GPT-5.3 Chat mengenal pasti snapshot GPT-5.3 Instant yang dikaitkan dengan ChatGPT. OpenAI menerangkan kemas kini Instant ini berdasarkan mutu perbualan harian: kerelevanan, jawapan yang berguna dan aliran yang lebih lancar. Model ini menerima teks dan imej serta menghasilkan teks, sambil mengekalkan identiti yang berfokus pada sembang secara berasingan daripada varian GPT-5.3 lain.
Keluaran ini terlebih dahulu membincangkan pertimbangan ketika memberikan respons. OpenAI melaporkan lebih sedikit penolakan yang tidak perlu dan lebih sedikit pengenalan bersifat defensif atau menggurui sebelum jawapan. Tingkah laku yang dikehendaki ialah memberikan respons secara langsung apabila jawapan yang berguna sesuai diberikan dan kekal berfokus pada soalan. Dalam pembantu praktikal, hal ini menyokong penjelasan serta respons berfokuskan tugas tanpa menjadikan setiap permintaan sebagai mukadimah panjang.
Apabila maklumat web tersedia kepada produk yang melingkungi model, keluaran itu menekankan sintesis dan bukannya senarai halaman yang diperoleh dengan perkaitan yang longgar. GPT-5.3 Instant diterangkan sebagai model yang menggabungkan dapatan dalam talian dengan pemahaman sedia ada, mengenal pasti perkara utama dan menambahkan konteks. Ini ialah huraian tentang cara model mengendalikan maklumat yang diberikan atau diperoleh melalui carian; aplikasi menentukan alat carian serta bahan sumber yang tersedia.
Gaya perbualan dan penulisan ialah bidang kemas kini yang berasingan. OpenAI menerangkan nada yang lebih terfokus dan semula jadi serta julat yang lebih luas dalam prosa ekspresif, daripada mendraf fiksyen hingga memperhalus petikan atau mengembangkan idea. Usaha berkaitan ketepatan fakta turut dilaporkan mengurangkan halusinasi merentas pelbagai topik. Keluaran itu menyampaikan perkara ini sebagai penambahbaikan tingkah laku respons model merentas tugas berasaskan fakta dan kreatif.
Keluaran itu merekodkan batasan bahasa yang konkrit: dalam sesetengah bahasa, termasuk bahasa Jepun dan Korea, gaya respons boleh kekal kaku atau terlalu harfiah. Nada dan penggunaan bahasa yang semula jadi terus menjadi bidang pembangunan. Bagi kerja berbilang bahasa, kenal pasti khalayak, istilah dan laras bahasa yang dikehendaki secara jelas; tugas penulisan boleh membezakan kandungan fakta yang perlu dikekalkan daripada pilihan ekspresi yang perlu disemak.
Spesifikasi model menyenaraikan tetingkap konteks 128000 token, sehingga 16384 token output dan had pengetahuan 31 Ogos 2025. Teks serta imej disokong sebagai input, dan teks ialah output. Penstriman, panggilan fungsi dan Structured Outputs disokong, manakala input audio serta video, fine-tuning dan Predicted Outputs bukan sebahagian daripada konfigurasi yang diterbitkan.
Panggilan fungsi membolehkan aplikasi yang disambungkan menyediakan tindakan dan data: model memilih fungsi serta memberikan argumen, aplikasi melaksanakannya dan mengembalikan hasil. Output berstruktur menyusun respons itu sendiri kepada medan yang dipersetujui. Tangkapan skrin, rajah atau imej dokumen boleh menambahkan konteks visual kepada soalan teks, dengan sumber yang boleh dibaca dan pengenalpastian butiran relevan yang jelas membantu tafsiran.
Bagi pembantu yang menggunakan Ailoot API, takrifkan artifak yang diperlukan: jawapan ringkas, dokumen yang disemak, penjelasan visual atau set fakta berstruktur. Berikan bahan asal dan keperluan yang perlu membentuk hasilnya. Label sembang Instant kekal dinyatakan secara jelas, dan mesej susulan boleh memperhalus nada, fokus atau struktur sambil mengekalkan bahan sumber serta keperluan asal supaya kelihatan.
", "aboutText": "GPT-5.3 Chat mengenal pasti snapshot GPT-5.3 Instant yang dikaitkan dengan ChatGPT. OpenAI menerangkan kemas kini Instant ini berdasarkan mutu perbualan harian: kerelevanan, jawapan yang berguna dan aliran yang lebih lancar. Model ini menerima teks dan imej serta menghasilkan teks, sambil mengekalkan identiti yang berfokus pada sembang secara berasingan daripada varian GPT-5.3 lain.\n\nKeluaran ini terlebih dahulu membincangkan pertimbangan ketika memberikan respons. OpenAI melaporkan lebih sedikit penolakan yang tidak perlu dan lebih sedikit pengenalan bersifat defensif atau menggurui sebelum jawapan. Tingkah laku yang dikehendaki ialah memberikan respons secara langsung apabila jawapan yang berguna sesuai diberikan dan kekal berfokus pada soalan. Dalam pembantu praktikal, hal ini menyokong penjelasan serta respons berfokuskan tugas tanpa menjadikan setiap permintaan sebagai mukadimah panjang.\n\nApabila maklumat web tersedia kepada produk yang melingkungi model, keluaran itu menekankan sintesis dan bukannya senarai halaman yang diperoleh dengan perkaitan yang longgar. GPT-5.3 Instant diterangkan sebagai model yang menggabungkan dapatan dalam talian dengan pemahaman sedia ada, mengenal pasti perkara utama dan menambahkan konteks. Ini ialah huraian tentang cara model mengendalikan maklumat yang diberikan atau diperoleh melalui carian; aplikasi menentukan alat carian serta bahan sumber yang tersedia.\n\nGaya perbualan dan penulisan ialah bidang kemas kini yang berasingan. OpenAI menerangkan nada yang lebih terfokus dan semula jadi serta julat yang lebih luas dalam prosa ekspresif, daripada mendraf fiksyen hingga memperhalus petikan atau mengembangkan idea. Usaha berkaitan ketepatan fakta turut dilaporkan mengurangkan halusinasi merentas pelbagai topik. Keluaran itu menyampaikan perkara ini sebagai penambahbaikan tingkah laku respons model merentas tugas berasaskan fakta dan kreatif.\n\nKeluaran itu merekodkan batasan bahasa yang konkrit: dalam sesetengah bahasa, termasuk bahasa Jepun dan Korea, gaya respons boleh kekal kaku atau terlalu harfiah. Nada dan penggunaan bahasa yang semula jadi terus menjadi bidang pembangunan. Bagi kerja berbilang bahasa, kenal pasti khalayak, istilah dan laras bahasa yang dikehendaki secara jelas; tugas penulisan boleh membezakan kandungan fakta yang perlu dikekalkan daripada pilihan ekspresi yang perlu disemak.\n\nSpesifikasi model menyenaraikan tetingkap konteks 128000 token, sehingga 16384 token output dan had pengetahuan 31 Ogos 2025. Teks serta imej disokong sebagai input, dan teks ialah output. Penstriman, panggilan fungsi dan Structured Outputs disokong, manakala input audio serta video, fine-tuning dan Predicted Outputs bukan sebahagian daripada konfigurasi yang diterbitkan.\n\nPanggilan fungsi membolehkan aplikasi yang disambungkan menyediakan tindakan dan data: model memilih fungsi serta memberikan argumen, aplikasi melaksanakannya dan mengembalikan hasil. Output berstruktur menyusun respons itu sendiri kepada medan yang dipersetujui. Tangkapan skrin, rajah atau imej dokumen boleh menambahkan konteks visual kepada soalan teks, dengan sumber yang boleh dibaca dan pengenalpastian butiran relevan yang jelas membantu tafsiran.\n\nBagi pembantu yang menggunakan Ailoot API, takrifkan artifak yang diperlukan: jawapan ringkas, dokumen yang disemak, penjelasan visual atau set fakta berstruktur. Berikan bahan asal dan keperluan yang perlu membentuk hasilnya. Label sembang Instant kekal dinyatakan secara jelas, dan mesej susulan boleh memperhalus nada, fokus atau struktur sambil mengekalkan bahan sumber serta keperluan asal supaya kelihatan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
A natural follow-up message\n\nDraft a friendly follow-up to a colleague who missed a planning meeting. Facts: we chose the blue packaging sample, kept the existing launch date, and need their feedback on the label by Thursday. Use about 60 words, with a direct opening and one clear request. Keep the tone warm without inventing a reason for their absence.One concise message containing the two decisions and the Thursday feedback request.The launch date stays unchanged, and no explanation of the colleague's absence is invented.gpt-5.3-chat-latestGPT-5.3 Chat ialah varian GPT-5.3 Instant OpenAI untuk respons teks perbualan secara langsung yang memanfaatkan imej. Model ini menumpukan kerelevanan, ketepatan fakta dan penulisan yang lebih baik, dengan panggilan fungsi, output berstruktur serta konteks 128000 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.3 Chat mengenal pasti snapshot GPT-5.3 Instant yang dikaitkan dengan ChatGPT. OpenAI menerangkan kemas kini Instant ini berdasarkan mutu perbualan harian: kerelevanan, jawapan yang berguna dan aliran yang lebih lancar. Model ini menerima teks dan imej serta menghasilkan teks, sambil mengekalkan identiti yang berfokus pada sembang secara berasingan daripada varian GPT-5.3 lain.
Keluaran ini terlebih dahulu membincangkan pertimbangan ketika memberikan respons. OpenAI melaporkan lebih sedikit penolakan yang tidak perlu dan lebih sedikit pengenalan bersifat defensif atau menggurui sebelum jawapan. Tingkah laku yang dikehendaki ialah memberikan respons secara langsung apabila jawapan yang berguna sesuai diberikan dan kekal berfokus pada soalan. Dalam pembantu praktikal, hal ini menyokong penjelasan serta respons berfokuskan tugas tanpa menjadikan setiap permintaan sebagai mukadimah panjang.
Apabila maklumat web tersedia kepada produk yang melingkungi model, keluaran itu menekankan sintesis dan bukannya senarai halaman yang diperoleh dengan perkaitan yang longgar. GPT-5.3 Instant diterangkan sebagai model yang menggabungkan dapatan dalam talian dengan pemahaman sedia ada, mengenal pasti perkara utama dan menambahkan konteks. Ini ialah huraian tentang cara model mengendalikan maklumat yang diberikan atau diperoleh melalui carian; aplikasi menentukan alat carian serta bahan sumber yang tersedia.
Gaya perbualan dan penulisan ialah bidang kemas kini yang berasingan. OpenAI menerangkan nada yang lebih terfokus dan semula jadi serta julat yang lebih luas dalam prosa ekspresif, daripada mendraf fiksyen hingga memperhalus petikan atau mengembangkan idea. Usaha berkaitan ketepatan fakta turut dilaporkan mengurangkan halusinasi merentas pelbagai topik. Keluaran itu menyampaikan perkara ini sebagai penambahbaikan tingkah laku respons model merentas tugas berasaskan fakta dan kreatif.
Keluaran itu merekodkan batasan bahasa yang konkrit: dalam sesetengah bahasa, termasuk bahasa Jepun dan Korea, gaya respons boleh kekal kaku atau terlalu harfiah. Nada dan penggunaan bahasa yang semula jadi terus menjadi bidang pembangunan. Bagi kerja berbilang bahasa, kenal pasti khalayak, istilah dan laras bahasa yang dikehendaki secara jelas; tugas penulisan boleh membezakan kandungan fakta yang perlu dikekalkan daripada pilihan ekspresi yang perlu disemak.
Spesifikasi model menyenaraikan tetingkap konteks 128000 token, sehingga 16384 token output dan had pengetahuan 31 Ogos 2025. Teks serta imej disokong sebagai input, dan teks ialah output. Penstriman, panggilan fungsi dan Structured Outputs disokong, manakala input audio serta video, fine-tuning dan Predicted Outputs bukan sebahagian daripada konfigurasi yang diterbitkan.
Panggilan fungsi membolehkan aplikasi yang disambungkan menyediakan tindakan dan data: model memilih fungsi serta memberikan argumen, aplikasi melaksanakannya dan mengembalikan hasil. Output berstruktur menyusun respons itu sendiri kepada medan yang dipersetujui. Tangkapan skrin, rajah atau imej dokumen boleh menambahkan konteks visual kepada soalan teks, dengan sumber yang boleh dibaca dan pengenalpastian butiran relevan yang jelas membantu tafsiran.
Bagi pembantu yang menggunakan Ailoot API, takrifkan artifak yang diperlukan: jawapan ringkas, dokumen yang disemak, penjelasan visual atau set fakta berstruktur. Berikan bahan asal dan keperluan yang perlu membentuk hasilnya. Label sembang Instant kekal dinyatakan secara jelas, dan mesej susulan boleh memperhalus nada, fokus atau struktur sambil mengekalkan bahan sumber serta keperluan asal supaya kelihatan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.3-chat-latest | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0035 / 1K token Output · Token output $0.028 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5.3-chat-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-5.3-chat-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-5.3-chat-latest',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.3-chat-latest
Gunakan laluan kaedah yang dipaparkan di atas.
gpt-5.3-chat-latestGPT-5.3 Chat ialah varian GPT-5.3 Instant OpenAI untuk respons teks perbualan secara langsung yang memanfaatkan imej. Model ini menumpukan kerelevanan, ketepatan fakta dan penulisan yang lebih baik, dengan panggilan fungsi, output berstruktur serta konteks 128000 token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.3 Chat mengenal pasti snapshot GPT-5.3 Instant yang dikaitkan dengan ChatGPT. OpenAI menerangkan kemas kini Instant ini berdasarkan mutu perbualan harian: kerelevanan, jawapan yang berguna dan aliran yang lebih lancar. Model ini menerima teks dan imej serta menghasilkan teks, sambil mengekalkan identiti yang berfokus pada sembang secara berasingan daripada varian GPT-5.3 lain.
Keluaran ini terlebih dahulu membincangkan pertimbangan ketika memberikan respons. OpenAI melaporkan lebih sedikit penolakan yang tidak perlu dan lebih sedikit pengenalan bersifat defensif atau menggurui sebelum jawapan. Tingkah laku yang dikehendaki ialah memberikan respons secara langsung apabila jawapan yang berguna sesuai diberikan dan kekal berfokus pada soalan. Dalam pembantu praktikal, hal ini menyokong penjelasan serta respons berfokuskan tugas tanpa menjadikan setiap permintaan sebagai mukadimah panjang.
Apabila maklumat web tersedia kepada produk yang melingkungi model, keluaran itu menekankan sintesis dan bukannya senarai halaman yang diperoleh dengan perkaitan yang longgar. GPT-5.3 Instant diterangkan sebagai model yang menggabungkan dapatan dalam talian dengan pemahaman sedia ada, mengenal pasti perkara utama dan menambahkan konteks. Ini ialah huraian tentang cara model mengendalikan maklumat yang diberikan atau diperoleh melalui carian; aplikasi menentukan alat carian serta bahan sumber yang tersedia.
Gaya perbualan dan penulisan ialah bidang kemas kini yang berasingan. OpenAI menerangkan nada yang lebih terfokus dan semula jadi serta julat yang lebih luas dalam prosa ekspresif, daripada mendraf fiksyen hingga memperhalus petikan atau mengembangkan idea. Usaha berkaitan ketepatan fakta turut dilaporkan mengurangkan halusinasi merentas pelbagai topik. Keluaran itu menyampaikan perkara ini sebagai penambahbaikan tingkah laku respons model merentas tugas berasaskan fakta dan kreatif.
Keluaran itu merekodkan batasan bahasa yang konkrit: dalam sesetengah bahasa, termasuk bahasa Jepun dan Korea, gaya respons boleh kekal kaku atau terlalu harfiah. Nada dan penggunaan bahasa yang semula jadi terus menjadi bidang pembangunan. Bagi kerja berbilang bahasa, kenal pasti khalayak, istilah dan laras bahasa yang dikehendaki secara jelas; tugas penulisan boleh membezakan kandungan fakta yang perlu dikekalkan daripada pilihan ekspresi yang perlu disemak.
Spesifikasi model menyenaraikan tetingkap konteks 128000 token, sehingga 16384 token output dan had pengetahuan 31 Ogos 2025. Teks serta imej disokong sebagai input, dan teks ialah output. Penstriman, panggilan fungsi dan Structured Outputs disokong, manakala input audio serta video, fine-tuning dan Predicted Outputs bukan sebahagian daripada konfigurasi yang diterbitkan.
Panggilan fungsi membolehkan aplikasi yang disambungkan menyediakan tindakan dan data: model memilih fungsi serta memberikan argumen, aplikasi melaksanakannya dan mengembalikan hasil. Output berstruktur menyusun respons itu sendiri kepada medan yang dipersetujui. Tangkapan skrin, rajah atau imej dokumen boleh menambahkan konteks visual kepada soalan teks, dengan sumber yang boleh dibaca dan pengenalpastian butiran relevan yang jelas membantu tafsiran.
Bagi pembantu yang menggunakan Ailoot API, takrifkan artifak yang diperlukan: jawapan ringkas, dokumen yang disemak, penjelasan visual atau set fakta berstruktur. Berikan bahan asal dan keperluan yang perlu membentuk hasilnya. Label sembang Instant kekal dinyatakan secara jelas, dan mesej susulan boleh memperhalus nada, fokus atau struktur sambil mengekalkan bahan sumber serta keperluan asal supaya kelihatan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.3-chat-latest | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0035 / 1K token Output · Token output $0.028 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-5.3-chat-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.3-chat-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.3-chat-latest', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.3-chat-latest
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
A natural follow-up message\n\nDraft a friendly follow-up to a colleague who missed a planning meeting. Facts: we chose the blue packaging sample, kept the existing launch date, and need their feedback on the label by Thursday. Use about 60 words, with a direct opening and one clear request. Keep the tone warm without inventing a reason for their absence.One concise message containing the two decisions and the Thursday feedback request.The launch date stays unchanged, and no explanation of the colleague's absence is invented.