GPT-5-Codex는 Codex와 유사한 코딩 환경의 에이전트 소프트웨어 엔지니어링에 최적화된 OpenAI의 GPT-5 버전입니다. 학습은 프로젝트 생성, 기능·테스트 구현, 디버깅, 기존 코드베이스 리팩터링, 변경 검토 같은 작업을 대상으로 합니다. 실제 코딩 작업의 강화 학습은 지시 이행, 코드 스타일, 반복 검증 능력을 발전시킵니다. 의도한 환경은 프로젝트 맥락과 개발 도구에 접근할 수 있는 코딩 어시스턴트입니다.
모델은 작업에 투입하는 추론의 양을 조절합니다. 작고 명확한 변경은 대화형 교환으로 처리할 수 있지만, 복잡한 리팩터링에는 지속적인 분석과 반복적인 구현 단계가 필요할 수 있습니다. 이 적응형 동작은 대화와 실행을 연결합니다. 에이전트가 프로젝트를 살펴보고 변경을 제안하며 환경의 결과를 받아 명시된 성과를 향해 작업을 이어갑니다.
코드 검토는 이 전문성의 별도 부분입니다. OpenAI는 코드베이스와 의존성을 살펴보고 제안된 변경을 의도한 동작에 연결하며 코드 실행과 테스트로 정확성을 조사하는 검토자를 설명합니다. 유용한 출력은 차이의 겉모습에만 근거한 의견이 아니라 영향이 있는 결함과 관련 코드에 관한 집중된 설명입니다. 프로젝트 파일과 도구 결과가 분석의 근거를 제공합니다.
시각 입력은 프런트엔드 작업을 지원합니다. 스크린샷, 와이어프레임, 도표는 원하는 인터페이스나 관찰한 문제를 전달할 수 있습니다. 브라우저·스크린샷 도구가 있는 환경에서 에이전트는 구현을 확인하고 만든 결과를 제공된 시각적 목표와 비교할 수 있습니다. 이는 환경이 지원하는 작업 흐름입니다. 모델은 정보를 해석하고 동작을 선택하며 애플리케이션은 도구를 제공하고 실행합니다.
공개된 모델 사양은 텍스트·이미지 입력과 텍스트 출력, 400,000토큰의 컨텍스트 창, 최대 128,000토큰의 출력을 명시합니다. 추론 토큰, 스트리밍, 함수 호출, 구조화된 출력을 지원합니다. OpenAI는 Responses 인터페이스로 모델을 문서화하며 버전이 없는 이름을 업데이트되는 모델 명칭으로 지정합니다. 문서화된 지식 기준일은 2024년 9월 30일입니다. 오디오와 비디오는 명시된 입력 모달리티에 포함되지 않으며, 이 구성은 파인 튜닝과 Predicted Outputs를 지원하지 않습니다.
시스템 카드 부록은 모델 학습과 제품 제어를 구분합니다. 모델은 코딩 자료에서 접하는 프롬프트 주입 지시에 저항하도록 학습됩니다. 작업 공간 격리, 네트워크 권한, 승인 규칙은 에이전트 환경에 속합니다. 이 구분은 어시스턴트가 외부 문서를 읽거나 명령을 실행할 때 중요합니다. 접근 권한은 애플리케이션이 정의하고, 그 출력이 실제로 무엇이 일어났는지 기록합니다.
Ailoot API를 사용하는 코딩 어시스턴트에는 달성할 동작, 관련 파일, 명확한 완료 기준부터 제공하세요. 적절한 과제는 조율된 변경, 영향을 받는 의존성의 설명, 결과 검증에 필요한 점검을 요청할 수 있습니다. 현재 프로젝트 지시와 유용한 시각 예시를 제공하고, 변경된 코드, 결함 분석, 검증한 구현 계획처럼 검토할 수 있는 성과를 요청하세요.
", "aboutText": "GPT-5-Codex는 Codex와 유사한 코딩 환경의 에이전트 소프트웨어 엔지니어링에 최적화된 OpenAI의 GPT-5 버전입니다. 학습은 프로젝트 생성, 기능·테스트 구현, 디버깅, 기존 코드베이스 리팩터링, 변경 검토 같은 작업을 대상으로 합니다. 실제 코딩 작업의 강화 학습은 지시 이행, 코드 스타일, 반복 검증 능력을 발전시킵니다. 의도한 환경은 프로젝트 맥락과 개발 도구에 접근할 수 있는 코딩 어시스턴트입니다.\n\n모델은 작업에 투입하는 추론의 양을 조절합니다. 작고 명확한 변경은 대화형 교환으로 처리할 수 있지만, 복잡한 리팩터링에는 지속적인 분석과 반복적인 구현 단계가 필요할 수 있습니다. 이 적응형 동작은 대화와 실행을 연결합니다. 에이전트가 프로젝트를 살펴보고 변경을 제안하며 환경의 결과를 받아 명시된 성과를 향해 작업을 이어갑니다.\n\n코드 검토는 이 전문성의 별도 부분입니다. OpenAI는 코드베이스와 의존성을 살펴보고 제안된 변경을 의도한 동작에 연결하며 코드 실행과 테스트로 정확성을 조사하는 검토자를 설명합니다. 유용한 출력은 차이의 겉모습에만 근거한 의견이 아니라 영향이 있는 결함과 관련 코드에 관한 집중된 설명입니다. 프로젝트 파일과 도구 결과가 분석의 근거를 제공합니다.\n\n시각 입력은 프런트엔드 작업을 지원합니다. 스크린샷, 와이어프레임, 도표는 원하는 인터페이스나 관찰한 문제를 전달할 수 있습니다. 브라우저·스크린샷 도구가 있는 환경에서 에이전트는 구현을 확인하고 만든 결과를 제공된 시각적 목표와 비교할 수 있습니다. 이는 환경이 지원하는 작업 흐름입니다. 모델은 정보를 해석하고 동작을 선택하며 애플리케이션은 도구를 제공하고 실행합니다.\n\n공개된 모델 사양은 텍스트·이미지 입력과 텍스트 출력, 400,000토큰의 컨텍스트 창, 최대 128,000토큰의 출력을 명시합니다. 추론 토큰, 스트리밍, 함수 호출, 구조화된 출력을 지원합니다. OpenAI는 Responses 인터페이스로 모델을 문서화하며 버전이 없는 이름을 업데이트되는 모델 명칭으로 지정합니다. 문서화된 지식 기준일은 2024년 9월 30일입니다. 오디오와 비디오는 명시된 입력 모달리티에 포함되지 않으며, 이 구성은 파인 튜닝과 Predicted Outputs를 지원하지 않습니다.\n\n시스템 카드 부록은 모델 학습과 제품 제어를 구분합니다. 모델은 코딩 자료에서 접하는 프롬프트 주입 지시에 저항하도록 학습됩니다. 작업 공간 격리, 네트워크 권한, 승인 규칙은 에이전트 환경에 속합니다. 이 구분은 어시스턴트가 외부 문서를 읽거나 명령을 실행할 때 중요합니다. 접근 권한은 애플리케이션이 정의하고, 그 출력이 실제로 무엇이 일어났는지 기록합니다.\n\nAiloot API를 사용하는 코딩 어시스턴트에는 달성할 동작, 관련 파일, 명확한 완료 기준부터 제공하세요. 적절한 과제는 조율된 변경, 영향을 받는 의존성의 설명, 결과 검증에 필요한 점검을 요청할 수 있습니다. 현재 프로젝트 지시와 유용한 시각 예시를 제공하고, 변경된 코드, 결함 분석, 검증한 구현 계획처럼 검토할 수 있는 성과를 요청하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Review a mutable default argument\n\nReview this Python function: def add_tag(tag, tags=[]):\n tags.append(tag)\n return tags\nCalling add_tag("red") and then add_tag("blue") should return separate one-item lists when no list is supplied. Explain the defect, give a minimal correction and tests for independent calls and an explicitly provided list.A defect explanation, corrected function and tests covering default and explicit arguments.Check that omitted lists do not share state while a caller-supplied list retains the intended append behavior.gpt-5-codexGPT-5-Codex는 도구를 사용할 수 있는 환경에서 기능 구현, 디버깅, 리팩터링, 코드 검토를 수행하는 에이전트 소프트웨어 엔지니어링용 OpenAI GPT-5 버전입니다. 텍스트·이미지 입력을 적응형 추론 및 400,000토큰의 컨텍스트와 결합합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-5-Codex는 Codex와 유사한 코딩 환경의 에이전트 소프트웨어 엔지니어링에 최적화된 OpenAI의 GPT-5 버전입니다. 학습은 프로젝트 생성, 기능·테스트 구현, 디버깅, 기존 코드베이스 리팩터링, 변경 검토 같은 작업을 대상으로 합니다. 실제 코딩 작업의 강화 학습은 지시 이행, 코드 스타일, 반복 검증 능력을 발전시킵니다. 의도한 환경은 프로젝트 맥락과 개발 도구에 접근할 수 있는 코딩 어시스턴트입니다.
모델은 작업에 투입하는 추론의 양을 조절합니다. 작고 명확한 변경은 대화형 교환으로 처리할 수 있지만, 복잡한 리팩터링에는 지속적인 분석과 반복적인 구현 단계가 필요할 수 있습니다. 이 적응형 동작은 대화와 실행을 연결합니다. 에이전트가 프로젝트를 살펴보고 변경을 제안하며 환경의 결과를 받아 명시된 성과를 향해 작업을 이어갑니다.
코드 검토는 이 전문성의 별도 부분입니다. OpenAI는 코드베이스와 의존성을 살펴보고 제안된 변경을 의도한 동작에 연결하며 코드 실행과 테스트로 정확성을 조사하는 검토자를 설명합니다. 유용한 출력은 차이의 겉모습에만 근거한 의견이 아니라 영향이 있는 결함과 관련 코드에 관한 집중된 설명입니다. 프로젝트 파일과 도구 결과가 분석의 근거를 제공합니다.
시각 입력은 프런트엔드 작업을 지원합니다. 스크린샷, 와이어프레임, 도표는 원하는 인터페이스나 관찰한 문제를 전달할 수 있습니다. 브라우저·스크린샷 도구가 있는 환경에서 에이전트는 구현을 확인하고 만든 결과를 제공된 시각적 목표와 비교할 수 있습니다. 이는 환경이 지원하는 작업 흐름입니다. 모델은 정보를 해석하고 동작을 선택하며 애플리케이션은 도구를 제공하고 실행합니다.
공개된 모델 사양은 텍스트·이미지 입력과 텍스트 출력, 400,000토큰의 컨텍스트 창, 최대 128,000토큰의 출력을 명시합니다. 추론 토큰, 스트리밍, 함수 호출, 구조화된 출력을 지원합니다. OpenAI는 Responses 인터페이스로 모델을 문서화하며 버전이 없는 이름을 업데이트되는 모델 명칭으로 지정합니다. 문서화된 지식 기준일은 2024년 9월 30일입니다. 오디오와 비디오는 명시된 입력 모달리티에 포함되지 않으며, 이 구성은 파인 튜닝과 Predicted Outputs를 지원하지 않습니다.
시스템 카드 부록은 모델 학습과 제품 제어를 구분합니다. 모델은 코딩 자료에서 접하는 프롬프트 주입 지시에 저항하도록 학습됩니다. 작업 공간 격리, 네트워크 권한, 승인 규칙은 에이전트 환경에 속합니다. 이 구분은 어시스턴트가 외부 문서를 읽거나 명령을 실행할 때 중요합니다. 접근 권한은 애플리케이션이 정의하고, 그 출력이 실제로 무엇이 일어났는지 기록합니다.
Ailoot API를 사용하는 코딩 어시스턴트에는 달성할 동작, 관련 파일, 명확한 완료 기준부터 제공하세요. 적절한 과제는 조율된 변경, 영향을 받는 의존성의 설명, 결과 검증에 필요한 점검을 요청할 수 있습니다. 현재 프로젝트 지시와 유용한 시각 예시를 제공하고, 변경된 코드, 결함 분석, 검증한 구현 계획처럼 검토할 수 있는 성과를 요청하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-5-codex | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5-codex", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-5-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-5-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra gpt-5-codex
위에 표시된 메서드 경로를 사용하세요.
gpt-5-codexGPT-5-Codex는 도구를 사용할 수 있는 환경에서 기능 구현, 디버깅, 리팩터링, 코드 검토를 수행하는 에이전트 소프트웨어 엔지니어링용 OpenAI GPT-5 버전입니다. 텍스트·이미지 입력을 적응형 추론 및 400,000토큰의 컨텍스트와 결합합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-5-Codex는 Codex와 유사한 코딩 환경의 에이전트 소프트웨어 엔지니어링에 최적화된 OpenAI의 GPT-5 버전입니다. 학습은 프로젝트 생성, 기능·테스트 구현, 디버깅, 기존 코드베이스 리팩터링, 변경 검토 같은 작업을 대상으로 합니다. 실제 코딩 작업의 강화 학습은 지시 이행, 코드 스타일, 반복 검증 능력을 발전시킵니다. 의도한 환경은 프로젝트 맥락과 개발 도구에 접근할 수 있는 코딩 어시스턴트입니다.
모델은 작업에 투입하는 추론의 양을 조절합니다. 작고 명확한 변경은 대화형 교환으로 처리할 수 있지만, 복잡한 리팩터링에는 지속적인 분석과 반복적인 구현 단계가 필요할 수 있습니다. 이 적응형 동작은 대화와 실행을 연결합니다. 에이전트가 프로젝트를 살펴보고 변경을 제안하며 환경의 결과를 받아 명시된 성과를 향해 작업을 이어갑니다.
코드 검토는 이 전문성의 별도 부분입니다. OpenAI는 코드베이스와 의존성을 살펴보고 제안된 변경을 의도한 동작에 연결하며 코드 실행과 테스트로 정확성을 조사하는 검토자를 설명합니다. 유용한 출력은 차이의 겉모습에만 근거한 의견이 아니라 영향이 있는 결함과 관련 코드에 관한 집중된 설명입니다. 프로젝트 파일과 도구 결과가 분석의 근거를 제공합니다.
시각 입력은 프런트엔드 작업을 지원합니다. 스크린샷, 와이어프레임, 도표는 원하는 인터페이스나 관찰한 문제를 전달할 수 있습니다. 브라우저·스크린샷 도구가 있는 환경에서 에이전트는 구현을 확인하고 만든 결과를 제공된 시각적 목표와 비교할 수 있습니다. 이는 환경이 지원하는 작업 흐름입니다. 모델은 정보를 해석하고 동작을 선택하며 애플리케이션은 도구를 제공하고 실행합니다.
공개된 모델 사양은 텍스트·이미지 입력과 텍스트 출력, 400,000토큰의 컨텍스트 창, 최대 128,000토큰의 출력을 명시합니다. 추론 토큰, 스트리밍, 함수 호출, 구조화된 출력을 지원합니다. OpenAI는 Responses 인터페이스로 모델을 문서화하며 버전이 없는 이름을 업데이트되는 모델 명칭으로 지정합니다. 문서화된 지식 기준일은 2024년 9월 30일입니다. 오디오와 비디오는 명시된 입력 모달리티에 포함되지 않으며, 이 구성은 파인 튜닝과 Predicted Outputs를 지원하지 않습니다.
시스템 카드 부록은 모델 학습과 제품 제어를 구분합니다. 모델은 코딩 자료에서 접하는 프롬프트 주입 지시에 저항하도록 학습됩니다. 작업 공간 격리, 네트워크 권한, 승인 규칙은 에이전트 환경에 속합니다. 이 구분은 어시스턴트가 외부 문서를 읽거나 명령을 실행할 때 중요합니다. 접근 권한은 애플리케이션이 정의하고, 그 출력이 실제로 무엇이 일어났는지 기록합니다.
Ailoot API를 사용하는 코딩 어시스턴트에는 달성할 동작, 관련 파일, 명확한 완료 기준부터 제공하세요. 적절한 과제는 조율된 변경, 영향을 받는 의존성의 설명, 결과 검증에 필요한 점검을 요청할 수 있습니다. 현재 프로젝트 지시와 유용한 시각 예시를 제공하고, 변경된 코드, 결함 분석, 검증한 구현 계획처럼 검토할 수 있는 성과를 요청하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-5-codex | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gpt-5-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra gpt-5-codex
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Review a mutable default argument\n\nReview this Python function: def add_tag(tag, tags=[]):\n tags.append(tag)\n return tags\nCalling add_tag("red") and then add_tag("blue") should return separate one-item lists when no list is supplied. Explain the defect, give a minimal correction and tests for independent calls and an explicitly provided list.A defect explanation, corrected function and tests covering default and explicit arguments.Check that omitted lists do not share state while a caller-supplied list retains the intended append behavior.