gpt-oss-20b ialah model kegunaan umum dengan pemberat terbuka OpenAI yang lebih kecil untuk penaakulan dan aliran kerja pembangun. Model ini menerima teks dan memulangkan teks. Pengeluar menerbitkan 21 bilion parameter keseluruhan dengan 3.6 bilion parameter aktif bagi setiap token. Ini ialah edisi 20b keluarga gpt-oss, berasingan daripada edisi 120b yang lebih besar dan model Safeguard khusus untuk pengelasan dasar.
Pengeluar menerangkan kegunaan setempat dan khusus serta set latihan teks sahaja yang tertumpu pada STEM, pengekodan dan pengetahuan umum. Contoh tugas ialah menerangkan cebisan kod berdasarkan andaian yang dinyatakan dan mencadangkan perubahan yang tertumpu. Tugas analisis teks boleh pula membandingkan penerangan berdasarkan kriteria yang jelas atau menukar nota kerja kepada himpunan dapatan yang berguna. Berikan model bahan sumber dan hasil yang diperlukan oleh pembaca atau langkah aplikasi seterusnya.
Seni bina mixture-of-experts yang diterbitkan mempunyai 24 lapisan, 32 pakar dan empat pakar aktif bagi setiap token. Keluaran asal MXFP4 OpenAI bagi pemberat pakar direka bentuk supaya muat dalam memori 16 GB. Pemberat dikeluarkan di bawah Apache 2.0 dan boleh ditala halus untuk kerja khusus. Ciri pengeluar ini menerangkan model yang diterbitkan, membolehkan pembangun membezakan saiz serta peranan penyesuaiannya tanpa menganggap persediaan yang digunakan oleh aplikasi tertentu.
Dokumentasi OpenAI menyenaraikan tetingkap konteks 131,072 token, output terjana maksimum 131,072 token dan had pengetahuan pada 1 Jun 2024. Konteks yang tersedia perlu menampung bahan yang dibekalkan, analisis dan jawapan akhir. Model menyokong tahap penaakulan low, medium dan high. Format Harmony yang diperlukan mengekalkan analisis dalaman dan respons akhir dalam saluran yang berbeza, dan pengeluar menyatakan bahawa analisis mentah tidak patut dipaparkan terus kepada pengguna akhir.
Pengeluar mendokumenkan panggilan fungsi, pelayaran web, pelaksanaan kod Python melalui alat dan Structured Outputs. Ciri model yang disenaraikan turut merangkumi penstriman; persekitaran alat yang didokumenkan meliputi fungsi, pentafsiran kod, sambungan MCP dan carian web. Aplikasi menyediakan serta melaksanakan operasinya dan memulangkan hasil sebenar untuk keputusan seterusnya. Teks akhir harus membezakan tindakan yang dicadangkan daripada operasi yang telah selesai serta bukti yang dipulangkannya.
Untuk aliran kerja yang tertumpu, takrifkan medan, kekangan dan kriteria penyelesaian yang diperlukan. Minta penerangan yang berkaitan dengan kod atau kesimpulan yang berkaitan dengan teks yang dibekalkan, kemudian gunakan susulan untuk menangani satu butiran yang masih tiada. Artifak akhir yang berguna ialah cadangan suntingan, perbandingan, ringkasan atau hasil berstruktur yang khusus, yang mengekalkan fakta yang diperlukan dan menyatakan sebarang syarat yang belum diselesaikan.
", "aboutText": "gpt-oss-20b ialah model kegunaan umum dengan pemberat terbuka OpenAI yang lebih kecil untuk penaakulan dan aliran kerja pembangun. Model ini menerima teks dan memulangkan teks. Pengeluar menerbitkan 21 bilion parameter keseluruhan dengan 3.6 bilion parameter aktif bagi setiap token. Ini ialah edisi 20b keluarga gpt-oss, berasingan daripada edisi 120b yang lebih besar dan model Safeguard khusus untuk pengelasan dasar.\n\nPengeluar menerangkan kegunaan setempat dan khusus serta set latihan teks sahaja yang tertumpu pada STEM, pengekodan dan pengetahuan umum. Contoh tugas ialah menerangkan cebisan kod berdasarkan andaian yang dinyatakan dan mencadangkan perubahan yang tertumpu. Tugas analisis teks boleh pula membandingkan penerangan berdasarkan kriteria yang jelas atau menukar nota kerja kepada himpunan dapatan yang berguna. Berikan model bahan sumber dan hasil yang diperlukan oleh pembaca atau langkah aplikasi seterusnya.\n\nSeni bina mixture-of-experts yang diterbitkan mempunyai 24 lapisan, 32 pakar dan empat pakar aktif bagi setiap token. Keluaran asal MXFP4 OpenAI bagi pemberat pakar direka bentuk supaya muat dalam memori 16 GB. Pemberat dikeluarkan di bawah Apache 2.0 dan boleh ditala halus untuk kerja khusus. Ciri pengeluar ini menerangkan model yang diterbitkan, membolehkan pembangun membezakan saiz serta peranan penyesuaiannya tanpa menganggap persediaan yang digunakan oleh aplikasi tertentu.\n\nDokumentasi OpenAI menyenaraikan tetingkap konteks 131,072 token, output terjana maksimum 131,072 token dan had pengetahuan pada 1 Jun 2024. Konteks yang tersedia perlu menampung bahan yang dibekalkan, analisis dan jawapan akhir. Model menyokong tahap penaakulan low, medium dan high. Format Harmony yang diperlukan mengekalkan analisis dalaman dan respons akhir dalam saluran yang berbeza, dan pengeluar menyatakan bahawa analisis mentah tidak patut dipaparkan terus kepada pengguna akhir.\n\nPengeluar mendokumenkan panggilan fungsi, pelayaran web, pelaksanaan kod Python melalui alat dan Structured Outputs. Ciri model yang disenaraikan turut merangkumi penstriman; persekitaran alat yang didokumenkan meliputi fungsi, pentafsiran kod, sambungan MCP dan carian web. Aplikasi menyediakan serta melaksanakan operasinya dan memulangkan hasil sebenar untuk keputusan seterusnya. Teks akhir harus membezakan tindakan yang dicadangkan daripada operasi yang telah selesai serta bukti yang dipulangkannya.\n\nUntuk aliran kerja yang tertumpu, takrifkan medan, kekangan dan kriteria penyelesaian yang diperlukan. Minta penerangan yang berkaitan dengan kod atau kesimpulan yang berkaitan dengan teks yang dibekalkan, kemudian gunakan susulan untuk menangani satu butiran yang masih tiada. Artifak akhir yang berguna ialah cadangan suntingan, perbandingan, ringkasan atau hasil berstruktur yang khusus, yang mengekalkan fakta yang diperlukan dan menyatakan sebarang syarat yang belum diselesaikan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Correct a weighted average\n\nExplain the error in this Python expression for average unit cost: sum(price for price, quantity in batches) / len(batches). Input batches are [(10, 2), (4, 8)], where each tuple contains unit price and unit count. Propose a weighted calculation, state how zero total quantity should be handled and show checks for the supplied data and an empty list.A corrected function, a short weighting explanation and ordinary/zero-quantity test cases.Check that quantities weight both the numerator and denominator and empty input has explicit behavior.gpt-oss-20bModel gpt-oss kegunaan umum OpenAI yang lebih kecil menerima dan memulangkan teks untuk penaakulan, pengekodan dan aliran kerja khusus. Model ini menyokong penaakulan yang boleh dikonfigurasi, panggilan fungsi, Structured Outputs dan penalaan halus bagi pemberat terbuka yang diterbitkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
gpt-oss-20b ialah model kegunaan umum dengan pemberat terbuka OpenAI yang lebih kecil untuk penaakulan dan aliran kerja pembangun. Model ini menerima teks dan memulangkan teks. Pengeluar menerbitkan 21 bilion parameter keseluruhan dengan 3.6 bilion parameter aktif bagi setiap token. Ini ialah edisi 20b keluarga gpt-oss, berasingan daripada edisi 120b yang lebih besar dan model Safeguard khusus untuk pengelasan dasar.
Pengeluar menerangkan kegunaan setempat dan khusus serta set latihan teks sahaja yang tertumpu pada STEM, pengekodan dan pengetahuan umum. Contoh tugas ialah menerangkan cebisan kod berdasarkan andaian yang dinyatakan dan mencadangkan perubahan yang tertumpu. Tugas analisis teks boleh pula membandingkan penerangan berdasarkan kriteria yang jelas atau menukar nota kerja kepada himpunan dapatan yang berguna. Berikan model bahan sumber dan hasil yang diperlukan oleh pembaca atau langkah aplikasi seterusnya.
Seni bina mixture-of-experts yang diterbitkan mempunyai 24 lapisan, 32 pakar dan empat pakar aktif bagi setiap token. Keluaran asal MXFP4 OpenAI bagi pemberat pakar direka bentuk supaya muat dalam memori 16 GB. Pemberat dikeluarkan di bawah Apache 2.0 dan boleh ditala halus untuk kerja khusus. Ciri pengeluar ini menerangkan model yang diterbitkan, membolehkan pembangun membezakan saiz serta peranan penyesuaiannya tanpa menganggap persediaan yang digunakan oleh aplikasi tertentu.
Dokumentasi OpenAI menyenaraikan tetingkap konteks 131,072 token, output terjana maksimum 131,072 token dan had pengetahuan pada 1 Jun 2024. Konteks yang tersedia perlu menampung bahan yang dibekalkan, analisis dan jawapan akhir. Model menyokong tahap penaakulan low, medium dan high. Format Harmony yang diperlukan mengekalkan analisis dalaman dan respons akhir dalam saluran yang berbeza, dan pengeluar menyatakan bahawa analisis mentah tidak patut dipaparkan terus kepada pengguna akhir.
Pengeluar mendokumenkan panggilan fungsi, pelayaran web, pelaksanaan kod Python melalui alat dan Structured Outputs. Ciri model yang disenaraikan turut merangkumi penstriman; persekitaran alat yang didokumenkan meliputi fungsi, pentafsiran kod, sambungan MCP dan carian web. Aplikasi menyediakan serta melaksanakan operasinya dan memulangkan hasil sebenar untuk keputusan seterusnya. Teks akhir harus membezakan tindakan yang dicadangkan daripada operasi yang telah selesai serta bukti yang dipulangkannya.
Untuk aliran kerja yang tertumpu, takrifkan medan, kekangan dan kriteria penyelesaian yang diperlukan. Minta penerangan yang berkaitan dengan kod atau kesimpulan yang berkaitan dengan teks yang dibekalkan, kemudian gunakan susulan untuk menangani satu butiran yang masih tiada. Artifak akhir yang berguna ialah cadangan suntingan, perbandingan, ringkasan atau hasil berstruktur yang khusus, yang mengekalkan fakta yang diperlukan dan menyatakan sebarang syarat yang belum diselesaikan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-oss-20b | 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 $0.000058 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache $0.000058 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.000058 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache $0.000058 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-oss-20b","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-oss-20b", 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-oss-20b, openai/gpt-oss-20b
/chat/completions
gpt-oss-20bModel gpt-oss kegunaan umum OpenAI yang lebih kecil menerima dan memulangkan teks untuk penaakulan, pengekodan dan aliran kerja khusus. Model ini menyokong penaakulan yang boleh dikonfigurasi, panggilan fungsi, Structured Outputs dan penalaan halus bagi pemberat terbuka yang diterbitkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
gpt-oss-20b ialah model kegunaan umum dengan pemberat terbuka OpenAI yang lebih kecil untuk penaakulan dan aliran kerja pembangun. Model ini menerima teks dan memulangkan teks. Pengeluar menerbitkan 21 bilion parameter keseluruhan dengan 3.6 bilion parameter aktif bagi setiap token. Ini ialah edisi 20b keluarga gpt-oss, berasingan daripada edisi 120b yang lebih besar dan model Safeguard khusus untuk pengelasan dasar.
Pengeluar menerangkan kegunaan setempat dan khusus serta set latihan teks sahaja yang tertumpu pada STEM, pengekodan dan pengetahuan umum. Contoh tugas ialah menerangkan cebisan kod berdasarkan andaian yang dinyatakan dan mencadangkan perubahan yang tertumpu. Tugas analisis teks boleh pula membandingkan penerangan berdasarkan kriteria yang jelas atau menukar nota kerja kepada himpunan dapatan yang berguna. Berikan model bahan sumber dan hasil yang diperlukan oleh pembaca atau langkah aplikasi seterusnya.
Seni bina mixture-of-experts yang diterbitkan mempunyai 24 lapisan, 32 pakar dan empat pakar aktif bagi setiap token. Keluaran asal MXFP4 OpenAI bagi pemberat pakar direka bentuk supaya muat dalam memori 16 GB. Pemberat dikeluarkan di bawah Apache 2.0 dan boleh ditala halus untuk kerja khusus. Ciri pengeluar ini menerangkan model yang diterbitkan, membolehkan pembangun membezakan saiz serta peranan penyesuaiannya tanpa menganggap persediaan yang digunakan oleh aplikasi tertentu.
Dokumentasi OpenAI menyenaraikan tetingkap konteks 131,072 token, output terjana maksimum 131,072 token dan had pengetahuan pada 1 Jun 2024. Konteks yang tersedia perlu menampung bahan yang dibekalkan, analisis dan jawapan akhir. Model menyokong tahap penaakulan low, medium dan high. Format Harmony yang diperlukan mengekalkan analisis dalaman dan respons akhir dalam saluran yang berbeza, dan pengeluar menyatakan bahawa analisis mentah tidak patut dipaparkan terus kepada pengguna akhir.
Pengeluar mendokumenkan panggilan fungsi, pelayaran web, pelaksanaan kod Python melalui alat dan Structured Outputs. Ciri model yang disenaraikan turut merangkumi penstriman; persekitaran alat yang didokumenkan meliputi fungsi, pentafsiran kod, sambungan MCP dan carian web. Aplikasi menyediakan serta melaksanakan operasinya dan memulangkan hasil sebenar untuk keputusan seterusnya. Teks akhir harus membezakan tindakan yang dicadangkan daripada operasi yang telah selesai serta bukti yang dipulangkannya.
Untuk aliran kerja yang tertumpu, takrifkan medan, kekangan dan kriteria penyelesaian yang diperlukan. Minta penerangan yang berkaitan dengan kod atau kesimpulan yang berkaitan dengan teks yang dibekalkan, kemudian gunakan susulan untuk menangani satu butiran yang masih tiada. Artifak akhir yang berguna ialah cadangan suntingan, perbandingan, ringkasan atau hasil berstruktur yang khusus, yang mengekalkan fakta yang diperlukan dan menyatakan sebarang syarat yang belum diselesaikan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gpt-oss-20b | 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 $0.000058 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache $0.000058 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.000058 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache $0.000058 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gpt-oss-20b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-oss-20b', '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-oss-20b', '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-oss-20b, openai/gpt-oss-20b
/chat/completions
openai/gpt-oss-20bModel gpt-oss kegunaan umum OpenAI yang lebih kecil menerima dan memulangkan teks untuk penaakulan, pengekodan dan aliran kerja khusus. Model ini menyokong penaakulan yang boleh dikonfigurasi, panggilan fungsi, Structured Outputs dan penalaan halus bagi pemberat terbuka yang diterbitkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
gpt-oss-20b ialah model kegunaan umum dengan pemberat terbuka OpenAI yang lebih kecil untuk penaakulan dan aliran kerja pembangun. Model ini menerima teks dan memulangkan teks. Pengeluar menerbitkan 21 bilion parameter keseluruhan dengan 3.6 bilion parameter aktif bagi setiap token. Ini ialah edisi 20b keluarga gpt-oss, berasingan daripada edisi 120b yang lebih besar dan model Safeguard khusus untuk pengelasan dasar.
Pengeluar menerangkan kegunaan setempat dan khusus serta set latihan teks sahaja yang tertumpu pada STEM, pengekodan dan pengetahuan umum. Contoh tugas ialah menerangkan cebisan kod berdasarkan andaian yang dinyatakan dan mencadangkan perubahan yang tertumpu. Tugas analisis teks boleh pula membandingkan penerangan berdasarkan kriteria yang jelas atau menukar nota kerja kepada himpunan dapatan yang berguna. Berikan model bahan sumber dan hasil yang diperlukan oleh pembaca atau langkah aplikasi seterusnya.
Seni bina mixture-of-experts yang diterbitkan mempunyai 24 lapisan, 32 pakar dan empat pakar aktif bagi setiap token. Keluaran asal MXFP4 OpenAI bagi pemberat pakar direka bentuk supaya muat dalam memori 16 GB. Pemberat dikeluarkan di bawah Apache 2.0 dan boleh ditala halus untuk kerja khusus. Ciri pengeluar ini menerangkan model yang diterbitkan, membolehkan pembangun membezakan saiz serta peranan penyesuaiannya tanpa menganggap persediaan yang digunakan oleh aplikasi tertentu.
Dokumentasi OpenAI menyenaraikan tetingkap konteks 131,072 token, output terjana maksimum 131,072 token dan had pengetahuan pada 1 Jun 2024. Konteks yang tersedia perlu menampung bahan yang dibekalkan, analisis dan jawapan akhir. Model menyokong tahap penaakulan low, medium dan high. Format Harmony yang diperlukan mengekalkan analisis dalaman dan respons akhir dalam saluran yang berbeza, dan pengeluar menyatakan bahawa analisis mentah tidak patut dipaparkan terus kepada pengguna akhir.
Pengeluar mendokumenkan panggilan fungsi, pelayaran web, pelaksanaan kod Python melalui alat dan Structured Outputs. Ciri model yang disenaraikan turut merangkumi penstriman; persekitaran alat yang didokumenkan meliputi fungsi, pentafsiran kod, sambungan MCP dan carian web. Aplikasi menyediakan serta melaksanakan operasinya dan memulangkan hasil sebenar untuk keputusan seterusnya. Teks akhir harus membezakan tindakan yang dicadangkan daripada operasi yang telah selesai serta bukti yang dipulangkannya.
Untuk aliran kerja yang tertumpu, takrifkan medan, kekangan dan kriteria penyelesaian yang diperlukan. Minta penerangan yang berkaitan dengan kod atau kesimpulan yang berkaitan dengan teks yang dibekalkan, kemudian gunakan susulan untuk menangani satu butiran yang masih tiada. Artifak akhir yang berguna ialah cadangan suntingan, perbandingan, ringkasan atau hasil berstruktur yang khusus, yang mengekalkan fakta yang diperlukan dan menyatakan sebarang syarat yang belum diselesaikan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-oss-20b | 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 $0.000058 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache $0.000058 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.000058 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache $0.000058 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-oss-20b", "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-oss-20b',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-oss-20b',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-oss-20b, openai/gpt-oss-20b
/chat/completions
openai/gpt-oss-20bModel gpt-oss kegunaan umum OpenAI yang lebih kecil menerima dan memulangkan teks untuk penaakulan, pengekodan dan aliran kerja khusus. Model ini menyokong penaakulan yang boleh dikonfigurasi, panggilan fungsi, Structured Outputs dan penalaan halus bagi pemberat terbuka yang diterbitkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
gpt-oss-20b ialah model kegunaan umum dengan pemberat terbuka OpenAI yang lebih kecil untuk penaakulan dan aliran kerja pembangun. Model ini menerima teks dan memulangkan teks. Pengeluar menerbitkan 21 bilion parameter keseluruhan dengan 3.6 bilion parameter aktif bagi setiap token. Ini ialah edisi 20b keluarga gpt-oss, berasingan daripada edisi 120b yang lebih besar dan model Safeguard khusus untuk pengelasan dasar.
Pengeluar menerangkan kegunaan setempat dan khusus serta set latihan teks sahaja yang tertumpu pada STEM, pengekodan dan pengetahuan umum. Contoh tugas ialah menerangkan cebisan kod berdasarkan andaian yang dinyatakan dan mencadangkan perubahan yang tertumpu. Tugas analisis teks boleh pula membandingkan penerangan berdasarkan kriteria yang jelas atau menukar nota kerja kepada himpunan dapatan yang berguna. Berikan model bahan sumber dan hasil yang diperlukan oleh pembaca atau langkah aplikasi seterusnya.
Seni bina mixture-of-experts yang diterbitkan mempunyai 24 lapisan, 32 pakar dan empat pakar aktif bagi setiap token. Keluaran asal MXFP4 OpenAI bagi pemberat pakar direka bentuk supaya muat dalam memori 16 GB. Pemberat dikeluarkan di bawah Apache 2.0 dan boleh ditala halus untuk kerja khusus. Ciri pengeluar ini menerangkan model yang diterbitkan, membolehkan pembangun membezakan saiz serta peranan penyesuaiannya tanpa menganggap persediaan yang digunakan oleh aplikasi tertentu.
Dokumentasi OpenAI menyenaraikan tetingkap konteks 131,072 token, output terjana maksimum 131,072 token dan had pengetahuan pada 1 Jun 2024. Konteks yang tersedia perlu menampung bahan yang dibekalkan, analisis dan jawapan akhir. Model menyokong tahap penaakulan low, medium dan high. Format Harmony yang diperlukan mengekalkan analisis dalaman dan respons akhir dalam saluran yang berbeza, dan pengeluar menyatakan bahawa analisis mentah tidak patut dipaparkan terus kepada pengguna akhir.
Pengeluar mendokumenkan panggilan fungsi, pelayaran web, pelaksanaan kod Python melalui alat dan Structured Outputs. Ciri model yang disenaraikan turut merangkumi penstriman; persekitaran alat yang didokumenkan meliputi fungsi, pentafsiran kod, sambungan MCP dan carian web. Aplikasi menyediakan serta melaksanakan operasinya dan memulangkan hasil sebenar untuk keputusan seterusnya. Teks akhir harus membezakan tindakan yang dicadangkan daripada operasi yang telah selesai serta bukti yang dipulangkannya.
Untuk aliran kerja yang tertumpu, takrifkan medan, kekangan dan kriteria penyelesaian yang diperlukan. Minta penerangan yang berkaitan dengan kod atau kesimpulan yang berkaitan dengan teks yang dibekalkan, kemudian gunakan susulan untuk menangani satu butiran yang masih tiada. Artifak akhir yang berguna ialah cadangan suntingan, perbandingan, ringkasan atau hasil berstruktur yang khusus, yang mengekalkan fakta yang diperlukan dan menyatakan sebarang syarat yang belum diselesaikan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/gpt-oss-20b | 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 $0.000058 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache $0.000058 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.000058 / 1K token Output · Token output $0.00028 / 1K token Input · Bacaan cache $0.000058 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/gpt-oss-20b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-oss-20b', '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-oss-20b', '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-oss-20b, openai/gpt-oss-20b
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Correct a weighted average\n\nExplain the error in this Python expression for average unit cost: sum(price for price, quantity in batches) / len(batches). Input batches are [(10, 2), (4, 8)], where each tuple contains unit price and unit count. Propose a weighted calculation, state how zero total quantity should be handled and show checks for the supplied data and an empty list.A corrected function, a short weighting explanation and ordinary/zero-quantity test cases.Check that quantities weight both the numerator and denominator and empty input has explicit behavior.