GPT-5.2 Pro ialah edisi Pro berasingan daripada OpenAI untuk kerja profesional yang kompleks dan soalan sukar. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran GPT-5.2 membezakan Pro daripada edisi sembang Instant dan model penaakulan GPT-5.2 yang boleh dikonfigurasikan, sambil mengekalkan identiti serta spesifikasi model Pro itu sendiri.
Kegunaan praktikalnya ialah analisis yang bergantung pada beberapa syarat yang berkaitan. Bekalkan soalan, bahan sumber dan kriteria yang menentukan pilihan. Contoh permintaan ialah membandingkan pelaksanaan yang mungkin berdasarkan keperluan yang sama, mengenal pasti kebergantungan yang boleh mengubah keputusan dan menghasilkan saranan dengan syarat yang jelas. Untuk soalan dokumen, nyatakan petikan yang perlu dibandingkan dan fakta yang mesti dikekalkan.
Pengeluar menerangkan peranan Pro dalam pengaturcaraan yang mencabar serta soalan saintifik atau matematik. Oleh itu, permintaan teknikal perlu menyertakan takrif berkaitan, syarat yang diketahui dan tingkah laku atau hasil yang dijangkakan. Jika imej menyumbangkan bukti, kenal pasti rajah, tangkapan skrin atau butiran yang penting. Minta hasil yang berguna seperti analisis, pelaksanaan yang dicadangkan atau rancangan berperingkat, dan bukannya mengharapkan model menyimpulkan soalan serta format hasil serentak.
OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. GPT-5.2 Pro menyokong usaha penaakulan medium, high dan xhigh. Konteks menampung bahan yang dibekalkan dan penaakulan serta jawapan yang kelihatan. Untuk permintaan panjang, susun bukti dengan jelas dan peruntukkan ruang untuk analisis yang diminta serta hasil akhir.
Pengeluar mendokumenkan GPT-5.2 Pro dalam Responses sahaja untuk menyokong interaksi model berbilang giliran sebelum respons akhir. Permintaan sukar boleh mengambil masa beberapa minit, dan pengeluar mengesyorkan pelaksanaan latar belakang untuk kerja yang berjalan lama. Aplikasi menjejaki pengecam serta status respons, kemudian mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini ialah aliran permintaan pengeluar, berasingan daripada identiti titik akhir bagi kad sedia ada.
Kad model tepat menyenaraikan penstriman, panggilan fungsi, carian web dan fail, input imej, alat penjanaan imej serta sokongan MCP. Aplikasi menyediakan operasinya, melaksanakan tindakannya sendiri dan membekalkan hasil sebenar untuk langkah lain. Tentukan kriteria penyiapan dan minta supaya kesimpulan atau perubahan yang dicadangkan dikaitkan dengan bukti sumber. Hasil akhir yang berguna menjadikan pilihan penting, kebergantungannya dan sebarang syarat yang belum diselesaikan jelas kepada pembaca yang akan meneruskan kerja.
", "aboutText": "GPT-5.2 Pro ialah edisi Pro berasingan daripada OpenAI untuk kerja profesional yang kompleks dan soalan sukar. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran GPT-5.2 membezakan Pro daripada edisi sembang Instant dan model penaakulan GPT-5.2 yang boleh dikonfigurasikan, sambil mengekalkan identiti serta spesifikasi model Pro itu sendiri.\n\nKegunaan praktikalnya ialah analisis yang bergantung pada beberapa syarat yang berkaitan. Bekalkan soalan, bahan sumber dan kriteria yang menentukan pilihan. Contoh permintaan ialah membandingkan pelaksanaan yang mungkin berdasarkan keperluan yang sama, mengenal pasti kebergantungan yang boleh mengubah keputusan dan menghasilkan saranan dengan syarat yang jelas. Untuk soalan dokumen, nyatakan petikan yang perlu dibandingkan dan fakta yang mesti dikekalkan.\n\nPengeluar menerangkan peranan Pro dalam pengaturcaraan yang mencabar serta soalan saintifik atau matematik. Oleh itu, permintaan teknikal perlu menyertakan takrif berkaitan, syarat yang diketahui dan tingkah laku atau hasil yang dijangkakan. Jika imej menyumbangkan bukti, kenal pasti rajah, tangkapan skrin atau butiran yang penting. Minta hasil yang berguna seperti analisis, pelaksanaan yang dicadangkan atau rancangan berperingkat, dan bukannya mengharapkan model menyimpulkan soalan serta format hasil serentak.\n\nOpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. GPT-5.2 Pro menyokong usaha penaakulan medium, high dan xhigh. Konteks menampung bahan yang dibekalkan dan penaakulan serta jawapan yang kelihatan. Untuk permintaan panjang, susun bukti dengan jelas dan peruntukkan ruang untuk analisis yang diminta serta hasil akhir.\n\nPengeluar mendokumenkan GPT-5.2 Pro dalam Responses sahaja untuk menyokong interaksi model berbilang giliran sebelum respons akhir. Permintaan sukar boleh mengambil masa beberapa minit, dan pengeluar mengesyorkan pelaksanaan latar belakang untuk kerja yang berjalan lama. Aplikasi menjejaki pengecam serta status respons, kemudian mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini ialah aliran permintaan pengeluar, berasingan daripada identiti titik akhir bagi kad sedia ada.\n\nKad model tepat menyenaraikan penstriman, panggilan fungsi, carian web dan fail, input imej, alat penjanaan imej serta sokongan MCP. Aplikasi menyediakan operasinya, melaksanakan tindakannya sendiri dan membekalkan hasil sebenar untuk langkah lain. Tentukan kriteria penyiapan dan minta supaya kesimpulan atau perubahan yang dicadangkan dikaitkan dengan bukti sumber. Hasil akhir yang berguna menjadikan pilihan penting, kebergantungannya dan sebarang syarat yang belum diselesaikan jelas kepada pembaca yang akan meneruskan kerja.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare two import strategies\n\nChoose between these supplied import designs. A replaces the dataset after parsing every row; B appends rows as they are parsed. Requirements: a malformed row must leave the previous dataset intact, and peak memory must stay under 200 MB. Given a 150 MB dataset and 80 MB parser overhead, compare the designs, identify the unresolved trade-off and propose a bounded alternative.A requirements matrix, stated memory assumptions and a conditional recommendation addressing atomic replacement.Check neither supplied design is declared compliant without addressing both failure atomicity and the stated memory budget.gpt-5.2-proEdisi GPT-5.2 Pro yang berasingan direka untuk soalan profesional yang sukar dan analisis lebih mendalam. Model ini menerima teks dan imej serta membangunkan respons teks dengan usaha penaakulan medium, high atau xhigh dalam antara muka Responses pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.2 Pro ialah edisi Pro berasingan daripada OpenAI untuk kerja profesional yang kompleks dan soalan sukar. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran GPT-5.2 membezakan Pro daripada edisi sembang Instant dan model penaakulan GPT-5.2 yang boleh dikonfigurasikan, sambil mengekalkan identiti serta spesifikasi model Pro itu sendiri.
Kegunaan praktikalnya ialah analisis yang bergantung pada beberapa syarat yang berkaitan. Bekalkan soalan, bahan sumber dan kriteria yang menentukan pilihan. Contoh permintaan ialah membandingkan pelaksanaan yang mungkin berdasarkan keperluan yang sama, mengenal pasti kebergantungan yang boleh mengubah keputusan dan menghasilkan saranan dengan syarat yang jelas. Untuk soalan dokumen, nyatakan petikan yang perlu dibandingkan dan fakta yang mesti dikekalkan.
Pengeluar menerangkan peranan Pro dalam pengaturcaraan yang mencabar serta soalan saintifik atau matematik. Oleh itu, permintaan teknikal perlu menyertakan takrif berkaitan, syarat yang diketahui dan tingkah laku atau hasil yang dijangkakan. Jika imej menyumbangkan bukti, kenal pasti rajah, tangkapan skrin atau butiran yang penting. Minta hasil yang berguna seperti analisis, pelaksanaan yang dicadangkan atau rancangan berperingkat, dan bukannya mengharapkan model menyimpulkan soalan serta format hasil serentak.
OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. GPT-5.2 Pro menyokong usaha penaakulan medium, high dan xhigh. Konteks menampung bahan yang dibekalkan dan penaakulan serta jawapan yang kelihatan. Untuk permintaan panjang, susun bukti dengan jelas dan peruntukkan ruang untuk analisis yang diminta serta hasil akhir.
Pengeluar mendokumenkan GPT-5.2 Pro dalam Responses sahaja untuk menyokong interaksi model berbilang giliran sebelum respons akhir. Permintaan sukar boleh mengambil masa beberapa minit, dan pengeluar mengesyorkan pelaksanaan latar belakang untuk kerja yang berjalan lama. Aplikasi menjejaki pengecam serta status respons, kemudian mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini ialah aliran permintaan pengeluar, berasingan daripada identiti titik akhir bagi kad sedia ada.
Kad model tepat menyenaraikan penstriman, panggilan fungsi, carian web dan fail, input imej, alat penjanaan imej serta sokongan MCP. Aplikasi menyediakan operasinya, melaksanakan tindakannya sendiri dan membekalkan hasil sebenar untuk langkah lain. Tentukan kriteria penyiapan dan minta supaya kesimpulan atau perubahan yang dicadangkan dikaitkan dengan bukti sumber. Hasil akhir yang berguna menjadikan pilihan penting, kebergantungannya dan sebarang syarat yang belum diselesaikan jelas kepada pembaca yang akan meneruskan kerja.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.2-pro | 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 $0.042 / 1K token Output · Token output $0.336 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.042 / 1K token Output · Token output $0.336 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.2-pro","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-5.2-pro", 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 Ultra gpt-5.2-pro, openai/gpt-5.2-pro
/chat/completions
gpt-5.2-proEdisi GPT-5.2 Pro yang berasingan direka untuk soalan profesional yang sukar dan analisis lebih mendalam. Model ini menerima teks dan imej serta membangunkan respons teks dengan usaha penaakulan medium, high atau xhigh dalam antara muka Responses pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.2 Pro ialah edisi Pro berasingan daripada OpenAI untuk kerja profesional yang kompleks dan soalan sukar. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran GPT-5.2 membezakan Pro daripada edisi sembang Instant dan model penaakulan GPT-5.2 yang boleh dikonfigurasikan, sambil mengekalkan identiti serta spesifikasi model Pro itu sendiri.
Kegunaan praktikalnya ialah analisis yang bergantung pada beberapa syarat yang berkaitan. Bekalkan soalan, bahan sumber dan kriteria yang menentukan pilihan. Contoh permintaan ialah membandingkan pelaksanaan yang mungkin berdasarkan keperluan yang sama, mengenal pasti kebergantungan yang boleh mengubah keputusan dan menghasilkan saranan dengan syarat yang jelas. Untuk soalan dokumen, nyatakan petikan yang perlu dibandingkan dan fakta yang mesti dikekalkan.
Pengeluar menerangkan peranan Pro dalam pengaturcaraan yang mencabar serta soalan saintifik atau matematik. Oleh itu, permintaan teknikal perlu menyertakan takrif berkaitan, syarat yang diketahui dan tingkah laku atau hasil yang dijangkakan. Jika imej menyumbangkan bukti, kenal pasti rajah, tangkapan skrin atau butiran yang penting. Minta hasil yang berguna seperti analisis, pelaksanaan yang dicadangkan atau rancangan berperingkat, dan bukannya mengharapkan model menyimpulkan soalan serta format hasil serentak.
OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. GPT-5.2 Pro menyokong usaha penaakulan medium, high dan xhigh. Konteks menampung bahan yang dibekalkan dan penaakulan serta jawapan yang kelihatan. Untuk permintaan panjang, susun bukti dengan jelas dan peruntukkan ruang untuk analisis yang diminta serta hasil akhir.
Pengeluar mendokumenkan GPT-5.2 Pro dalam Responses sahaja untuk menyokong interaksi model berbilang giliran sebelum respons akhir. Permintaan sukar boleh mengambil masa beberapa minit, dan pengeluar mengesyorkan pelaksanaan latar belakang untuk kerja yang berjalan lama. Aplikasi menjejaki pengecam serta status respons, kemudian mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini ialah aliran permintaan pengeluar, berasingan daripada identiti titik akhir bagi kad sedia ada.
Kad model tepat menyenaraikan penstriman, panggilan fungsi, carian web dan fail, input imej, alat penjanaan imej serta sokongan MCP. Aplikasi menyediakan operasinya, melaksanakan tindakannya sendiri dan membekalkan hasil sebenar untuk langkah lain. Tentukan kriteria penyiapan dan minta supaya kesimpulan atau perubahan yang dicadangkan dikaitkan dengan bukti sumber. Hasil akhir yang berguna menjadikan pilihan penting, kebergantungannya dan sebarang syarat yang belum diselesaikan jelas kepada pembaca yang akan meneruskan kerja.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.2-pro | 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 $0.042 / 1K token Output · Token output $0.336 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.042 / 1K token Output · Token output $0.336 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-5.2-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.2-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.2-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.2-pro, openai/gpt-5.2-pro
/chat/completions
openai/gpt-5.2-proEdisi GPT-5.2 Pro yang berasingan direka untuk soalan profesional yang sukar dan analisis lebih mendalam. Model ini menerima teks dan imej serta membangunkan respons teks dengan usaha penaakulan medium, high atau xhigh dalam antara muka Responses pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.2 Pro ialah edisi Pro berasingan daripada OpenAI untuk kerja profesional yang kompleks dan soalan sukar. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran GPT-5.2 membezakan Pro daripada edisi sembang Instant dan model penaakulan GPT-5.2 yang boleh dikonfigurasikan, sambil mengekalkan identiti serta spesifikasi model Pro itu sendiri.
Kegunaan praktikalnya ialah analisis yang bergantung pada beberapa syarat yang berkaitan. Bekalkan soalan, bahan sumber dan kriteria yang menentukan pilihan. Contoh permintaan ialah membandingkan pelaksanaan yang mungkin berdasarkan keperluan yang sama, mengenal pasti kebergantungan yang boleh mengubah keputusan dan menghasilkan saranan dengan syarat yang jelas. Untuk soalan dokumen, nyatakan petikan yang perlu dibandingkan dan fakta yang mesti dikekalkan.
Pengeluar menerangkan peranan Pro dalam pengaturcaraan yang mencabar serta soalan saintifik atau matematik. Oleh itu, permintaan teknikal perlu menyertakan takrif berkaitan, syarat yang diketahui dan tingkah laku atau hasil yang dijangkakan. Jika imej menyumbangkan bukti, kenal pasti rajah, tangkapan skrin atau butiran yang penting. Minta hasil yang berguna seperti analisis, pelaksanaan yang dicadangkan atau rancangan berperingkat, dan bukannya mengharapkan model menyimpulkan soalan serta format hasil serentak.
OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. GPT-5.2 Pro menyokong usaha penaakulan medium, high dan xhigh. Konteks menampung bahan yang dibekalkan dan penaakulan serta jawapan yang kelihatan. Untuk permintaan panjang, susun bukti dengan jelas dan peruntukkan ruang untuk analisis yang diminta serta hasil akhir.
Pengeluar mendokumenkan GPT-5.2 Pro dalam Responses sahaja untuk menyokong interaksi model berbilang giliran sebelum respons akhir. Permintaan sukar boleh mengambil masa beberapa minit, dan pengeluar mengesyorkan pelaksanaan latar belakang untuk kerja yang berjalan lama. Aplikasi menjejaki pengecam serta status respons, kemudian mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini ialah aliran permintaan pengeluar, berasingan daripada identiti titik akhir bagi kad sedia ada.
Kad model tepat menyenaraikan penstriman, panggilan fungsi, carian web dan fail, input imej, alat penjanaan imej serta sokongan MCP. Aplikasi menyediakan operasinya, melaksanakan tindakannya sendiri dan membekalkan hasil sebenar untuk langkah lain. Tentukan kriteria penyiapan dan minta supaya kesimpulan atau perubahan yang dicadangkan dikaitkan dengan bukti sumber. Hasil akhir yang berguna menjadikan pilihan penting, kebergantungannya dan sebarang syarat yang belum diselesaikan jelas kepada pembaca yang akan meneruskan kerja.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.2-pro | 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 $0.042 / 1K token Output · Token output $0.336 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.042 / 1K token Output · Token output $0.336 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.2-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.2-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.2-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.2-pro, openai/gpt-5.2-pro
/chat/completions
openai/gpt-5.2-proEdisi GPT-5.2 Pro yang berasingan direka untuk soalan profesional yang sukar dan analisis lebih mendalam. Model ini menerima teks dan imej serta membangunkan respons teks dengan usaha penaakulan medium, high atau xhigh dalam antara muka Responses pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.2 Pro ialah edisi Pro berasingan daripada OpenAI untuk kerja profesional yang kompleks dan soalan sukar. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran GPT-5.2 membezakan Pro daripada edisi sembang Instant dan model penaakulan GPT-5.2 yang boleh dikonfigurasikan, sambil mengekalkan identiti serta spesifikasi model Pro itu sendiri.
Kegunaan praktikalnya ialah analisis yang bergantung pada beberapa syarat yang berkaitan. Bekalkan soalan, bahan sumber dan kriteria yang menentukan pilihan. Contoh permintaan ialah membandingkan pelaksanaan yang mungkin berdasarkan keperluan yang sama, mengenal pasti kebergantungan yang boleh mengubah keputusan dan menghasilkan saranan dengan syarat yang jelas. Untuk soalan dokumen, nyatakan petikan yang perlu dibandingkan dan fakta yang mesti dikekalkan.
Pengeluar menerangkan peranan Pro dalam pengaturcaraan yang mencabar serta soalan saintifik atau matematik. Oleh itu, permintaan teknikal perlu menyertakan takrif berkaitan, syarat yang diketahui dan tingkah laku atau hasil yang dijangkakan. Jika imej menyumbangkan bukti, kenal pasti rajah, tangkapan skrin atau butiran yang penting. Minta hasil yang berguna seperti analisis, pelaksanaan yang dicadangkan atau rancangan berperingkat, dan bukannya mengharapkan model menyimpulkan soalan serta format hasil serentak.
OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. GPT-5.2 Pro menyokong usaha penaakulan medium, high dan xhigh. Konteks menampung bahan yang dibekalkan dan penaakulan serta jawapan yang kelihatan. Untuk permintaan panjang, susun bukti dengan jelas dan peruntukkan ruang untuk analisis yang diminta serta hasil akhir.
Pengeluar mendokumenkan GPT-5.2 Pro dalam Responses sahaja untuk menyokong interaksi model berbilang giliran sebelum respons akhir. Permintaan sukar boleh mengambil masa beberapa minit, dan pengeluar mengesyorkan pelaksanaan latar belakang untuk kerja yang berjalan lama. Aplikasi menjejaki pengecam serta status respons, kemudian mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini ialah aliran permintaan pengeluar, berasingan daripada identiti titik akhir bagi kad sedia ada.
Kad model tepat menyenaraikan penstriman, panggilan fungsi, carian web dan fail, input imej, alat penjanaan imej serta sokongan MCP. Aplikasi menyediakan operasinya, melaksanakan tindakannya sendiri dan membekalkan hasil sebenar untuk langkah lain. Tentukan kriteria penyiapan dan minta supaya kesimpulan atau perubahan yang dicadangkan dikaitkan dengan bukti sumber. Hasil akhir yang berguna menjadikan pilihan penting, kebergantungannya dan sebarang syarat yang belum diselesaikan jelas kepada pembaca yang akan meneruskan kerja.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.2-pro | 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 $0.042 / 1K token Output · Token output $0.336 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.042 / 1K token Output · Token output $0.336 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-5.2-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.2-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.2-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.2-pro, openai/gpt-5.2-pro
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Compare two import strategies\n\nChoose between these supplied import designs. A replaces the dataset after parsing every row; B appends rows as they are parsed. Requirements: a malformed row must leave the previous dataset intact, and peak memory must stay under 200 MB. Given a 150 MB dataset and 80 MB parser overhead, compare the designs, identify the unresolved trade-off and propose a bounded alternative.A requirements matrix, stated memory assumptions and a conditional recommendation addressing atomic replacement.Check neither supplied design is declared compliant without addressing both failure atomicity and the stated memory budget.