o1 ialah model siri o daripada OpenAI yang dilatih melalui pembelajaran pengukuhan untuk penaakulan kompleks. Model ini meneliti masalah secara dalaman sebelum menghasilkan respons. Model menerima teks dan imej serta memulangkan teks. Pengumuman keluaran pengeluar untuk pembangun menerangkan tugas berbilang langkah dan mendokumenkan panggilan fungsi, Structured Outputs, mesej pembangun dan penglihatan untuk model API.
Permintaan yang berguna memberikan soalan dan bahan yang diperlukan untuk menjawabnya. Contoh tugas ialah membandingkan dua pendekatan teknikal dengan beberapa keperluan yang saling berkaitan, kemudian mengenal pasti kesimpulan yang disokong oleh keperluan tersebut. Untuk kod, berikan tingkah laku yang dikehendaki dan pelaksanaan yang berkaitan. Untuk dokumen, kenal pasti petikan atau fakta yang harus menjadi asas jawapan dan tentukan hasil yang diperlukan oleh pembaca.
Input visual boleh menyokong tugas sains, pembuatan atau pengekodan apabila imej memberikan bukti yang berkaitan. Berikan rajah atau tangkapan skrin dan kenal pasti butiran yang penting; tambahkan sebarang takrif atau syarat yang tidak dapat ditentukan daripada imej sahaja. Arahan pembangun boleh menetapkan nada, gaya dan tingkah laku tugas, manakala pengeluar turut mendokumenkan kawalan usaha penaakulan bagi jumlah kerja sebelum jawapan.
OpenAI menyenaraikan tetingkap konteks 200,000 token, output maksimum 100,000 token dan had pengetahuan pada 1 Oktober 2023. Input, penaakulan dalaman dan output yang kelihatan memenuhi ruang konteks. Susun permintaan yang panjang berdasarkan bukti yang berguna dan tinggalkan ruang untuk analisis serta artifak akhir. Format jawapan dan tahap perincian yang dijangkakan bagi tugas harus dinyatakan dengan jelas.
Kad model yang tepat menyenaraikan antara muka Responses, Chat Completions, Assistants dan Batch, penstriman, Structured Outputs, panggilan fungsi, input dan carian fail serta input imej. Alat yang disenaraikan merangkumi fungsi, carian fail dan sambungan MCP. Aplikasi mendedahkan operasinya, melaksanakan tindakannya sendiri dan memulangkan hasil sebenar. Respons berstruktur menghuraikan medan output yang diminta, manakala permintaan fungsi menghuraikan operasi untuk dilaksanakan oleh persekitaran.
Takrifkan kriteria penyelesaian dan minta hasil yang berkaitan dengan syarat dalam sumber. Untuk perbandingan, minta supaya fakta yang dibekalkan, pendekatan yang dipilih dan andaian yang belum diselesaikan kekal dapat dibezakan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang dijangkakan dan bukti yang diperlukan untuk mengesahkannya. Artifak akhir yang berguna ialah penerangan, rancangan, cadangan kod atau himpunan dapatan yang khusus, yang boleh disemak terhadap bahan asal dan diperhalus melalui susulan yang tertumpu.
", "aboutText": "o1 ialah model siri o daripada OpenAI yang dilatih melalui pembelajaran pengukuhan untuk penaakulan kompleks. Model ini meneliti masalah secara dalaman sebelum menghasilkan respons. Model menerima teks dan imej serta memulangkan teks. Pengumuman keluaran pengeluar untuk pembangun menerangkan tugas berbilang langkah dan mendokumenkan panggilan fungsi, Structured Outputs, mesej pembangun dan penglihatan untuk model API.\n\nPermintaan yang berguna memberikan soalan dan bahan yang diperlukan untuk menjawabnya. Contoh tugas ialah membandingkan dua pendekatan teknikal dengan beberapa keperluan yang saling berkaitan, kemudian mengenal pasti kesimpulan yang disokong oleh keperluan tersebut. Untuk kod, berikan tingkah laku yang dikehendaki dan pelaksanaan yang berkaitan. Untuk dokumen, kenal pasti petikan atau fakta yang harus menjadi asas jawapan dan tentukan hasil yang diperlukan oleh pembaca.\n\nInput visual boleh menyokong tugas sains, pembuatan atau pengekodan apabila imej memberikan bukti yang berkaitan. Berikan rajah atau tangkapan skrin dan kenal pasti butiran yang penting; tambahkan sebarang takrif atau syarat yang tidak dapat ditentukan daripada imej sahaja. Arahan pembangun boleh menetapkan nada, gaya dan tingkah laku tugas, manakala pengeluar turut mendokumenkan kawalan usaha penaakulan bagi jumlah kerja sebelum jawapan.\n\nOpenAI menyenaraikan tetingkap konteks 200,000 token, output maksimum 100,000 token dan had pengetahuan pada 1 Oktober 2023. Input, penaakulan dalaman dan output yang kelihatan memenuhi ruang konteks. Susun permintaan yang panjang berdasarkan bukti yang berguna dan tinggalkan ruang untuk analisis serta artifak akhir. Format jawapan dan tahap perincian yang dijangkakan bagi tugas harus dinyatakan dengan jelas.\n\nKad model yang tepat menyenaraikan antara muka Responses, Chat Completions, Assistants dan Batch, penstriman, Structured Outputs, panggilan fungsi, input dan carian fail serta input imej. Alat yang disenaraikan merangkumi fungsi, carian fail dan sambungan MCP. Aplikasi mendedahkan operasinya, melaksanakan tindakannya sendiri dan memulangkan hasil sebenar. Respons berstruktur menghuraikan medan output yang diminta, manakala permintaan fungsi menghuraikan operasi untuk dilaksanakan oleh persekitaran.\n\nTakrifkan kriteria penyelesaian dan minta hasil yang berkaitan dengan syarat dalam sumber. Untuk perbandingan, minta supaya fakta yang dibekalkan, pendekatan yang dipilih dan andaian yang belum diselesaikan kekal dapat dibezakan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang dijangkakan dan bukti yang diperlukan untuk mengesahkannya. Artifak akhir yang berguna ialah penerangan, rancangan, cadangan kod atau himpunan dapatan yang khusus, yang boleh disemak terhadap bahan asal dan diperhalus melalui susulan yang tertumpu.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare two backup approaches\n\nCompare these backup options against three requirements: daily recovery point, recovery within two hours and an independent copy. [A] Nightly backup to the same disk; restore test took one hour. [B] Weekly backup to another device; restore test took 90 minutes. Identify satisfied and unmet requirements and whether either option alone meets all three.A three-requirement matrix and a conclusion distinguishing recorded test results from unsatisfied conditions.Verify same-disk backup does not satisfy the independent-copy rule and weekly backup does not satisfy daily recovery.o1Model penaakulan o1 OpenAI meneliti masalah kompleks menggunakan teks dan imej. Model ini menyokong panggilan fungsi, Structured Outputs dan arahan pembangun untuk tugas yang perlu menghubungkan syarat, bukti dan hasil akhir yang konkrit.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
o1 ialah model siri o daripada OpenAI yang dilatih melalui pembelajaran pengukuhan untuk penaakulan kompleks. Model ini meneliti masalah secara dalaman sebelum menghasilkan respons. Model menerima teks dan imej serta memulangkan teks. Pengumuman keluaran pengeluar untuk pembangun menerangkan tugas berbilang langkah dan mendokumenkan panggilan fungsi, Structured Outputs, mesej pembangun dan penglihatan untuk model API.
Permintaan yang berguna memberikan soalan dan bahan yang diperlukan untuk menjawabnya. Contoh tugas ialah membandingkan dua pendekatan teknikal dengan beberapa keperluan yang saling berkaitan, kemudian mengenal pasti kesimpulan yang disokong oleh keperluan tersebut. Untuk kod, berikan tingkah laku yang dikehendaki dan pelaksanaan yang berkaitan. Untuk dokumen, kenal pasti petikan atau fakta yang harus menjadi asas jawapan dan tentukan hasil yang diperlukan oleh pembaca.
Input visual boleh menyokong tugas sains, pembuatan atau pengekodan apabila imej memberikan bukti yang berkaitan. Berikan rajah atau tangkapan skrin dan kenal pasti butiran yang penting; tambahkan sebarang takrif atau syarat yang tidak dapat ditentukan daripada imej sahaja. Arahan pembangun boleh menetapkan nada, gaya dan tingkah laku tugas, manakala pengeluar turut mendokumenkan kawalan usaha penaakulan bagi jumlah kerja sebelum jawapan.
OpenAI menyenaraikan tetingkap konteks 200,000 token, output maksimum 100,000 token dan had pengetahuan pada 1 Oktober 2023. Input, penaakulan dalaman dan output yang kelihatan memenuhi ruang konteks. Susun permintaan yang panjang berdasarkan bukti yang berguna dan tinggalkan ruang untuk analisis serta artifak akhir. Format jawapan dan tahap perincian yang dijangkakan bagi tugas harus dinyatakan dengan jelas.
Kad model yang tepat menyenaraikan antara muka Responses, Chat Completions, Assistants dan Batch, penstriman, Structured Outputs, panggilan fungsi, input dan carian fail serta input imej. Alat yang disenaraikan merangkumi fungsi, carian fail dan sambungan MCP. Aplikasi mendedahkan operasinya, melaksanakan tindakannya sendiri dan memulangkan hasil sebenar. Respons berstruktur menghuraikan medan output yang diminta, manakala permintaan fungsi menghuraikan operasi untuk dilaksanakan oleh persekitaran.
Takrifkan kriteria penyelesaian dan minta hasil yang berkaitan dengan syarat dalam sumber. Untuk perbandingan, minta supaya fakta yang dibekalkan, pendekatan yang dipilih dan andaian yang belum diselesaikan kekal dapat dibezakan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang dijangkakan dan bukti yang diperlukan untuk mengesahkannya. Artifak akhir yang berguna ialah penerangan, rancangan, cadangan kod atau himpunan dapatan yang khusus, yang boleh disemak terhadap bahan asal dan diperhalus melalui susulan yang tertumpu.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had o1 | 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 $0.12 / 1K token Input · Bacaan cache $0.015 / 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 $0.03 / 1K token Output · Token output $0.12 / 1K token Input · Bacaan cache $0.015 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"o1","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="o1", 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. |
/chat/completions
o1Model penaakulan o1 OpenAI meneliti masalah kompleks menggunakan teks dan imej. Model ini menyokong panggilan fungsi, Structured Outputs dan arahan pembangun untuk tugas yang perlu menghubungkan syarat, bukti dan hasil akhir yang konkrit.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
o1 ialah model siri o daripada OpenAI yang dilatih melalui pembelajaran pengukuhan untuk penaakulan kompleks. Model ini meneliti masalah secara dalaman sebelum menghasilkan respons. Model menerima teks dan imej serta memulangkan teks. Pengumuman keluaran pengeluar untuk pembangun menerangkan tugas berbilang langkah dan mendokumenkan panggilan fungsi, Structured Outputs, mesej pembangun dan penglihatan untuk model API.
Permintaan yang berguna memberikan soalan dan bahan yang diperlukan untuk menjawabnya. Contoh tugas ialah membandingkan dua pendekatan teknikal dengan beberapa keperluan yang saling berkaitan, kemudian mengenal pasti kesimpulan yang disokong oleh keperluan tersebut. Untuk kod, berikan tingkah laku yang dikehendaki dan pelaksanaan yang berkaitan. Untuk dokumen, kenal pasti petikan atau fakta yang harus menjadi asas jawapan dan tentukan hasil yang diperlukan oleh pembaca.
Input visual boleh menyokong tugas sains, pembuatan atau pengekodan apabila imej memberikan bukti yang berkaitan. Berikan rajah atau tangkapan skrin dan kenal pasti butiran yang penting; tambahkan sebarang takrif atau syarat yang tidak dapat ditentukan daripada imej sahaja. Arahan pembangun boleh menetapkan nada, gaya dan tingkah laku tugas, manakala pengeluar turut mendokumenkan kawalan usaha penaakulan bagi jumlah kerja sebelum jawapan.
OpenAI menyenaraikan tetingkap konteks 200,000 token, output maksimum 100,000 token dan had pengetahuan pada 1 Oktober 2023. Input, penaakulan dalaman dan output yang kelihatan memenuhi ruang konteks. Susun permintaan yang panjang berdasarkan bukti yang berguna dan tinggalkan ruang untuk analisis serta artifak akhir. Format jawapan dan tahap perincian yang dijangkakan bagi tugas harus dinyatakan dengan jelas.
Kad model yang tepat menyenaraikan antara muka Responses, Chat Completions, Assistants dan Batch, penstriman, Structured Outputs, panggilan fungsi, input dan carian fail serta input imej. Alat yang disenaraikan merangkumi fungsi, carian fail dan sambungan MCP. Aplikasi mendedahkan operasinya, melaksanakan tindakannya sendiri dan memulangkan hasil sebenar. Respons berstruktur menghuraikan medan output yang diminta, manakala permintaan fungsi menghuraikan operasi untuk dilaksanakan oleh persekitaran.
Takrifkan kriteria penyelesaian dan minta hasil yang berkaitan dengan syarat dalam sumber. Untuk perbandingan, minta supaya fakta yang dibekalkan, pendekatan yang dipilih dan andaian yang belum diselesaikan kekal dapat dibezakan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang dijangkakan dan bukti yang diperlukan untuk mengesahkannya. Artifak akhir yang berguna ialah penerangan, rancangan, cadangan kod atau himpunan dapatan yang khusus, yang boleh disemak terhadap bahan asal dan diperhalus melalui susulan yang tertumpu.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had o1 | 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 $0.12 / 1K token Input · Bacaan cache $0.015 / 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 $0.03 / 1K token Output · Token output $0.12 / 1K token Input · Bacaan cache $0.015 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "o1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'o1', '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': 'o1', '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. |
/chat/completions
openai/o1Model penaakulan o1 OpenAI meneliti masalah kompleks menggunakan teks dan imej. Model ini menyokong panggilan fungsi, Structured Outputs dan arahan pembangun untuk tugas yang perlu menghubungkan syarat, bukti dan hasil akhir yang konkrit.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
o1 ialah model siri o daripada OpenAI yang dilatih melalui pembelajaran pengukuhan untuk penaakulan kompleks. Model ini meneliti masalah secara dalaman sebelum menghasilkan respons. Model menerima teks dan imej serta memulangkan teks. Pengumuman keluaran pengeluar untuk pembangun menerangkan tugas berbilang langkah dan mendokumenkan panggilan fungsi, Structured Outputs, mesej pembangun dan penglihatan untuk model API.
Permintaan yang berguna memberikan soalan dan bahan yang diperlukan untuk menjawabnya. Contoh tugas ialah membandingkan dua pendekatan teknikal dengan beberapa keperluan yang saling berkaitan, kemudian mengenal pasti kesimpulan yang disokong oleh keperluan tersebut. Untuk kod, berikan tingkah laku yang dikehendaki dan pelaksanaan yang berkaitan. Untuk dokumen, kenal pasti petikan atau fakta yang harus menjadi asas jawapan dan tentukan hasil yang diperlukan oleh pembaca.
Input visual boleh menyokong tugas sains, pembuatan atau pengekodan apabila imej memberikan bukti yang berkaitan. Berikan rajah atau tangkapan skrin dan kenal pasti butiran yang penting; tambahkan sebarang takrif atau syarat yang tidak dapat ditentukan daripada imej sahaja. Arahan pembangun boleh menetapkan nada, gaya dan tingkah laku tugas, manakala pengeluar turut mendokumenkan kawalan usaha penaakulan bagi jumlah kerja sebelum jawapan.
OpenAI menyenaraikan tetingkap konteks 200,000 token, output maksimum 100,000 token dan had pengetahuan pada 1 Oktober 2023. Input, penaakulan dalaman dan output yang kelihatan memenuhi ruang konteks. Susun permintaan yang panjang berdasarkan bukti yang berguna dan tinggalkan ruang untuk analisis serta artifak akhir. Format jawapan dan tahap perincian yang dijangkakan bagi tugas harus dinyatakan dengan jelas.
Kad model yang tepat menyenaraikan antara muka Responses, Chat Completions, Assistants dan Batch, penstriman, Structured Outputs, panggilan fungsi, input dan carian fail serta input imej. Alat yang disenaraikan merangkumi fungsi, carian fail dan sambungan MCP. Aplikasi mendedahkan operasinya, melaksanakan tindakannya sendiri dan memulangkan hasil sebenar. Respons berstruktur menghuraikan medan output yang diminta, manakala permintaan fungsi menghuraikan operasi untuk dilaksanakan oleh persekitaran.
Takrifkan kriteria penyelesaian dan minta hasil yang berkaitan dengan syarat dalam sumber. Untuk perbandingan, minta supaya fakta yang dibekalkan, pendekatan yang dipilih dan andaian yang belum diselesaikan kekal dapat dibezakan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang dijangkakan dan bukti yang diperlukan untuk mengesahkannya. Artifak akhir yang berguna ialah penerangan, rancangan, cadangan kod atau himpunan dapatan yang khusus, yang boleh disemak terhadap bahan asal dan diperhalus melalui susulan yang tertumpu.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/o1 | 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 $0.12 / 1K token Input · Bacaan cache $0.015 / 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 $0.03 / 1K token Output · Token output $0.12 / 1K token Input · Bacaan cache $0.015 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/o1", "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/o1',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/o1',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. |
/chat/completions
openai/o1Model penaakulan o1 OpenAI meneliti masalah kompleks menggunakan teks dan imej. Model ini menyokong panggilan fungsi, Structured Outputs dan arahan pembangun untuk tugas yang perlu menghubungkan syarat, bukti dan hasil akhir yang konkrit.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
o1 ialah model siri o daripada OpenAI yang dilatih melalui pembelajaran pengukuhan untuk penaakulan kompleks. Model ini meneliti masalah secara dalaman sebelum menghasilkan respons. Model menerima teks dan imej serta memulangkan teks. Pengumuman keluaran pengeluar untuk pembangun menerangkan tugas berbilang langkah dan mendokumenkan panggilan fungsi, Structured Outputs, mesej pembangun dan penglihatan untuk model API.
Permintaan yang berguna memberikan soalan dan bahan yang diperlukan untuk menjawabnya. Contoh tugas ialah membandingkan dua pendekatan teknikal dengan beberapa keperluan yang saling berkaitan, kemudian mengenal pasti kesimpulan yang disokong oleh keperluan tersebut. Untuk kod, berikan tingkah laku yang dikehendaki dan pelaksanaan yang berkaitan. Untuk dokumen, kenal pasti petikan atau fakta yang harus menjadi asas jawapan dan tentukan hasil yang diperlukan oleh pembaca.
Input visual boleh menyokong tugas sains, pembuatan atau pengekodan apabila imej memberikan bukti yang berkaitan. Berikan rajah atau tangkapan skrin dan kenal pasti butiran yang penting; tambahkan sebarang takrif atau syarat yang tidak dapat ditentukan daripada imej sahaja. Arahan pembangun boleh menetapkan nada, gaya dan tingkah laku tugas, manakala pengeluar turut mendokumenkan kawalan usaha penaakulan bagi jumlah kerja sebelum jawapan.
OpenAI menyenaraikan tetingkap konteks 200,000 token, output maksimum 100,000 token dan had pengetahuan pada 1 Oktober 2023. Input, penaakulan dalaman dan output yang kelihatan memenuhi ruang konteks. Susun permintaan yang panjang berdasarkan bukti yang berguna dan tinggalkan ruang untuk analisis serta artifak akhir. Format jawapan dan tahap perincian yang dijangkakan bagi tugas harus dinyatakan dengan jelas.
Kad model yang tepat menyenaraikan antara muka Responses, Chat Completions, Assistants dan Batch, penstriman, Structured Outputs, panggilan fungsi, input dan carian fail serta input imej. Alat yang disenaraikan merangkumi fungsi, carian fail dan sambungan MCP. Aplikasi mendedahkan operasinya, melaksanakan tindakannya sendiri dan memulangkan hasil sebenar. Respons berstruktur menghuraikan medan output yang diminta, manakala permintaan fungsi menghuraikan operasi untuk dilaksanakan oleh persekitaran.
Takrifkan kriteria penyelesaian dan minta hasil yang berkaitan dengan syarat dalam sumber. Untuk perbandingan, minta supaya fakta yang dibekalkan, pendekatan yang dipilih dan andaian yang belum diselesaikan kekal dapat dibezakan. Untuk perubahan yang dicadangkan, kenal pasti tingkah laku yang dijangkakan dan bukti yang diperlukan untuk mengesahkannya. Artifak akhir yang berguna ialah penerangan, rancangan, cadangan kod atau himpunan dapatan yang khusus, yang boleh disemak terhadap bahan asal dan diperhalus melalui susulan yang tertumpu.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had openai/o1 | 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 $0.12 / 1K token Input · Bacaan cache $0.015 / 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 $0.03 / 1K token Output · Token output $0.12 / 1K token Input · Bacaan cache $0.015 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "openai/o1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/o1', '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/o1', '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. |
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Compare two backup approaches\n\nCompare these backup options against three requirements: daily recovery point, recovery within two hours and an independent copy. [A] Nightly backup to the same disk; restore test took one hour. [B] Weekly backup to another device; restore test took 90 minutes. Identify satisfied and unmet requirements and whether either option alone meets all three.A three-requirement matrix and a conclusion distinguishing recorded test results from unsatisfied conditions.Verify same-disk backup does not satisfy the independent-copy rule and weekly backup does not satisfy daily recovery.