を元の資料と出力設定に添えて保持してください。\n\n複数の修正を含む会話では、関連する文章の要件と元の参照資料を引き継ぎます。最新の依頼書では、ラベルの移動、物体の変更、構図の簡略化など、具体的な修正を示してください。返された素材から有用な変更がすでに分かる場合は、全体をもっと良くするという漠然とした依頼を避けます。\n\n### 完成した結果を保持して確認する\n\n文章の回答と、生成結果で提供された実際の画像成果物をすべて保持してください。報告された形式で画像を保存し、プロンプト、元の参照資料、選んだ設定を添えます。画像そのものの構図、被写体の細部、文字を確認し、添えられた文章を、その説明が根拠とする資料と比較します。有用な完成結果は、文章の要件と、開いて確認し、目的の文書、ページ、制作ワークフローに配置できる画像を結び付けます。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Simplify a community-event poster\n\nEdit the supplied community science poster. Preserve the exact event title, date, venue and central telescope illustration. Remove the small decorative stars around the footer, increase the empty space around the title and keep the original portrait layout and two-color palette. Add no new event facts or text. Return the revised poster image.A revised poster image retaining all event wording and the telescope while simplifying the requested areas.Check every event word and number against the source and confirm that only the named decorative elements were removed.openai/gpt-5-imageGPT-5 Imageは、OpenAIのGPT-5の言語・推論機能とGPT Image 1を組み合わせ、画像生成や参照資料に基づく編集を行います。テキスト、画像、文書を受け取り、テキストと画像を返すことで、文章の依頼書と画像の結果を結び付けます。
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 Imageは、OpenAIのGPT-5言語モデルとGPT Image 1を結び付ける複合プロファイルです。言語コンポーネントが要件と元の資料を解釈し、画像コンポーネントが画像の結果を作成します。公開された説明では、推論、指示への追従、画像内の文字の描画、細かな画像編集が重視されています。画像素材とその文章による解釈の両方を、同じ依頼書に沿わせる必要があるタスクに適しています。
画像の目的、想定する読者、必ず表示する内容をモデルに与えてください。正確に表現する必要がある事実と、構図や視覚的な表現方法の選択を分けます。図の依頼書では、対象と関係を示し、ラベル、配置、スタイルを指定できます。ポスターの依頼書では、イベントの情報、情報の優先順位、シーンとともに、画像内に入れる正確な言葉を定義できます。
例えば、地域の科学イベント用のポスターのコンセプトを用意します。イベントの事実を提供し、レイアウトの短い説明と、明確な見出しに補助的な視覚要素を添えた画像を求めてください。画像内に表示する言葉と、添える説明だけに使う言葉を指定します。文章の説明と生成されたポスターを一緒に確認し、妥当なレイアウト案が実際に見える結果に反映されているかを確かめます。
テキスト、画像、PDFなどのファイルは、複合プロファイルで文書化された入力です。文書は画像の要件や、要約が必要な情報を提供できます。参照画像は、被写体、商品、場所、レイアウトを定められます。特に参照資料に残す内容と変更する内容が含まれる場合は、目標を説明する前に、各資料に名前を付けて役割を説明してください。
修正では、元の画像を示し、依頼する変更を正確に説明してください。商品シーンの編集では、商品の形や見えるラベルを保ちながら、背景設定を変えられます。視覚的な説明では、周囲の関係を維持しながら一つの要素を置き換えられます。依頼書に保持要件を記載し、重要な細部を実際の画像で確認します。
この正確な複合プロファイルのカードでは、編集に最大16枚の参照画像を使えます。タスクに関連する参照資料を使い、それぞれがどの特徴を提供するかを説明してください。複数の画像で照明、視点、表現方法が異なる場合は、すべての資料を結果の中心にするよう求めるのではなく、意図する構図を指定します。完成した画像とともに元の資料を保持し、後の修正でも同じ資料を参照できるようにします。
公開されたプロファイルには、画像内の文字の描画も機能として含まれています。重要な文字については、正確な文言、句読点、配置を提供し、物体や他のラベルとの関係を指定してください。想定する表示サイズで、返された画像内の必要な言葉と数字をすべて確認します。図では、線、位置、グループ分けが、文章の原資料に記された関係を表しているかも確かめます。
複合プロファイルは、400,000トークンのコンテキストウィンドウと、最大128,000の生成トークンを公表しています。これらの上限は入力と生成結果を示すものであり、特定のピクセル寸法や画像の数ではありません。コンテキストは関連する要件、参照資料、会話の状態に使い、依頼する出力の余地を残してください。長い原資料にはラベルを付け、各指示を正しい箇所に結び付けられるようにします。
文書化されたテキスト出力の仕様は、JSONスキーマを通じた構造化結果に対応します。文章の回答では、コンセプトの説明、要件の要約、依頼した変更の特定に必要なフィールドを定義できます。アプリケーションが処理する前に、それらのフィールドと値を原資料に照らして検証してください。複合プロファイルは、名前の付いた言語と画像の組み合わせとして内部で画像生成を行いますが、アプリケーションの関数呼び出しは提供しません。
チャットのリクエストスキーマでは、出力モダリティとしてtextとimageを選択できます。依頼書に文章と画像の実際の成果物を明記し、完成した回答に両方が含まれるかを確認してください。画像設定は、正確なモデルとインターフェースに固有です。受け入れた設定をリクエストとともに保存し、その複合プロファイルで文書化された制御だけを使います。画像コンポーネントの直接のインターフェースでは、フィールドや機能の構成が異なる場合があります。
このプロファイルで指定されている画像コンポーネントはGPT Image 1です。その直接の画像生成プロファイルは、画像を中心とする処理を扱い、GPT-5 Imageは、その機能をGPT-5の言語処理と結び付けます。GPT-5 Image Miniは、GPT-5 MiniとGPT Image 1 Miniを組み合わせる別の構成です。名前が似た組み合わせを同じモデルとして扱わず、選択したプロファイルの識別名を元の資料と出力設定に添えて保持してください。
複数の修正を含む会話では、関連する文章の要件と元の参照資料を引き継ぎます。最新の依頼書では、ラベルの移動、物体の変更、構図の簡略化など、具体的な修正を示してください。返された素材から有用な変更がすでに分かる場合は、全体をもっと良くするという漠然とした依頼を避けます。
文章の回答と、生成結果で提供された実際の画像成果物をすべて保持してください。報告された形式で画像を保存し、プロンプト、元の参照資料、選んだ設定を添えます。画像そのものの構図、被写体の細部、文字を確認し、添えられた文章を、その説明が根拠とする資料と比較します。有用な完成結果は、文章の要件と、開いて確認し、目的の文書、ページ、制作ワークフローに配置できる画像を結び付けます。
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-image | 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 $0.02 / 1K トークン 出力 · 出力トークン $0.02 / 1K トークン 入力 · キャッシュ読み取り $0.0025 / 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 出力 · 出力画像トークン $0.08 / 1K 画像トークン |
| 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上限なし | 料金 入力 · 入力トークン $0.02 / 1K トークン 出力 · 出力トークン $0.02 / 1K トークン 入力 · キャッシュ読み取り $0.0025 / 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 |
モデル単位の参照料金表は、メソッド選択、見積もり、課金を変更しません。実際の課金には、選択したAilootメソッドの料金を適用します。
| 設定 | 課金条件 | 料金 |
|---|---|---|
| 設定OpenAI: GPT-5 Image · 標準設定 | 課金条件デフォルト設定 | 料金 入力 · 入力トークン $0.02 / 1K トークン 出力 · 出力トークン $0.02 / 1K トークン 出力 · 出力画像 $0.08 / 1K トークン 出力 · ウェブ検索 $0.02 検索ごと 入力 · キャッシュ読み取り $0.0025 / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${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-image", "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-image',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-image',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-image
/v1/images
openai/gpt-5-imageGPT-5 Imageは、OpenAIのGPT-5の言語・推論機能とGPT Image 1を組み合わせ、画像生成や参照資料に基づく編集を行います。テキスト、画像、文書を受け取り、テキストと画像を返すことで、文章の依頼書と画像の結果を結び付けます。
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 Imageは、OpenAIのGPT-5言語モデルとGPT Image 1を結び付ける複合プロファイルです。言語コンポーネントが要件と元の資料を解釈し、画像コンポーネントが画像の結果を作成します。公開された説明では、推論、指示への追従、画像内の文字の描画、細かな画像編集が重視されています。画像素材とその文章による解釈の両方を、同じ依頼書に沿わせる必要があるタスクに適しています。
画像の目的、想定する読者、必ず表示する内容をモデルに与えてください。正確に表現する必要がある事実と、構図や視覚的な表現方法の選択を分けます。図の依頼書では、対象と関係を示し、ラベル、配置、スタイルを指定できます。ポスターの依頼書では、イベントの情報、情報の優先順位、シーンとともに、画像内に入れる正確な言葉を定義できます。
例えば、地域の科学イベント用のポスターのコンセプトを用意します。イベントの事実を提供し、レイアウトの短い説明と、明確な見出しに補助的な視覚要素を添えた画像を求めてください。画像内に表示する言葉と、添える説明だけに使う言葉を指定します。文章の説明と生成されたポスターを一緒に確認し、妥当なレイアウト案が実際に見える結果に反映されているかを確かめます。
テキスト、画像、PDFなどのファイルは、複合プロファイルで文書化された入力です。文書は画像の要件や、要約が必要な情報を提供できます。参照画像は、被写体、商品、場所、レイアウトを定められます。特に参照資料に残す内容と変更する内容が含まれる場合は、目標を説明する前に、各資料に名前を付けて役割を説明してください。
修正では、元の画像を示し、依頼する変更を正確に説明してください。商品シーンの編集では、商品の形や見えるラベルを保ちながら、背景設定を変えられます。視覚的な説明では、周囲の関係を維持しながら一つの要素を置き換えられます。依頼書に保持要件を記載し、重要な細部を実際の画像で確認します。
この正確な複合プロファイルのカードでは、編集に最大16枚の参照画像を使えます。タスクに関連する参照資料を使い、それぞれがどの特徴を提供するかを説明してください。複数の画像で照明、視点、表現方法が異なる場合は、すべての資料を結果の中心にするよう求めるのではなく、意図する構図を指定します。完成した画像とともに元の資料を保持し、後の修正でも同じ資料を参照できるようにします。
公開されたプロファイルには、画像内の文字の描画も機能として含まれています。重要な文字については、正確な文言、句読点、配置を提供し、物体や他のラベルとの関係を指定してください。想定する表示サイズで、返された画像内の必要な言葉と数字をすべて確認します。図では、線、位置、グループ分けが、文章の原資料に記された関係を表しているかも確かめます。
複合プロファイルは、400,000トークンのコンテキストウィンドウと、最大128,000の生成トークンを公表しています。これらの上限は入力と生成結果を示すものであり、特定のピクセル寸法や画像の数ではありません。コンテキストは関連する要件、参照資料、会話の状態に使い、依頼する出力の余地を残してください。長い原資料にはラベルを付け、各指示を正しい箇所に結び付けられるようにします。
文書化されたテキスト出力の仕様は、JSONスキーマを通じた構造化結果に対応します。文章の回答では、コンセプトの説明、要件の要約、依頼した変更の特定に必要なフィールドを定義できます。アプリケーションが処理する前に、それらのフィールドと値を原資料に照らして検証してください。複合プロファイルは、名前の付いた言語と画像の組み合わせとして内部で画像生成を行いますが、アプリケーションの関数呼び出しは提供しません。
チャットのリクエストスキーマでは、出力モダリティとしてtextとimageを選択できます。依頼書に文章と画像の実際の成果物を明記し、完成した回答に両方が含まれるかを確認してください。画像設定は、正確なモデルとインターフェースに固有です。受け入れた設定をリクエストとともに保存し、その複合プロファイルで文書化された制御だけを使います。画像コンポーネントの直接のインターフェースでは、フィールドや機能の構成が異なる場合があります。
このプロファイルで指定されている画像コンポーネントはGPT Image 1です。その直接の画像生成プロファイルは、画像を中心とする処理を扱い、GPT-5 Imageは、その機能をGPT-5の言語処理と結び付けます。GPT-5 Image Miniは、GPT-5 MiniとGPT Image 1 Miniを組み合わせる別の構成です。名前が似た組み合わせを同じモデルとして扱わず、選択したプロファイルの識別名を元の資料と出力設定に添えて保持してください。
複数の修正を含む会話では、関連する文章の要件と元の参照資料を引き継ぎます。最新の依頼書では、ラベルの移動、物体の変更、構図の簡略化など、具体的な修正を示してください。返された素材から有用な変更がすでに分かる場合は、全体をもっと良くするという漠然とした依頼を避けます。
文章の回答と、生成結果で提供された実際の画像成果物をすべて保持してください。報告された形式で画像を保存し、プロンプト、元の参照資料、選んだ設定を添えます。画像そのものの構図、被写体の細部、文字を確認し、添えられた文章を、その説明が根拠とする資料と比較します。有用な完成結果は、文章の要件と、開いて確認し、目的の文書、ページ、制作ワークフローに配置できる画像を結び付けます。
POST /v1/images/generationstext, imageimage| 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-image | デフォルト— |
フィールドprompt | 種類string | 要件必須 | 値と制限 最小の長さ: 1 | デフォルト— |
フィールドaspect_ratio | 種類string | 要件任意 | 値と制限 1:1, 3:2, 2:3, auto | デフォルト— |
フィールドquality | 種類string | 要件任意 | 値と制限 auto, low, medium, high | デフォルト— |
フィールドbackground | 種類string | 要件任意 | 値と制限 auto, transparent, opaque | デフォルト— |
フィールドn | 種類integer | 要件任意 | 値と制限 最小値: 1 最大値: 10 | デフォルト— |
フィールドinput_references | 種類array | 要件任意 | 値と制限 最小項目数: 0 最大項目数: 16 | デフォルト— |
フィールドoutput_compression | 種類integer | 要件任意 | 値と制限 最小値: 0 最大値: 100 | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 | デフォルト— |
| 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, prompt |
パラメータmaterial_types | 仕様text, image |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
表示料金は生成前の費用の見積もりです。最終請求額は、元の生成処理に記録された費用から計算されます。実測された出力時間や予測数量が、そのまま最終的な課金数量になるわけではありません。
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 | 予測数量 | 料金 |
|---|---|---|---|
| 設定基本トークン料金 | 料金表基本料金 | 予測数量— | 料金 入力 · 入力トークン · 比較専用の見積もり — / 1K トークン 出力 · 出力トークン · 比較専用の見積もり — / 1K トークン 入力 · キャッシュ読み取り · 比較専用の見積もり — / 1K トークン 入力 · キャッシュ書き込み · 比較専用の見積もり — / 1K トークン 入力 · キャッシュ書き込み、1時間 · 比較専用の見積もり — / 1K トークン |
| 設定生成費用の見積もり | 料金表— | 予測数量生成1回分の概算 | 料金 出力 · 推定生成コスト · 比較専用の見積もり $0.32768 生成前の見積もり この見積もりは追加料金ではなく、完了した生成処理に対する固定料金でもありません。 |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'openai/gpt-5-image', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\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/images/generations \\\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 base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\n返された画像をすべてダウンロードするか、Base64の内容を保存
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n完了した画像をすべて保存してください。返された各URLから取得するか、Base64の内容をデコードしてください。
レスポンスとヘッダーの全体、実際の出力すべて、最初に返された識別子、使用量フィールドすべてを保存してください。作成リクエストを再送せずに、元の操作を復旧してください。
照合のため、返された X-Client-Request-ID を保存してください。実際に返された task_id/asset_id の値、または自分が所有するメディアライブラリだけを使って読み取ってください。操作 ID からタスクの URL を組み立てたり、作成リクエストを再送したりしないでください。
| フィールド | 種類 |
|---|---|
フィールドcreated | 種類 |
フィールドdata[].url | 種類 |
フィールドdata[].b64_json | 種類 |
フィールドusage | 種類 |
Ailoot Ultra openai/gpt-5-image
/v1/images
openai/gpt-5-imageGPT-5 Imageは、OpenAIのGPT-5の言語・推論機能とGPT Image 1を組み合わせ、画像生成や参照資料に基づく編集を行います。テキスト、画像、文書を受け取り、テキストと画像を返すことで、文章の依頼書と画像の結果を結び付けます。
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 Imageは、OpenAIのGPT-5言語モデルとGPT Image 1を結び付ける複合プロファイルです。言語コンポーネントが要件と元の資料を解釈し、画像コンポーネントが画像の結果を作成します。公開された説明では、推論、指示への追従、画像内の文字の描画、細かな画像編集が重視されています。画像素材とその文章による解釈の両方を、同じ依頼書に沿わせる必要があるタスクに適しています。
画像の目的、想定する読者、必ず表示する内容をモデルに与えてください。正確に表現する必要がある事実と、構図や視覚的な表現方法の選択を分けます。図の依頼書では、対象と関係を示し、ラベル、配置、スタイルを指定できます。ポスターの依頼書では、イベントの情報、情報の優先順位、シーンとともに、画像内に入れる正確な言葉を定義できます。
例えば、地域の科学イベント用のポスターのコンセプトを用意します。イベントの事実を提供し、レイアウトの短い説明と、明確な見出しに補助的な視覚要素を添えた画像を求めてください。画像内に表示する言葉と、添える説明だけに使う言葉を指定します。文章の説明と生成されたポスターを一緒に確認し、妥当なレイアウト案が実際に見える結果に反映されているかを確かめます。
テキスト、画像、PDFなどのファイルは、複合プロファイルで文書化された入力です。文書は画像の要件や、要約が必要な情報を提供できます。参照画像は、被写体、商品、場所、レイアウトを定められます。特に参照資料に残す内容と変更する内容が含まれる場合は、目標を説明する前に、各資料に名前を付けて役割を説明してください。
修正では、元の画像を示し、依頼する変更を正確に説明してください。商品シーンの編集では、商品の形や見えるラベルを保ちながら、背景設定を変えられます。視覚的な説明では、周囲の関係を維持しながら一つの要素を置き換えられます。依頼書に保持要件を記載し、重要な細部を実際の画像で確認します。
この正確な複合プロファイルのカードでは、編集に最大16枚の参照画像を使えます。タスクに関連する参照資料を使い、それぞれがどの特徴を提供するかを説明してください。複数の画像で照明、視点、表現方法が異なる場合は、すべての資料を結果の中心にするよう求めるのではなく、意図する構図を指定します。完成した画像とともに元の資料を保持し、後の修正でも同じ資料を参照できるようにします。
公開されたプロファイルには、画像内の文字の描画も機能として含まれています。重要な文字については、正確な文言、句読点、配置を提供し、物体や他のラベルとの関係を指定してください。想定する表示サイズで、返された画像内の必要な言葉と数字をすべて確認します。図では、線、位置、グループ分けが、文章の原資料に記された関係を表しているかも確かめます。
複合プロファイルは、400,000トークンのコンテキストウィンドウと、最大128,000の生成トークンを公表しています。これらの上限は入力と生成結果を示すものであり、特定のピクセル寸法や画像の数ではありません。コンテキストは関連する要件、参照資料、会話の状態に使い、依頼する出力の余地を残してください。長い原資料にはラベルを付け、各指示を正しい箇所に結び付けられるようにします。
文書化されたテキスト出力の仕様は、JSONスキーマを通じた構造化結果に対応します。文章の回答では、コンセプトの説明、要件の要約、依頼した変更の特定に必要なフィールドを定義できます。アプリケーションが処理する前に、それらのフィールドと値を原資料に照らして検証してください。複合プロファイルは、名前の付いた言語と画像の組み合わせとして内部で画像生成を行いますが、アプリケーションの関数呼び出しは提供しません。
チャットのリクエストスキーマでは、出力モダリティとしてtextとimageを選択できます。依頼書に文章と画像の実際の成果物を明記し、完成した回答に両方が含まれるかを確認してください。画像設定は、正確なモデルとインターフェースに固有です。受け入れた設定をリクエストとともに保存し、その複合プロファイルで文書化された制御だけを使います。画像コンポーネントの直接のインターフェースでは、フィールドや機能の構成が異なる場合があります。
このプロファイルで指定されている画像コンポーネントはGPT Image 1です。その直接の画像生成プロファイルは、画像を中心とする処理を扱い、GPT-5 Imageは、その機能をGPT-5の言語処理と結び付けます。GPT-5 Image Miniは、GPT-5 MiniとGPT Image 1 Miniを組み合わせる別の構成です。名前が似た組み合わせを同じモデルとして扱わず、選択したプロファイルの識別名を元の資料と出力設定に添えて保持してください。
複数の修正を含む会話では、関連する文章の要件と元の参照資料を引き継ぎます。最新の依頼書では、ラベルの移動、物体の変更、構図の簡略化など、具体的な修正を示してください。返された素材から有用な変更がすでに分かる場合は、全体をもっと良くするという漠然とした依頼を避けます。
文章の回答と、生成結果で提供された実際の画像成果物をすべて保持してください。報告された形式で画像を保存し、プロンプト、元の参照資料、選んだ設定を添えます。画像そのものの構図、被写体の細部、文字を確認し、添えられた文章を、その説明が根拠とする資料と比較します。有用な完成結果は、文章の要件と、開いて確認し、目的の文書、ページ、制作ワークフローに配置できる画像を結び付けます。
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-image | 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 $0.02 / 1K トークン 出力 · 出力トークン $0.02 / 1K トークン 入力 · キャッシュ読み取り $0.0025 / 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 出力 · 出力画像トークン $0.08 / 1K 画像トークン |
| 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上限なし | 料金 入力 · 入力トークン $0.02 / 1K トークン 出力 · 出力トークン $0.02 / 1K トークン 入力 · キャッシュ読み取り $0.0025 / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "openai/gpt-5-image",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-image', '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-image', '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-image
/v1/images
英語の技術例
Simplify a community-event poster\n\nEdit the supplied community science poster. Preserve the exact event title, date, venue and central telescope illustration. Remove the small decorative stars around the footer, increase the empty space around the title and keep the original portrait layout and two-color palette. Add no new event facts or text. Return the revised poster image.A revised poster image retaining all event wording and the telescope while simplifying the requested areas.Check every event word and number against the source and confirm that only the named decorative elements were removed.