GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
", "aboutText": "### Penyelidikan, pembangunan dan penciptaan dokumen\n\nGPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.\n\nMenurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.\n\n### Penaakulan sebagai sebahagian daripada kerja\n\nTahap yang disokong ialah `low`, `medium`, `high`, `xhigh` dan `max`. Penaakulan tidak boleh dimatikan melalui `none`. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.\n\nOpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk `Responses` dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.\n\nKeluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.\n\n### Bahan teks dan visual\n\nModel menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.\n\nImej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.\n\n### Beberapa tindakan dalam satu tugasan\n\nSet keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. `Responses` digunakan untuk panggilan alat; `Chat Completions` menyokong pertukaran teks tanpa alat.\n\nDengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.\n\nDokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.\n\n### Bentuk hasil dan konteks berulang\n\nOutput berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.\n\nCaching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Prepare a source-backed decision memo\n\nPrepare a one-page decision memo from these findings. F1: The legacy system exports CSV but has no audit log. F2: The replacement imports CSV and records changes. F3: A pilot imported 40 of 50 records; 10 failed because owner_id was missing. Recommend the next migration step, define acceptance criteria and preserve what the pilot has actually proved.A memo with recommendation, evidence references, unresolved data issue and acceptance criteria for a later full migration.Check that the 40-record result is not reported as a completed 50-record migration and that missing owner_id remains a blocker.gpt-6-astraGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/messagestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-6-astra | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring|content_block[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medansystem | Jenisstring|content_block[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had Minimum: 1 Had terpakai pada: had maksimum tepat bagi model/kad yang dipilih | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop_sequences | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].name | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: alat dibekalkan | Lalai— |
Medantools[].description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].input_schema | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.type | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.budget_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanoutput_config.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmetadata | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medancache_control | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + imej
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/messages| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 272,000] | InputUSD 0.01 | OutputUSD 0.05 | Bacaan cacheUSD 0.001 | Penulisan cacheUSD 0.0125 | Cache 5 minitUSD 0.0125 | Cache 1 jamAsas: — |
| Saiz permintaan, token(272,000; ∞) | InputUSD 0.02 | OutputUSD 0.075 | Bacaan cacheUSD 0.002 | Penulisan cacheUSD 0.025 | Cache 5 minitUSD 0.025 | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt-6-astra",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt-6-astra",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gpt-6-astra',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/responsestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-6-astra | Lalai— |
Medaninput | Jenisstring|input_item[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].type | Jenisstring | KeperluanPilihan | Nilai & had message, reasoning, function_call, function_call_output | Lalai— |
Medaninput[].content | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output; kekalkan call_id sebenar yang dipulangkan | Lalai— |
Medaninput[].output | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output | Lalai— |
Medanmax_output_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.summary | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.verbosity | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninclude | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstore | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprevious_response_id | Jenisstring | KeperluanPilihan | Nilai & had Keperluan ID: Hanya ID respons sebenar daripada penerusan yang disokong Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_key | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
Teks input atau bahagian input_text
Teks + imej
{type:input_image,image_url}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/responses| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 272,000] | InputUSD 0.01 | OutputUSD 0.05 | Bacaan cacheUSD 0.001 | Penulisan cacheUSD 0.0125 | Cache 5 minitUSD 0.0125 | Cache 1 jamAsas: — |
| Saiz permintaan, token(272,000; ∞) | InputUSD 0.02 | OutputUSD 0.075 | Bacaan cacheUSD 0.002 | Penulisan cacheUSD 0.025 | Cache 5 minitUSD 0.025 | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="gpt-6-astra", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt-6-astra", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="gpt-6-astra", input="Explain the difference between an observation and a hypothesis 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_response()\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 item output dan bahagian kandungan, call_id fungsi sebenar, penaakulan disulitkan serta data penggunaan. Semasa penstriman, kekalkan identiti peristiwa/item yang lengkap.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanstatus | Jenisstring |
Medanoutput[] | Jenismessage|reasoning|function_call|other item |
Medanoutput[].content[] | Jeniscontent part |
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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/chat/completionstext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-6-astra | 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 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— |
Teks · Teks UTF8
messages[].content
Teks + imej
{type:image_url,image_url:{url,detail}}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/chat/completions| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 272,000] | InputUSD 0.01 | OutputUSD 0.05 | Bacaan cacheUSD 0.001 | Penulisan cacheUSD 0.0125 | Cache 5 minitUSD 0.0125 | Cache 1 jamAsas: — |
| Saiz permintaan, token(272,000; ∞) | InputUSD 0.02 | OutputUSD 0.075 | Bacaan cacheUSD 0.002 | Penulisan cacheUSD 0.025 | Cache 5 minitUSD 0.025 | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-6-astra", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="gpt-6-astra",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt-6-astra",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-6-astra',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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-6-astra | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
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 |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-6-astra","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-6-astra", 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 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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-6-astra | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-6-astra",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-6-astra', '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-6-astra', '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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gptGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/messagestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring|content_block[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medansystem | Jenisstring|content_block[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had Minimum: 1 Had terpakai pada: had maksimum tepat bagi model/kad yang dipilih | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop_sequences | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].name | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: alat dibekalkan | Lalai— |
Medantools[].description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].input_schema | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.type | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.budget_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanoutput_config.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmetadata | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medancache_control | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + imej
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/messages| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 272,000] | InputUSD 0.01 | OutputUSD 0.05 | Bacaan cacheUSD 0.001 | Penulisan cacheUSD 0.0125 | Cache 5 minitUSD 0.0125 | Cache 1 jamAsas: — |
| Saiz permintaan, token(272,000; ∞) | InputUSD 0.02 | OutputUSD 0.075 | Bacaan cacheUSD 0.002 | Penulisan cacheUSD 0.025 | Cache 5 minitUSD 0.025 | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gpt',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gptGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/responsestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt | Lalai— |
Medaninput | Jenisstring|input_item[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].type | Jenisstring | KeperluanPilihan | Nilai & had message, reasoning, function_call, function_call_output | Lalai— |
Medaninput[].content | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output; kekalkan call_id sebenar yang dipulangkan | Lalai— |
Medaninput[].output | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output | Lalai— |
Medanmax_output_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.summary | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.verbosity | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninclude | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstore | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprevious_response_id | Jenisstring | KeperluanPilihan | Nilai & had Keperluan ID: Hanya ID respons sebenar daripada penerusan yang disokong Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_key | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
Teks input atau bahagian input_text
Teks + imej
{type:input_image,image_url}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/responses| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 272,000] | InputUSD 0.01 | OutputUSD 0.05 | Bacaan cacheUSD 0.001 | Penulisan cacheUSD 0.0125 | Cache 5 minitUSD 0.0125 | Cache 1 jamAsas: — |
| Saiz permintaan, token(272,000; ∞) | InputUSD 0.02 | OutputUSD 0.075 | Bacaan cacheUSD 0.002 | Penulisan cacheUSD 0.025 | Cache 5 minitUSD 0.025 | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="gpt", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="gpt", input="Explain the difference between an observation and a hypothesis 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_response()\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 item output dan bahagian kandungan, call_id fungsi sebenar, penaakulan disulitkan serta data penggunaan. Semasa penstriman, kekalkan identiti peristiwa/item yang lengkap.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanstatus | Jenisstring |
Medanoutput[] | Jenismessage|reasoning|function_call|other item |
Medanoutput[].content[] | Jeniscontent part |
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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gptGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/chat/completionstext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt | 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 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— |
Teks · Teks UTF8
messages[].content
Teks + imej
{type:image_url,image_url:{url,detail}}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/chat/completions| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 272,000] | InputUSD 0.01 | OutputUSD 0.05 | Bacaan cacheUSD 0.001 | Penulisan cacheUSD 0.0125 | Cache 5 minitUSD 0.0125 | Cache 1 jamAsas: — |
| Saiz permintaan, token(272,000; ∞) | InputUSD 0.02 | OutputUSD 0.075 | Bacaan cacheUSD 0.002 | Penulisan cacheUSD 0.025 | Cache 5 minitUSD 0.025 | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="gpt",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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',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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-latestGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/messagestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-latest | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring|content_block[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medansystem | Jenisstring|content_block[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had Minimum: 1 Had terpakai pada: had maksimum tepat bagi model/kad yang dipilih | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop_sequences | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].name | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: alat dibekalkan | Lalai— |
Medantools[].description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].input_schema | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.type | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.budget_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanoutput_config.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmetadata | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medancache_control | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + imej
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/messages| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 272,000] | InputUSD 0.01 | OutputUSD 0.05 | Bacaan cacheUSD 0.001 | Penulisan cacheUSD 0.0125 | Cache 5 minitUSD 0.0125 | Cache 1 jamAsas: — |
| Saiz permintaan, token(272,000; ∞) | InputUSD 0.02 | OutputUSD 0.075 | Bacaan cacheUSD 0.002 | Penulisan cacheUSD 0.025 | Cache 5 minitUSD 0.025 | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gpt-latest",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gpt-latest",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gpt-latest',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-latestGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/responsestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-latest | Lalai— |
Medaninput | Jenisstring|input_item[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].type | Jenisstring | KeperluanPilihan | Nilai & had message, reasoning, function_call, function_call_output | Lalai— |
Medaninput[].content | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output; kekalkan call_id sebenar yang dipulangkan | Lalai— |
Medaninput[].output | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output | Lalai— |
Medanmax_output_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.summary | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.verbosity | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninclude | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstore | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprevious_response_id | Jenisstring | KeperluanPilihan | Nilai & had Keperluan ID: Hanya ID respons sebenar daripada penerusan yang disokong Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_key | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
Teks input atau bahagian input_text
Teks + imej
{type:input_image,image_url}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/responses| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 272,000] | InputUSD 0.01 | OutputUSD 0.05 | Bacaan cacheUSD 0.001 | Penulisan cacheUSD 0.0125 | Cache 5 minitUSD 0.0125 | Cache 1 jamAsas: — |
| Saiz permintaan, token(272,000; ∞) | InputUSD 0.02 | OutputUSD 0.075 | Bacaan cacheUSD 0.002 | Penulisan cacheUSD 0.025 | Cache 5 minitUSD 0.025 | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]="Summarize this material and quote supporting source passages.\\n\\n"+text\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["input"][0]["content"].append({"type":"input_image","image_url":"data:"+mime+";base64,"+b64})\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/responses \\\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 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(json.loads(Path("result.json").read_text(encoding="utf-8")))\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)\nresp = client.responses.create(model="gpt-latest", input="Explain the difference between an observation and a hypothesis 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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.responses.create({ model: "gpt-latest", input: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\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\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)\nwith client.responses.stream(model="gpt-latest", input="Explain the difference between an observation and a hypothesis 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_response()\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 item output dan bahagian kandungan, call_id fungsi sebenar, penaakulan disulitkan serta data penggunaan. Semasa penstriman, kekalkan identiti peristiwa/item yang lengkap.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanstatus | Jenisstring |
Medanoutput[] | Jenismessage|reasoning|function_call|other item |
Medanoutput[].content[] | Jeniscontent part |
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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-latestGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/chat/completionstext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-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 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— |
Teks · Teks UTF8
messages[].content
Teks + imej
{type:image_url,image_url:{url,detail}}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/chat/completions| Saiz permintaan, token | Input | Output | Bacaan cache | Penulisan cache | Cache 5 minit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Saiz permintaan, token(0; 272,000] | InputUSD 0.01 | OutputUSD 0.05 | Bacaan cacheUSD 0.001 | Penulisan cacheUSD 0.0125 | Cache 5 minitUSD 0.0125 | Cache 1 jamAsas: — |
| Saiz permintaan, token(272,000; ∞) | InputUSD 0.02 | OutputUSD 0.075 | Bacaan cacheUSD 0.002 | Penulisan cacheUSD 0.025 | Cache 5 minitUSD 0.025 | Cache 1 jamAsas: — |
Kadar dalam USD setiap 1K token. Jika tiada kadar ditetapkan, kadar asas kaedah ini diwarisi; «—» bermaksud tiada kadar asas ditetapkan.
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 →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Responses · Tahap 2 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-latest", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="gpt-latest",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gpt-latest",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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-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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
gpt-6-astraGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/responsestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-6-astra | Lalai— |
Medaninput | Jenisstring|input_item[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].type | Jenisstring | KeperluanPilihan | Nilai & had message, reasoning, function_call, function_call_output | Lalai— |
Medaninput[].content | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output; kekalkan call_id sebenar yang dipulangkan | Lalai— |
Medaninput[].output | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output | Lalai— |
Medanmax_output_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.summary | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.verbosity | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninclude | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstore | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprevious_response_id | Jenisstring | KeperluanTidak disokong | Nilai & had Keperluan ID: Hanya ID respons sebenar daripada penerusan yang disokong Syarat: Sertakan semula sejarah perbualan sebenar dengan setiap permintaan. | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_key | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
input text or input_text part
Teks + imej
{type:input_image,image_url}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: exact retained published method
Hantar ID model yang tepat dan medan wajib.
Simpan setiap item yang dikembalikan dan pengecam asalnya.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-6-astra",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${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-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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/responses \\\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\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-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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 = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', 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 or SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap item output dan bahagian kandungan, call_id fungsi sebenar, penaakulan disulitkan serta data penggunaan. Semasa penstriman, kekalkan identiti peristiwa/item yang lengkap.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanstatus | Jenisstring |
Medanoutput[] | Jenismessage|reasoning|function_call|other item |
Medanoutput[].content[] | Jeniscontent part |
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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
openai/gpt-6-astraGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-6-astra | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-6-astra", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-6-astra',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-6-astra',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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
openai/gpt-6-astraGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/messagestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-6-astra | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring|content_block[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medansystem | Jenisstring|content_block[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had Minimum: 1 Had terpakai pada: had maksimum tepat bagi model/kad yang dipilih | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop_sequences | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].name | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: alat dibekalkan | Lalai— |
Medantools[].description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].input_schema | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.type | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.budget_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanoutput_config.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmetadata | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medancache_control | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + imej
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: exact retained published method
Hantar ID model yang tepat dan medan wajib.
Simpan setiap item yang dikembalikan dan pengecam asalnya.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-6-astra",\n "max_tokens": 4096,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'max_tokens': 4096, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'max_tokens': 4096, '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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
openai/gpt-6-astraGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/responsestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-6-astra | Lalai— |
Medaninput | Jenisstring|input_item[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].type | Jenisstring | KeperluanPilihan | Nilai & had message, reasoning, function_call, function_call_output | Lalai— |
Medaninput[].content | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output; kekalkan call_id sebenar yang dipulangkan | Lalai— |
Medaninput[].output | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output | Lalai— |
Medanmax_output_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.summary | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.verbosity | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninclude | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstore | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprevious_response_id | Jenisstring | KeperluanTidak disokong | Nilai & had Keperluan ID: Hanya ID respons sebenar daripada penerusan yang disokong Syarat: Sertakan semula sejarah perbualan sebenar dengan setiap permintaan. | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_key | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
Teks input atau bahagian input_text
Teks + imej
{type:input_image,image_url}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: exact retained published method
Hantar ID model yang tepat dan medan wajib.
Simpan setiap item yang dikembalikan dan pengecam asalnya.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-6-astra",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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/responses \\\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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-6-astra', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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 = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', 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 setiap item output dan bahagian kandungan, call_id fungsi sebenar, penaakulan disulitkan serta data penggunaan. Semasa penstriman, kekalkan identiti peristiwa/item yang lengkap.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanstatus | Jenisstring |
Medanoutput[] | Jenismessage|reasoning|function_call|other item |
Medanoutput[].content[] | Jeniscontent part |
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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
~openai/gpt-astra-latestGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ~openai/gpt-astra-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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~openai/gpt-astra-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='~openai/gpt-astra-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='~openai/gpt-astra-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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
~openai/gpt-astra-latestGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ~openai/gpt-astra-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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "~openai/gpt-astra-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': '~openai/gpt-astra-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': '~openai/gpt-astra-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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
~openai/gpt-astra-latestGPT-6 Astra ditujukan untuk penaakulan yang rumit, pengaturcaraan, penyelidikan dan penyediaan dokumen. Menggunakan teks, imej dan alat dalam tugasan berbilang langkah.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-6 Astra ialah model OpenAI untuk tugasan penaakulan, pengaturcaraan, penyelidikan dan kerja profesional yang mencabar. Pengeluar mengetengahkan penciptaan dokumen dan interaksi dengan antara muka komputer secara khusus. Model ini direka untuk urutan tindakan yang memerlukan pengumpulan maklumat, pelaksanaan kerja dan pertimbangan terhadap hasil langkah terdahulu.
Menurut OpenAI, Astra mengekalkan tujuan keseluruhan apabila keperluan berubah: mengambil kira tambahan, menyesuaikan perjalanan kerja dan menjawab soalan berkaitan. Apabila maklumat boleh ditafsirkan dengan pelbagai cara, elok tetapkan batas tugasan, kriteria penyelesaian dan peraturan untuk meminta penjelasan. Nada dan struktur hasil juga boleh dinyatakan secara jelas: model cenderung menghasilkan jawapan yang terperinci dan tersusun.
Tahap yang disokong ialah low, medium, high, xhigh dan max. Penaakulan tidak boleh dimatikan melalui none. Tahap usaha mengawal proses penyelesaian, manakala jumlah teks akhir ditetapkan secara berasingan. Penaakulan yang rumit boleh berakhir dengan jawapan ringkas jika itulah hasil yang diperlukan.
OpenAI menyediakan dua mod pelaksanaan yang bebas daripada kedalaman analisis: biasa dan lanjutan. Mod biasa digunakan secara lalai. Mod lanjutan ditujukan untuk tugasan sukar yang membenarkan masa tambahan dan lebih banyak penggunaan token. Mod menentukan cara pelaksanaan, manakala tahap usaha menentukan kedalaman penaakulan di dalamnya. Pilihan ini diterangkan untuk Responses dan memerlukan sokongan aplikasi; keupayaan yang diterbitkan pengeluar tidak membuktikan bahawa mod ini diaktifkan dalam kaedah Ailoot semasa.
Keluarga GPT-6 membolehkan tahap penaakulan diubah antara sambungan dialog sambil mengekalkan awalan permintaan sebelumnya. Penyambungan kerja memerlukan keadaan yang berkenaan dihantar. Keupayaan mengawal tugasan berpanjangan bergantung pada format interaksi dan sokongan aplikasi terhadap operasi ini.
Model menerima teks dan imej, mengembalikan teks serta menyokong output secara penstriman dan hasil berstruktur. OpenAI menyatakan konteks 1 050 000 token, input maksimum 922 000 dan output maksimum 128 000 token. Tarikh batas pengetahuan ialah 30 April 2026.
Imej digunakan untuk menganalisis kandungan yang kelihatan, membaca teks dan menjawab soalan tentang butiran. Tahap perincian yang berbeza disediakan untuk analisis terperinci. Saiz konteks dan had jawapan berbeza: bahan sumber yang panjang tidak bertukar secara automatik menjadi hasil yang sama panjang.
Set keupayaan rasmi merangkumi panggilan fungsi, carian dalam fail dan di internet, pelaksanaan kod dan arahan, pengubahan fail, tindakan pada komputer dan pencarian alat yang diperlukan. Responses digunakan untuk panggilan alat; Chat Completions menyokong pertukaran teks tanpa alat.
Dengan sambungan yang sesuai, pengeluar turut menyediakan alat penjanaan imej yang berasingan, penggunaan kemahiran dan alat luaran melalui MCP. Jawapan langsung model kekal dalam bentuk teks; imej dijana oleh alat yang berasingan. Kewujudan keupayaan ini pada pihak pengeluar tidak bermaksud keupayaan tersebut dihubungkan dalam setiap kaedah Ailoot.
Dokumentasi keluarga ini menerangkan panggilan tak segerak: semasa aplikasi melaksanakan satu fungsi, model boleh meneruskan bahagian kerja lain yang bebas. Dokumentasi ini turut menyediakan penjelasan tugasan semasa pelaksanaan dan penyambungan kerja dengan tindakan yang telah selesai. Untuk senario ini, aplikasi perlu menyokong interaksi yang berkenaan dan mengembalikan hasil panggilan.
Output berstruktur membantu menyediakan hasil mengikut skema yang ditetapkan, contohnya data dengan medan dan jenis tertentu. Skema menyusun hasil, manakala ketepatan maklumat memerlukan semakan kandungan. Dalam kerja berpanjangan, keadaan penaakulan yang tersedia boleh disimpan dan konteks terkumpul boleh dipendekkan.
Caching ditujukan untuk awalan input yang berulang. Sokongan carian, arahan atau tindakan pada komputer menerangkan keupayaan model apabila alat yang diperlukan dihubungkan; set fungsi dalam permintaan tertentu bergantung pada kaedah yang dipilih dan sambungan yang tersedia.
POST /v1/responsestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had ~openai/gpt-astra-latest | Lalai— |
Medaninput | Jenisstring|input_item[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].type | Jenisstring | KeperluanPilihan | Nilai & had message, reasoning, function_call, function_call_output | Lalai— |
Medaninput[].content | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had | Lalai— |
Medaninput[].call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output; kekalkan call_id sebenar yang dipulangkan | Lalai— |
Medaninput[].output | Jenisstring|content_part[] | KeperluanPilihan | Nilai & had Terpakai apabila: function_call_output | Lalai— |
Medanmax_output_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning.summary | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantext.verbosity | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninclude | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstore | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprevious_response_id | Jenisstring | KeperluanTidak disokong | Nilai & had Keperluan ID: Hanya ID respons sebenar daripada penerusan yang disokong Syarat: Sertakan semula sejarah perbualan sebenar dengan setiap permintaan. | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_key | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
input text or input_text part
Teks + imej
{type:input_image,image_url}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontrakmodel, input |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: exact retained published method
Hantar ID model yang tepat dan medan wajib.
Simpan setiap item yang dikembalikan dan pengecam asalnya.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.02 / 1K token Output · Token output $0.1 / 1K token Input · Bacaan cache $0.002 / 1K token Input · Penulisan cache $0.025 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.04 / 1K token Output · Token output $0.15 / 1K token Input · Bacaan cache $0.004 / 1K token Input · Penulisan cache $0.05 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "~openai/gpt-astra-latest",\n "input": [\n {\n "content": "Hello, how are you?",\n "role": "user",\n "type": "message"\n }\n ]\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-astra-latest', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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/responses \\\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\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': '~openai/gpt-astra-latest', 'input': [{'content': 'Hello, how are you?', 'role': 'user', 'type': 'message'}]}\npayload['input'][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 = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/responses', 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 or SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap item output dan bahagian kandungan, call_id fungsi sebenar, penaakulan disulitkan serta data penggunaan. Semasa penstriman, kekalkan identiti peristiwa/item yang lengkap.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanstatus | Jenisstring |
Medanoutput[] | Jenismessage|reasoning|function_call|other item |
Medanoutput[].content[] | Jeniscontent part |
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 gpt-6-astra, gpt, gpt-latest
Ailoot Ultra gpt-6-astra, openai/gpt-6-astra, ~openai/gpt-astra-latest
/chat/completions
openai/gpt-6-astra, gpt, gpt-latest, ~openai/gpt-astra-latest, gpt-6-astra, gpt-6-astra
Contoh teknikal dalam bahasa Inggeris
Prepare a source-backed decision memo\n\nPrepare a one-page decision memo from these findings. F1: The legacy system exports CSV but has no audit log. F2: The replacement imports CSV and records changes. F3: A pilot imported 40 of 50 records; 10 failed because owner_id was missing. Recommend the next migration step, define acceptance criteria and preserve what the pilot has actually proved.A memo with recommendation, evidence references, unresolved data issue and acceptance criteria for a later full migration.Check that the 40-record result is not reported as a completed 50-record migration and that missing owner_id remains a blocker.