GPT-5는 여러 분야의 코딩 및 에이전트 작업을 위한 OpenAI의 추론 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 개발자용 발표는 API 추론 모델과 추론하지 않는 채팅 선택을 구별하고, 코딩 협업, 프런트엔드 작업, 지시 이행, 연속된 도구 결과를 연결하는 워크플로를 설명합니다.
엔지니어링 작업에서는 필요한 동작, 관련 파일, 변경 제약을 제공하세요. 예를 들어 구성 요소의 상호작용을 살펴보고, 입력 처리의 문제를 파악한 뒤 서로 맞물리는 변경을 제안하도록 요청할 수 있습니다. 프런트엔드 작업에서는 의도한 상호작용과 시각적 참조를 제공하세요. 문서 질문에서는 응답에 구체적인 목적이 생기도록 결정해야 할 사항, 원문, 필요한 절을 지정하세요.
제조사는 추론 강도 minimal, low, medium, high를 문서화했으며 개발자용 발표에서 기본값을 medium으로 설명합니다. 답변 상세도는 low, medium, high 중 선택하는 별도의 제어입니다. 문서상 기본값은 medium이지만 출력에 대한 명시적 지시가 우선합니다. 이러한 구분을 통해 복잡성에 맞는 분석량을 배정하면서도 간결한 결과를 요청할 수 있습니다.
OpenAI는 GPT-5의 컨텍스트 창을 400,000토큰, 최대 입력을 272,000토큰, 최대 출력을 128,000토큰으로 명시하며 지식 기준일은 2024년 9월 30일입니다. 추론과 보이는 출력은 생성 토큰 예산을 함께 사용합니다. 관련 원문과 성공 기준을 유지하고, 무관한 컨텍스트로 창 전체를 채우기보다 분석과 최종 답변을 위한 공간을 남기세요.
제조사는 Responses, Chat Completions, Batch 인터페이스, 스트리밍, Structured Outputs, 함수 호출, 파일 및 이미지 입력, 웹 및 파일 검색, 프롬프트 캐싱을 나열합니다. 해당 모델 카드의 도구에는 이미지 생성, 코드 해석, MCP 연결이 포함됩니다. 개발자용 발표는 병렬 도구 호출, 작업 사이의 눈에 보이는 진행 메시지, 선택적인 문법 제약과 함께 일반 텍스트를 받는 사용자 정의 도구도 문서화합니다. 애플리케이션이 해당 작업을 실행하고 다음 판단에 사용할 실제 결과를 반환합니다.
현재 캐싱 지침에는 GPT-5에서 선택적으로 최대 24시간까지 보존을 연장하는 기능이 포함됩니다. 재사용은 조건을 충족하는 접두어가 보존되어 있는지에 달려 있습니다. 작업 자체에서는 어떤 결과와 증거를 완료로 볼지 정의하세요. 제안된 패치, 구조화된 분석, 문서는 중요한 선택이 제공된 요구 사항과 사실에 연결될 때 유용합니다. 최종 응답이 다음 작업 단계를 뒷받침할 수 있도록 완료한 검증 결과와 아직 제안 단계인 행동을 구별하세요.
", "aboutText": "GPT-5는 여러 분야의 코딩 및 에이전트 작업을 위한 OpenAI의 추론 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 개발자용 발표는 API 추론 모델과 추론하지 않는 채팅 선택을 구별하고, 코딩 협업, 프런트엔드 작업, 지시 이행, 연속된 도구 결과를 연결하는 워크플로를 설명합니다.\n\n엔지니어링 작업에서는 필요한 동작, 관련 파일, 변경 제약을 제공하세요. 예를 들어 구성 요소의 상호작용을 살펴보고, 입력 처리의 문제를 파악한 뒤 서로 맞물리는 변경을 제안하도록 요청할 수 있습니다. 프런트엔드 작업에서는 의도한 상호작용과 시각적 참조를 제공하세요. 문서 질문에서는 응답에 구체적인 목적이 생기도록 결정해야 할 사항, 원문, 필요한 절을 지정하세요.\n\n제조사는 추론 강도 minimal, low, medium, high를 문서화했으며 개발자용 발표에서 기본값을 medium으로 설명합니다. 답변 상세도는 low, medium, high 중 선택하는 별도의 제어입니다. 문서상 기본값은 medium이지만 출력에 대한 명시적 지시가 우선합니다. 이러한 구분을 통해 복잡성에 맞는 분석량을 배정하면서도 간결한 결과를 요청할 수 있습니다.\n\nOpenAI는 GPT-5의 컨텍스트 창을 400,000토큰, 최대 입력을 272,000토큰, 최대 출력을 128,000토큰으로 명시하며 지식 기준일은 2024년 9월 30일입니다. 추론과 보이는 출력은 생성 토큰 예산을 함께 사용합니다. 관련 원문과 성공 기준을 유지하고, 무관한 컨텍스트로 창 전체를 채우기보다 분석과 최종 답변을 위한 공간을 남기세요.\n\n제조사는 Responses, Chat Completions, Batch 인터페이스, 스트리밍, Structured Outputs, 함수 호출, 파일 및 이미지 입력, 웹 및 파일 검색, 프롬프트 캐싱을 나열합니다. 해당 모델 카드의 도구에는 이미지 생성, 코드 해석, MCP 연결이 포함됩니다. 개발자용 발표는 병렬 도구 호출, 작업 사이의 눈에 보이는 진행 메시지, 선택적인 문법 제약과 함께 일반 텍스트를 받는 사용자 정의 도구도 문서화합니다. 애플리케이션이 해당 작업을 실행하고 다음 판단에 사용할 실제 결과를 반환합니다.\n\n현재 캐싱 지침에는 GPT-5에서 선택적으로 최대 24시간까지 보존을 연장하는 기능이 포함됩니다. 재사용은 조건을 충족하는 접두어가 보존되어 있는지에 달려 있습니다. 작업 자체에서는 어떤 결과와 증거를 완료로 볼지 정의하세요. 제안된 패치, 구조화된 분석, 문서는 중요한 선택이 제공된 요구 사항과 사실에 연결될 때 유용합니다. 최종 응답이 다음 작업 단계를 뒷받침할 수 있도록 완료한 검증 결과와 아직 제안 단계인 행동을 구별하세요.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "111e359996920a788dc2011324c4814fbe5465a8e525d8d9c1f647c68c408150", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "gpt-5-thinkingGPT-5는 코딩, 텍스트와 이미지 작업, 에이전트 작업 흐름을 위한 추론 모델입니다. 추론과 답변의 상세 수준을 설정할 수 있으며, 프로젝트나 문서의 근거를 애플리케이션 도구의 결과와 결합할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-5는 여러 분야의 코딩 및 에이전트 작업을 위한 OpenAI의 추론 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 개발자용 발표는 API 추론 모델과 추론하지 않는 채팅 선택을 구별하고, 코딩 협업, 프런트엔드 작업, 지시 이행, 연속된 도구 결과를 연결하는 워크플로를 설명합니다.
엔지니어링 작업에서는 필요한 동작, 관련 파일, 변경 제약을 제공하세요. 예를 들어 구성 요소의 상호작용을 살펴보고, 입력 처리의 문제를 파악한 뒤 서로 맞물리는 변경을 제안하도록 요청할 수 있습니다. 프런트엔드 작업에서는 의도한 상호작용과 시각적 참조를 제공하세요. 문서 질문에서는 응답에 구체적인 목적이 생기도록 결정해야 할 사항, 원문, 필요한 절을 지정하세요.
제조사는 추론 강도 minimal, low, medium, high를 문서화했으며 개발자용 발표에서 기본값을 medium으로 설명합니다. 답변 상세도는 low, medium, high 중 선택하는 별도의 제어입니다. 문서상 기본값은 medium이지만 출력에 대한 명시적 지시가 우선합니다. 이러한 구분을 통해 복잡성에 맞는 분석량을 배정하면서도 간결한 결과를 요청할 수 있습니다.
OpenAI는 GPT-5의 컨텍스트 창을 400,000토큰, 최대 입력을 272,000토큰, 최대 출력을 128,000토큰으로 명시하며 지식 기준일은 2024년 9월 30일입니다. 추론과 보이는 출력은 생성 토큰 예산을 함께 사용합니다. 관련 원문과 성공 기준을 유지하고, 무관한 컨텍스트로 창 전체를 채우기보다 분석과 최종 답변을 위한 공간을 남기세요.
제조사는 Responses, Chat Completions, Batch 인터페이스, 스트리밍, Structured Outputs, 함수 호출, 파일 및 이미지 입력, 웹 및 파일 검색, 프롬프트 캐싱을 나열합니다. 해당 모델 카드의 도구에는 이미지 생성, 코드 해석, MCP 연결이 포함됩니다. 개발자용 발표는 병렬 도구 호출, 작업 사이의 눈에 보이는 진행 메시지, 선택적인 문법 제약과 함께 일반 텍스트를 받는 사용자 정의 도구도 문서화합니다. 애플리케이션이 해당 작업을 실행하고 다음 판단에 사용할 실제 결과를 반환합니다.
현재 캐싱 지침에는 GPT-5에서 선택적으로 최대 24시간까지 보존을 연장하는 기능이 포함됩니다. 재사용은 조건을 충족하는 접두어가 보존되어 있는지에 달려 있습니다. 작업 자체에서는 어떤 결과와 증거를 완료로 볼지 정의하세요. 제안된 패치, 구조화된 분석, 문서는 중요한 선택이 제공된 요구 사항과 사실에 연결될 때 유용합니다. 최종 응답이 다음 작업 단계를 뒷받침할 수 있도록 완료한 검증 결과와 아직 제안 단계인 행동을 구별하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-5-thinking | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
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 |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
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 $0.00025 / 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-thinking","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-thinking", 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 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-thinking
/chat/completions
gpt-5-thinkingGPT-5는 코딩, 텍스트와 이미지 작업, 에이전트 작업 흐름을 위한 추론 모델입니다. 추론과 답변의 상세 수준을 설정할 수 있으며, 프로젝트나 문서의 근거를 애플리케이션 도구의 결과와 결합할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
GPT-5는 여러 분야의 코딩 및 에이전트 작업을 위한 OpenAI의 추론 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 개발자용 발표는 API 추론 모델과 추론하지 않는 채팅 선택을 구별하고, 코딩 협업, 프런트엔드 작업, 지시 이행, 연속된 도구 결과를 연결하는 워크플로를 설명합니다.
엔지니어링 작업에서는 필요한 동작, 관련 파일, 변경 제약을 제공하세요. 예를 들어 구성 요소의 상호작용을 살펴보고, 입력 처리의 문제를 파악한 뒤 서로 맞물리는 변경을 제안하도록 요청할 수 있습니다. 프런트엔드 작업에서는 의도한 상호작용과 시각적 참조를 제공하세요. 문서 질문에서는 응답에 구체적인 목적이 생기도록 결정해야 할 사항, 원문, 필요한 절을 지정하세요.
제조사는 추론 강도 minimal, low, medium, high를 문서화했으며 개발자용 발표에서 기본값을 medium으로 설명합니다. 답변 상세도는 low, medium, high 중 선택하는 별도의 제어입니다. 문서상 기본값은 medium이지만 출력에 대한 명시적 지시가 우선합니다. 이러한 구분을 통해 복잡성에 맞는 분석량을 배정하면서도 간결한 결과를 요청할 수 있습니다.
OpenAI는 GPT-5의 컨텍스트 창을 400,000토큰, 최대 입력을 272,000토큰, 최대 출력을 128,000토큰으로 명시하며 지식 기준일은 2024년 9월 30일입니다. 추론과 보이는 출력은 생성 토큰 예산을 함께 사용합니다. 관련 원문과 성공 기준을 유지하고, 무관한 컨텍스트로 창 전체를 채우기보다 분석과 최종 답변을 위한 공간을 남기세요.
제조사는 Responses, Chat Completions, Batch 인터페이스, 스트리밍, Structured Outputs, 함수 호출, 파일 및 이미지 입력, 웹 및 파일 검색, 프롬프트 캐싱을 나열합니다. 해당 모델 카드의 도구에는 이미지 생성, 코드 해석, MCP 연결이 포함됩니다. 개발자용 발표는 병렬 도구 호출, 작업 사이의 눈에 보이는 진행 메시지, 선택적인 문법 제약과 함께 일반 텍스트를 받는 사용자 정의 도구도 문서화합니다. 애플리케이션이 해당 작업을 실행하고 다음 판단에 사용할 실제 결과를 반환합니다.
현재 캐싱 지침에는 GPT-5에서 선택적으로 최대 24시간까지 보존을 연장하는 기능이 포함됩니다. 재사용은 조건을 충족하는 접두어가 보존되어 있는지에 달려 있습니다. 작업 자체에서는 어떤 결과와 증거를 완료로 볼지 정의하세요. 제안된 패치, 구조화된 분석, 문서는 중요한 선택이 제공된 요구 사항과 사실에 연결될 때 유용합니다. 최종 응답이 다음 작업 단계를 뒷받침할 수 있도록 완료한 검증 결과와 아직 제안 단계인 행동을 구별하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-5-thinking | 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 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gpt-5-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-thinking', '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-thinking', '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-thinking
/chat/completions