GPT-5.3-Codex ialah model OpenAI yang dikhususkan untuk pengaturcaraan berasaskan ejen dalam Codex dan persekitaran serupa yang disambungkan kepada alat. Model ini menggabungkan pengaturcaraan dengan penaakulan dan pengetahuan profesional, menerima teks dan imej serta menghasilkan teks. Peranannya melangkaui penjanaan kod kepada pemeriksaan projek, pembuatan keputusan berdasarkan bukti alat dan penerusan tugas teknikal melalui langkah seterusnya.
Keluaran tersebut menerangkan pelaksanaan, penyahpepijatan, pengujian dan kerja lain sepanjang kitaran hayat perisian, termasuk keperluan produk, dokumen teknikal dan analisis data. Untuk permintaan pengaturcaraan, berikan model tingkah laku yang perlu dilaksanakan, bahan projek berkaitan dan kekangan yang mesti dikekalkan. Contoh tugas ialah menjejaki cara input mencapai hasilnya, mengenal pasti kebergantungan yang terlibat dan membangunkan tampalan yang diselaraskan bersama penjelasan tentang tingkah laku yang terjejas.
Kerja antara muka boleh menggabungkan taklimat bertulis dengan tangkapan skrin atau rujukan visual lain. Kenal pasti interaksi atau susun atur yang penting dan hasil pengguna yang dijangkakan. Dalam persekitaran pengaturcaraan, kandungan fail, output perintah dan hasil pemeriksaan menjadi bukti bagi keputusan seterusnya. Aplikasi melaksanakan alat dan mengembalikan output sebenar; model perlu membezakan perubahan yang dicadangkan daripada perubahan yang telah dilakukan dan disemak dalam persekitaran itu.
OpenAI menetapkan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model menyokong usaha penaakulan low, medium, high dan xhigh. Panduan prompt khusus mengesyorkan medium sebagai titik permulaan praktikal untuk pengaturcaraan interaktif dan usaha lebih tinggi untuk kerja sukar. Antara muka yang didokumenkan ialah Responses, dengan penstriman, Structured Outputs, panggilan fungsi, input imej, carian web dan cache prompt. Set alat tepat pada kad model merangkumi fungsi, carian web, shell yang dihoskan dan kemahiran.
Panduan khusus Codex mendokumenkan sokongan terbina dalam untuk pemadatan konteks bagi rangkaian kerja panjang. Apabila perbualan bertambah panjang, aplikasi boleh menghasilkan konteks yang dipadatkan sambil mengekalkan keadaan terdahulu yang penting untuk permintaan kemudian. Panduan turut mewajibkan maklumat phase pada mesej assistant dikekalkan: ulasan sementara dengan nilai commentary dan jawapan akhir dengan nilai final mempunyai peranan berbeza, dan kehilangan perbezaan itu boleh menyebabkan pemberhentian awal atau tingkah laku yang merosot. Oleh itu, mesej kemajuan perlu kekal sebagai mesej kemajuan dan bukannya dianggap sebagai hasil tugas yang telah selesai.
Keluaran itu menerangkan pengarahan dan interaksi dengan model semasa kerja dalam persekitaran Codex. Bekalkan pembetulan atau keperluan tambahan sambil mengekalkan objektif asal dan bukti berkaitan dengan jelas. Keluaran itu turut menerangkan pemantauan dan kawalan automatik untuk permintaan yang dinilai sebagai kerja keselamatan siber berisiko lebih tinggi. Kawalan pengeluar tersebut berasingan daripada kebenaran dan alat yang dibekalkan oleh persekitaran kerja tertentu.
Tentukan kandungan tugas yang telah selesai. Untuk pembetulan pepijat, bekalkan kegagalan yang diperhatikan dan tingkah laku yang dijangkakan, kemudian minta fail yang terjejas, perubahan penting dan hasil pemeriksaan yang benar-benar dilakukan. Untuk semakan, minta masalah konkrit yang dikaitkan dengan tingkah laku yang dimaksudkan. Hasil akhir yang berguna menghubungkan kerja yang dicadangkan atau diselesaikan dengan permintaan asal dan menyenaraikan bukti yang diperoleh, bersama sebarang langkah khusus yang masih belum diselesaikan.
", "aboutText": "GPT-5.3-Codex ialah model OpenAI yang dikhususkan untuk pengaturcaraan berasaskan ejen dalam Codex dan persekitaran serupa yang disambungkan kepada alat. Model ini menggabungkan pengaturcaraan dengan penaakulan dan pengetahuan profesional, menerima teks dan imej serta menghasilkan teks. Peranannya melangkaui penjanaan kod kepada pemeriksaan projek, pembuatan keputusan berdasarkan bukti alat dan penerusan tugas teknikal melalui langkah seterusnya.\n\nKeluaran tersebut menerangkan pelaksanaan, penyahpepijatan, pengujian dan kerja lain sepanjang kitaran hayat perisian, termasuk keperluan produk, dokumen teknikal dan analisis data. Untuk permintaan pengaturcaraan, berikan model tingkah laku yang perlu dilaksanakan, bahan projek berkaitan dan kekangan yang mesti dikekalkan. Contoh tugas ialah menjejaki cara input mencapai hasilnya, mengenal pasti kebergantungan yang terlibat dan membangunkan tampalan yang diselaraskan bersama penjelasan tentang tingkah laku yang terjejas.\n\nKerja antara muka boleh menggabungkan taklimat bertulis dengan tangkapan skrin atau rujukan visual lain. Kenal pasti interaksi atau susun atur yang penting dan hasil pengguna yang dijangkakan. Dalam persekitaran pengaturcaraan, kandungan fail, output perintah dan hasil pemeriksaan menjadi bukti bagi keputusan seterusnya. Aplikasi melaksanakan alat dan mengembalikan output sebenar; model perlu membezakan perubahan yang dicadangkan daripada perubahan yang telah dilakukan dan disemak dalam persekitaran itu.\n\nOpenAI menetapkan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model menyokong usaha penaakulan low, medium, high dan xhigh. Panduan prompt khusus mengesyorkan medium sebagai titik permulaan praktikal untuk pengaturcaraan interaktif dan usaha lebih tinggi untuk kerja sukar. Antara muka yang didokumenkan ialah Responses, dengan penstriman, Structured Outputs, panggilan fungsi, input imej, carian web dan cache prompt. Set alat tepat pada kad model merangkumi fungsi, carian web, shell yang dihoskan dan kemahiran.\n\nPanduan khusus Codex mendokumenkan sokongan terbina dalam untuk pemadatan konteks bagi rangkaian kerja panjang. Apabila perbualan bertambah panjang, aplikasi boleh menghasilkan konteks yang dipadatkan sambil mengekalkan keadaan terdahulu yang penting untuk permintaan kemudian. Panduan turut mewajibkan maklumat phase pada mesej assistant dikekalkan: ulasan sementara dengan nilai commentary dan jawapan akhir dengan nilai final mempunyai peranan berbeza, dan kehilangan perbezaan itu boleh menyebabkan pemberhentian awal atau tingkah laku yang merosot. Oleh itu, mesej kemajuan perlu kekal sebagai mesej kemajuan dan bukannya dianggap sebagai hasil tugas yang telah selesai.\n\nKeluaran itu menerangkan pengarahan dan interaksi dengan model semasa kerja dalam persekitaran Codex. Bekalkan pembetulan atau keperluan tambahan sambil mengekalkan objektif asal dan bukti berkaitan dengan jelas. Keluaran itu turut menerangkan pemantauan dan kawalan automatik untuk permintaan yang dinilai sebagai kerja keselamatan siber berisiko lebih tinggi. Kawalan pengeluar tersebut berasingan daripada kebenaran dan alat yang dibekalkan oleh persekitaran kerja tertentu.\n\nTentukan kandungan tugas yang telah selesai. Untuk pembetulan pepijat, bekalkan kegagalan yang diperhatikan dan tingkah laku yang dijangkakan, kemudian minta fail yang terjejas, perubahan penting dan hasil pemeriksaan yang benar-benar dilakukan. Untuk semakan, minta masalah konkrit yang dikaitkan dengan tingkah laku yang dimaksudkan. Hasil akhir yang berguna menghubungkan kerja yang dicadangkan atau diselesaikan dengan permintaan asal dan menyenaraikan bukti yang diperoleh, bersama sebarang langkah khusus yang masih belum diselesaikan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Patch a parser and its caller\n\nPropose a coordinated patch for two Python excerpts. parser.py: def parse_line(line): return line.split(":"). runner.py: key, value = parse_line(line). A value may contain colons; blank lines must be skipped. For "title:a:b", preserve value "a:b". Return both changed excerpts and tests for a colon-bearing value, a blank line and a missing delimiter.Two focused code changes with a clear malformed-line contract and tests covering the three supplied cases.Check that the parser and caller agree on skipped and malformed lines and that value colons are preserved.gpt-5.3-codexModel khusus Codex untuk pengaturcaraan berasaskan ejen dan tugas teknikal yang berjalan lama. Model ini menerima teks dan imej, menggunakan hasil alat dan menyokong pemadatan konteks supaya tugas dapat diteruskan melangkaui satu tetingkap konteks.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.3-Codex ialah model OpenAI yang dikhususkan untuk pengaturcaraan berasaskan ejen dalam Codex dan persekitaran serupa yang disambungkan kepada alat. Model ini menggabungkan pengaturcaraan dengan penaakulan dan pengetahuan profesional, menerima teks dan imej serta menghasilkan teks. Peranannya melangkaui penjanaan kod kepada pemeriksaan projek, pembuatan keputusan berdasarkan bukti alat dan penerusan tugas teknikal melalui langkah seterusnya.
Keluaran tersebut menerangkan pelaksanaan, penyahpepijatan, pengujian dan kerja lain sepanjang kitaran hayat perisian, termasuk keperluan produk, dokumen teknikal dan analisis data. Untuk permintaan pengaturcaraan, berikan model tingkah laku yang perlu dilaksanakan, bahan projek berkaitan dan kekangan yang mesti dikekalkan. Contoh tugas ialah menjejaki cara input mencapai hasilnya, mengenal pasti kebergantungan yang terlibat dan membangunkan tampalan yang diselaraskan bersama penjelasan tentang tingkah laku yang terjejas.
Kerja antara muka boleh menggabungkan taklimat bertulis dengan tangkapan skrin atau rujukan visual lain. Kenal pasti interaksi atau susun atur yang penting dan hasil pengguna yang dijangkakan. Dalam persekitaran pengaturcaraan, kandungan fail, output perintah dan hasil pemeriksaan menjadi bukti bagi keputusan seterusnya. Aplikasi melaksanakan alat dan mengembalikan output sebenar; model perlu membezakan perubahan yang dicadangkan daripada perubahan yang telah dilakukan dan disemak dalam persekitaran itu.
OpenAI menetapkan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model menyokong usaha penaakulan low, medium, high dan xhigh. Panduan prompt khusus mengesyorkan medium sebagai titik permulaan praktikal untuk pengaturcaraan interaktif dan usaha lebih tinggi untuk kerja sukar. Antara muka yang didokumenkan ialah Responses, dengan penstriman, Structured Outputs, panggilan fungsi, input imej, carian web dan cache prompt. Set alat tepat pada kad model merangkumi fungsi, carian web, shell yang dihoskan dan kemahiran.
Panduan khusus Codex mendokumenkan sokongan terbina dalam untuk pemadatan konteks bagi rangkaian kerja panjang. Apabila perbualan bertambah panjang, aplikasi boleh menghasilkan konteks yang dipadatkan sambil mengekalkan keadaan terdahulu yang penting untuk permintaan kemudian. Panduan turut mewajibkan maklumat phase pada mesej assistant dikekalkan: ulasan sementara dengan nilai commentary dan jawapan akhir dengan nilai final mempunyai peranan berbeza, dan kehilangan perbezaan itu boleh menyebabkan pemberhentian awal atau tingkah laku yang merosot. Oleh itu, mesej kemajuan perlu kekal sebagai mesej kemajuan dan bukannya dianggap sebagai hasil tugas yang telah selesai.
Keluaran itu menerangkan pengarahan dan interaksi dengan model semasa kerja dalam persekitaran Codex. Bekalkan pembetulan atau keperluan tambahan sambil mengekalkan objektif asal dan bukti berkaitan dengan jelas. Keluaran itu turut menerangkan pemantauan dan kawalan automatik untuk permintaan yang dinilai sebagai kerja keselamatan siber berisiko lebih tinggi. Kawalan pengeluar tersebut berasingan daripada kebenaran dan alat yang dibekalkan oleh persekitaran kerja tertentu.
Tentukan kandungan tugas yang telah selesai. Untuk pembetulan pepijat, bekalkan kegagalan yang diperhatikan dan tingkah laku yang dijangkakan, kemudian minta fail yang terjejas, perubahan penting dan hasil pemeriksaan yang benar-benar dilakukan. Untuk semakan, minta masalah konkrit yang dikaitkan dengan tingkah laku yang dimaksudkan. Hasil akhir yang berguna menghubungkan kerja yang dicadangkan atau diselesaikan dengan permintaan asal dan menyenaraikan bukti yang diperoleh, bersama sebarang langkah khusus yang masih belum diselesaikan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.3-codex | 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 — / 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 $0.00035 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.3-codex","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-5.3-codex", 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-5.3-codex, openai/gpt-5.3-codex
/chat/completions
gpt-5.3-codexModel khusus Codex untuk pengaturcaraan berasaskan ejen dan tugas teknikal yang berjalan lama. Model ini menerima teks dan imej, menggunakan hasil alat dan menyokong pemadatan konteks supaya tugas dapat diteruskan melangkaui satu tetingkap konteks.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.3-Codex ialah model OpenAI yang dikhususkan untuk pengaturcaraan berasaskan ejen dalam Codex dan persekitaran serupa yang disambungkan kepada alat. Model ini menggabungkan pengaturcaraan dengan penaakulan dan pengetahuan profesional, menerima teks dan imej serta menghasilkan teks. Peranannya melangkaui penjanaan kod kepada pemeriksaan projek, pembuatan keputusan berdasarkan bukti alat dan penerusan tugas teknikal melalui langkah seterusnya.
Keluaran tersebut menerangkan pelaksanaan, penyahpepijatan, pengujian dan kerja lain sepanjang kitaran hayat perisian, termasuk keperluan produk, dokumen teknikal dan analisis data. Untuk permintaan pengaturcaraan, berikan model tingkah laku yang perlu dilaksanakan, bahan projek berkaitan dan kekangan yang mesti dikekalkan. Contoh tugas ialah menjejaki cara input mencapai hasilnya, mengenal pasti kebergantungan yang terlibat dan membangunkan tampalan yang diselaraskan bersama penjelasan tentang tingkah laku yang terjejas.
Kerja antara muka boleh menggabungkan taklimat bertulis dengan tangkapan skrin atau rujukan visual lain. Kenal pasti interaksi atau susun atur yang penting dan hasil pengguna yang dijangkakan. Dalam persekitaran pengaturcaraan, kandungan fail, output perintah dan hasil pemeriksaan menjadi bukti bagi keputusan seterusnya. Aplikasi melaksanakan alat dan mengembalikan output sebenar; model perlu membezakan perubahan yang dicadangkan daripada perubahan yang telah dilakukan dan disemak dalam persekitaran itu.
OpenAI menetapkan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model menyokong usaha penaakulan low, medium, high dan xhigh. Panduan prompt khusus mengesyorkan medium sebagai titik permulaan praktikal untuk pengaturcaraan interaktif dan usaha lebih tinggi untuk kerja sukar. Antara muka yang didokumenkan ialah Responses, dengan penstriman, Structured Outputs, panggilan fungsi, input imej, carian web dan cache prompt. Set alat tepat pada kad model merangkumi fungsi, carian web, shell yang dihoskan dan kemahiran.
Panduan khusus Codex mendokumenkan sokongan terbina dalam untuk pemadatan konteks bagi rangkaian kerja panjang. Apabila perbualan bertambah panjang, aplikasi boleh menghasilkan konteks yang dipadatkan sambil mengekalkan keadaan terdahulu yang penting untuk permintaan kemudian. Panduan turut mewajibkan maklumat phase pada mesej assistant dikekalkan: ulasan sementara dengan nilai commentary dan jawapan akhir dengan nilai final mempunyai peranan berbeza, dan kehilangan perbezaan itu boleh menyebabkan pemberhentian awal atau tingkah laku yang merosot. Oleh itu, mesej kemajuan perlu kekal sebagai mesej kemajuan dan bukannya dianggap sebagai hasil tugas yang telah selesai.
Keluaran itu menerangkan pengarahan dan interaksi dengan model semasa kerja dalam persekitaran Codex. Bekalkan pembetulan atau keperluan tambahan sambil mengekalkan objektif asal dan bukti berkaitan dengan jelas. Keluaran itu turut menerangkan pemantauan dan kawalan automatik untuk permintaan yang dinilai sebagai kerja keselamatan siber berisiko lebih tinggi. Kawalan pengeluar tersebut berasingan daripada kebenaran dan alat yang dibekalkan oleh persekitaran kerja tertentu.
Tentukan kandungan tugas yang telah selesai. Untuk pembetulan pepijat, bekalkan kegagalan yang diperhatikan dan tingkah laku yang dijangkakan, kemudian minta fail yang terjejas, perubahan penting dan hasil pemeriksaan yang benar-benar dilakukan. Untuk semakan, minta masalah konkrit yang dikaitkan dengan tingkah laku yang dimaksudkan. Hasil akhir yang berguna menghubungkan kerja yang dicadangkan atau diselesaikan dengan permintaan asal dan menyenaraikan bukti yang diperoleh, bersama sebarang langkah khusus yang masih belum diselesaikan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.3-codex | 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 — / 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 $0.00035 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-5.3-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.3-codex, openai/gpt-5.3-codex
/chat/completions
openai/gpt-5.3-codexModel khusus Codex untuk pengaturcaraan berasaskan ejen dan tugas teknikal yang berjalan lama. Model ini menerima teks dan imej, menggunakan hasil alat dan menyokong pemadatan konteks supaya tugas dapat diteruskan melangkaui satu tetingkap konteks.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.3-Codex ialah model OpenAI yang dikhususkan untuk pengaturcaraan berasaskan ejen dalam Codex dan persekitaran serupa yang disambungkan kepada alat. Model ini menggabungkan pengaturcaraan dengan penaakulan dan pengetahuan profesional, menerima teks dan imej serta menghasilkan teks. Peranannya melangkaui penjanaan kod kepada pemeriksaan projek, pembuatan keputusan berdasarkan bukti alat dan penerusan tugas teknikal melalui langkah seterusnya.
Keluaran tersebut menerangkan pelaksanaan, penyahpepijatan, pengujian dan kerja lain sepanjang kitaran hayat perisian, termasuk keperluan produk, dokumen teknikal dan analisis data. Untuk permintaan pengaturcaraan, berikan model tingkah laku yang perlu dilaksanakan, bahan projek berkaitan dan kekangan yang mesti dikekalkan. Contoh tugas ialah menjejaki cara input mencapai hasilnya, mengenal pasti kebergantungan yang terlibat dan membangunkan tampalan yang diselaraskan bersama penjelasan tentang tingkah laku yang terjejas.
Kerja antara muka boleh menggabungkan taklimat bertulis dengan tangkapan skrin atau rujukan visual lain. Kenal pasti interaksi atau susun atur yang penting dan hasil pengguna yang dijangkakan. Dalam persekitaran pengaturcaraan, kandungan fail, output perintah dan hasil pemeriksaan menjadi bukti bagi keputusan seterusnya. Aplikasi melaksanakan alat dan mengembalikan output sebenar; model perlu membezakan perubahan yang dicadangkan daripada perubahan yang telah dilakukan dan disemak dalam persekitaran itu.
OpenAI menetapkan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model menyokong usaha penaakulan low, medium, high dan xhigh. Panduan prompt khusus mengesyorkan medium sebagai titik permulaan praktikal untuk pengaturcaraan interaktif dan usaha lebih tinggi untuk kerja sukar. Antara muka yang didokumenkan ialah Responses, dengan penstriman, Structured Outputs, panggilan fungsi, input imej, carian web dan cache prompt. Set alat tepat pada kad model merangkumi fungsi, carian web, shell yang dihoskan dan kemahiran.
Panduan khusus Codex mendokumenkan sokongan terbina dalam untuk pemadatan konteks bagi rangkaian kerja panjang. Apabila perbualan bertambah panjang, aplikasi boleh menghasilkan konteks yang dipadatkan sambil mengekalkan keadaan terdahulu yang penting untuk permintaan kemudian. Panduan turut mewajibkan maklumat phase pada mesej assistant dikekalkan: ulasan sementara dengan nilai commentary dan jawapan akhir dengan nilai final mempunyai peranan berbeza, dan kehilangan perbezaan itu boleh menyebabkan pemberhentian awal atau tingkah laku yang merosot. Oleh itu, mesej kemajuan perlu kekal sebagai mesej kemajuan dan bukannya dianggap sebagai hasil tugas yang telah selesai.
Keluaran itu menerangkan pengarahan dan interaksi dengan model semasa kerja dalam persekitaran Codex. Bekalkan pembetulan atau keperluan tambahan sambil mengekalkan objektif asal dan bukti berkaitan dengan jelas. Keluaran itu turut menerangkan pemantauan dan kawalan automatik untuk permintaan yang dinilai sebagai kerja keselamatan siber berisiko lebih tinggi. Kawalan pengeluar tersebut berasingan daripada kebenaran dan alat yang dibekalkan oleh persekitaran kerja tertentu.
Tentukan kandungan tugas yang telah selesai. Untuk pembetulan pepijat, bekalkan kegagalan yang diperhatikan dan tingkah laku yang dijangkakan, kemudian minta fail yang terjejas, perubahan penting dan hasil pemeriksaan yang benar-benar dilakukan. Untuk semakan, minta masalah konkrit yang dikaitkan dengan tingkah laku yang dimaksudkan. Hasil akhir yang berguna menghubungkan kerja yang dicadangkan atau diselesaikan dengan permintaan asal dan menyenaraikan bukti yang diperoleh, bersama sebarang langkah khusus yang masih belum diselesaikan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.3-codex | 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 — / 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 $0.00035 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.3-codex", "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-5.3-codex',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-5.3-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.3-codex, openai/gpt-5.3-codex
/chat/completions
openai/gpt-5.3-codexModel khusus Codex untuk pengaturcaraan berasaskan ejen dan tugas teknikal yang berjalan lama. Model ini menerima teks dan imej, menggunakan hasil alat dan menyokong pemadatan konteks supaya tugas dapat diteruskan melangkaui satu tetingkap konteks.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.3-Codex ialah model OpenAI yang dikhususkan untuk pengaturcaraan berasaskan ejen dalam Codex dan persekitaran serupa yang disambungkan kepada alat. Model ini menggabungkan pengaturcaraan dengan penaakulan dan pengetahuan profesional, menerima teks dan imej serta menghasilkan teks. Peranannya melangkaui penjanaan kod kepada pemeriksaan projek, pembuatan keputusan berdasarkan bukti alat dan penerusan tugas teknikal melalui langkah seterusnya.
Keluaran tersebut menerangkan pelaksanaan, penyahpepijatan, pengujian dan kerja lain sepanjang kitaran hayat perisian, termasuk keperluan produk, dokumen teknikal dan analisis data. Untuk permintaan pengaturcaraan, berikan model tingkah laku yang perlu dilaksanakan, bahan projek berkaitan dan kekangan yang mesti dikekalkan. Contoh tugas ialah menjejaki cara input mencapai hasilnya, mengenal pasti kebergantungan yang terlibat dan membangunkan tampalan yang diselaraskan bersama penjelasan tentang tingkah laku yang terjejas.
Kerja antara muka boleh menggabungkan taklimat bertulis dengan tangkapan skrin atau rujukan visual lain. Kenal pasti interaksi atau susun atur yang penting dan hasil pengguna yang dijangkakan. Dalam persekitaran pengaturcaraan, kandungan fail, output perintah dan hasil pemeriksaan menjadi bukti bagi keputusan seterusnya. Aplikasi melaksanakan alat dan mengembalikan output sebenar; model perlu membezakan perubahan yang dicadangkan daripada perubahan yang telah dilakukan dan disemak dalam persekitaran itu.
OpenAI menetapkan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model menyokong usaha penaakulan low, medium, high dan xhigh. Panduan prompt khusus mengesyorkan medium sebagai titik permulaan praktikal untuk pengaturcaraan interaktif dan usaha lebih tinggi untuk kerja sukar. Antara muka yang didokumenkan ialah Responses, dengan penstriman, Structured Outputs, panggilan fungsi, input imej, carian web dan cache prompt. Set alat tepat pada kad model merangkumi fungsi, carian web, shell yang dihoskan dan kemahiran.
Panduan khusus Codex mendokumenkan sokongan terbina dalam untuk pemadatan konteks bagi rangkaian kerja panjang. Apabila perbualan bertambah panjang, aplikasi boleh menghasilkan konteks yang dipadatkan sambil mengekalkan keadaan terdahulu yang penting untuk permintaan kemudian. Panduan turut mewajibkan maklumat phase pada mesej assistant dikekalkan: ulasan sementara dengan nilai commentary dan jawapan akhir dengan nilai final mempunyai peranan berbeza, dan kehilangan perbezaan itu boleh menyebabkan pemberhentian awal atau tingkah laku yang merosot. Oleh itu, mesej kemajuan perlu kekal sebagai mesej kemajuan dan bukannya dianggap sebagai hasil tugas yang telah selesai.
Keluaran itu menerangkan pengarahan dan interaksi dengan model semasa kerja dalam persekitaran Codex. Bekalkan pembetulan atau keperluan tambahan sambil mengekalkan objektif asal dan bukti berkaitan dengan jelas. Keluaran itu turut menerangkan pemantauan dan kawalan automatik untuk permintaan yang dinilai sebagai kerja keselamatan siber berisiko lebih tinggi. Kawalan pengeluar tersebut berasingan daripada kebenaran dan alat yang dibekalkan oleh persekitaran kerja tertentu.
Tentukan kandungan tugas yang telah selesai. Untuk pembetulan pepijat, bekalkan kegagalan yang diperhatikan dan tingkah laku yang dijangkakan, kemudian minta fail yang terjejas, perubahan penting dan hasil pemeriksaan yang benar-benar dilakukan. Untuk semakan, minta masalah konkrit yang dikaitkan dengan tingkah laku yang dimaksudkan. Hasil akhir yang berguna menghubungkan kerja yang dicadangkan atau diselesaikan dengan permintaan asal dan menyenaraikan bukti yang diperoleh, bersama sebarang langkah khusus yang masih belum diselesaikan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.3-codex | 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 — / 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 $0.00035 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-5.3-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.3-codex', '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-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5.3-codex, openai/gpt-5.3-codex
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Patch a parser and its caller\n\nPropose a coordinated patch for two Python excerpts. parser.py: def parse_line(line): return line.split(":"). runner.py: key, value = parse_line(line). A value may contain colons; blank lines must be skipped. For "title:a:b", preserve value "a:b". Return both changed excerpts and tests for a colon-bearing value, a blank line and a missing delimiter.Two focused code changes with a clear malformed-line contract and tests covering the three supplied cases.Check that the parser and caller agree on skipped and malformed lines and that value colons are preserved.