GPT-5.1 Chat betegner GPT-5.1-chatmodellversjonen knyttet til ChatGPT. OpenAIs lansering knytter Instant-varianten til denne chatbetegnelsen og skiller den fra GPT-5.1 Thinking. Instant er laget for hverdagssamtaler og kan samtidig bruke mer resonnering på mer krevende spørsmål. Kortet holder chatvariantens identitet og spesifikasjon separat fra Thinking-modellen.
Lanseringen begynner med samtalekvalitet: en varmere standardtone, mer naturlig utveksling og bedre etterlevelse av brukerens instruksjoner. Disse kvalitetene er nyttige når en assistent må svare direkte på et spørsmål, revidere en forklaring etter tilbakemelding eller opprettholde en passende stil for målgruppen. Den praktiske oppgaven forblir konkret: forklar materialet som er gitt, forbered et svar eller forbedre et valgt avsnitt.
Tilpasningsdyktig resonnering er en viktig del av Instant-oppdateringen. OpenAI beskriver at modellen avgjør når et vanskeligere spørsmål trenger mer tenking før svaret, med forbedringer i matematiske oppgaver og programmering. Dette er en modellatferd fremfor en påstand om at hver chatforespørsel bruker den samme faste resonneringsprosessen. Lanseringens separate beskrivelse av GPT-5.1 Thinking tilhører den andre varianten.
Produsenten legger også vekt på tilpasning og mer trofast håndtering av egendefinerte instruksjoner. En applikasjon kan uttrykke ønsket rolle, tone, svarlengde og nødvendige detaljer i oppgaveinstruksjonene. En støtteassistent kan for eksempel trenge et kort profesjonelt svar, mens en forklaring til undervisning kan trenge enklere ordlyd og uttrykkelige mellomsteg. ChatGPTs personlighetsinnstillinger på produktnivå skiller seg fra instruksjonene en annen applikasjon gir.
Denne chatmodellen tar imot tekst og bilder og returnerer tekst. Det publiserte kontekstvinduet er 128000 tokener, maksimal utdatamengde er 16384 tokener og dokumentert kunnskapsgrense er 30. september 2024. Strømming, funksjonskall og Structured Outputs støttes. Lyd- og videoinndata, finjustering og Predicted Outputs støttes ikke i den publiserte konfigurasjonen. Disse grensene beskriver GPT-5.1 Chat fremfor et annet medlem av familien.
Funksjoner og strukturerte svar støtter ulike integrasjonsmål. Et funksjonskall oppgir et handlingsnavn og argumenter som applikasjonen skal utføre, og den resulterende informasjonen kan deretter returnere til samtalen. Et strukturert svar kan organisere det endelige materialet i avtalte felter. Når bilder er involvert, kan den samme oppgaven be om en forklaring av synlig innhold; klart, leselig kildemateriale er særlig viktig for liten tekst og detaljerte visuelle sammenhenger.
For en assistent som bruker Ailoot API, gir du modellen konteksten for henvendelsen og et klart fullføringskriterium. Be om et produkt som et redigert dokument, et kundesvar, en forklaring av et skjermbilde eller et strukturert sammendrag. Bevar kildeinformasjonen og angi hvordan manglende detaljer skal håndteres. Oppfølgingsmeldinger kan så justere én del av resultatet og holde samtalen rettet mot brukerens opprinnelige oppgave.
", "aboutText": "GPT-5.1 Chat betegner GPT-5.1-chatmodellversjonen knyttet til ChatGPT. OpenAIs lansering knytter Instant-varianten til denne chatbetegnelsen og skiller den fra GPT-5.1 Thinking. Instant er laget for hverdagssamtaler og kan samtidig bruke mer resonnering på mer krevende spørsmål. Kortet holder chatvariantens identitet og spesifikasjon separat fra Thinking-modellen.\n\nLanseringen begynner med samtalekvalitet: en varmere standardtone, mer naturlig utveksling og bedre etterlevelse av brukerens instruksjoner. Disse kvalitetene er nyttige når en assistent må svare direkte på et spørsmål, revidere en forklaring etter tilbakemelding eller opprettholde en passende stil for målgruppen. Den praktiske oppgaven forblir konkret: forklar materialet som er gitt, forbered et svar eller forbedre et valgt avsnitt.\n\nTilpasningsdyktig resonnering er en viktig del av Instant-oppdateringen. OpenAI beskriver at modellen avgjør når et vanskeligere spørsmål trenger mer tenking før svaret, med forbedringer i matematiske oppgaver og programmering. Dette er en modellatferd fremfor en påstand om at hver chatforespørsel bruker den samme faste resonneringsprosessen. Lanseringens separate beskrivelse av GPT-5.1 Thinking tilhører den andre varianten.\n\nProdusenten legger også vekt på tilpasning og mer trofast håndtering av egendefinerte instruksjoner. En applikasjon kan uttrykke ønsket rolle, tone, svarlengde og nødvendige detaljer i oppgaveinstruksjonene. En støtteassistent kan for eksempel trenge et kort profesjonelt svar, mens en forklaring til undervisning kan trenge enklere ordlyd og uttrykkelige mellomsteg. ChatGPTs personlighetsinnstillinger på produktnivå skiller seg fra instruksjonene en annen applikasjon gir.\n\nDenne chatmodellen tar imot tekst og bilder og returnerer tekst. Det publiserte kontekstvinduet er 128000 tokener, maksimal utdatamengde er 16384 tokener og dokumentert kunnskapsgrense er 30. september 2024. Strømming, funksjonskall og Structured Outputs støttes. Lyd- og videoinndata, finjustering og Predicted Outputs støttes ikke i den publiserte konfigurasjonen. Disse grensene beskriver GPT-5.1 Chat fremfor et annet medlem av familien.\n\nFunksjoner og strukturerte svar støtter ulike integrasjonsmål. Et funksjonskall oppgir et handlingsnavn og argumenter som applikasjonen skal utføre, og den resulterende informasjonen kan deretter returnere til samtalen. Et strukturert svar kan organisere det endelige materialet i avtalte felter. Når bilder er involvert, kan den samme oppgaven be om en forklaring av synlig innhold; klart, leselig kildemateriale er særlig viktig for liten tekst og detaljerte visuelle sammenhenger.\n\nFor en assistent som bruker Ailoot API, gir du modellen konteksten for henvendelsen og et klart fullføringskriterium. Be om et produkt som et redigert dokument, et kundesvar, en forklaring av et skjermbilde eller et strukturert sammendrag. Bevar kildeinformasjonen og angi hvordan manglende detaljer skal håndteres. Oppfølgingsmeldinger kan så justere én del av resultatet og holde samtalen rettet mot brukerens opprinnelige oppgave.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Explain a password-reset rule clearly\n\nExplain this policy to a nontechnical customer in under 90 words: a reset link expires after 30 minutes; requesting another link invalidates earlier links; changing the password signs out other sessions. The customer requested two links and opened the first. Explain what to do next, using a warm, direct tone and no invented account details.One concise customer explanation and a clear next step grounded in the supplied policy.The reply explains why the first link fails and directs the customer to the newest unexpired link.gpt-5.1-chat-latestGPT-5.1 Chat er OpenAIs Instant-chatvariant med tilpasningsdyktig resonnering for vanskeligere spørsmål. Den kombinerer tekst- og bildeinndata, en mer samtalepreget stil, instruksjonsfølging, funksjonskall og strukturerte svar i en kontekst på 128000 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.1 Chat betegner GPT-5.1-chatmodellversjonen knyttet til ChatGPT. OpenAIs lansering knytter Instant-varianten til denne chatbetegnelsen og skiller den fra GPT-5.1 Thinking. Instant er laget for hverdagssamtaler og kan samtidig bruke mer resonnering på mer krevende spørsmål. Kortet holder chatvariantens identitet og spesifikasjon separat fra Thinking-modellen.
Lanseringen begynner med samtalekvalitet: en varmere standardtone, mer naturlig utveksling og bedre etterlevelse av brukerens instruksjoner. Disse kvalitetene er nyttige når en assistent må svare direkte på et spørsmål, revidere en forklaring etter tilbakemelding eller opprettholde en passende stil for målgruppen. Den praktiske oppgaven forblir konkret: forklar materialet som er gitt, forbered et svar eller forbedre et valgt avsnitt.
Tilpasningsdyktig resonnering er en viktig del av Instant-oppdateringen. OpenAI beskriver at modellen avgjør når et vanskeligere spørsmål trenger mer tenking før svaret, med forbedringer i matematiske oppgaver og programmering. Dette er en modellatferd fremfor en påstand om at hver chatforespørsel bruker den samme faste resonneringsprosessen. Lanseringens separate beskrivelse av GPT-5.1 Thinking tilhører den andre varianten.
Produsenten legger også vekt på tilpasning og mer trofast håndtering av egendefinerte instruksjoner. En applikasjon kan uttrykke ønsket rolle, tone, svarlengde og nødvendige detaljer i oppgaveinstruksjonene. En støtteassistent kan for eksempel trenge et kort profesjonelt svar, mens en forklaring til undervisning kan trenge enklere ordlyd og uttrykkelige mellomsteg. ChatGPTs personlighetsinnstillinger på produktnivå skiller seg fra instruksjonene en annen applikasjon gir.
Denne chatmodellen tar imot tekst og bilder og returnerer tekst. Det publiserte kontekstvinduet er 128000 tokener, maksimal utdatamengde er 16384 tokener og dokumentert kunnskapsgrense er 30. september 2024. Strømming, funksjonskall og Structured Outputs støttes. Lyd- og videoinndata, finjustering og Predicted Outputs støttes ikke i den publiserte konfigurasjonen. Disse grensene beskriver GPT-5.1 Chat fremfor et annet medlem av familien.
Funksjoner og strukturerte svar støtter ulike integrasjonsmål. Et funksjonskall oppgir et handlingsnavn og argumenter som applikasjonen skal utføre, og den resulterende informasjonen kan deretter returnere til samtalen. Et strukturert svar kan organisere det endelige materialet i avtalte felter. Når bilder er involvert, kan den samme oppgaven be om en forklaring av synlig innhold; klart, leselig kildemateriale er særlig viktig for liten tekst og detaljerte visuelle sammenhenger.
For en assistent som bruker Ailoot API, gir du modellen konteksten for henvendelsen og et klart fullføringskriterium. Be om et produkt som et redigert dokument, et kundesvar, en forklaring av et skjermbilde eller et strukturert sammendrag. Bevar kildeinformasjonen og angi hvordan manglende detaljer skal håndteres. Oppfølgingsmeldinger kan så justere én del av resultatet og holde samtalen rettet mot brukerens opprinnelige oppgave.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5.1-chat-latest | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.0025 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5.1-chat-latest", "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='gpt-5.1-chat-latest',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='gpt-5.1-chat-latest',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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gpt-5.1-chat-latest
Bruk metodestiene som vises ovenfor.
gpt-5.1-chat-latestGPT-5.1 Chat er OpenAIs Instant-chatvariant med tilpasningsdyktig resonnering for vanskeligere spørsmål. Den kombinerer tekst- og bildeinndata, en mer samtalepreget stil, instruksjonsfølging, funksjonskall og strukturerte svar i en kontekst på 128000 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.1 Chat betegner GPT-5.1-chatmodellversjonen knyttet til ChatGPT. OpenAIs lansering knytter Instant-varianten til denne chatbetegnelsen og skiller den fra GPT-5.1 Thinking. Instant er laget for hverdagssamtaler og kan samtidig bruke mer resonnering på mer krevende spørsmål. Kortet holder chatvariantens identitet og spesifikasjon separat fra Thinking-modellen.
Lanseringen begynner med samtalekvalitet: en varmere standardtone, mer naturlig utveksling og bedre etterlevelse av brukerens instruksjoner. Disse kvalitetene er nyttige når en assistent må svare direkte på et spørsmål, revidere en forklaring etter tilbakemelding eller opprettholde en passende stil for målgruppen. Den praktiske oppgaven forblir konkret: forklar materialet som er gitt, forbered et svar eller forbedre et valgt avsnitt.
Tilpasningsdyktig resonnering er en viktig del av Instant-oppdateringen. OpenAI beskriver at modellen avgjør når et vanskeligere spørsmål trenger mer tenking før svaret, med forbedringer i matematiske oppgaver og programmering. Dette er en modellatferd fremfor en påstand om at hver chatforespørsel bruker den samme faste resonneringsprosessen. Lanseringens separate beskrivelse av GPT-5.1 Thinking tilhører den andre varianten.
Produsenten legger også vekt på tilpasning og mer trofast håndtering av egendefinerte instruksjoner. En applikasjon kan uttrykke ønsket rolle, tone, svarlengde og nødvendige detaljer i oppgaveinstruksjonene. En støtteassistent kan for eksempel trenge et kort profesjonelt svar, mens en forklaring til undervisning kan trenge enklere ordlyd og uttrykkelige mellomsteg. ChatGPTs personlighetsinnstillinger på produktnivå skiller seg fra instruksjonene en annen applikasjon gir.
Denne chatmodellen tar imot tekst og bilder og returnerer tekst. Det publiserte kontekstvinduet er 128000 tokener, maksimal utdatamengde er 16384 tokener og dokumentert kunnskapsgrense er 30. september 2024. Strømming, funksjonskall og Structured Outputs støttes. Lyd- og videoinndata, finjustering og Predicted Outputs støttes ikke i den publiserte konfigurasjonen. Disse grensene beskriver GPT-5.1 Chat fremfor et annet medlem av familien.
Funksjoner og strukturerte svar støtter ulike integrasjonsmål. Et funksjonskall oppgir et handlingsnavn og argumenter som applikasjonen skal utføre, og den resulterende informasjonen kan deretter returnere til samtalen. Et strukturert svar kan organisere det endelige materialet i avtalte felter. Når bilder er involvert, kan den samme oppgaven be om en forklaring av synlig innhold; klart, leselig kildemateriale er særlig viktig for liten tekst og detaljerte visuelle sammenhenger.
For en assistent som bruker Ailoot API, gir du modellen konteksten for henvendelsen og et klart fullføringskriterium. Be om et produkt som et redigert dokument, et kundesvar, en forklaring av et skjermbilde eller et strukturert sammendrag. Bevar kildeinformasjonen og angi hvordan manglende detaljer skal håndteres. Oppfølgingsmeldinger kan så justere én del av resultatet og holde samtalen rettet mot brukerens opprinnelige oppgave.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5.1-chat-latest | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.0025 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "gpt-5.1-chat-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.1-chat-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.1-chat-latest', '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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra gpt-5.1-chat-latest
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Explain a password-reset rule clearly\n\nExplain this policy to a nontechnical customer in under 90 words: a reset link expires after 30 minutes; requesting another link invalidates earlier links; changing the password signs out other sessions. The customer requested two links and opened the first. Explain what to do next, using a warm, direct tone and no invented account details.One concise customer explanation and a clear next step grounded in the supplied policy.The reply explains why the first link fails and directs the customer to the newest unexpired link.