GPT-5 Chat er OpenAIs betegnelse på den samtalerettede GPT-5-modellversjonen knyttet til ChatGPT. Utviklerkunngjøringen identifiserer denne API-chatvarianten som modellen uten eget resonneringstrinn i GPT-5-systemet. Den er et separat valg fra hovedmodellen GPT-5 for resonnering: navnet på dette kortet viser til en chatrettet svarvei, ikke hele ChatGPTs rutingsystem.
OpenAI organiserer GPT-5-familiens praktiske bruk rundt programmering, skriving og forståelse av informasjon. For en samtaleassistent blir disse retningene til å diskutere en funksjon, forklare et dokument som er gitt, redigere en melding eller utvikle en idé gjennom etterfølgende spørsmål. Familiens skrivearbeid omfatter utforming og revisjon av rapporter, e-poster og lengre materiale, med vekt på ønsket struktur og uttrykksstil.
Visuell kontekst kan følge tekstoppgaven. Et bilde av et grensesnitt, en graf, en presentasjon eller et diagram gir modellen noe konkret å forklare. Spør om en bestemt sammenheng eller et element og definer det ønskede tekstresultatet. Utdataene er en forklaring, omskrevet materiale eller kode; bildet er inndata fremfor en forespørsel om bildegenerering.
Den publiserte konfigurasjonen har et kontekstvindu på 128000 tokener, opptil 16384 utdatatokener og en kunnskapsgrense på 30. september 2024. Den tar imot tekst og bilder og produserer tekst. Strømming, funksjonskall og Structured Outputs er oppført som støttet. Lyd- og videoinndata, finjustering og Predicted Outputs støttes ikke i denne chatkonfigurasjonen. Grensene tilhører den navngitte chatmodellen fremfor spesifikasjonen til den større resonneringsmodellen.
Funksjonskall knytter assistenten til handlinger og data som en applikasjon gir. Modellen kan velge en beskrevet funksjon og produsere argumentene; applikasjonen utfører den og returnerer resultatet for neste svar. Strukturerte utdata har et annet formål: et svar kan følge en avtalt datastruktur, for eksempel felter for et sammendrag, relevante fakta og et foreslått neste steg. Verktøyutførelse og tilgang forblir ansvaret til applikasjonen rundt modellen.
GPT-5-familiens lansering legger også vekt på å følge instruksjoner, tydeligere håndtering av usikre eller ufullstendige oppgaver og en mindre overdrevent medgjørlig stil. Den chatspesifikke modellen kan gis en rolle, målgruppe, tone og uttrykkelige utdatakrav. Generell bildeveiledning gjelder fortsatt for de bildebaserte oppgavene: liten eller rotert tekst og presis romlig tolkning krever nøye forberedelse av kilden.
For et produkt som bruker Ailoot API, definerer du samtalens tiltenkte utfall og gir materialet det skal bygge på. En nyttig forespørsel kan be om et kundesvar, en forklaring av et skjermbilde eller et dokument i bestemte deler. Hold nødvendige fakta og det valgte avsnittet uttrykkelige når du forbedrer svaret. Chatbetegnelsen bevarer sin egen identitet på tvers av disse arbeidsflytene, mens samtalen som er gitt, gir konteksten for hvert svar.
", "aboutText": "GPT-5 Chat er OpenAIs betegnelse på den samtalerettede GPT-5-modellversjonen knyttet til ChatGPT. Utviklerkunngjøringen identifiserer denne API-chatvarianten som modellen uten eget resonneringstrinn i GPT-5-systemet. Den er et separat valg fra hovedmodellen GPT-5 for resonnering: navnet på dette kortet viser til en chatrettet svarvei, ikke hele ChatGPTs rutingsystem.\n\nOpenAI organiserer GPT-5-familiens praktiske bruk rundt programmering, skriving og forståelse av informasjon. For en samtaleassistent blir disse retningene til å diskutere en funksjon, forklare et dokument som er gitt, redigere en melding eller utvikle en idé gjennom etterfølgende spørsmål. Familiens skrivearbeid omfatter utforming og revisjon av rapporter, e-poster og lengre materiale, med vekt på ønsket struktur og uttrykksstil.\n\nVisuell kontekst kan følge tekstoppgaven. Et bilde av et grensesnitt, en graf, en presentasjon eller et diagram gir modellen noe konkret å forklare. Spør om en bestemt sammenheng eller et element og definer det ønskede tekstresultatet. Utdataene er en forklaring, omskrevet materiale eller kode; bildet er inndata fremfor en forespørsel om bildegenerering.\n\nDen publiserte konfigurasjonen har et kontekstvindu på 128000 tokener, opptil 16384 utdatatokener og en kunnskapsgrense på 30. september 2024. Den tar imot tekst og bilder og produserer tekst. Strømming, funksjonskall og Structured Outputs er oppført som støttet. Lyd- og videoinndata, finjustering og Predicted Outputs støttes ikke i denne chatkonfigurasjonen. Grensene tilhører den navngitte chatmodellen fremfor spesifikasjonen til den større resonneringsmodellen.\n\nFunksjonskall knytter assistenten til handlinger og data som en applikasjon gir. Modellen kan velge en beskrevet funksjon og produsere argumentene; applikasjonen utfører den og returnerer resultatet for neste svar. Strukturerte utdata har et annet formål: et svar kan følge en avtalt datastruktur, for eksempel felter for et sammendrag, relevante fakta og et foreslått neste steg. Verktøyutførelse og tilgang forblir ansvaret til applikasjonen rundt modellen.\n\nGPT-5-familiens lansering legger også vekt på å følge instruksjoner, tydeligere håndtering av usikre eller ufullstendige oppgaver og en mindre overdrevent medgjørlig stil. Den chatspesifikke modellen kan gis en rolle, målgruppe, tone og uttrykkelige utdatakrav. Generell bildeveiledning gjelder fortsatt for de bildebaserte oppgavene: liten eller rotert tekst og presis romlig tolkning krever nøye forberedelse av kilden.\n\nFor et produkt som bruker Ailoot API, definerer du samtalens tiltenkte utfall og gir materialet det skal bygge på. En nyttig forespørsel kan be om et kundesvar, en forklaring av et skjermbilde eller et dokument i bestemte deler. Hold nødvendige fakta og det valgte avsnittet uttrykkelige når du forbedrer svaret. Chatbetegnelsen bevarer sin egen identitet på tvers av disse arbeidsflytene, mens samtalen som er gitt, gir konteksten for hvert svar.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Revise an operational status report\n\nRewrite this report into three short sections: completed, unresolved and next step. Source: 'The import accepted 420 rows. Eighteen rows failed because their account IDs were blank. We have not retried them. Vera will ask the source team for the missing IDs tomorrow.' Keep the counts and ownership exact and avoid describing the import as fully complete.A concise three-section report preserving counts, unresolved rows and Vera's planned follow-up.The result states that 18 rows remain unresolved and that no retry has occurred.gpt-5-chat-latestGPT-5 Chat er OpenAIs samtalevariant av GPT-5 uten eget resonneringstrinn, med tekst- og bildeinndata og tekstutdata. Den støtter skriving, visuelle forklaringer, kodediskusjon, funksjonskall og strukturerte svar innenfor 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 Chat er OpenAIs betegnelse på den samtalerettede GPT-5-modellversjonen knyttet til ChatGPT. Utviklerkunngjøringen identifiserer denne API-chatvarianten som modellen uten eget resonneringstrinn i GPT-5-systemet. Den er et separat valg fra hovedmodellen GPT-5 for resonnering: navnet på dette kortet viser til en chatrettet svarvei, ikke hele ChatGPTs rutingsystem.
OpenAI organiserer GPT-5-familiens praktiske bruk rundt programmering, skriving og forståelse av informasjon. For en samtaleassistent blir disse retningene til å diskutere en funksjon, forklare et dokument som er gitt, redigere en melding eller utvikle en idé gjennom etterfølgende spørsmål. Familiens skrivearbeid omfatter utforming og revisjon av rapporter, e-poster og lengre materiale, med vekt på ønsket struktur og uttrykksstil.
Visuell kontekst kan følge tekstoppgaven. Et bilde av et grensesnitt, en graf, en presentasjon eller et diagram gir modellen noe konkret å forklare. Spør om en bestemt sammenheng eller et element og definer det ønskede tekstresultatet. Utdataene er en forklaring, omskrevet materiale eller kode; bildet er inndata fremfor en forespørsel om bildegenerering.
Den publiserte konfigurasjonen har et kontekstvindu på 128000 tokener, opptil 16384 utdatatokener og en kunnskapsgrense på 30. september 2024. Den tar imot tekst og bilder og produserer tekst. Strømming, funksjonskall og Structured Outputs er oppført som støttet. Lyd- og videoinndata, finjustering og Predicted Outputs støttes ikke i denne chatkonfigurasjonen. Grensene tilhører den navngitte chatmodellen fremfor spesifikasjonen til den større resonneringsmodellen.
Funksjonskall knytter assistenten til handlinger og data som en applikasjon gir. Modellen kan velge en beskrevet funksjon og produsere argumentene; applikasjonen utfører den og returnerer resultatet for neste svar. Strukturerte utdata har et annet formål: et svar kan følge en avtalt datastruktur, for eksempel felter for et sammendrag, relevante fakta og et foreslått neste steg. Verktøyutførelse og tilgang forblir ansvaret til applikasjonen rundt modellen.
GPT-5-familiens lansering legger også vekt på å følge instruksjoner, tydeligere håndtering av usikre eller ufullstendige oppgaver og en mindre overdrevent medgjørlig stil. Den chatspesifikke modellen kan gis en rolle, målgruppe, tone og uttrykkelige utdatakrav. Generell bildeveiledning gjelder fortsatt for de bildebaserte oppgavene: liten eller rotert tekst og presis romlig tolkning krever nøye forberedelse av kilden.
For et produkt som bruker Ailoot API, definerer du samtalens tiltenkte utfall og gir materialet det skal bygge på. En nyttig forespørsel kan be om et kundesvar, en forklaring av et skjermbilde eller et dokument i bestemte deler. Hold nødvendige fakta og det valgte avsnittet uttrykkelige når du forbedrer svaret. Chatbetegnelsen bevarer sin egen identitet på tvers av disse arbeidsflytene, mens samtalen som er gitt, gir konteksten for hvert svar.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5-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 $0.00025 / 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-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-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-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-chat-latest
Bruk metodestiene som vises ovenfor.
gpt-5-chat-latestGPT-5 Chat er OpenAIs samtalevariant av GPT-5 uten eget resonneringstrinn, med tekst- og bildeinndata og tekstutdata. Den støtter skriving, visuelle forklaringer, kodediskusjon, funksjonskall og strukturerte svar innenfor 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 Chat er OpenAIs betegnelse på den samtalerettede GPT-5-modellversjonen knyttet til ChatGPT. Utviklerkunngjøringen identifiserer denne API-chatvarianten som modellen uten eget resonneringstrinn i GPT-5-systemet. Den er et separat valg fra hovedmodellen GPT-5 for resonnering: navnet på dette kortet viser til en chatrettet svarvei, ikke hele ChatGPTs rutingsystem.
OpenAI organiserer GPT-5-familiens praktiske bruk rundt programmering, skriving og forståelse av informasjon. For en samtaleassistent blir disse retningene til å diskutere en funksjon, forklare et dokument som er gitt, redigere en melding eller utvikle en idé gjennom etterfølgende spørsmål. Familiens skrivearbeid omfatter utforming og revisjon av rapporter, e-poster og lengre materiale, med vekt på ønsket struktur og uttrykksstil.
Visuell kontekst kan følge tekstoppgaven. Et bilde av et grensesnitt, en graf, en presentasjon eller et diagram gir modellen noe konkret å forklare. Spør om en bestemt sammenheng eller et element og definer det ønskede tekstresultatet. Utdataene er en forklaring, omskrevet materiale eller kode; bildet er inndata fremfor en forespørsel om bildegenerering.
Den publiserte konfigurasjonen har et kontekstvindu på 128000 tokener, opptil 16384 utdatatokener og en kunnskapsgrense på 30. september 2024. Den tar imot tekst og bilder og produserer tekst. Strømming, funksjonskall og Structured Outputs er oppført som støttet. Lyd- og videoinndata, finjustering og Predicted Outputs støttes ikke i denne chatkonfigurasjonen. Grensene tilhører den navngitte chatmodellen fremfor spesifikasjonen til den større resonneringsmodellen.
Funksjonskall knytter assistenten til handlinger og data som en applikasjon gir. Modellen kan velge en beskrevet funksjon og produsere argumentene; applikasjonen utfører den og returnerer resultatet for neste svar. Strukturerte utdata har et annet formål: et svar kan følge en avtalt datastruktur, for eksempel felter for et sammendrag, relevante fakta og et foreslått neste steg. Verktøyutførelse og tilgang forblir ansvaret til applikasjonen rundt modellen.
GPT-5-familiens lansering legger også vekt på å følge instruksjoner, tydeligere håndtering av usikre eller ufullstendige oppgaver og en mindre overdrevent medgjørlig stil. Den chatspesifikke modellen kan gis en rolle, målgruppe, tone og uttrykkelige utdatakrav. Generell bildeveiledning gjelder fortsatt for de bildebaserte oppgavene: liten eller rotert tekst og presis romlig tolkning krever nøye forberedelse av kilden.
For et produkt som bruker Ailoot API, definerer du samtalens tiltenkte utfall og gir materialet det skal bygge på. En nyttig forespørsel kan be om et kundesvar, en forklaring av et skjermbilde eller et dokument i bestemte deler. Hold nødvendige fakta og det valgte avsnittet uttrykkelige når du forbedrer svaret. Chatbetegnelsen bevarer sin egen identitet på tvers av disse arbeidsflytene, mens samtalen som er gitt, gir konteksten for hvert svar.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5-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 $0.00025 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "gpt-5-chat-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-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-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-chat-latest
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Revise an operational status report\n\nRewrite this report into three short sections: completed, unresolved and next step. Source: 'The import accepted 420 rows. Eighteen rows failed because their account IDs were blank. We have not retried them. Vera will ask the source team for the missing IDs tomorrow.' Keep the counts and ownership exact and avoid describing the import as fully complete.A concise three-section report preserving counts, unresolved rows and Vera's planned follow-up.The result states that 18 rows remain unresolved and that no retry has occurred.