o1은 복잡한 추론을 위해 강화 학습으로 훈련된 OpenAI의 o-series 모델입니다. 응답을 생성하기 전에 내부적으로 문제를 검토합니다. 모델은 텍스트와 이미지를 입력받아 텍스트를 반환합니다. 제조사의 개발자용 출시 문서는 여러 단계의 작업을 설명하며, API 모델의 함수 호출, Structured Outputs, developer 메시지, 시각 입력을 문서화합니다.
유용한 요청은 질문과 답변에 필요한 자료를 제공합니다. 예를 들어 두 가지 기술 접근법을 서로 연결된 여러 요구 사항에 대조해 비교한 뒤, 해당 요구 사항이 뒷받침하는 결론을 밝히는 작업이 있습니다. 코드에서는 의도한 동작과 관련 구현을 제공하세요. 문서에서는 답변을 결정해야 할 구절이나 사실을 지정하고 독자가 필요로 하는 결과를 정의하세요.
이미지가 관련 근거를 제공할 때 시각 입력은 과학, 제조, 코딩 작업을 뒷받침할 수 있습니다. 도표나 스크린샷을 제공하고 중요한 세부 사항을 지정하세요. 이미지 자체만으로 알 수 없는 정의나 조건도 추가하세요. developer 메시지를 통한 지시는 어조, 문체, 작업 동작을 지정할 수 있으며, 제조사는 답변 전에 수행할 작업량을 위한 추론 강도 제어도 문서화합니다.
OpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 입력, 내부 추론, 표시되는 출력은 컨텍스트 공간을 사용합니다. 유용한 근거를 중심으로 긴 요청을 준비하고, 분석과 최종 산출물을 위한 공간을 남겨 두세요. 작업에서 기대하는 답변 형식과 상세 수준을 명시해야 합니다.
정확한 모델 카드에는 Responses, Chat Completions, Assistants, Batch 인터페이스, 스트리밍, Structured Outputs, 함수 호출, 파일 입력 및 검색, 이미지 입력이 명시되어 있습니다. 도구 목록에는 함수, 파일 검색, MCP 연결이 포함됩니다. 애플리케이션은 작업을 노출하고 직접 실행한 뒤 실제 결과를 반환합니다. 구조화된 응답은 요청된 출력 필드를 설명하며, 함수 요청은 환경이 수행할 작업을 설명합니다.
완료 기준을 정의하고 원자료의 조건에 연결된 결과를 요청하세요. 비교에서는 제공된 사실, 선택된 접근법, 미해결 가정을 구분해 유지하도록 요청하세요. 변경 제안에서는 기대하는 동작과 이를 검증하는 데 필요한 근거를 지정하세요. 유용한 최종 산출물은 구체적인 설명, 계획, 코드 제안, 발견 사항 목록으로, 원래 자료에 대조해 검증하고 범위를 좁힌 후속 요청으로 개선할 수 있어야 합니다.
", "aboutText": "o1은 복잡한 추론을 위해 강화 학습으로 훈련된 OpenAI의 o-series 모델입니다. 응답을 생성하기 전에 내부적으로 문제를 검토합니다. 모델은 텍스트와 이미지를 입력받아 텍스트를 반환합니다. 제조사의 개발자용 출시 문서는 여러 단계의 작업을 설명하며, API 모델의 함수 호출, Structured Outputs, developer 메시지, 시각 입력을 문서화합니다.\n\n유용한 요청은 질문과 답변에 필요한 자료를 제공합니다. 예를 들어 두 가지 기술 접근법을 서로 연결된 여러 요구 사항에 대조해 비교한 뒤, 해당 요구 사항이 뒷받침하는 결론을 밝히는 작업이 있습니다. 코드에서는 의도한 동작과 관련 구현을 제공하세요. 문서에서는 답변을 결정해야 할 구절이나 사실을 지정하고 독자가 필요로 하는 결과를 정의하세요.\n\n이미지가 관련 근거를 제공할 때 시각 입력은 과학, 제조, 코딩 작업을 뒷받침할 수 있습니다. 도표나 스크린샷을 제공하고 중요한 세부 사항을 지정하세요. 이미지 자체만으로 알 수 없는 정의나 조건도 추가하세요. developer 메시지를 통한 지시는 어조, 문체, 작업 동작을 지정할 수 있으며, 제조사는 답변 전에 수행할 작업량을 위한 추론 강도 제어도 문서화합니다.\n\nOpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 입력, 내부 추론, 표시되는 출력은 컨텍스트 공간을 사용합니다. 유용한 근거를 중심으로 긴 요청을 준비하고, 분석과 최종 산출물을 위한 공간을 남겨 두세요. 작업에서 기대하는 답변 형식과 상세 수준을 명시해야 합니다.\n\n정확한 모델 카드에는 Responses, Chat Completions, Assistants, Batch 인터페이스, 스트리밍, Structured Outputs, 함수 호출, 파일 입력 및 검색, 이미지 입력이 명시되어 있습니다. 도구 목록에는 함수, 파일 검색, MCP 연결이 포함됩니다. 애플리케이션은 작업을 노출하고 직접 실행한 뒤 실제 결과를 반환합니다. 구조화된 응답은 요청된 출력 필드를 설명하며, 함수 요청은 환경이 수행할 작업을 설명합니다.\n\n완료 기준을 정의하고 원자료의 조건에 연결된 결과를 요청하세요. 비교에서는 제공된 사실, 선택된 접근법, 미해결 가정을 구분해 유지하도록 요청하세요. 변경 제안에서는 기대하는 동작과 이를 검증하는 데 필요한 근거를 지정하세요. 유용한 최종 산출물은 구체적인 설명, 계획, 코드 제안, 발견 사항 목록으로, 원래 자료에 대조해 검증하고 범위를 좁힌 후속 요청으로 개선할 수 있어야 합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Compare two backup approaches\n\nCompare these backup options against three requirements: daily recovery point, recovery within two hours and an independent copy. [A] Nightly backup to the same disk; restore test took one hour. [B] Weekly backup to another device; restore test took 90 minutes. Identify satisfied and unmet requirements and whether either option alone meets all three.A three-requirement matrix and a conclusion distinguishing recorded test results from unsatisfied conditions.Verify same-disk backup does not satisfy the independent-copy rule and weekly backup does not satisfy daily recovery.o1OpenAI의 o1 추론 모델은 텍스트와 이미지를 사용해 복잡한 문제를 검토합니다. 조건, 근거, 구체적인 최종 결과를 연결해야 하는 작업을 위해 함수 호출, Structured Outputs, developer 메시지를 통한 지시를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
o1은 복잡한 추론을 위해 강화 학습으로 훈련된 OpenAI의 o-series 모델입니다. 응답을 생성하기 전에 내부적으로 문제를 검토합니다. 모델은 텍스트와 이미지를 입력받아 텍스트를 반환합니다. 제조사의 개발자용 출시 문서는 여러 단계의 작업을 설명하며, API 모델의 함수 호출, Structured Outputs, developer 메시지, 시각 입력을 문서화합니다.
유용한 요청은 질문과 답변에 필요한 자료를 제공합니다. 예를 들어 두 가지 기술 접근법을 서로 연결된 여러 요구 사항에 대조해 비교한 뒤, 해당 요구 사항이 뒷받침하는 결론을 밝히는 작업이 있습니다. 코드에서는 의도한 동작과 관련 구현을 제공하세요. 문서에서는 답변을 결정해야 할 구절이나 사실을 지정하고 독자가 필요로 하는 결과를 정의하세요.
이미지가 관련 근거를 제공할 때 시각 입력은 과학, 제조, 코딩 작업을 뒷받침할 수 있습니다. 도표나 스크린샷을 제공하고 중요한 세부 사항을 지정하세요. 이미지 자체만으로 알 수 없는 정의나 조건도 추가하세요. developer 메시지를 통한 지시는 어조, 문체, 작업 동작을 지정할 수 있으며, 제조사는 답변 전에 수행할 작업량을 위한 추론 강도 제어도 문서화합니다.
OpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 입력, 내부 추론, 표시되는 출력은 컨텍스트 공간을 사용합니다. 유용한 근거를 중심으로 긴 요청을 준비하고, 분석과 최종 산출물을 위한 공간을 남겨 두세요. 작업에서 기대하는 답변 형식과 상세 수준을 명시해야 합니다.
정확한 모델 카드에는 Responses, Chat Completions, Assistants, Batch 인터페이스, 스트리밍, Structured Outputs, 함수 호출, 파일 입력 및 검색, 이미지 입력이 명시되어 있습니다. 도구 목록에는 함수, 파일 검색, MCP 연결이 포함됩니다. 애플리케이션은 작업을 노출하고 직접 실행한 뒤 실제 결과를 반환합니다. 구조화된 응답은 요청된 출력 필드를 설명하며, 함수 요청은 환경이 수행할 작업을 설명합니다.
완료 기준을 정의하고 원자료의 조건에 연결된 결과를 요청하세요. 비교에서는 제공된 사실, 선택된 접근법, 미해결 가정을 구분해 유지하도록 요청하세요. 변경 제안에서는 기대하는 동작과 이를 검증하는 데 필요한 근거를 지정하세요. 유용한 최종 산출물은 구체적인 설명, 계획, 코드 제안, 발견 사항 목록으로, 원래 자료에 대조해 검증하고 범위를 좁힌 후속 요청으로 개선할 수 있어야 합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 o1 | 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 $0.03 / 1K 토큰 출력 · 출력 토큰 $0.12 / 1K 토큰 입력 · 캐시 읽기 $0.015 / 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 $0.03 / 1K 토큰 출력 · 출력 토큰 $0.12 / 1K 토큰 입력 · 캐시 읽기 $0.015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"o1","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="o1", 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. |
/chat/completions
o1OpenAI의 o1 추론 모델은 텍스트와 이미지를 사용해 복잡한 문제를 검토합니다. 조건, 근거, 구체적인 최종 결과를 연결해야 하는 작업을 위해 함수 호출, Structured Outputs, developer 메시지를 통한 지시를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
o1은 복잡한 추론을 위해 강화 학습으로 훈련된 OpenAI의 o-series 모델입니다. 응답을 생성하기 전에 내부적으로 문제를 검토합니다. 모델은 텍스트와 이미지를 입력받아 텍스트를 반환합니다. 제조사의 개발자용 출시 문서는 여러 단계의 작업을 설명하며, API 모델의 함수 호출, Structured Outputs, developer 메시지, 시각 입력을 문서화합니다.
유용한 요청은 질문과 답변에 필요한 자료를 제공합니다. 예를 들어 두 가지 기술 접근법을 서로 연결된 여러 요구 사항에 대조해 비교한 뒤, 해당 요구 사항이 뒷받침하는 결론을 밝히는 작업이 있습니다. 코드에서는 의도한 동작과 관련 구현을 제공하세요. 문서에서는 답변을 결정해야 할 구절이나 사실을 지정하고 독자가 필요로 하는 결과를 정의하세요.
이미지가 관련 근거를 제공할 때 시각 입력은 과학, 제조, 코딩 작업을 뒷받침할 수 있습니다. 도표나 스크린샷을 제공하고 중요한 세부 사항을 지정하세요. 이미지 자체만으로 알 수 없는 정의나 조건도 추가하세요. developer 메시지를 통한 지시는 어조, 문체, 작업 동작을 지정할 수 있으며, 제조사는 답변 전에 수행할 작업량을 위한 추론 강도 제어도 문서화합니다.
OpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 입력, 내부 추론, 표시되는 출력은 컨텍스트 공간을 사용합니다. 유용한 근거를 중심으로 긴 요청을 준비하고, 분석과 최종 산출물을 위한 공간을 남겨 두세요. 작업에서 기대하는 답변 형식과 상세 수준을 명시해야 합니다.
정확한 모델 카드에는 Responses, Chat Completions, Assistants, Batch 인터페이스, 스트리밍, Structured Outputs, 함수 호출, 파일 입력 및 검색, 이미지 입력이 명시되어 있습니다. 도구 목록에는 함수, 파일 검색, MCP 연결이 포함됩니다. 애플리케이션은 작업을 노출하고 직접 실행한 뒤 실제 결과를 반환합니다. 구조화된 응답은 요청된 출력 필드를 설명하며, 함수 요청은 환경이 수행할 작업을 설명합니다.
완료 기준을 정의하고 원자료의 조건에 연결된 결과를 요청하세요. 비교에서는 제공된 사실, 선택된 접근법, 미해결 가정을 구분해 유지하도록 요청하세요. 변경 제안에서는 기대하는 동작과 이를 검증하는 데 필요한 근거를 지정하세요. 유용한 최종 산출물은 구체적인 설명, 계획, 코드 제안, 발견 사항 목록으로, 원래 자료에 대조해 검증하고 범위를 좁힌 후속 요청으로 개선할 수 있어야 합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 o1 | 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 $0.03 / 1K 토큰 출력 · 출력 토큰 $0.12 / 1K 토큰 입력 · 캐시 읽기 $0.015 / 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 $0.03 / 1K 토큰 출력 · 출력 토큰 $0.12 / 1K 토큰 입력 · 캐시 읽기 $0.015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "o1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'o1', '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': 'o1', '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. |
/chat/completions
openai/o1OpenAI의 o1 추론 모델은 텍스트와 이미지를 사용해 복잡한 문제를 검토합니다. 조건, 근거, 구체적인 최종 결과를 연결해야 하는 작업을 위해 함수 호출, Structured Outputs, developer 메시지를 통한 지시를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
o1은 복잡한 추론을 위해 강화 학습으로 훈련된 OpenAI의 o-series 모델입니다. 응답을 생성하기 전에 내부적으로 문제를 검토합니다. 모델은 텍스트와 이미지를 입력받아 텍스트를 반환합니다. 제조사의 개발자용 출시 문서는 여러 단계의 작업을 설명하며, API 모델의 함수 호출, Structured Outputs, developer 메시지, 시각 입력을 문서화합니다.
유용한 요청은 질문과 답변에 필요한 자료를 제공합니다. 예를 들어 두 가지 기술 접근법을 서로 연결된 여러 요구 사항에 대조해 비교한 뒤, 해당 요구 사항이 뒷받침하는 결론을 밝히는 작업이 있습니다. 코드에서는 의도한 동작과 관련 구현을 제공하세요. 문서에서는 답변을 결정해야 할 구절이나 사실을 지정하고 독자가 필요로 하는 결과를 정의하세요.
이미지가 관련 근거를 제공할 때 시각 입력은 과학, 제조, 코딩 작업을 뒷받침할 수 있습니다. 도표나 스크린샷을 제공하고 중요한 세부 사항을 지정하세요. 이미지 자체만으로 알 수 없는 정의나 조건도 추가하세요. developer 메시지를 통한 지시는 어조, 문체, 작업 동작을 지정할 수 있으며, 제조사는 답변 전에 수행할 작업량을 위한 추론 강도 제어도 문서화합니다.
OpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 입력, 내부 추론, 표시되는 출력은 컨텍스트 공간을 사용합니다. 유용한 근거를 중심으로 긴 요청을 준비하고, 분석과 최종 산출물을 위한 공간을 남겨 두세요. 작업에서 기대하는 답변 형식과 상세 수준을 명시해야 합니다.
정확한 모델 카드에는 Responses, Chat Completions, Assistants, Batch 인터페이스, 스트리밍, Structured Outputs, 함수 호출, 파일 입력 및 검색, 이미지 입력이 명시되어 있습니다. 도구 목록에는 함수, 파일 검색, MCP 연결이 포함됩니다. 애플리케이션은 작업을 노출하고 직접 실행한 뒤 실제 결과를 반환합니다. 구조화된 응답은 요청된 출력 필드를 설명하며, 함수 요청은 환경이 수행할 작업을 설명합니다.
완료 기준을 정의하고 원자료의 조건에 연결된 결과를 요청하세요. 비교에서는 제공된 사실, 선택된 접근법, 미해결 가정을 구분해 유지하도록 요청하세요. 변경 제안에서는 기대하는 동작과 이를 검증하는 데 필요한 근거를 지정하세요. 유용한 최종 산출물은 구체적인 설명, 계획, 코드 제안, 발견 사항 목록으로, 원래 자료에 대조해 검증하고 범위를 좁힌 후속 요청으로 개선할 수 있어야 합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/o1 | 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 $0.03 / 1K 토큰 출력 · 출력 토큰 $0.12 / 1K 토큰 입력 · 캐시 읽기 $0.015 / 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 $0.03 / 1K 토큰 출력 · 출력 토큰 $0.12 / 1K 토큰 입력 · 캐시 읽기 $0.015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/o1", "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',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',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. |
/chat/completions
openai/o1OpenAI의 o1 추론 모델은 텍스트와 이미지를 사용해 복잡한 문제를 검토합니다. 조건, 근거, 구체적인 최종 결과를 연결해야 하는 작업을 위해 함수 호출, Structured Outputs, developer 메시지를 통한 지시를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
o1은 복잡한 추론을 위해 강화 학습으로 훈련된 OpenAI의 o-series 모델입니다. 응답을 생성하기 전에 내부적으로 문제를 검토합니다. 모델은 텍스트와 이미지를 입력받아 텍스트를 반환합니다. 제조사의 개발자용 출시 문서는 여러 단계의 작업을 설명하며, API 모델의 함수 호출, Structured Outputs, developer 메시지, 시각 입력을 문서화합니다.
유용한 요청은 질문과 답변에 필요한 자료를 제공합니다. 예를 들어 두 가지 기술 접근법을 서로 연결된 여러 요구 사항에 대조해 비교한 뒤, 해당 요구 사항이 뒷받침하는 결론을 밝히는 작업이 있습니다. 코드에서는 의도한 동작과 관련 구현을 제공하세요. 문서에서는 답변을 결정해야 할 구절이나 사실을 지정하고 독자가 필요로 하는 결과를 정의하세요.
이미지가 관련 근거를 제공할 때 시각 입력은 과학, 제조, 코딩 작업을 뒷받침할 수 있습니다. 도표나 스크린샷을 제공하고 중요한 세부 사항을 지정하세요. 이미지 자체만으로 알 수 없는 정의나 조건도 추가하세요. developer 메시지를 통한 지시는 어조, 문체, 작업 동작을 지정할 수 있으며, 제조사는 답변 전에 수행할 작업량을 위한 추론 강도 제어도 문서화합니다.
OpenAI는 200,000토큰의 컨텍스트 창, 최대 100,000토큰의 출력, 2023년 10월 1일의 지식 기준일을 명시합니다. 입력, 내부 추론, 표시되는 출력은 컨텍스트 공간을 사용합니다. 유용한 근거를 중심으로 긴 요청을 준비하고, 분석과 최종 산출물을 위한 공간을 남겨 두세요. 작업에서 기대하는 답변 형식과 상세 수준을 명시해야 합니다.
정확한 모델 카드에는 Responses, Chat Completions, Assistants, Batch 인터페이스, 스트리밍, Structured Outputs, 함수 호출, 파일 입력 및 검색, 이미지 입력이 명시되어 있습니다. 도구 목록에는 함수, 파일 검색, MCP 연결이 포함됩니다. 애플리케이션은 작업을 노출하고 직접 실행한 뒤 실제 결과를 반환합니다. 구조화된 응답은 요청된 출력 필드를 설명하며, 함수 요청은 환경이 수행할 작업을 설명합니다.
완료 기준을 정의하고 원자료의 조건에 연결된 결과를 요청하세요. 비교에서는 제공된 사실, 선택된 접근법, 미해결 가정을 구분해 유지하도록 요청하세요. 변경 제안에서는 기대하는 동작과 이를 검증하는 데 필요한 근거를 지정하세요. 유용한 최종 산출물은 구체적인 설명, 계획, 코드 제안, 발견 사항 목록으로, 원래 자료에 대조해 검증하고 범위를 좁힌 후속 요청으로 개선할 수 있어야 합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/o1 | 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 $0.03 / 1K 토큰 출력 · 출력 토큰 $0.12 / 1K 토큰 입력 · 캐시 읽기 $0.015 / 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 $0.03 / 1K 토큰 출력 · 출력 토큰 $0.12 / 1K 토큰 입력 · 캐시 읽기 $0.015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "openai/o1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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. |
/chat/completions
영어 기술 예제
Compare two backup approaches\n\nCompare these backup options against three requirements: daily recovery point, recovery within two hours and an independent copy. [A] Nightly backup to the same disk; restore test took one hour. [B] Weekly backup to another device; restore test took 90 minutes. Identify satisfied and unmet requirements and whether either option alone meets all three.A three-requirement matrix and a conclusion distinguishing recorded test results from unsatisfied conditions.Verify same-disk backup does not satisfy the independent-copy rule and weekly backup does not satisfy daily recovery.