GPT-5 Pro ialah edisi Pro berasingan bagi GPT-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. Pro ialah sebahagian daripada identiti edisi ini, berasingan daripada model GPT-5 standard dan tetapan mod penaakulan Pro yang didokumenkan untuk keluarga model kemudian.
Contoh tugas ialah membandingkan beberapa pendekatan bagi soalan kejuruteraan dengan syarat yang saling bergantung. Bekalkan tingkah laku yang diwajibkan, bahan berkaitan dan kekangan yang menentukan sama ada penyelesaian boleh diterima. Minta hubungan antara syarat itu, pendekatan yang dicadangkan dan bukti yang menyokong pilihan. Untuk keputusan dokumen, bekalkan kriteria perbandingan dan nyatakan fakta yang mesti dikekalkan oleh kesimpulan.
Kad model GPT-5 Pro terkini daripada OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 272000 token dan tarikh akhir pengetahuan pada 30 September 2024. Usaha penaakulan lalai model ialah high dan model menyokong nilai itu sahaja. Angka output ini milik kad Pro berasingan dan bukannya spesifikasi GPT-5 standard. Penaakulan menggunakan ruang token bersama respons yang kelihatan, maka permintaan yang besar perlu memperuntukkan ruang untuk analisis serta hasil akhir yang diminta.
Pengeluar mendokumenkan Responses untuk interaksi berbilang giliran sebelum jawapan akhir, dan spesifikasi model turut menyenaraikan sokongan Batch. Permintaan sukar mungkin mengambil masa beberapa minit; pelaksanaan latar belakang disyorkan untuk kerja yang berjalan lama. Aplikasi menyimpan pengecam respons, memeriksa sama ada tugas berada dalam baris gilir atau sedang berjalan dan mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini menerangkan aliran permintaan pengeluar tanpa mengubah titik akhir kad sedia ada.
Kad model tepat menyenaraikan penstriman, Structured Outputs, panggilan fungsi, input fail, input imej, carian web dan fail, alat penjanaan imej serta sambungan MCP. GPT-5 Pro secara jelas tidak menyokong alat pentafsir kod. Operasi alat berasingan daripada respons teks model: aplikasi menyediakan fungsi yang tersedia, melaksanakan tindakannya dan mengembalikan hasil sebenar. Tindakan yang dicadangkan tidak boleh dianggap sebagai pengiraan atau operasi lain yang telah selesai.
Sediakan kriteria penyiapan yang jelas dan format hasil yang sesuai dengan soalan. Untuk kod, minta tingkah laku yang terjejas, perubahan yang dicadangkan dan pemeriksaan yang diperlukan untuk menilainya. Untuk analisis, bezakan fakta yang dibekalkan, hubungan yang disimpulkan dan sebarang syarat yang belum diselesaikan. Jika imej membekalkan bukti penting, kenal pasti butiran berkaitan dan bekalkan konteks bertulis. Hasil akhir yang berguna ialah perbandingan, cadangan pelaksanaan atau memo keputusan khusus yang dikaitkan dengan soalan serta bahan asal.
", "aboutText": "GPT-5 Pro ialah edisi Pro berasingan bagi GPT-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. Pro ialah sebahagian daripada identiti edisi ini, berasingan daripada model GPT-5 standard dan tetapan mod penaakulan Pro yang didokumenkan untuk keluarga model kemudian.\n\nContoh tugas ialah membandingkan beberapa pendekatan bagi soalan kejuruteraan dengan syarat yang saling bergantung. Bekalkan tingkah laku yang diwajibkan, bahan berkaitan dan kekangan yang menentukan sama ada penyelesaian boleh diterima. Minta hubungan antara syarat itu, pendekatan yang dicadangkan dan bukti yang menyokong pilihan. Untuk keputusan dokumen, bekalkan kriteria perbandingan dan nyatakan fakta yang mesti dikekalkan oleh kesimpulan.\n\nKad model GPT-5 Pro terkini daripada OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 272000 token dan tarikh akhir pengetahuan pada 30 September 2024. Usaha penaakulan lalai model ialah high dan model menyokong nilai itu sahaja. Angka output ini milik kad Pro berasingan dan bukannya spesifikasi GPT-5 standard. Penaakulan menggunakan ruang token bersama respons yang kelihatan, maka permintaan yang besar perlu memperuntukkan ruang untuk analisis serta hasil akhir yang diminta.\n\nPengeluar mendokumenkan Responses untuk interaksi berbilang giliran sebelum jawapan akhir, dan spesifikasi model turut menyenaraikan sokongan Batch. Permintaan sukar mungkin mengambil masa beberapa minit; pelaksanaan latar belakang disyorkan untuk kerja yang berjalan lama. Aplikasi menyimpan pengecam respons, memeriksa sama ada tugas berada dalam baris gilir atau sedang berjalan dan mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini menerangkan aliran permintaan pengeluar tanpa mengubah titik akhir kad sedia ada.\n\nKad model tepat menyenaraikan penstriman, Structured Outputs, panggilan fungsi, input fail, input imej, carian web dan fail, alat penjanaan imej serta sambungan MCP. GPT-5 Pro secara jelas tidak menyokong alat pentafsir kod. Operasi alat berasingan daripada respons teks model: aplikasi menyediakan fungsi yang tersedia, melaksanakan tindakannya dan mengembalikan hasil sebenar. Tindakan yang dicadangkan tidak boleh dianggap sebagai pengiraan atau operasi lain yang telah selesai.\n\nSediakan kriteria penyiapan yang jelas dan format hasil yang sesuai dengan soalan. Untuk kod, minta tingkah laku yang terjejas, perubahan yang dicadangkan dan pemeriksaan yang diperlukan untuk menilainya. Untuk analisis, bezakan fakta yang dibekalkan, hubungan yang disimpulkan dan sebarang syarat yang belum diselesaikan. Jika imej membekalkan bukti penting, kenal pasti butiran berkaitan dan bekalkan konteks bertulis. Hasil akhir yang berguna ialah perbandingan, cadangan pelaksanaan atau memo keputusan khusus yang dikaitkan dengan soalan serta bahan asal.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare two audit-log designs\n\nCompare two designs under these requirements: record every accepted edit, allow crash recovery and preserve an inspectable event order. Design A overwrites one current-state file after each edit. Design B appends an event before updating current state and replays events during recovery. Give a criterion table, key assumptions and a recommendation without claiming either implementation was tested.A design comparison, explicit durability/order assumptions and a reasoned recommendation.The answer must distinguish a proposed event-log design from proven crash-safe behavior.gpt-5-proEdisi GPT-5 Pro yang berasingan menggunakan pengiraan tambahan untuk penaakulan sukar. Model ini menerima teks dan imej serta menghasilkan teks, menyokong usaha penaakulan high sahaja dan menggunakan aliran kerja Responses pengeluar untuk permintaan yang berjalan lama.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5 Pro ialah edisi Pro berasingan bagi GPT-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. Pro ialah sebahagian daripada identiti edisi ini, berasingan daripada model GPT-5 standard dan tetapan mod penaakulan Pro yang didokumenkan untuk keluarga model kemudian.
Contoh tugas ialah membandingkan beberapa pendekatan bagi soalan kejuruteraan dengan syarat yang saling bergantung. Bekalkan tingkah laku yang diwajibkan, bahan berkaitan dan kekangan yang menentukan sama ada penyelesaian boleh diterima. Minta hubungan antara syarat itu, pendekatan yang dicadangkan dan bukti yang menyokong pilihan. Untuk keputusan dokumen, bekalkan kriteria perbandingan dan nyatakan fakta yang mesti dikekalkan oleh kesimpulan.
Kad model GPT-5 Pro terkini daripada OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 272000 token dan tarikh akhir pengetahuan pada 30 September 2024. Usaha penaakulan lalai model ialah high dan model menyokong nilai itu sahaja. Angka output ini milik kad Pro berasingan dan bukannya spesifikasi GPT-5 standard. Penaakulan menggunakan ruang token bersama respons yang kelihatan, maka permintaan yang besar perlu memperuntukkan ruang untuk analisis serta hasil akhir yang diminta.
Pengeluar mendokumenkan Responses untuk interaksi berbilang giliran sebelum jawapan akhir, dan spesifikasi model turut menyenaraikan sokongan Batch. Permintaan sukar mungkin mengambil masa beberapa minit; pelaksanaan latar belakang disyorkan untuk kerja yang berjalan lama. Aplikasi menyimpan pengecam respons, memeriksa sama ada tugas berada dalam baris gilir atau sedang berjalan dan mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini menerangkan aliran permintaan pengeluar tanpa mengubah titik akhir kad sedia ada.
Kad model tepat menyenaraikan penstriman, Structured Outputs, panggilan fungsi, input fail, input imej, carian web dan fail, alat penjanaan imej serta sambungan MCP. GPT-5 Pro secara jelas tidak menyokong alat pentafsir kod. Operasi alat berasingan daripada respons teks model: aplikasi menyediakan fungsi yang tersedia, melaksanakan tindakannya dan mengembalikan hasil sebenar. Tindakan yang dicadangkan tidak boleh dianggap sebagai pengiraan atau operasi lain yang telah selesai.
Sediakan kriteria penyiapan yang jelas dan format hasil yang sesuai dengan soalan. Untuk kod, minta tingkah laku yang terjejas, perubahan yang dicadangkan dan pemeriksaan yang diperlukan untuk menilainya. Untuk analisis, bezakan fakta yang dibekalkan, hubungan yang disimpulkan dan sebarang syarat yang belum diselesaikan. Jika imej membekalkan bukti penting, kenal pasti butiran berkaitan dan bekalkan konteks bertulis. Hasil akhir yang berguna ialah perbandingan, cadangan pelaksanaan atau memo keputusan khusus yang dikaitkan dengan soalan serta bahan asal.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.03 / 1K token Output · Token output $0.24 / 1K token Input · Bacaan cache $0.00001 / 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 $0.03 / 1K token Output · Token output $0.24 / 1K token Input · Bacaan cache $0.00001 / 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-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5-pro", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5-pro, openai/gpt-5-pro
/chat/completions
gpt-5-proEdisi GPT-5 Pro yang berasingan menggunakan pengiraan tambahan untuk penaakulan sukar. Model ini menerima teks dan imej serta menghasilkan teks, menyokong usaha penaakulan high sahaja dan menggunakan aliran kerja Responses pengeluar untuk permintaan yang berjalan lama.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5 Pro ialah edisi Pro berasingan bagi GPT-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. Pro ialah sebahagian daripada identiti edisi ini, berasingan daripada model GPT-5 standard dan tetapan mod penaakulan Pro yang didokumenkan untuk keluarga model kemudian.
Contoh tugas ialah membandingkan beberapa pendekatan bagi soalan kejuruteraan dengan syarat yang saling bergantung. Bekalkan tingkah laku yang diwajibkan, bahan berkaitan dan kekangan yang menentukan sama ada penyelesaian boleh diterima. Minta hubungan antara syarat itu, pendekatan yang dicadangkan dan bukti yang menyokong pilihan. Untuk keputusan dokumen, bekalkan kriteria perbandingan dan nyatakan fakta yang mesti dikekalkan oleh kesimpulan.
Kad model GPT-5 Pro terkini daripada OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 272000 token dan tarikh akhir pengetahuan pada 30 September 2024. Usaha penaakulan lalai model ialah high dan model menyokong nilai itu sahaja. Angka output ini milik kad Pro berasingan dan bukannya spesifikasi GPT-5 standard. Penaakulan menggunakan ruang token bersama respons yang kelihatan, maka permintaan yang besar perlu memperuntukkan ruang untuk analisis serta hasil akhir yang diminta.
Pengeluar mendokumenkan Responses untuk interaksi berbilang giliran sebelum jawapan akhir, dan spesifikasi model turut menyenaraikan sokongan Batch. Permintaan sukar mungkin mengambil masa beberapa minit; pelaksanaan latar belakang disyorkan untuk kerja yang berjalan lama. Aplikasi menyimpan pengecam respons, memeriksa sama ada tugas berada dalam baris gilir atau sedang berjalan dan mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini menerangkan aliran permintaan pengeluar tanpa mengubah titik akhir kad sedia ada.
Kad model tepat menyenaraikan penstriman, Structured Outputs, panggilan fungsi, input fail, input imej, carian web dan fail, alat penjanaan imej serta sambungan MCP. GPT-5 Pro secara jelas tidak menyokong alat pentafsir kod. Operasi alat berasingan daripada respons teks model: aplikasi menyediakan fungsi yang tersedia, melaksanakan tindakannya dan mengembalikan hasil sebenar. Tindakan yang dicadangkan tidak boleh dianggap sebagai pengiraan atau operasi lain yang telah selesai.
Sediakan kriteria penyiapan yang jelas dan format hasil yang sesuai dengan soalan. Untuk kod, minta tingkah laku yang terjejas, perubahan yang dicadangkan dan pemeriksaan yang diperlukan untuk menilainya. Untuk analisis, bezakan fakta yang dibekalkan, hubungan yang disimpulkan dan sebarang syarat yang belum diselesaikan. Jika imej membekalkan bukti penting, kenal pasti butiran berkaitan dan bekalkan konteks bertulis. Hasil akhir yang berguna ialah perbandingan, cadangan pelaksanaan atau memo keputusan khusus yang dikaitkan dengan soalan serta bahan asal.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-5-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.03 / 1K token Output · Token output $0.24 / 1K token Input · Bacaan cache $0.00001 / 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 $0.03 / 1K token Output · Token output $0.24 / 1K token Input · Bacaan cache $0.00001 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5-pro, openai/gpt-5-pro
/chat/completions
openai/gpt-5-proEdisi GPT-5 Pro yang berasingan menggunakan pengiraan tambahan untuk penaakulan sukar. Model ini menerima teks dan imej serta menghasilkan teks, menyokong usaha penaakulan high sahaja dan menggunakan aliran kerja Responses pengeluar untuk permintaan yang berjalan lama.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5 Pro ialah edisi Pro berasingan bagi GPT-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. Pro ialah sebahagian daripada identiti edisi ini, berasingan daripada model GPT-5 standard dan tetapan mod penaakulan Pro yang didokumenkan untuk keluarga model kemudian.
Contoh tugas ialah membandingkan beberapa pendekatan bagi soalan kejuruteraan dengan syarat yang saling bergantung. Bekalkan tingkah laku yang diwajibkan, bahan berkaitan dan kekangan yang menentukan sama ada penyelesaian boleh diterima. Minta hubungan antara syarat itu, pendekatan yang dicadangkan dan bukti yang menyokong pilihan. Untuk keputusan dokumen, bekalkan kriteria perbandingan dan nyatakan fakta yang mesti dikekalkan oleh kesimpulan.
Kad model GPT-5 Pro terkini daripada OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 272000 token dan tarikh akhir pengetahuan pada 30 September 2024. Usaha penaakulan lalai model ialah high dan model menyokong nilai itu sahaja. Angka output ini milik kad Pro berasingan dan bukannya spesifikasi GPT-5 standard. Penaakulan menggunakan ruang token bersama respons yang kelihatan, maka permintaan yang besar perlu memperuntukkan ruang untuk analisis serta hasil akhir yang diminta.
Pengeluar mendokumenkan Responses untuk interaksi berbilang giliran sebelum jawapan akhir, dan spesifikasi model turut menyenaraikan sokongan Batch. Permintaan sukar mungkin mengambil masa beberapa minit; pelaksanaan latar belakang disyorkan untuk kerja yang berjalan lama. Aplikasi menyimpan pengecam respons, memeriksa sama ada tugas berada dalam baris gilir atau sedang berjalan dan mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini menerangkan aliran permintaan pengeluar tanpa mengubah titik akhir kad sedia ada.
Kad model tepat menyenaraikan penstriman, Structured Outputs, panggilan fungsi, input fail, input imej, carian web dan fail, alat penjanaan imej serta sambungan MCP. GPT-5 Pro secara jelas tidak menyokong alat pentafsir kod. Operasi alat berasingan daripada respons teks model: aplikasi menyediakan fungsi yang tersedia, melaksanakan tindakannya dan mengembalikan hasil sebenar. Tindakan yang dicadangkan tidak boleh dianggap sebagai pengiraan atau operasi lain yang telah selesai.
Sediakan kriteria penyiapan yang jelas dan format hasil yang sesuai dengan soalan. Untuk kod, minta tingkah laku yang terjejas, perubahan yang dicadangkan dan pemeriksaan yang diperlukan untuk menilainya. Untuk analisis, bezakan fakta yang dibekalkan, hubungan yang disimpulkan dan sebarang syarat yang belum diselesaikan. Jika imej membekalkan bukti penting, kenal pasti butiran berkaitan dan bekalkan konteks bertulis. Hasil akhir yang berguna ialah perbandingan, cadangan pelaksanaan atau memo keputusan khusus yang dikaitkan dengan soalan serta bahan asal.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.03 / 1K token Output · Token output $0.24 / 1K token Input · Bacaan cache $0.00001 / 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 $0.03 / 1K token Output · Token output $0.24 / 1K token Input · Bacaan cache $0.00001 / 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-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5-pro, openai/gpt-5-pro
/chat/completions
openai/gpt-5-proEdisi GPT-5 Pro yang berasingan menggunakan pengiraan tambahan untuk penaakulan sukar. Model ini menerima teks dan imej serta menghasilkan teks, menyokong usaha penaakulan high sahaja dan menggunakan aliran kerja Responses pengeluar untuk permintaan yang berjalan lama.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
GPT-5 Pro ialah edisi Pro berasingan bagi GPT-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. Pro ialah sebahagian daripada identiti edisi ini, berasingan daripada model GPT-5 standard dan tetapan mod penaakulan Pro yang didokumenkan untuk keluarga model kemudian.
Contoh tugas ialah membandingkan beberapa pendekatan bagi soalan kejuruteraan dengan syarat yang saling bergantung. Bekalkan tingkah laku yang diwajibkan, bahan berkaitan dan kekangan yang menentukan sama ada penyelesaian boleh diterima. Minta hubungan antara syarat itu, pendekatan yang dicadangkan dan bukti yang menyokong pilihan. Untuk keputusan dokumen, bekalkan kriteria perbandingan dan nyatakan fakta yang mesti dikekalkan oleh kesimpulan.
Kad model GPT-5 Pro terkini daripada OpenAI menyenaraikan tetingkap konteks 400000 token, output maksimum 272000 token dan tarikh akhir pengetahuan pada 30 September 2024. Usaha penaakulan lalai model ialah high dan model menyokong nilai itu sahaja. Angka output ini milik kad Pro berasingan dan bukannya spesifikasi GPT-5 standard. Penaakulan menggunakan ruang token bersama respons yang kelihatan, maka permintaan yang besar perlu memperuntukkan ruang untuk analisis serta hasil akhir yang diminta.
Pengeluar mendokumenkan Responses untuk interaksi berbilang giliran sebelum jawapan akhir, dan spesifikasi model turut menyenaraikan sokongan Batch. Permintaan sukar mungkin mengambil masa beberapa minit; pelaksanaan latar belakang disyorkan untuk kerja yang berjalan lama. Aplikasi menyimpan pengecam respons, memeriksa sama ada tugas berada dalam baris gilir atau sedang berjalan dan mendapatkan hasil apabila pemprosesan mencapai keadaan akhir. Ini menerangkan aliran permintaan pengeluar tanpa mengubah titik akhir kad sedia ada.
Kad model tepat menyenaraikan penstriman, Structured Outputs, panggilan fungsi, input fail, input imej, carian web dan fail, alat penjanaan imej serta sambungan MCP. GPT-5 Pro secara jelas tidak menyokong alat pentafsir kod. Operasi alat berasingan daripada respons teks model: aplikasi menyediakan fungsi yang tersedia, melaksanakan tindakannya dan mengembalikan hasil sebenar. Tindakan yang dicadangkan tidak boleh dianggap sebagai pengiraan atau operasi lain yang telah selesai.
Sediakan kriteria penyiapan yang jelas dan format hasil yang sesuai dengan soalan. Untuk kod, minta tingkah laku yang terjejas, perubahan yang dicadangkan dan pemeriksaan yang diperlukan untuk menilainya. Untuk analisis, bezakan fakta yang dibekalkan, hubungan yang disimpulkan dan sebarang syarat yang belum diselesaikan. Jika imej membekalkan bukti penting, kenal pasti butiran berkaitan dan bekalkan konteks bertulis. Hasil akhir yang berguna ialah perbandingan, cadangan pelaksanaan atau memo keputusan khusus yang dikaitkan dengan soalan serta bahan asal.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-5-pro | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.03 / 1K token Output · Token output $0.24 / 1K token Input · Bacaan cache $0.00001 / 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 $0.03 / 1K token Output · Token output $0.24 / 1K token Input · Bacaan cache $0.00001 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gpt-5-pro, openai/gpt-5-pro
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Compare two audit-log designs\n\nCompare two designs under these requirements: record every accepted edit, allow crash recovery and preserve an inspectable event order. Design A overwrites one current-state file after each edit. Design B appends an event before updating current state and replays events during recovery. Give a criterion table, key assumptions and a recommendation without claiming either implementation was tested.A design comparison, explicit durability/order assumptions and a reasoned recommendation.The answer must distinguish a proposed event-log design from proven crash-safe behavior.