gpt-oss-120b는 범용 추론, 코딩, 에이전트 작업을 위한 OpenAI의 대형 가중치 공개 언어 모델입니다. 텍스트를 입력받아 텍스트를 생성합니다. 제조사는 전문가 혼합 구조에서 전체 파라미터 수를 1170억, 토큰당 활성 파라미터 수를 51억으로 공개합니다. 이 계열의 120b 버전이며, gpt-oss-20b 및 특화된 Safeguard 모델과 구별됩니다.
출시 문서는 STEM, 코딩, 일반 지식에 중점을 둔, 주로 영어로 이루어진 텍스트 전용 훈련 데이터를 설명합니다. 예를 들어 코드와 명시된 조건을 바탕으로 알고리즘을 분석하여 중요한 관계를 설명하고, 가능한 접근법을 비교한 뒤, 구체적인 구현안을 작성하는 작업이 있습니다. 문서를 바탕으로 판단할 때는 자료와 기준을 제공하고, 제공한 근거에 연결된 결론을 요청하세요.
OpenAI가 공개한 구조는 36개 층, 128개 전문가, 토큰당 네 개의 활성 전문가로 구성됩니다. 최초 공개 버전은 전문가 혼합 가중치에 MXFP4를 사용하며, 모델이 80 GB GPU 한 대에서 실행된다고 설명합니다. OpenAI는 Apache 2.0 라이선스로 가중치를 공개하고 특화 활용을 위한 미세 조정을 지원합니다. 이는 제조사가 공개한 모델과 형식의 특성이며, 특정 애플리케이션의 배포 구성을 설명하는 것은 아닙니다.
모델 문서에는 131,072토큰의 컨텍스트 창, 최대 131,072토큰의 생성 출력, 2024년 6월 1일의 지식 기준일이 명시되어 있습니다. 입력, 추론, 출력은 이용 가능한 컨텍스트 안에 들어가야 합니다. 지원하는 추론 수준은 low, medium, high이며, 작업에서는 짧은 대화 응답이나 더 깊은 분석을 요청할 수 있습니다. OpenAI는 내부 분석과 최종 응답을 구분하는 Harmony 형식을 요구합니다. 제조사는 가공되지 않은 분석이 최종 사용자에게 직접 표시하기 위한 것이 아니라 개발자용이라고 명시합니다.
제조사는 함수 호출, 웹 탐색, 도구를 통한 Python 코드 실행, Structured Outputs를 문서화합니다. 모델 카드에는 스트리밍도 명시되어 있으며, 문서화된 도구 환경에는 함수, 코드 인터프리터, MCP, 검색 기능이 포함됩니다. 애플리케이션은 작업을 제공하고 실행한 뒤 실제 결과를 반환합니다. 계산이나 조회는 다음 추론 단계의 근거가 될 수 있으며, 제안된 도구 요청은 실행된 작업과 구별됩니다.
명확한 목표, 정의, 유용한 최종 산출물을 준비하세요. 설명, 코드 제안, 수식, 구조화된 발견 사항 목록 등이 될 수 있습니다. 변환 후에도 유지해야 하는 사실과 누락된 정보의 표현 방식을 지정하세요. 유용한 최종 응답은 결론을 제공된 조건 및 실제 도구 결과에 연결합니다. 후속 요청에서는 중요한 근거와 아직 내려야 하는 판단을 다음 요청에 이어 가세요.
", "aboutText": "gpt-oss-120b는 범용 추론, 코딩, 에이전트 작업을 위한 OpenAI의 대형 가중치 공개 언어 모델입니다. 텍스트를 입력받아 텍스트를 생성합니다. 제조사는 전문가 혼합 구조에서 전체 파라미터 수를 1170억, 토큰당 활성 파라미터 수를 51억으로 공개합니다. 이 계열의 120b 버전이며, gpt-oss-20b 및 특화된 Safeguard 모델과 구별됩니다.\n\n출시 문서는 STEM, 코딩, 일반 지식에 중점을 둔, 주로 영어로 이루어진 텍스트 전용 훈련 데이터를 설명합니다. 예를 들어 코드와 명시된 조건을 바탕으로 알고리즘을 분석하여 중요한 관계를 설명하고, 가능한 접근법을 비교한 뒤, 구체적인 구현안을 작성하는 작업이 있습니다. 문서를 바탕으로 판단할 때는 자료와 기준을 제공하고, 제공한 근거에 연결된 결론을 요청하세요.\n\nOpenAI가 공개한 구조는 36개 층, 128개 전문가, 토큰당 네 개의 활성 전문가로 구성됩니다. 최초 공개 버전은 전문가 혼합 가중치에 MXFP4를 사용하며, 모델이 80 GB GPU 한 대에서 실행된다고 설명합니다. OpenAI는 Apache 2.0 라이선스로 가중치를 공개하고 특화 활용을 위한 미세 조정을 지원합니다. 이는 제조사가 공개한 모델과 형식의 특성이며, 특정 애플리케이션의 배포 구성을 설명하는 것은 아닙니다.\n\n모델 문서에는 131,072토큰의 컨텍스트 창, 최대 131,072토큰의 생성 출력, 2024년 6월 1일의 지식 기준일이 명시되어 있습니다. 입력, 추론, 출력은 이용 가능한 컨텍스트 안에 들어가야 합니다. 지원하는 추론 수준은 low, medium, high이며, 작업에서는 짧은 대화 응답이나 더 깊은 분석을 요청할 수 있습니다. OpenAI는 내부 분석과 최종 응답을 구분하는 Harmony 형식을 요구합니다. 제조사는 가공되지 않은 분석이 최종 사용자에게 직접 표시하기 위한 것이 아니라 개발자용이라고 명시합니다.\n\n제조사는 함수 호출, 웹 탐색, 도구를 통한 Python 코드 실행, Structured Outputs를 문서화합니다. 모델 카드에는 스트리밍도 명시되어 있으며, 문서화된 도구 환경에는 함수, 코드 인터프리터, MCP, 검색 기능이 포함됩니다. 애플리케이션은 작업을 제공하고 실행한 뒤 실제 결과를 반환합니다. 계산이나 조회는 다음 추론 단계의 근거가 될 수 있으며, 제안된 도구 요청은 실행된 작업과 구별됩니다.\n\n명확한 목표, 정의, 유용한 최종 산출물을 준비하세요. 설명, 코드 제안, 수식, 구조화된 발견 사항 목록 등이 될 수 있습니다. 변환 후에도 유지해야 하는 사실과 누락된 정보의 표현 방식을 지정하세요. 유용한 최종 응답은 결론을 제공된 조건 및 실제 도구 결과에 연결합니다. 후속 요청에서는 중요한 근거와 아직 내려야 하는 판단을 다음 요청에 이어 가세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Find a counterexample to a search loop\n\nThis Python search returns the index of a target in sorted values: def find(values, target):\n lo, hi = 0, len(values) - 1\n while lo < hi:\n mid = (lo + hi) // 2\n if values[mid] < target: lo = mid + 1\n else: hi = mid\n return lo\nExplain why absent targets are mishandled and propose a correction preserving an index-or-None contract.A concrete absent-target example and corrected Python function with the stated return contract.An insertion position must not be returned as a found match when the target is absent.gpt-oss-120bOpenAI의 대형 가중치 공개 gpt-oss 모델은 텍스트, 코딩, 에이전트 작업에 전문가 혼합 추론을 사용합니다. 도구와 연결된 환경에서 low, medium, high 추론 강도, 함수 호출, Structured Outputs를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
gpt-oss-120b는 범용 추론, 코딩, 에이전트 작업을 위한 OpenAI의 대형 가중치 공개 언어 모델입니다. 텍스트를 입력받아 텍스트를 생성합니다. 제조사는 전문가 혼합 구조에서 전체 파라미터 수를 1170억, 토큰당 활성 파라미터 수를 51억으로 공개합니다. 이 계열의 120b 버전이며, gpt-oss-20b 및 특화된 Safeguard 모델과 구별됩니다.
출시 문서는 STEM, 코딩, 일반 지식에 중점을 둔, 주로 영어로 이루어진 텍스트 전용 훈련 데이터를 설명합니다. 예를 들어 코드와 명시된 조건을 바탕으로 알고리즘을 분석하여 중요한 관계를 설명하고, 가능한 접근법을 비교한 뒤, 구체적인 구현안을 작성하는 작업이 있습니다. 문서를 바탕으로 판단할 때는 자료와 기준을 제공하고, 제공한 근거에 연결된 결론을 요청하세요.
OpenAI가 공개한 구조는 36개 층, 128개 전문가, 토큰당 네 개의 활성 전문가로 구성됩니다. 최초 공개 버전은 전문가 혼합 가중치에 MXFP4를 사용하며, 모델이 80 GB GPU 한 대에서 실행된다고 설명합니다. OpenAI는 Apache 2.0 라이선스로 가중치를 공개하고 특화 활용을 위한 미세 조정을 지원합니다. 이는 제조사가 공개한 모델과 형식의 특성이며, 특정 애플리케이션의 배포 구성을 설명하는 것은 아닙니다.
모델 문서에는 131,072토큰의 컨텍스트 창, 최대 131,072토큰의 생성 출력, 2024년 6월 1일의 지식 기준일이 명시되어 있습니다. 입력, 추론, 출력은 이용 가능한 컨텍스트 안에 들어가야 합니다. 지원하는 추론 수준은 low, medium, high이며, 작업에서는 짧은 대화 응답이나 더 깊은 분석을 요청할 수 있습니다. OpenAI는 내부 분석과 최종 응답을 구분하는 Harmony 형식을 요구합니다. 제조사는 가공되지 않은 분석이 최종 사용자에게 직접 표시하기 위한 것이 아니라 개발자용이라고 명시합니다.
제조사는 함수 호출, 웹 탐색, 도구를 통한 Python 코드 실행, Structured Outputs를 문서화합니다. 모델 카드에는 스트리밍도 명시되어 있으며, 문서화된 도구 환경에는 함수, 코드 인터프리터, MCP, 검색 기능이 포함됩니다. 애플리케이션은 작업을 제공하고 실행한 뒤 실제 결과를 반환합니다. 계산이나 조회는 다음 추론 단계의 근거가 될 수 있으며, 제안된 도구 요청은 실행된 작업과 구별됩니다.
명확한 목표, 정의, 유용한 최종 산출물을 준비하세요. 설명, 코드 제안, 수식, 구조화된 발견 사항 목록 등이 될 수 있습니다. 변환 후에도 유지해야 하는 사실과 누락된 정보의 표현 방식을 지정하세요. 유용한 최종 응답은 결론을 제공된 조건 및 실제 도구 결과에 연결합니다. 후속 요청에서는 중요한 근거와 아직 내려야 하는 판단을 다음 요청에 이어 가세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-oss-120b | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-oss-120b","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-oss-120b", 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-oss-120b, openai/gpt-oss-120b
/chat/completions
gpt-oss-120bOpenAI의 대형 가중치 공개 gpt-oss 모델은 텍스트, 코딩, 에이전트 작업에 전문가 혼합 추론을 사용합니다. 도구와 연결된 환경에서 low, medium, high 추론 강도, 함수 호출, Structured Outputs를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
gpt-oss-120b는 범용 추론, 코딩, 에이전트 작업을 위한 OpenAI의 대형 가중치 공개 언어 모델입니다. 텍스트를 입력받아 텍스트를 생성합니다. 제조사는 전문가 혼합 구조에서 전체 파라미터 수를 1170억, 토큰당 활성 파라미터 수를 51억으로 공개합니다. 이 계열의 120b 버전이며, gpt-oss-20b 및 특화된 Safeguard 모델과 구별됩니다.
출시 문서는 STEM, 코딩, 일반 지식에 중점을 둔, 주로 영어로 이루어진 텍스트 전용 훈련 데이터를 설명합니다. 예를 들어 코드와 명시된 조건을 바탕으로 알고리즘을 분석하여 중요한 관계를 설명하고, 가능한 접근법을 비교한 뒤, 구체적인 구현안을 작성하는 작업이 있습니다. 문서를 바탕으로 판단할 때는 자료와 기준을 제공하고, 제공한 근거에 연결된 결론을 요청하세요.
OpenAI가 공개한 구조는 36개 층, 128개 전문가, 토큰당 네 개의 활성 전문가로 구성됩니다. 최초 공개 버전은 전문가 혼합 가중치에 MXFP4를 사용하며, 모델이 80 GB GPU 한 대에서 실행된다고 설명합니다. OpenAI는 Apache 2.0 라이선스로 가중치를 공개하고 특화 활용을 위한 미세 조정을 지원합니다. 이는 제조사가 공개한 모델과 형식의 특성이며, 특정 애플리케이션의 배포 구성을 설명하는 것은 아닙니다.
모델 문서에는 131,072토큰의 컨텍스트 창, 최대 131,072토큰의 생성 출력, 2024년 6월 1일의 지식 기준일이 명시되어 있습니다. 입력, 추론, 출력은 이용 가능한 컨텍스트 안에 들어가야 합니다. 지원하는 추론 수준은 low, medium, high이며, 작업에서는 짧은 대화 응답이나 더 깊은 분석을 요청할 수 있습니다. OpenAI는 내부 분석과 최종 응답을 구분하는 Harmony 형식을 요구합니다. 제조사는 가공되지 않은 분석이 최종 사용자에게 직접 표시하기 위한 것이 아니라 개발자용이라고 명시합니다.
제조사는 함수 호출, 웹 탐색, 도구를 통한 Python 코드 실행, Structured Outputs를 문서화합니다. 모델 카드에는 스트리밍도 명시되어 있으며, 문서화된 도구 환경에는 함수, 코드 인터프리터, MCP, 검색 기능이 포함됩니다. 애플리케이션은 작업을 제공하고 실행한 뒤 실제 결과를 반환합니다. 계산이나 조회는 다음 추론 단계의 근거가 될 수 있으며, 제안된 도구 요청은 실행된 작업과 구별됩니다.
명확한 목표, 정의, 유용한 최종 산출물을 준비하세요. 설명, 코드 제안, 수식, 구조화된 발견 사항 목록 등이 될 수 있습니다. 변환 후에도 유지해야 하는 사실과 누락된 정보의 표현 방식을 지정하세요. 유용한 최종 응답은 결론을 제공된 조건 및 실제 도구 결과에 연결합니다. 후속 요청에서는 중요한 근거와 아직 내려야 하는 판단을 다음 요청에 이어 가세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gpt-oss-120b | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gpt-oss-120b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-oss-120b', '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-oss-120b', '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-oss-120b, openai/gpt-oss-120b
/chat/completions
openai/gpt-oss-120bOpenAI의 대형 가중치 공개 gpt-oss 모델은 텍스트, 코딩, 에이전트 작업에 전문가 혼합 추론을 사용합니다. 도구와 연결된 환경에서 low, medium, high 추론 강도, 함수 호출, Structured Outputs를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
gpt-oss-120b는 범용 추론, 코딩, 에이전트 작업을 위한 OpenAI의 대형 가중치 공개 언어 모델입니다. 텍스트를 입력받아 텍스트를 생성합니다. 제조사는 전문가 혼합 구조에서 전체 파라미터 수를 1170억, 토큰당 활성 파라미터 수를 51억으로 공개합니다. 이 계열의 120b 버전이며, gpt-oss-20b 및 특화된 Safeguard 모델과 구별됩니다.
출시 문서는 STEM, 코딩, 일반 지식에 중점을 둔, 주로 영어로 이루어진 텍스트 전용 훈련 데이터를 설명합니다. 예를 들어 코드와 명시된 조건을 바탕으로 알고리즘을 분석하여 중요한 관계를 설명하고, 가능한 접근법을 비교한 뒤, 구체적인 구현안을 작성하는 작업이 있습니다. 문서를 바탕으로 판단할 때는 자료와 기준을 제공하고, 제공한 근거에 연결된 결론을 요청하세요.
OpenAI가 공개한 구조는 36개 층, 128개 전문가, 토큰당 네 개의 활성 전문가로 구성됩니다. 최초 공개 버전은 전문가 혼합 가중치에 MXFP4를 사용하며, 모델이 80 GB GPU 한 대에서 실행된다고 설명합니다. OpenAI는 Apache 2.0 라이선스로 가중치를 공개하고 특화 활용을 위한 미세 조정을 지원합니다. 이는 제조사가 공개한 모델과 형식의 특성이며, 특정 애플리케이션의 배포 구성을 설명하는 것은 아닙니다.
모델 문서에는 131,072토큰의 컨텍스트 창, 최대 131,072토큰의 생성 출력, 2024년 6월 1일의 지식 기준일이 명시되어 있습니다. 입력, 추론, 출력은 이용 가능한 컨텍스트 안에 들어가야 합니다. 지원하는 추론 수준은 low, medium, high이며, 작업에서는 짧은 대화 응답이나 더 깊은 분석을 요청할 수 있습니다. OpenAI는 내부 분석과 최종 응답을 구분하는 Harmony 형식을 요구합니다. 제조사는 가공되지 않은 분석이 최종 사용자에게 직접 표시하기 위한 것이 아니라 개발자용이라고 명시합니다.
제조사는 함수 호출, 웹 탐색, 도구를 통한 Python 코드 실행, Structured Outputs를 문서화합니다. 모델 카드에는 스트리밍도 명시되어 있으며, 문서화된 도구 환경에는 함수, 코드 인터프리터, MCP, 검색 기능이 포함됩니다. 애플리케이션은 작업을 제공하고 실행한 뒤 실제 결과를 반환합니다. 계산이나 조회는 다음 추론 단계의 근거가 될 수 있으며, 제안된 도구 요청은 실행된 작업과 구별됩니다.
명확한 목표, 정의, 유용한 최종 산출물을 준비하세요. 설명, 코드 제안, 수식, 구조화된 발견 사항 목록 등이 될 수 있습니다. 변환 후에도 유지해야 하는 사실과 누락된 정보의 표현 방식을 지정하세요. 유용한 최종 응답은 결론을 제공된 조건 및 실제 도구 결과에 연결합니다. 후속 요청에서는 중요한 근거와 아직 내려야 하는 판단을 다음 요청에 이어 가세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-oss-120b | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-oss-120b", "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-oss-120b',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-oss-120b',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-oss-120b, openai/gpt-oss-120b
/chat/completions
openai/gpt-oss-120bOpenAI의 대형 가중치 공개 gpt-oss 모델은 텍스트, 코딩, 에이전트 작업에 전문가 혼합 추론을 사용합니다. 도구와 연결된 환경에서 low, medium, high 추론 강도, 함수 호출, Structured Outputs를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
gpt-oss-120b는 범용 추론, 코딩, 에이전트 작업을 위한 OpenAI의 대형 가중치 공개 언어 모델입니다. 텍스트를 입력받아 텍스트를 생성합니다. 제조사는 전문가 혼합 구조에서 전체 파라미터 수를 1170억, 토큰당 활성 파라미터 수를 51억으로 공개합니다. 이 계열의 120b 버전이며, gpt-oss-20b 및 특화된 Safeguard 모델과 구별됩니다.
출시 문서는 STEM, 코딩, 일반 지식에 중점을 둔, 주로 영어로 이루어진 텍스트 전용 훈련 데이터를 설명합니다. 예를 들어 코드와 명시된 조건을 바탕으로 알고리즘을 분석하여 중요한 관계를 설명하고, 가능한 접근법을 비교한 뒤, 구체적인 구현안을 작성하는 작업이 있습니다. 문서를 바탕으로 판단할 때는 자료와 기준을 제공하고, 제공한 근거에 연결된 결론을 요청하세요.
OpenAI가 공개한 구조는 36개 층, 128개 전문가, 토큰당 네 개의 활성 전문가로 구성됩니다. 최초 공개 버전은 전문가 혼합 가중치에 MXFP4를 사용하며, 모델이 80 GB GPU 한 대에서 실행된다고 설명합니다. OpenAI는 Apache 2.0 라이선스로 가중치를 공개하고 특화 활용을 위한 미세 조정을 지원합니다. 이는 제조사가 공개한 모델과 형식의 특성이며, 특정 애플리케이션의 배포 구성을 설명하는 것은 아닙니다.
모델 문서에는 131,072토큰의 컨텍스트 창, 최대 131,072토큰의 생성 출력, 2024년 6월 1일의 지식 기준일이 명시되어 있습니다. 입력, 추론, 출력은 이용 가능한 컨텍스트 안에 들어가야 합니다. 지원하는 추론 수준은 low, medium, high이며, 작업에서는 짧은 대화 응답이나 더 깊은 분석을 요청할 수 있습니다. OpenAI는 내부 분석과 최종 응답을 구분하는 Harmony 형식을 요구합니다. 제조사는 가공되지 않은 분석이 최종 사용자에게 직접 표시하기 위한 것이 아니라 개발자용이라고 명시합니다.
제조사는 함수 호출, 웹 탐색, 도구를 통한 Python 코드 실행, Structured Outputs를 문서화합니다. 모델 카드에는 스트리밍도 명시되어 있으며, 문서화된 도구 환경에는 함수, 코드 인터프리터, MCP, 검색 기능이 포함됩니다. 애플리케이션은 작업을 제공하고 실행한 뒤 실제 결과를 반환합니다. 계산이나 조회는 다음 추론 단계의 근거가 될 수 있으며, 제안된 도구 요청은 실행된 작업과 구별됩니다.
명확한 목표, 정의, 유용한 최종 산출물을 준비하세요. 설명, 코드 제안, 수식, 구조화된 발견 사항 목록 등이 될 수 있습니다. 변환 후에도 유지해야 하는 사실과 누락된 정보의 표현 방식을 지정하세요. 유용한 최종 응답은 결론을 제공된 조건 및 실제 도구 결과에 연결합니다. 후속 요청에서는 중요한 근거와 아직 내려야 하는 판단을 다음 요청에 이어 가세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-oss-120b | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "openai/gpt-oss-120b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-oss-120b', '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-oss-120b', '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-oss-120b, openai/gpt-oss-120b
/chat/completions
영어 기술 예제
Find a counterexample to a search loop\n\nThis Python search returns the index of a target in sorted values: def find(values, target):\n lo, hi = 0, len(values) - 1\n while lo < hi:\n mid = (lo + hi) // 2\n if values[mid] < target: lo = mid + 1\n else: hi = mid\n return lo\nExplain why absent targets are mishandled and propose a correction preserving an index-or-None contract.A concrete absent-target example and corrected Python function with the stated return contract.An insertion position must not be returned as a found match when the target is absent.