GPT-5.5 Pro ialah edisi Pro berasingan bagi GPT-5.5 daripada OpenAI. Model ini menggunakan pengiraan tambahan untuk meneliti soalan sukar dan membangunkan respons yang lebih menyeluruh. Model menerima teks dan imej serta menghasilkan teks. Identitinya sebagai model Pro bernama berbeza daripada pemilihan mod pelaksanaan Pro pada model asas GPT-5.6 atau GPT-6.
Keluaran keluarga GPT-5.5 menerangkan pengaturcaraan, penyelidikan, analisis data dan kerja profesional yang banyak melibatkan dokumen. Keluaran itu khususnya menerangkan Pro sebagai pilihan untuk soalan yang mencabar dan hasil berstruktur yang lebih menyeluruh. Contoh tugas ialah menyelaraskan beberapa dokumen projek, mengenal pasti keperluan yang saling bergantung dan membangunkan saranan dengan syarat yang jelas. Untuk kod, bekalkan tingkah laku yang dimaksudkan, pelaksanaan sedia ada dan kekangan yang mesti dikekalkan oleh cadangan perubahan.
OpenAI menetapkan tetingkap konteks 1050000 token dan output maksimum 128000 token untuk GPT-5.5 Pro, dengan tarikh akhir pengetahuan yang didokumenkan pada 1 Disember 2025. Pilihan usaha penaakulannya ialah medium, high dan xhigh; high ialah lalai. Penaakulan menggunakan ruang token bersama jawapan yang kelihatan. Oleh itu, permintaan profesional yang panjang perlu menyertakan bukti berkaitan dan memperuntukkan ruang untuk analisis model serta hasil akhir.
Pengeluar mendokumenkan GPT-5.5 Pro untuk permintaan Responses, termasuk melalui Batch, bagi menyokong interaksi model berbilang giliran sebelum respons. Permintaan sukar boleh mengambil masa beberapa minit. OpenAI mengesyorkan pelaksanaan latar belakang untuk kerja yang mengambil masa panjang: aplikasi menerima pengecam respons, menjejaki status permintaan dan mendapatkan hasil yang telah selesai. Gunakan aliran kerja ini untuk mengikuti permintaan panjang sehingga hasilnya selesai.
Kad model menyenaraikan Structured Outputs, panggilan fungsi, carian web dan fail, alat penjanaan imej, input imej serta sokongan MCP. Alatnya turut merangkumi pentafsir kod dan shell yang dihoskan. Aplikasi menyediakan persekitaran kerja dan melaksanakan operasinya, kemudian mengembalikan hasil sebenar supaya model dapat meneruskan kerja. Program yang dicadangkan, tindakan yang diminta dan hasil tindakan yang telah dilaksanakan perlu dianggap sebagai bahan yang berbeza semasa menyediakan respons akhir.
Berikan soalan yang jelas, bahan sumber dan kriteria penyiapan kepada model. Untuk analisis teknikal, minta kebergantungan yang terjejas, pendekatan yang dicadangkan dan bukti yang diperlukan untuk menyemaknya. Untuk keputusan dokumen, kenal pasti kriteria perbandingan dan minta supaya fakta yang dibekalkan, kesimpulan dan syarat yang belum diselesaikan kekal dapat dibezakan. Jika imej membekalkan bukti penting, tunjukkan butiran yang berkaitan. Hasil akhir yang berguna ialah memo keputusan, cadangan kod atau penjelasan analisis khusus yang dikaitkan dengan bahan dan matlamat yang anda berikan.
", "aboutText": "GPT-5.5 Pro ialah edisi Pro berasingan bagi GPT-5.5 daripada OpenAI. Model ini menggunakan pengiraan tambahan untuk meneliti soalan sukar dan membangunkan respons yang lebih menyeluruh. Model menerima teks dan imej serta menghasilkan teks. Identitinya sebagai model Pro bernama berbeza daripada pemilihan mod pelaksanaan Pro pada model asas GPT-5.6 atau GPT-6.\n\nKeluaran keluarga GPT-5.5 menerangkan pengaturcaraan, penyelidikan, analisis data dan kerja profesional yang banyak melibatkan dokumen. Keluaran itu khususnya menerangkan Pro sebagai pilihan untuk soalan yang mencabar dan hasil berstruktur yang lebih menyeluruh. Contoh tugas ialah menyelaraskan beberapa dokumen projek, mengenal pasti keperluan yang saling bergantung dan membangunkan saranan dengan syarat yang jelas. Untuk kod, bekalkan tingkah laku yang dimaksudkan, pelaksanaan sedia ada dan kekangan yang mesti dikekalkan oleh cadangan perubahan.\n\nOpenAI menetapkan tetingkap konteks 1050000 token dan output maksimum 128000 token untuk GPT-5.5 Pro, dengan tarikh akhir pengetahuan yang didokumenkan pada 1 Disember 2025. Pilihan usaha penaakulannya ialah medium, high dan xhigh; high ialah lalai. Penaakulan menggunakan ruang token bersama jawapan yang kelihatan. Oleh itu, permintaan profesional yang panjang perlu menyertakan bukti berkaitan dan memperuntukkan ruang untuk analisis model serta hasil akhir.\n\nPengeluar mendokumenkan GPT-5.5 Pro untuk permintaan Responses, termasuk melalui Batch, bagi menyokong interaksi model berbilang giliran sebelum respons. Permintaan sukar boleh mengambil masa beberapa minit. OpenAI mengesyorkan pelaksanaan latar belakang untuk kerja yang mengambil masa panjang: aplikasi menerima pengecam respons, menjejaki status permintaan dan mendapatkan hasil yang telah selesai. Gunakan aliran kerja ini untuk mengikuti permintaan panjang sehingga hasilnya selesai.\n\nKad model menyenaraikan Structured Outputs, panggilan fungsi, carian web dan fail, alat penjanaan imej, input imej serta sokongan MCP. Alatnya turut merangkumi pentafsir kod dan shell yang dihoskan. Aplikasi menyediakan persekitaran kerja dan melaksanakan operasinya, kemudian mengembalikan hasil sebenar supaya model dapat meneruskan kerja. Program yang dicadangkan, tindakan yang diminta dan hasil tindakan yang telah dilaksanakan perlu dianggap sebagai bahan yang berbeza semasa menyediakan respons akhir.\n\nBerikan soalan yang jelas, bahan sumber dan kriteria penyiapan kepada model. Untuk analisis teknikal, minta kebergantungan yang terjejas, pendekatan yang dicadangkan dan bukti yang diperlukan untuk menyemaknya. Untuk keputusan dokumen, kenal pasti kriteria perbandingan dan minta supaya fakta yang dibekalkan, kesimpulan dan syarat yang belum diselesaikan kekal dapat dibezakan. Jika imej membekalkan bukti penting, tunjukkan butiran yang berkaitan. Hasil akhir yang berguna ialah memo keputusan, cadangan kod atau penjelasan analisis khusus yang dikaitkan dengan bahan dan matlamat yang anda berikan.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c4417235c37c70b90a505813c6caa5f53dd1a83a9a820d6f0ba24dd1084b9881", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "openai/gpt-5.5-pro:batchEdisi GPT-5.5 Pro yang berasingan menggunakan pengiraan tambahan untuk penaakulan sukar dan analisis profesional. Model ini menerima teks dan imej serta membangunkan hasil teks melalui antara muka Responses pengeluar, termasuk melalui permintaan Batch.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5.5 Pro ialah edisi Pro berasingan bagi GPT-5.5 daripada OpenAI. Model ini menggunakan pengiraan tambahan untuk meneliti soalan sukar dan membangunkan respons yang lebih menyeluruh. Model menerima teks dan imej serta menghasilkan teks. Identitinya sebagai model Pro bernama berbeza daripada pemilihan mod pelaksanaan Pro pada model asas GPT-5.6 atau GPT-6.
Keluaran keluarga GPT-5.5 menerangkan pengaturcaraan, penyelidikan, analisis data dan kerja profesional yang banyak melibatkan dokumen. Keluaran itu khususnya menerangkan Pro sebagai pilihan untuk soalan yang mencabar dan hasil berstruktur yang lebih menyeluruh. Contoh tugas ialah menyelaraskan beberapa dokumen projek, mengenal pasti keperluan yang saling bergantung dan membangunkan saranan dengan syarat yang jelas. Untuk kod, bekalkan tingkah laku yang dimaksudkan, pelaksanaan sedia ada dan kekangan yang mesti dikekalkan oleh cadangan perubahan.
OpenAI menetapkan tetingkap konteks 1050000 token dan output maksimum 128000 token untuk GPT-5.5 Pro, dengan tarikh akhir pengetahuan yang didokumenkan pada 1 Disember 2025. Pilihan usaha penaakulannya ialah medium, high dan xhigh; high ialah lalai. Penaakulan menggunakan ruang token bersama jawapan yang kelihatan. Oleh itu, permintaan profesional yang panjang perlu menyertakan bukti berkaitan dan memperuntukkan ruang untuk analisis model serta hasil akhir.
Pengeluar mendokumenkan GPT-5.5 Pro untuk permintaan Responses, termasuk melalui Batch, bagi menyokong interaksi model berbilang giliran sebelum respons. Permintaan sukar boleh mengambil masa beberapa minit. OpenAI mengesyorkan pelaksanaan latar belakang untuk kerja yang mengambil masa panjang: aplikasi menerima pengecam respons, menjejaki status permintaan dan mendapatkan hasil yang telah selesai. Gunakan aliran kerja ini untuk mengikuti permintaan panjang sehingga hasilnya selesai.
Kad model menyenaraikan Structured Outputs, panggilan fungsi, carian web dan fail, alat penjanaan imej, input imej serta sokongan MCP. Alatnya turut merangkumi pentafsir kod dan shell yang dihoskan. Aplikasi menyediakan persekitaran kerja dan melaksanakan operasinya, kemudian mengembalikan hasil sebenar supaya model dapat meneruskan kerja. Program yang dicadangkan, tindakan yang diminta dan hasil tindakan yang telah dilaksanakan perlu dianggap sebagai bahan yang berbeza semasa menyediakan respons akhir.
Berikan soalan yang jelas, bahan sumber dan kriteria penyiapan kepada model. Untuk analisis teknikal, minta kebergantungan yang terjejas, pendekatan yang dicadangkan dan bukti yang diperlukan untuk menyemaknya. Untuk keputusan dokumen, kenal pasti kriteria perbandingan dan minta supaya fakta yang dibekalkan, kesimpulan dan syarat yang belum diselesaikan kekal dapat dibezakan. Jika imej membekalkan bukti penting, tunjukkan butiran yang berkaitan. Hasil akhir yang berguna ialah memo keputusan, cadangan kod atau penjelasan analisis khusus yang dikaitkan dengan bahan dan matlamat yang anda berikan.
POST /v1/batchestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanendpoint | Jenisstring | KeperluanDiperlukan | Nilai & had /v1/chat/completions | Lalai— |
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5.5-pro:batch | Lalai— |
Medanrequests | Jenisbatch_item[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanrequests[].custom_id | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanrequests[].body.messages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medancompletion_window | Jenisstring | KeperluanPilihan | Nilai & had 24h | Lalai— |
Medanprovider | Jenisobject|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanrequests[].body.model | Jenisstring | KeperluanPilihan | Nilai & had openai/gpt-5.5-pro:batch, openai/gpt-5.5-pro | Lalai— |
Medanprovider.only | Jenisstring[] | KeperluanPilihan | Nilai & had openai | Lalai— |
Medanprovider.allow_fallbacks | Jenisboolean|null | KeperluanPilihan | Nilai & had false, null | Lalai— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakendpoint, model, requests |
Parametermaterial_types | Kontraktext |
Parameterrepresentation | Kontrakrequests[] sebaris; setiap item mempunyai custom_id dan body |
Parameterrequest_endpoint_profile | Kontrak/v1/chat/completions |
Parameterfile_material | KontrakPemanggil boleh membaca JSONL UTF-8 sebenar secara setempat ke dalam requests[]. Tiada tujuan muat naik, input_file_id atau rujukan fail digunakan. Bahan pelanggan yang tiada atau kosong menghentikan persediaan sebelum POST. |
Parameterserialization_order | Kontrakendpoint, model, provider (jika dibekalkan), completion_window (jika dibekalkan), requests di akhir |
Parameteroptional_controls | Kontrakprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontrakBadan permintaan Chat Completions teks dalam pembungkus Batch sebaris yang didokumenkan. |
Kitar hayat: asynchronous
GET /v1/batches/{operation_id} · response.id sebenar daripada respons penciptaan asal; pengguna/kunci/kumpulan yang sama
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 $0.03 / 1K token Output · Token output $0.18 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk272,000 | Caj Input · Token input $0.03 / 1K token Output · Token output $0.18 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi272,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.06 / 1K token Output · Token output $0.27 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.5-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.5-pro:batch', 'openai/gpt-5.5-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.5-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON results[].response.body sebaris
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nSimpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan keseluruhan JSON status asal, setiap hasil/custom_id serta badan respons atau ralat yang lengkap. Simpan results[] yang telah selesai sebagai JSONL tanpa penapisan.
Simpan ID operasi asal. 503 result_pending_check mempunyai X-Should-Retry:false; jangan sekali-kali hantar semula kelompok asal yang hasilnya tidak diketahui.
| Medan | Jenis |
|---|---|
Medanresults[].custom_id | Jenisstring |
Medanresults[].response.body.choices[].message.content | Jenisstring|null |
Medanresults[].error | Jenisobject|null |
Medanusage | Jenisobject|null |
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medanendpoint | Jenisstring |
Medanstatus | Jenisstring |
Medanrequest_counts | Jenisobject |
Medanresults[].id | Jenisstring |
Medanresults[].response.status_code | Jenisinteger |
Medanresults[].response.request_id | Jenisstring |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratPembungkus sebaris yang didokumenkan tidak sah, kunci berulang, identiti item atau keupayaan model yang dikonfigurasikan bercanggah. | Langkah seterusnyaBetulkan medan yang dinyatakan sebelum sebarang penghantaran baharu. |
Respons401 · authentication_error | SyaratKunci API tidak sah. | Langkah seterusnyaGunakan kunci Ailoot yang dibenarkan. |
Respons403 · permission_error | SyaratKumpulan kelompok tidak tersedia. | Langkah seterusnyaSemak hak akses kunci/kumpulan. |
Respons422 · invalid_request_error | SyaratKelompok menggunakan pengebilan baki; penciptaan melalui langganan ditolak. | Langkah seterusnyaGunakan kumpulan yang dibenarkan untuk pengebilan melalui baki. |
Respons422 · price_unavailable | SyaratSebut harga tidak dapat diberikan untuk input kelompok. | Langkah seterusnyaSimpan respons; gunakan input keluarga API yang didokumenkan. |
Respons402 · billing_error | SyaratRizab kelompok tidak tersedia. | Langkah seterusnyaSelesaikan isu penerimaan permintaan sebelum menghantar permintaan baharu. |
Respons503 · price_unavailable | SyaratHarga kaedah kelompok/kadar natif tidak tersedia. | Langkah seterusnyaSimpan respons; jangan gantikan harga. |
Respons503 · api_error | SyaratLaluan pembekal yang tepat tidak tersedia. | Langkah seterusnyaSimpan respons untuk pembaikan laluan. |
Respons503 · result_pending_check | SyaratHasil asal memerlukan semakan; X-Should-Retry:false. | Langkah seterusnyaSimpan operation_id/id asal dan baca statusnya; jangan sekali-kali ulang POST asal. |
Respons404 · not_found | SyaratOperasi status kelompok tiada atau dimiliki oleh identiti lain. | Langkah seterusnyaGunakan id asal yang tepat serta pengguna/kunci/kumpulan yang sama. |
Ailoot Ultra openai/gpt-5.5-pro:batch
Gunakan laluan kaedah yang dipaparkan di atas.