GPT-5.4 nano ialah model kompak OpenAI dalam kelas GPT-5.4 untuk tugas mudah yang bervolum tinggi. Pengeluar menekankan pengelasan, pengekstrakan data, pemeringkatan dan kerja sokongan sebagai subejen. Model ini menerima teks dan imej serta menghasilkan teks. Ini memberikan nano peranan tertumpu dalam proses yang lebih besar: menyelesaikan operasi yang ditentukan dan mengembalikan maklumat yang diperlukan oleh langkah seterusnya.
Untuk pengelasan, bekalkan kategori yang dibenarkan, peraturan yang membezakannya dan format hasil yang dijangkakan. Contoh tugas ialah mengenal pasti topik permintaan dan fakta yang menyokong kategori itu. Sertakan contoh apabila contoh dapat menjelaskan sempadan yang sukar, dan nyatakan cara mewakili permintaan yang tidak sesuai dengan kategori yang tersedia. Hasil yang berguna ialah kategori bersama justifikasi ringkas yang dikaitkan dengan bahan yang dibekalkan.
Untuk pengekstrakan, nyatakan medan dan takrifnya dan bukannya meminta setiap butiran yang mungkin menarik. Anda boleh membekalkan bahan bertulis atau imej halaman dan mengenal pasti nilai yang diperlukan. Kekalkan nama dan unit yang mempengaruhi makna, serta bezakan medan yang tiada daripada nilai yang disimpulkan daripada teks sekeliling. Untuk pemeringkatan, bekalkan calon dan kriteria, kemudian minta senarai tersusun bersama bukti berkaitan bagi setiap kedudukan.
Spesifikasi GPT-5.4 nano daripada OpenAI menyenaraikan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model ini menyokong usaha penaakulan none, low, medium, high dan xhigh; none ialah lalai. Usaha yang dipilih dan panjang jawapan yang diminta perlu sesuai dengan tugas. Apabila penaakulan digunakan, peruntukkan ruang untuk analisis serta hasil yang kelihatan.
Pengeluar mendokumenkan antara muka Responses, Chat Completions dan Batch, bersama penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi menyediakan operasinya dan mengembalikan hasil sebenar. Respons berstruktur menerangkan bentuk output; permintaan fungsi menerangkan tindakan yang perlu dilakukan oleh alat.
Dalam aliran kerja berbilang peringkat, berikan tugas sokongan terhad dan kriteria penyiapan yang jelas kepada nano. Contohnya, ekstrak fakta yang diwajibkan daripada beberapa mesej, kemudian hantar fakta itu ke peringkat seterusnya untuk keputusan yang lebih luas. Semak medan yang dikembalikan terhadap input asal dan perhalusi peraturan apabila sempadan kategori tidak jelas. Kategori ringkas, set nilai, senarai berperingkat atau argumen alat yang dicadangkan ialah hasil akhir yang berguna apabila tujuan dan bukti sumbernya kekal jelas.
", "aboutText": "GPT-5.4 nano ialah model kompak OpenAI dalam kelas GPT-5.4 untuk tugas mudah yang bervolum tinggi. Pengeluar menekankan pengelasan, pengekstrakan data, pemeringkatan dan kerja sokongan sebagai subejen. Model ini menerima teks dan imej serta menghasilkan teks. Ini memberikan nano peranan tertumpu dalam proses yang lebih besar: menyelesaikan operasi yang ditentukan dan mengembalikan maklumat yang diperlukan oleh langkah seterusnya.\n\nUntuk pengelasan, bekalkan kategori yang dibenarkan, peraturan yang membezakannya dan format hasil yang dijangkakan. Contoh tugas ialah mengenal pasti topik permintaan dan fakta yang menyokong kategori itu. Sertakan contoh apabila contoh dapat menjelaskan sempadan yang sukar, dan nyatakan cara mewakili permintaan yang tidak sesuai dengan kategori yang tersedia. Hasil yang berguna ialah kategori bersama justifikasi ringkas yang dikaitkan dengan bahan yang dibekalkan.\n\nUntuk pengekstrakan, nyatakan medan dan takrifnya dan bukannya meminta setiap butiran yang mungkin menarik. Anda boleh membekalkan bahan bertulis atau imej halaman dan mengenal pasti nilai yang diperlukan. Kekalkan nama dan unit yang mempengaruhi makna, serta bezakan medan yang tiada daripada nilai yang disimpulkan daripada teks sekeliling. Untuk pemeringkatan, bekalkan calon dan kriteria, kemudian minta senarai tersusun bersama bukti berkaitan bagi setiap kedudukan.\n\nSpesifikasi GPT-5.4 nano daripada OpenAI menyenaraikan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model ini menyokong usaha penaakulan none, low, medium, high dan xhigh; none ialah lalai. Usaha yang dipilih dan panjang jawapan yang diminta perlu sesuai dengan tugas. Apabila penaakulan digunakan, peruntukkan ruang untuk analisis serta hasil yang kelihatan.\n\nPengeluar mendokumenkan antara muka Responses, Chat Completions dan Batch, bersama penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi menyediakan operasinya dan mengembalikan hasil sebenar. Respons berstruktur menerangkan bentuk output; permintaan fungsi menerangkan tindakan yang perlu dilakukan oleh alat.\n\nDalam aliran kerja berbilang peringkat, berikan tugas sokongan terhad dan kriteria penyiapan yang jelas kepada nano. Contohnya, ekstrak fakta yang diwajibkan daripada beberapa mesej, kemudian hantar fakta itu ke peringkat seterusnya untuk keputusan yang lebih luas. Semak medan yang dikembalikan terhadap input asal dan perhalusi peraturan apabila sempadan kategori tidak jelas. Kategori ringkas, set nilai, senarai berperingkat atau argumen alat yang dicadangkan ialah hasil akhir yang berguna apabila tujuan dan bukti sumbernya kekal jelas.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Extract facts from a delivery request\n\nExtract only the required facts from this message: 'Order K92 arrived with one cracked cup out of six. Please replace that cup; weekday delivery is best. I have not sent a photograph yet.' Return order_reference, affected_quantity, total_quantity, requested_action and missing_evidence. Keep quantities numeric and do not infer a delivery address or replacement approval.A compact extraction record containing the five requested fields, with no unrelated summary.The record separates one affected cup from six total cups and marks the photograph as not yet supplied.gpt-5.4-nanoModel GPT-5.4 kompak untuk pengelasan, pengekstrakan data, pemeringkatan dan tugas sokongan ejen yang lebih mudah. Model ini menerima teks dan imej serta mengembalikan teks, dengan Structured Outputs dan panggilan fungsi dalam set ciri yang didokumenkan oleh pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.4 nano ialah model kompak OpenAI dalam kelas GPT-5.4 untuk tugas mudah yang bervolum tinggi. Pengeluar menekankan pengelasan, pengekstrakan data, pemeringkatan dan kerja sokongan sebagai subejen. Model ini menerima teks dan imej serta menghasilkan teks. Ini memberikan nano peranan tertumpu dalam proses yang lebih besar: menyelesaikan operasi yang ditentukan dan mengembalikan maklumat yang diperlukan oleh langkah seterusnya.
Untuk pengelasan, bekalkan kategori yang dibenarkan, peraturan yang membezakannya dan format hasil yang dijangkakan. Contoh tugas ialah mengenal pasti topik permintaan dan fakta yang menyokong kategori itu. Sertakan contoh apabila contoh dapat menjelaskan sempadan yang sukar, dan nyatakan cara mewakili permintaan yang tidak sesuai dengan kategori yang tersedia. Hasil yang berguna ialah kategori bersama justifikasi ringkas yang dikaitkan dengan bahan yang dibekalkan.
Untuk pengekstrakan, nyatakan medan dan takrifnya dan bukannya meminta setiap butiran yang mungkin menarik. Anda boleh membekalkan bahan bertulis atau imej halaman dan mengenal pasti nilai yang diperlukan. Kekalkan nama dan unit yang mempengaruhi makna, serta bezakan medan yang tiada daripada nilai yang disimpulkan daripada teks sekeliling. Untuk pemeringkatan, bekalkan calon dan kriteria, kemudian minta senarai tersusun bersama bukti berkaitan bagi setiap kedudukan.
Spesifikasi GPT-5.4 nano daripada OpenAI menyenaraikan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model ini menyokong usaha penaakulan none, low, medium, high dan xhigh; none ialah lalai. Usaha yang dipilih dan panjang jawapan yang diminta perlu sesuai dengan tugas. Apabila penaakulan digunakan, peruntukkan ruang untuk analisis serta hasil yang kelihatan.
Pengeluar mendokumenkan antara muka Responses, Chat Completions dan Batch, bersama penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi menyediakan operasinya dan mengembalikan hasil sebenar. Respons berstruktur menerangkan bentuk output; permintaan fungsi menerangkan tindakan yang perlu dilakukan oleh alat.
Dalam aliran kerja berbilang peringkat, berikan tugas sokongan terhad dan kriteria penyiapan yang jelas kepada nano. Contohnya, ekstrak fakta yang diwajibkan daripada beberapa mesej, kemudian hantar fakta itu ke peringkat seterusnya untuk keputusan yang lebih luas. Semak medan yang dikembalikan terhadap input asal dan perhalusi peraturan apabila sempadan kategori tidak jelas. Kategori ringkas, set nilai, senarai berperingkat atau argumen alat yang dicadangkan ialah hasil akhir yang berguna apabila tujuan dan bukti sumbernya kekal jelas.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.4-nano | 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 $0.0004 / 1K token Output · Token output $0.0025 / 1K token Input · Bacaan cache $0.00004 / 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 $0.0004 / 1K token Output · Token output $0.0025 / 1K token Input · Bacaan cache $0.00004 / 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-5.4-nano","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-5.4-nano", 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-5.4-nano, openai/gpt-5.4-nano
/chat/completions
gpt-5.4-nanoModel GPT-5.4 kompak untuk pengelasan, pengekstrakan data, pemeringkatan dan tugas sokongan ejen yang lebih mudah. Model ini menerima teks dan imej serta mengembalikan teks, dengan Structured Outputs dan panggilan fungsi dalam set ciri yang didokumenkan oleh pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.4 nano ialah model kompak OpenAI dalam kelas GPT-5.4 untuk tugas mudah yang bervolum tinggi. Pengeluar menekankan pengelasan, pengekstrakan data, pemeringkatan dan kerja sokongan sebagai subejen. Model ini menerima teks dan imej serta menghasilkan teks. Ini memberikan nano peranan tertumpu dalam proses yang lebih besar: menyelesaikan operasi yang ditentukan dan mengembalikan maklumat yang diperlukan oleh langkah seterusnya.
Untuk pengelasan, bekalkan kategori yang dibenarkan, peraturan yang membezakannya dan format hasil yang dijangkakan. Contoh tugas ialah mengenal pasti topik permintaan dan fakta yang menyokong kategori itu. Sertakan contoh apabila contoh dapat menjelaskan sempadan yang sukar, dan nyatakan cara mewakili permintaan yang tidak sesuai dengan kategori yang tersedia. Hasil yang berguna ialah kategori bersama justifikasi ringkas yang dikaitkan dengan bahan yang dibekalkan.
Untuk pengekstrakan, nyatakan medan dan takrifnya dan bukannya meminta setiap butiran yang mungkin menarik. Anda boleh membekalkan bahan bertulis atau imej halaman dan mengenal pasti nilai yang diperlukan. Kekalkan nama dan unit yang mempengaruhi makna, serta bezakan medan yang tiada daripada nilai yang disimpulkan daripada teks sekeliling. Untuk pemeringkatan, bekalkan calon dan kriteria, kemudian minta senarai tersusun bersama bukti berkaitan bagi setiap kedudukan.
Spesifikasi GPT-5.4 nano daripada OpenAI menyenaraikan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model ini menyokong usaha penaakulan none, low, medium, high dan xhigh; none ialah lalai. Usaha yang dipilih dan panjang jawapan yang diminta perlu sesuai dengan tugas. Apabila penaakulan digunakan, peruntukkan ruang untuk analisis serta hasil yang kelihatan.
Pengeluar mendokumenkan antara muka Responses, Chat Completions dan Batch, bersama penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi menyediakan operasinya dan mengembalikan hasil sebenar. Respons berstruktur menerangkan bentuk output; permintaan fungsi menerangkan tindakan yang perlu dilakukan oleh alat.
Dalam aliran kerja berbilang peringkat, berikan tugas sokongan terhad dan kriteria penyiapan yang jelas kepada nano. Contohnya, ekstrak fakta yang diwajibkan daripada beberapa mesej, kemudian hantar fakta itu ke peringkat seterusnya untuk keputusan yang lebih luas. Semak medan yang dikembalikan terhadap input asal dan perhalusi peraturan apabila sempadan kategori tidak jelas. Kategori ringkas, set nilai, senarai berperingkat atau argumen alat yang dicadangkan ialah hasil akhir yang berguna apabila tujuan dan bukti sumbernya kekal jelas.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5.4-nano | 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 $0.0004 / 1K token Output · Token output $0.0025 / 1K token Input · Bacaan cache $0.00004 / 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 $0.0004 / 1K token Output · Token output $0.0025 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-5.4-nano",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.4-nano', '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-5.4-nano', '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-5.4-nano, openai/gpt-5.4-nano
/chat/completions
openai/gpt-5.4-nanoModel GPT-5.4 kompak untuk pengelasan, pengekstrakan data, pemeringkatan dan tugas sokongan ejen yang lebih mudah. Model ini menerima teks dan imej serta mengembalikan teks, dengan Structured Outputs dan panggilan fungsi dalam set ciri yang didokumenkan oleh pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.4 nano ialah model kompak OpenAI dalam kelas GPT-5.4 untuk tugas mudah yang bervolum tinggi. Pengeluar menekankan pengelasan, pengekstrakan data, pemeringkatan dan kerja sokongan sebagai subejen. Model ini menerima teks dan imej serta menghasilkan teks. Ini memberikan nano peranan tertumpu dalam proses yang lebih besar: menyelesaikan operasi yang ditentukan dan mengembalikan maklumat yang diperlukan oleh langkah seterusnya.
Untuk pengelasan, bekalkan kategori yang dibenarkan, peraturan yang membezakannya dan format hasil yang dijangkakan. Contoh tugas ialah mengenal pasti topik permintaan dan fakta yang menyokong kategori itu. Sertakan contoh apabila contoh dapat menjelaskan sempadan yang sukar, dan nyatakan cara mewakili permintaan yang tidak sesuai dengan kategori yang tersedia. Hasil yang berguna ialah kategori bersama justifikasi ringkas yang dikaitkan dengan bahan yang dibekalkan.
Untuk pengekstrakan, nyatakan medan dan takrifnya dan bukannya meminta setiap butiran yang mungkin menarik. Anda boleh membekalkan bahan bertulis atau imej halaman dan mengenal pasti nilai yang diperlukan. Kekalkan nama dan unit yang mempengaruhi makna, serta bezakan medan yang tiada daripada nilai yang disimpulkan daripada teks sekeliling. Untuk pemeringkatan, bekalkan calon dan kriteria, kemudian minta senarai tersusun bersama bukti berkaitan bagi setiap kedudukan.
Spesifikasi GPT-5.4 nano daripada OpenAI menyenaraikan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model ini menyokong usaha penaakulan none, low, medium, high dan xhigh; none ialah lalai. Usaha yang dipilih dan panjang jawapan yang diminta perlu sesuai dengan tugas. Apabila penaakulan digunakan, peruntukkan ruang untuk analisis serta hasil yang kelihatan.
Pengeluar mendokumenkan antara muka Responses, Chat Completions dan Batch, bersama penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi menyediakan operasinya dan mengembalikan hasil sebenar. Respons berstruktur menerangkan bentuk output; permintaan fungsi menerangkan tindakan yang perlu dilakukan oleh alat.
Dalam aliran kerja berbilang peringkat, berikan tugas sokongan terhad dan kriteria penyiapan yang jelas kepada nano. Contohnya, ekstrak fakta yang diwajibkan daripada beberapa mesej, kemudian hantar fakta itu ke peringkat seterusnya untuk keputusan yang lebih luas. Semak medan yang dikembalikan terhadap input asal dan perhalusi peraturan apabila sempadan kategori tidak jelas. Kategori ringkas, set nilai, senarai berperingkat atau argumen alat yang dicadangkan ialah hasil akhir yang berguna apabila tujuan dan bukti sumbernya kekal jelas.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.4-nano | 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 $0.0004 / 1K token Output · Token output $0.0025 / 1K token Input · Bacaan cache $0.00004 / 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 $0.0004 / 1K token Output · Token output $0.0025 / 1K token Input · Bacaan cache $0.00004 / 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-5.4-nano", "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-5.4-nano',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-5.4-nano',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-5.4-nano, openai/gpt-5.4-nano
/chat/completions
openai/gpt-5.4-nanoModel GPT-5.4 kompak untuk pengelasan, pengekstrakan data, pemeringkatan dan tugas sokongan ejen yang lebih mudah. Model ini menerima teks dan imej serta mengembalikan teks, dengan Structured Outputs dan panggilan fungsi dalam set ciri yang didokumenkan oleh pengeluar.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.4 nano ialah model kompak OpenAI dalam kelas GPT-5.4 untuk tugas mudah yang bervolum tinggi. Pengeluar menekankan pengelasan, pengekstrakan data, pemeringkatan dan kerja sokongan sebagai subejen. Model ini menerima teks dan imej serta menghasilkan teks. Ini memberikan nano peranan tertumpu dalam proses yang lebih besar: menyelesaikan operasi yang ditentukan dan mengembalikan maklumat yang diperlukan oleh langkah seterusnya.
Untuk pengelasan, bekalkan kategori yang dibenarkan, peraturan yang membezakannya dan format hasil yang dijangkakan. Contoh tugas ialah mengenal pasti topik permintaan dan fakta yang menyokong kategori itu. Sertakan contoh apabila contoh dapat menjelaskan sempadan yang sukar, dan nyatakan cara mewakili permintaan yang tidak sesuai dengan kategori yang tersedia. Hasil yang berguna ialah kategori bersama justifikasi ringkas yang dikaitkan dengan bahan yang dibekalkan.
Untuk pengekstrakan, nyatakan medan dan takrifnya dan bukannya meminta setiap butiran yang mungkin menarik. Anda boleh membekalkan bahan bertulis atau imej halaman dan mengenal pasti nilai yang diperlukan. Kekalkan nama dan unit yang mempengaruhi makna, serta bezakan medan yang tiada daripada nilai yang disimpulkan daripada teks sekeliling. Untuk pemeringkatan, bekalkan calon dan kriteria, kemudian minta senarai tersusun bersama bukti berkaitan bagi setiap kedudukan.
Spesifikasi GPT-5.4 nano daripada OpenAI menyenaraikan tetingkap konteks 400000 token, input maksimum 272000 token dan output maksimum 128000 token, dengan tarikh akhir pengetahuan pada 31 Ogos 2025. Model ini menyokong usaha penaakulan none, low, medium, high dan xhigh; none ialah lalai. Usaha yang dipilih dan panjang jawapan yang diminta perlu sesuai dengan tugas. Apabila penaakulan digunakan, peruntukkan ruang untuk analisis serta hasil yang kelihatan.
Pengeluar mendokumenkan antara muka Responses, Chat Completions dan Batch, bersama penstriman, Structured Outputs, panggilan fungsi, carian web dan fail, input fail, input imej serta cache prompt. Set alatnya merangkumi penjanaan imej, pentafsiran kod, shell yang dihoskan dan operasi tampalan, kemahiran serta sambungan MCP. Aplikasi menyediakan operasinya dan mengembalikan hasil sebenar. Respons berstruktur menerangkan bentuk output; permintaan fungsi menerangkan tindakan yang perlu dilakukan oleh alat.
Dalam aliran kerja berbilang peringkat, berikan tugas sokongan terhad dan kriteria penyiapan yang jelas kepada nano. Contohnya, ekstrak fakta yang diwajibkan daripada beberapa mesej, kemudian hantar fakta itu ke peringkat seterusnya untuk keputusan yang lebih luas. Semak medan yang dikembalikan terhadap input asal dan perhalusi peraturan apabila sempadan kategori tidak jelas. Kategori ringkas, set nilai, senarai berperingkat atau argumen alat yang dicadangkan ialah hasil akhir yang berguna apabila tujuan dan bukti sumbernya kekal jelas.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.4-nano | 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 $0.0004 / 1K token Output · Token output $0.0025 / 1K token Input · Bacaan cache $0.00004 / 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 $0.0004 / 1K token Output · Token output $0.0025 / 1K token Input · Bacaan cache $0.00004 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-5.4-nano",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.4-nano', '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-5.4-nano', '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-5.4-nano, openai/gpt-5.4-nano
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Extract facts from a delivery request\n\nExtract only the required facts from this message: 'Order K92 arrived with one cracked cup out of six. Please replace that cup; weekday delivery is best. I have not sent a photograph yet.' Return order_reference, affected_quantity, total_quantity, requested_action and missing_evidence. Keep quantities numeric and do not infer a delivery address or replacement approval.A compact extraction record containing the five requested fields, with no unrelated summary.The record separates one affected cup from six total cups and marks the photograph as not yet supplied.