o1-pro는 복잡한 추론에 추가 연산을 사용하는 OpenAI의 별도 o1 버전입니다. o1 계열은 답변 전에 문제를 검토하도록 강화 학습으로 훈련되었습니다. Pro 모델은 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 모델의 정체성은 표준 o1 및 이후 GPT 계열에 문서화된 Pro 실행 모드와 구별됩니다.
예를 들어 조건들이 서로 의존하는 요구 사항을 분석하는 작업이 있습니다. 질문, 관련 자료, 의사결정을 좌우하는 기준을 제공하세요. 관계에 대한 설명과 조건을 명시한 구체적인 권고안을 요청하세요. 코드 질문에서는 의도한 동작과 관련 구현을 포함하세요. 수학 문제에서는 정의, 정의역, 결과에 필요한 형식을 제공하세요.
시각 자료는 질문에 필요한 도표, 인터페이스 상태, 기타 근거를 제공할 수 있습니다. 관련 세부 사항을 지정하고 이를 해석하는 데 필요한 서면 맥락을 포함하세요. 유용한 입력 설명은 원자료의 정보와 지시를 구분하고, 독자가 필요로 하는 산출물을 정의합니다. 기술 설명, 해결책 제안, 비교, 계획 등이 될 수 있습니다. 이렇게 하면 모델의 추가 분석을 작업의 실제 목적에 연결할 수 있습니다.
OpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 추론은 입력 및 표시되는 답변과 함께 공간을 사용합니다. 제조사는 최종 응답 전 여러 턴의 모델 상호 작용을 지원하는 Responses를 통한 o1-pro 사용을 문서화하며, 모델 사양에는 Batch도 명시되어 있습니다. 이는 다른 o1 버전의 설정이 아니라 제조사가 명시한 Pro 모델의 특성입니다.
제조사의 모델 카드는 스트리밍을 지원하지 않으며, 함수 호출, Structured Outputs, 이미지 입력을 지원한다고 확인합니다. 명시된 정확한 도구 목록에는 함수, 파일 검색, MCP 연결이 포함됩니다. 애플리케이션은 작업을 노출하고 실행한 뒤 실제 결과를 반환합니다. 구조화된 최종 응답은 출력 형식을 정의하며, 함수 요청은 작업 환경에서 수행할 동작을 제안합니다.
작업을 완료하고 검증할 방법을 명시하세요. 분석에서는 결론, 결론이 의존하는 근거, 미해결 조건을 구분해 유지하도록 요청하세요. 변경 제안에서는 기대하는 동작을 지정하고, 실제 수행한 검증과 앞으로 필요한 검증을 분리해 달라고 요청하세요. 유용한 최종 산출물은 중요한 선택을 명시하고 이를 원래 질문과 제공 자료에 연결합니다.
", "aboutText": "o1-pro는 복잡한 추론에 추가 연산을 사용하는 OpenAI의 별도 o1 버전입니다. o1 계열은 답변 전에 문제를 검토하도록 강화 학습으로 훈련되었습니다. Pro 모델은 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 모델의 정체성은 표준 o1 및 이후 GPT 계열에 문서화된 Pro 실행 모드와 구별됩니다.\n\n예를 들어 조건들이 서로 의존하는 요구 사항을 분석하는 작업이 있습니다. 질문, 관련 자료, 의사결정을 좌우하는 기준을 제공하세요. 관계에 대한 설명과 조건을 명시한 구체적인 권고안을 요청하세요. 코드 질문에서는 의도한 동작과 관련 구현을 포함하세요. 수학 문제에서는 정의, 정의역, 결과에 필요한 형식을 제공하세요.\n\n시각 자료는 질문에 필요한 도표, 인터페이스 상태, 기타 근거를 제공할 수 있습니다. 관련 세부 사항을 지정하고 이를 해석하는 데 필요한 서면 맥락을 포함하세요. 유용한 입력 설명은 원자료의 정보와 지시를 구분하고, 독자가 필요로 하는 산출물을 정의합니다. 기술 설명, 해결책 제안, 비교, 계획 등이 될 수 있습니다. 이렇게 하면 모델의 추가 분석을 작업의 실제 목적에 연결할 수 있습니다.\n\nOpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 추론은 입력 및 표시되는 답변과 함께 공간을 사용합니다. 제조사는 최종 응답 전 여러 턴의 모델 상호 작용을 지원하는 Responses를 통한 o1-pro 사용을 문서화하며, 모델 사양에는 Batch도 명시되어 있습니다. 이는 다른 o1 버전의 설정이 아니라 제조사가 명시한 Pro 모델의 특성입니다.\n\n제조사의 모델 카드는 스트리밍을 지원하지 않으며, 함수 호출, Structured Outputs, 이미지 입력을 지원한다고 확인합니다. 명시된 정확한 도구 목록에는 함수, 파일 검색, MCP 연결이 포함됩니다. 애플리케이션은 작업을 노출하고 실행한 뒤 실제 결과를 반환합니다. 구조화된 최종 응답은 출력 형식을 정의하며, 함수 요청은 작업 환경에서 수행할 동작을 제안합니다.\n\n작업을 완료하고 검증할 방법을 명시하세요. 분석에서는 결론, 결론이 의존하는 근거, 미해결 조건을 구분해 유지하도록 요청하세요. 변경 제안에서는 기대하는 동작을 지정하고, 실제 수행한 검증과 앞으로 필요한 검증을 분리해 달라고 요청하세요. 유용한 최종 산출물은 중요한 선택을 명시하고 이를 원래 질문과 제공 자료에 연결합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Check an interdependent staffing plan\n\nTwo rooms need a facilitator from 09:00 to 10:00. Ada can facilitate either room. Ben can facilitate only room A. Cara can cover room B but arrives at 09:30. Each room needs continuous coverage, and nobody can cover both at once. Find a feasible assignment or identify the blocking condition and the smallest staffing change needed.A feasibility conclusion with a time-based assignment or a precise blocking interval and proposed change.The reasoning checks the full 09:00–09:30 interval rather than treating Cara as available from 09:00.openai/o1-pro별도의 o1-pro 버전은 텍스트와 이미지에 대한 복잡한 추론에 추가 연산을 사용합니다. 텍스트를 반환하며 제조사의 Responses 작업 흐름을 통해 함수 호출과 Structured Outputs를 지원합니다. 스트리밍은 지원하지 않습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
o1-pro는 복잡한 추론에 추가 연산을 사용하는 OpenAI의 별도 o1 버전입니다. o1 계열은 답변 전에 문제를 검토하도록 강화 학습으로 훈련되었습니다. Pro 모델은 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 모델의 정체성은 표준 o1 및 이후 GPT 계열에 문서화된 Pro 실행 모드와 구별됩니다.
예를 들어 조건들이 서로 의존하는 요구 사항을 분석하는 작업이 있습니다. 질문, 관련 자료, 의사결정을 좌우하는 기준을 제공하세요. 관계에 대한 설명과 조건을 명시한 구체적인 권고안을 요청하세요. 코드 질문에서는 의도한 동작과 관련 구현을 포함하세요. 수학 문제에서는 정의, 정의역, 결과에 필요한 형식을 제공하세요.
시각 자료는 질문에 필요한 도표, 인터페이스 상태, 기타 근거를 제공할 수 있습니다. 관련 세부 사항을 지정하고 이를 해석하는 데 필요한 서면 맥락을 포함하세요. 유용한 입력 설명은 원자료의 정보와 지시를 구분하고, 독자가 필요로 하는 산출물을 정의합니다. 기술 설명, 해결책 제안, 비교, 계획 등이 될 수 있습니다. 이렇게 하면 모델의 추가 분석을 작업의 실제 목적에 연결할 수 있습니다.
OpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 추론은 입력 및 표시되는 답변과 함께 공간을 사용합니다. 제조사는 최종 응답 전 여러 턴의 모델 상호 작용을 지원하는 Responses를 통한 o1-pro 사용을 문서화하며, 모델 사양에는 Batch도 명시되어 있습니다. 이는 다른 o1 버전의 설정이 아니라 제조사가 명시한 Pro 모델의 특성입니다.
제조사의 모델 카드는 스트리밍을 지원하지 않으며, 함수 호출, Structured Outputs, 이미지 입력을 지원한다고 확인합니다. 명시된 정확한 도구 목록에는 함수, 파일 검색, MCP 연결이 포함됩니다. 애플리케이션은 작업을 노출하고 실행한 뒤 실제 결과를 반환합니다. 구조화된 최종 응답은 출력 형식을 정의하며, 함수 요청은 작업 환경에서 수행할 동작을 제안합니다.
작업을 완료하고 검증할 방법을 명시하세요. 분석에서는 결론, 결론이 의존하는 근거, 미해결 조건을 구분해 유지하도록 요청하세요. 변경 제안에서는 기대하는 동작을 지정하고, 실제 수행한 검증과 앞으로 필요한 검증을 분리해 달라고 요청하세요. 유용한 최종 산출물은 중요한 선택을 명시하고 이를 원래 질문과 제공 자료에 연결합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/o1-pro | 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 $0.3 / 1K 토큰 출력 · 출력 토큰 $1.2 / 1K 토큰 입력 · 캐시 읽기 — / 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 $0.3 / 1K 토큰 출력 · 출력 토큰 $1.2 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/o1-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/o1-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/o1-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 openai/o1-pro
위에 표시된 메서드 경로를 사용하세요.
openai/o1-pro별도의 o1-pro 버전은 텍스트와 이미지에 대한 복잡한 추론에 추가 연산을 사용합니다. 텍스트를 반환하며 제조사의 Responses 작업 흐름을 통해 함수 호출과 Structured Outputs를 지원합니다. 스트리밍은 지원하지 않습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
o1-pro는 복잡한 추론에 추가 연산을 사용하는 OpenAI의 별도 o1 버전입니다. o1 계열은 답변 전에 문제를 검토하도록 강화 학습으로 훈련되었습니다. Pro 모델은 텍스트와 이미지를 입력받아 텍스트를 생성합니다. 모델의 정체성은 표준 o1 및 이후 GPT 계열에 문서화된 Pro 실행 모드와 구별됩니다.
예를 들어 조건들이 서로 의존하는 요구 사항을 분석하는 작업이 있습니다. 질문, 관련 자료, 의사결정을 좌우하는 기준을 제공하세요. 관계에 대한 설명과 조건을 명시한 구체적인 권고안을 요청하세요. 코드 질문에서는 의도한 동작과 관련 구현을 포함하세요. 수학 문제에서는 정의, 정의역, 결과에 필요한 형식을 제공하세요.
시각 자료는 질문에 필요한 도표, 인터페이스 상태, 기타 근거를 제공할 수 있습니다. 관련 세부 사항을 지정하고 이를 해석하는 데 필요한 서면 맥락을 포함하세요. 유용한 입력 설명은 원자료의 정보와 지시를 구분하고, 독자가 필요로 하는 산출물을 정의합니다. 기술 설명, 해결책 제안, 비교, 계획 등이 될 수 있습니다. 이렇게 하면 모델의 추가 분석을 작업의 실제 목적에 연결할 수 있습니다.
OpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 추론은 입력 및 표시되는 답변과 함께 공간을 사용합니다. 제조사는 최종 응답 전 여러 턴의 모델 상호 작용을 지원하는 Responses를 통한 o1-pro 사용을 문서화하며, 모델 사양에는 Batch도 명시되어 있습니다. 이는 다른 o1 버전의 설정이 아니라 제조사가 명시한 Pro 모델의 특성입니다.
제조사의 모델 카드는 스트리밍을 지원하지 않으며, 함수 호출, Structured Outputs, 이미지 입력을 지원한다고 확인합니다. 명시된 정확한 도구 목록에는 함수, 파일 검색, MCP 연결이 포함됩니다. 애플리케이션은 작업을 노출하고 실행한 뒤 실제 결과를 반환합니다. 구조화된 최종 응답은 출력 형식을 정의하며, 함수 요청은 작업 환경에서 수행할 동작을 제안합니다.
작업을 완료하고 검증할 방법을 명시하세요. 분석에서는 결론, 결론이 의존하는 근거, 미해결 조건을 구분해 유지하도록 요청하세요. 변경 제안에서는 기대하는 동작을 지정하고, 실제 수행한 검증과 앞으로 필요한 검증을 분리해 달라고 요청하세요. 유용한 최종 산출물은 중요한 선택을 명시하고 이를 원래 질문과 제공 자료에 연결합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/o1-pro | 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 $0.3 / 1K 토큰 출력 · 출력 토큰 $1.2 / 1K 토큰 입력 · 캐시 읽기 — / 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 $0.3 / 1K 토큰 출력 · 출력 토큰 $1.2 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "openai/o1-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/o1-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/o1-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 openai/o1-pro
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Check an interdependent staffing plan\n\nTwo rooms need a facilitator from 09:00 to 10:00. Ada can facilitate either room. Ben can facilitate only room A. Cara can cover room B but arrives at 09:30. Each room needs continuous coverage, and nobody can cover both at once. Find a feasible assignment or identify the blocking condition and the smallest staffing change needed.A feasibility conclusion with a time-based assignment or a precise blocking interval and proposed change.The reasoning checks the full 09:00–09:30 interval rather than treating Cara as available from 09:00.