GPT-5.2 ialah model penaakulan OpenAI untuk kerja profesional yang kompleks. Dalam penamaan GPT-5.2 oleh pengeluar, model API sepadan dengan edisi Thinking, berbeza daripada Chat/Instant dan Pro. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran tersebut menerangkan pengaturcaraan, analisis dokumen panjang, pentafsiran visual dan tugas yang menghubungkan beberapa sumber atau hasil alat.
Untuk dokumen profesional, bekalkan bahan, pembaca sasaran dan soalan yang perlu dijawab oleh hasil. Contoh tugas ialah menggabungkan beberapa laporan projek menjadi taklimat yang membezakan fakta, kebergantungan dan saranan. Kerja hamparan atau pembentangan turut memerlukan data sumber dan keperluan hasil kerja. Alat aplikasi mencipta atau menyunting fail sebenar, manakala respons model menyusun atau menerangkan kerja tersebut.
Untuk pengaturcaraan, bekalkan tingkah laku yang dimaksudkan, fail sumber berkaitan dan kekangan yang mesti dikekalkan oleh perubahan. Keluaran tersebut menerangkan penyahpepijatan, pembangunan ciri dan pemfaktoran semula sebagai kegunaan praktikal. Input visual boleh menambahkan papan pemuka, tangkapan skrin antara muka, rajah teknikal atau laporan. Kenal pasti butiran yang perlu menjadi asas jawapan dan bekalkan konteks bertulis yang diperlukan untuk mentafsirkannya. Output langsung model kekal berupa teks dan bukannya imej yang dijana.
OpenAI menetapkan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. Pilihan usaha penaakulannya ialah none, low, medium, high dan xhigh; none ialah lalai. Keluaran itu turut mendokumenkan keserasian dengan pemadatan konteks Responses untuk tugas yang diteruskan apabila konteks bertambah. Pemadatan mengekalkan keadaan berkaitan untuk kerja kemudian; mekanisme ini tidak menjadikan tugas berbilang langkah satu permintaan tanpa had.
Pengeluar menyenaraikan antara muka Responses, Chat Completions dan Batch, penstriman, Structured Outputs, panggilan fungsi, input fail dan imej, carian web dan fail serta cache prompt. Alat model merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi mengurus operasinya dan mengembalikan hasil sebenar supaya model dapat menggunakannya dalam keputusan seterusnya.
Sediakan matlamat, kekangan dan kontrak output yang jelas. Untuk keputusan dokumen, namakan kriteria dan minta kesimpulan yang dikaitkan dengan bukti yang dibekalkan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang perlu disahkan dan minta supaya pemeriksaan yang benar-benar dilakukan dibezakan daripada pemeriksaan yang masih dicadangkan. Set dapatan berstruktur, cadangan kod atau dokumen yang mengikut keperluan yang dibekalkan ialah hasil akhir yang berguna apabila asas dan soalan yang masih terbuka dinyatakan dengan jelas.
", "aboutText": "GPT-5.2 ialah model penaakulan OpenAI untuk kerja profesional yang kompleks. Dalam penamaan GPT-5.2 oleh pengeluar, model API sepadan dengan edisi Thinking, berbeza daripada Chat/Instant dan Pro. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran tersebut menerangkan pengaturcaraan, analisis dokumen panjang, pentafsiran visual dan tugas yang menghubungkan beberapa sumber atau hasil alat.\n\nUntuk dokumen profesional, bekalkan bahan, pembaca sasaran dan soalan yang perlu dijawab oleh hasil. Contoh tugas ialah menggabungkan beberapa laporan projek menjadi taklimat yang membezakan fakta, kebergantungan dan saranan. Kerja hamparan atau pembentangan turut memerlukan data sumber dan keperluan hasil kerja. Alat aplikasi mencipta atau menyunting fail sebenar, manakala respons model menyusun atau menerangkan kerja tersebut.\n\nUntuk pengaturcaraan, bekalkan tingkah laku yang dimaksudkan, fail sumber berkaitan dan kekangan yang mesti dikekalkan oleh perubahan. Keluaran tersebut menerangkan penyahpepijatan, pembangunan ciri dan pemfaktoran semula sebagai kegunaan praktikal. Input visual boleh menambahkan papan pemuka, tangkapan skrin antara muka, rajah teknikal atau laporan. Kenal pasti butiran yang perlu menjadi asas jawapan dan bekalkan konteks bertulis yang diperlukan untuk mentafsirkannya. Output langsung model kekal berupa teks dan bukannya imej yang dijana.\n\nOpenAI menetapkan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. Pilihan usaha penaakulannya ialah none, low, medium, high dan xhigh; none ialah lalai. Keluaran itu turut mendokumenkan keserasian dengan pemadatan konteks Responses untuk tugas yang diteruskan apabila konteks bertambah. Pemadatan mengekalkan keadaan berkaitan untuk kerja kemudian; mekanisme ini tidak menjadikan tugas berbilang langkah satu permintaan tanpa had.\n\nPengeluar menyenaraikan antara muka Responses, Chat Completions dan Batch, penstriman, Structured Outputs, panggilan fungsi, input fail dan imej, carian web dan fail serta cache prompt. Alat model merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi mengurus operasinya dan mengembalikan hasil sebenar supaya model dapat menggunakannya dalam keputusan seterusnya.\n\nSediakan matlamat, kekangan dan kontrak output yang jelas. Untuk keputusan dokumen, namakan kriteria dan minta kesimpulan yang dikaitkan dengan bukti yang dibekalkan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang perlu disahkan dan minta supaya pemeriksaan yang benar-benar dilakukan dibezakan daripada pemeriksaan yang masih dicadangkan. Set dapatan berstruktur, cadangan kod atau dokumen yang mengikut keperluan yang dibekalkan ialah hasil akhir yang berguna apabila asas dan soalan yang masih terbuka dinyatakan dengan jelas.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare two rollout plans\n\nCompare two rollout options against the stated rule. Rule: a release needs a reversible migration and no more than five minutes of planned unavailability. Plan A: four-minute stop, irreversible column deletion. Plan B: six-minute stop, reversible shadow column. Make a criteria table, identify why neither qualifies as written, and propose the smallest question or change needed for each.A two-criteria comparison with a failure reason and a targeted remediation or clarification for each plan.The recommendation does not ignore one rule to favour the plan that satisfies the other.gpt-5.2GPT-5.2 ialah model penaakulan untuk kerja profesional, pengaturcaraan dan tugas berbilang langkah. Model ini menerima teks dan imej serta boleh membangunkan dokumen, menganalisis bahan berkaitan atau bekerja dengan alat aplikasi berdasarkan taklimat output yang jelas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.2 ialah model penaakulan OpenAI untuk kerja profesional yang kompleks. Dalam penamaan GPT-5.2 oleh pengeluar, model API sepadan dengan edisi Thinking, berbeza daripada Chat/Instant dan Pro. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran tersebut menerangkan pengaturcaraan, analisis dokumen panjang, pentafsiran visual dan tugas yang menghubungkan beberapa sumber atau hasil alat.
Untuk dokumen profesional, bekalkan bahan, pembaca sasaran dan soalan yang perlu dijawab oleh hasil. Contoh tugas ialah menggabungkan beberapa laporan projek menjadi taklimat yang membezakan fakta, kebergantungan dan saranan. Kerja hamparan atau pembentangan turut memerlukan data sumber dan keperluan hasil kerja. Alat aplikasi mencipta atau menyunting fail sebenar, manakala respons model menyusun atau menerangkan kerja tersebut.
Untuk pengaturcaraan, bekalkan tingkah laku yang dimaksudkan, fail sumber berkaitan dan kekangan yang mesti dikekalkan oleh perubahan. Keluaran tersebut menerangkan penyahpepijatan, pembangunan ciri dan pemfaktoran semula sebagai kegunaan praktikal. Input visual boleh menambahkan papan pemuka, tangkapan skrin antara muka, rajah teknikal atau laporan. Kenal pasti butiran yang perlu menjadi asas jawapan dan bekalkan konteks bertulis yang diperlukan untuk mentafsirkannya. Output langsung model kekal berupa teks dan bukannya imej yang dijana.
OpenAI menetapkan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. Pilihan usaha penaakulannya ialah none, low, medium, high dan xhigh; none ialah lalai. Keluaran itu turut mendokumenkan keserasian dengan pemadatan konteks Responses untuk tugas yang diteruskan apabila konteks bertambah. Pemadatan mengekalkan keadaan berkaitan untuk kerja kemudian; mekanisme ini tidak menjadikan tugas berbilang langkah satu permintaan tanpa had.
Pengeluar menyenaraikan antara muka Responses, Chat Completions dan Batch, penstriman, Structured Outputs, panggilan fungsi, input fail dan imej, carian web dan fail serta cache prompt. Alat model merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi mengurus operasinya dan mengembalikan hasil sebenar supaya model dapat menggunakannya dalam keputusan seterusnya.
Sediakan matlamat, kekangan dan kontrak output yang jelas. Untuk keputusan dokumen, namakan kriteria dan minta kesimpulan yang dikaitkan dengan bukti yang dibekalkan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang perlu disahkan dan minta supaya pemeriksaan yang benar-benar dilakukan dibezakan daripada pemeriksaan yang masih dicadangkan. Set dapatan berstruktur, cadangan kod atau dokumen yang mengikut keperluan yang dibekalkan ialah hasil akhir yang berguna apabila asas dan soalan yang masih terbuka dinyatakan dengan jelas.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.2 | 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 $0.0035 / 1K token Output · Token output $0.028 / 1K token Input · Bacaan cache $0.00035 / 1K token Input · Penulisan cache $0 / 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 $0.0035 / 1K token Output · Token output $0.028 / 1K token Input · Bacaan cache $0.00035 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.2","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", 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, openai/gpt-5.2
/chat/completions
gpt-5.2GPT-5.2 ialah model penaakulan untuk kerja profesional, pengaturcaraan dan tugas berbilang langkah. Model ini menerima teks dan imej serta boleh membangunkan dokumen, menganalisis bahan berkaitan atau bekerja dengan alat aplikasi berdasarkan taklimat output yang jelas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.2 ialah model penaakulan OpenAI untuk kerja profesional yang kompleks. Dalam penamaan GPT-5.2 oleh pengeluar, model API sepadan dengan edisi Thinking, berbeza daripada Chat/Instant dan Pro. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran tersebut menerangkan pengaturcaraan, analisis dokumen panjang, pentafsiran visual dan tugas yang menghubungkan beberapa sumber atau hasil alat.
Untuk dokumen profesional, bekalkan bahan, pembaca sasaran dan soalan yang perlu dijawab oleh hasil. Contoh tugas ialah menggabungkan beberapa laporan projek menjadi taklimat yang membezakan fakta, kebergantungan dan saranan. Kerja hamparan atau pembentangan turut memerlukan data sumber dan keperluan hasil kerja. Alat aplikasi mencipta atau menyunting fail sebenar, manakala respons model menyusun atau menerangkan kerja tersebut.
Untuk pengaturcaraan, bekalkan tingkah laku yang dimaksudkan, fail sumber berkaitan dan kekangan yang mesti dikekalkan oleh perubahan. Keluaran tersebut menerangkan penyahpepijatan, pembangunan ciri dan pemfaktoran semula sebagai kegunaan praktikal. Input visual boleh menambahkan papan pemuka, tangkapan skrin antara muka, rajah teknikal atau laporan. Kenal pasti butiran yang perlu menjadi asas jawapan dan bekalkan konteks bertulis yang diperlukan untuk mentafsirkannya. Output langsung model kekal berupa teks dan bukannya imej yang dijana.
OpenAI menetapkan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. Pilihan usaha penaakulannya ialah none, low, medium, high dan xhigh; none ialah lalai. Keluaran itu turut mendokumenkan keserasian dengan pemadatan konteks Responses untuk tugas yang diteruskan apabila konteks bertambah. Pemadatan mengekalkan keadaan berkaitan untuk kerja kemudian; mekanisme ini tidak menjadikan tugas berbilang langkah satu permintaan tanpa had.
Pengeluar menyenaraikan antara muka Responses, Chat Completions dan Batch, penstriman, Structured Outputs, panggilan fungsi, input fail dan imej, carian web dan fail serta cache prompt. Alat model merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi mengurus operasinya dan mengembalikan hasil sebenar supaya model dapat menggunakannya dalam keputusan seterusnya.
Sediakan matlamat, kekangan dan kontrak output yang jelas. Untuk keputusan dokumen, namakan kriteria dan minta kesimpulan yang dikaitkan dengan bukti yang dibekalkan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang perlu disahkan dan minta supaya pemeriksaan yang benar-benar dilakukan dibezakan daripada pemeriksaan yang masih dicadangkan. Set dapatan berstruktur, cadangan kod atau dokumen yang mengikut keperluan yang dibekalkan ialah hasil akhir yang berguna apabila asas dan soalan yang masih terbuka dinyatakan dengan jelas.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.2 | 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 $0.0035 / 1K token Output · Token output $0.028 / 1K token Input · Bacaan cache $0.00035 / 1K token Input · Penulisan cache $0 / 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 $0.0035 / 1K token Output · Token output $0.028 / 1K token Input · Bacaan cache $0.00035 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-5.2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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, openai/gpt-5.2
/chat/completions
openai/gpt-5.2GPT-5.2 ialah model penaakulan untuk kerja profesional, pengaturcaraan dan tugas berbilang langkah. Model ini menerima teks dan imej serta boleh membangunkan dokumen, menganalisis bahan berkaitan atau bekerja dengan alat aplikasi berdasarkan taklimat output yang jelas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.2 ialah model penaakulan OpenAI untuk kerja profesional yang kompleks. Dalam penamaan GPT-5.2 oleh pengeluar, model API sepadan dengan edisi Thinking, berbeza daripada Chat/Instant dan Pro. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran tersebut menerangkan pengaturcaraan, analisis dokumen panjang, pentafsiran visual dan tugas yang menghubungkan beberapa sumber atau hasil alat.
Untuk dokumen profesional, bekalkan bahan, pembaca sasaran dan soalan yang perlu dijawab oleh hasil. Contoh tugas ialah menggabungkan beberapa laporan projek menjadi taklimat yang membezakan fakta, kebergantungan dan saranan. Kerja hamparan atau pembentangan turut memerlukan data sumber dan keperluan hasil kerja. Alat aplikasi mencipta atau menyunting fail sebenar, manakala respons model menyusun atau menerangkan kerja tersebut.
Untuk pengaturcaraan, bekalkan tingkah laku yang dimaksudkan, fail sumber berkaitan dan kekangan yang mesti dikekalkan oleh perubahan. Keluaran tersebut menerangkan penyahpepijatan, pembangunan ciri dan pemfaktoran semula sebagai kegunaan praktikal. Input visual boleh menambahkan papan pemuka, tangkapan skrin antara muka, rajah teknikal atau laporan. Kenal pasti butiran yang perlu menjadi asas jawapan dan bekalkan konteks bertulis yang diperlukan untuk mentafsirkannya. Output langsung model kekal berupa teks dan bukannya imej yang dijana.
OpenAI menetapkan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. Pilihan usaha penaakulannya ialah none, low, medium, high dan xhigh; none ialah lalai. Keluaran itu turut mendokumenkan keserasian dengan pemadatan konteks Responses untuk tugas yang diteruskan apabila konteks bertambah. Pemadatan mengekalkan keadaan berkaitan untuk kerja kemudian; mekanisme ini tidak menjadikan tugas berbilang langkah satu permintaan tanpa had.
Pengeluar menyenaraikan antara muka Responses, Chat Completions dan Batch, penstriman, Structured Outputs, panggilan fungsi, input fail dan imej, carian web dan fail serta cache prompt. Alat model merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi mengurus operasinya dan mengembalikan hasil sebenar supaya model dapat menggunakannya dalam keputusan seterusnya.
Sediakan matlamat, kekangan dan kontrak output yang jelas. Untuk keputusan dokumen, namakan kriteria dan minta kesimpulan yang dikaitkan dengan bukti yang dibekalkan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang perlu disahkan dan minta supaya pemeriksaan yang benar-benar dilakukan dibezakan daripada pemeriksaan yang masih dicadangkan. Set dapatan berstruktur, cadangan kod atau dokumen yang mengikut keperluan yang dibekalkan ialah hasil akhir yang berguna apabila asas dan soalan yang masih terbuka dinyatakan dengan jelas.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.2 | 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 $0.0035 / 1K token Output · Token output $0.028 / 1K token Input · Bacaan cache $0.00035 / 1K token Input · Penulisan cache $0 / 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 $0.0035 / 1K token Output · Token output $0.028 / 1K token Input · Bacaan cache $0.00035 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.2", "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',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',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, openai/gpt-5.2
/chat/completions
openai/gpt-5.2GPT-5.2 ialah model penaakulan untuk kerja profesional, pengaturcaraan dan tugas berbilang langkah. Model ini menerima teks dan imej serta boleh membangunkan dokumen, menganalisis bahan berkaitan atau bekerja dengan alat aplikasi berdasarkan taklimat output yang jelas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.2 ialah model penaakulan OpenAI untuk kerja profesional yang kompleks. Dalam penamaan GPT-5.2 oleh pengeluar, model API sepadan dengan edisi Thinking, berbeza daripada Chat/Instant dan Pro. Model ini menerima teks dan imej serta menghasilkan teks. Keluaran tersebut menerangkan pengaturcaraan, analisis dokumen panjang, pentafsiran visual dan tugas yang menghubungkan beberapa sumber atau hasil alat.
Untuk dokumen profesional, bekalkan bahan, pembaca sasaran dan soalan yang perlu dijawab oleh hasil. Contoh tugas ialah menggabungkan beberapa laporan projek menjadi taklimat yang membezakan fakta, kebergantungan dan saranan. Kerja hamparan atau pembentangan turut memerlukan data sumber dan keperluan hasil kerja. Alat aplikasi mencipta atau menyunting fail sebenar, manakala respons model menyusun atau menerangkan kerja tersebut.
Untuk pengaturcaraan, bekalkan tingkah laku yang dimaksudkan, fail sumber berkaitan dan kekangan yang mesti dikekalkan oleh perubahan. Keluaran tersebut menerangkan penyahpepijatan, pembangunan ciri dan pemfaktoran semula sebagai kegunaan praktikal. Input visual boleh menambahkan papan pemuka, tangkapan skrin antara muka, rajah teknikal atau laporan. Kenal pasti butiran yang perlu menjadi asas jawapan dan bekalkan konteks bertulis yang diperlukan untuk mentafsirkannya. Output langsung model kekal berupa teks dan bukannya imej yang dijana.
OpenAI menetapkan tetingkap konteks 400000 token, output maksimum 128000 token dan tarikh akhir pengetahuan pada 31 Ogos 2025. Pilihan usaha penaakulannya ialah none, low, medium, high dan xhigh; none ialah lalai. Keluaran itu turut mendokumenkan keserasian dengan pemadatan konteks Responses untuk tugas yang diteruskan apabila konteks bertambah. Pemadatan mengekalkan keadaan berkaitan untuk kerja kemudian; mekanisme ini tidak menjadikan tugas berbilang langkah satu permintaan tanpa had.
Pengeluar menyenaraikan antara muka Responses, Chat Completions dan Batch, penstriman, Structured Outputs, panggilan fungsi, input fail dan imej, carian web dan fail serta cache prompt. Alat model merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi mengurus operasinya dan mengembalikan hasil sebenar supaya model dapat menggunakannya dalam keputusan seterusnya.
Sediakan matlamat, kekangan dan kontrak output yang jelas. Untuk keputusan dokumen, namakan kriteria dan minta kesimpulan yang dikaitkan dengan bukti yang dibekalkan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang perlu disahkan dan minta supaya pemeriksaan yang benar-benar dilakukan dibezakan daripada pemeriksaan yang masih dicadangkan. Set dapatan berstruktur, cadangan kod atau dokumen yang mengikut keperluan yang dibekalkan ialah hasil akhir yang berguna apabila asas dan soalan yang masih terbuka dinyatakan dengan jelas.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.2 | 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 $0.0035 / 1K token Output · Token output $0.028 / 1K token Input · Bacaan cache $0.00035 / 1K token Input · Penulisan cache $0 / 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 $0.0035 / 1K token Output · Token output $0.028 / 1K token Input · Bacaan cache $0.00035 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-5.2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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, openai/gpt-5.2
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Compare two rollout plans\n\nCompare two rollout options against the stated rule. Rule: a release needs a reversible migration and no more than five minutes of planned unavailability. Plan A: four-minute stop, irreversible column deletion. Plan B: six-minute stop, reversible shadow column. Make a criteria table, identify why neither qualifies as written, and propose the smallest question or change needed for each.A two-criteria comparison with a failure reason and a targeted remediation or clarification for each plan.The recommendation does not ignore one rule to favour the plan that satisfies the other.