GPT-5.2-Codex er OpenAIs GPT-5.2-utgave optimalisert for agentbasert programmering i Codex og lignende miljøer. Den godtar tekst og bilder og produserer tekst. Modellen er laget for langvarig programvareutvikling, der prosjektkontekst, verktøyresultater og beslutninger som allerede er tatt, påvirker neste trinn.
Produsentens lansering beskriver store kodeendringer som refaktorering, migrering og funksjonsutvikling samt forbedret arbeid i Windows-miljøer. Innebygd komprimering av kontekst støtter lengre økter ved å beholde viktig tilstand mens samtalen vokser. Dette er en mekanisme for å fortsette en lang oppgave, atskilt fra et større tallfestet kontekstvindu eller en garanti for at alle prosjektdetaljer vil passe i én forespørsel.
For en kodeendring oppgir du påkrevd atferd, relevante filer og begrensningene løsningen må overholde. En illustrerende forespørsel er å migrere en komponent mens den utadrettede atferden beholdes: identifiser avhengighetene, foreslå samordnede endringer og angi hvordan atferden skal kontrolleres. For en feil oppgir du det observerte resultatet, forventet resultat og vilkårene som gjenskaper problemet. Faktiske fil- og kommandoresultater blir belegg for neste beslutning i agentens miljø.
Visuelle inndata kan gi en designskisse, et skjermbilde, et teknisk diagram eller en graf knyttet til utviklingsoppgaven. Lanseringen beskriver tolkning av slikt materiale under programmeringsøkter. Angi den viktige tilstanden eller sammenhengen i bildet, og forklar hvordan implementasjonen skal bruke den. Utdataene er fortsatt tekst, inkludert kode eller instruksjoner for de tilknyttede verktøyene; en visuell referanse gjør ikke modellen til en bildegenerator.
OpenAI oppgir et kontekstvindu på 400000 tokener, en maksimal inndatamengde på 272000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er low, medium, high og xhigh. Modellens dokumenterte grensesnitt er Responses, med strømming, Structured Outputs, funksjonskall, bildeinndata, nettsøk og hurtigbufring av instruksjoner. De nøyaktig oppgitte verktøyene omfatter funksjoner, nettsøk, vertsbasert kommandoskall og ferdigheter.
Applikasjonene leverer arbeidsmiljøet sitt, utfører operasjonene sine og returnerer faktiske resultater. Lanseringen beskriver også ekstra sikkerhetstiltak rundt cybersikkerhetsrelatert arbeid. Definer et konkret fullføringskriterium for utviklingsoppgaven, og be om et sluttprodukt som knytter berørte filer, vesentlige endringer og fullførte kontroller til den opprinnelige atferden. Hold en foreslått kontroll atskilt fra en som er kjørt, slik at resultatet kan støtte neste utviklingstrinn.
", "aboutText": "GPT-5.2-Codex er OpenAIs GPT-5.2-utgave optimalisert for agentbasert programmering i Codex og lignende miljøer. Den godtar tekst og bilder og produserer tekst. Modellen er laget for langvarig programvareutvikling, der prosjektkontekst, verktøyresultater og beslutninger som allerede er tatt, påvirker neste trinn.\n\nProdusentens lansering beskriver store kodeendringer som refaktorering, migrering og funksjonsutvikling samt forbedret arbeid i Windows-miljøer. Innebygd komprimering av kontekst støtter lengre økter ved å beholde viktig tilstand mens samtalen vokser. Dette er en mekanisme for å fortsette en lang oppgave, atskilt fra et større tallfestet kontekstvindu eller en garanti for at alle prosjektdetaljer vil passe i én forespørsel.\n\nFor en kodeendring oppgir du påkrevd atferd, relevante filer og begrensningene løsningen må overholde. En illustrerende forespørsel er å migrere en komponent mens den utadrettede atferden beholdes: identifiser avhengighetene, foreslå samordnede endringer og angi hvordan atferden skal kontrolleres. For en feil oppgir du det observerte resultatet, forventet resultat og vilkårene som gjenskaper problemet. Faktiske fil- og kommandoresultater blir belegg for neste beslutning i agentens miljø.\n\nVisuelle inndata kan gi en designskisse, et skjermbilde, et teknisk diagram eller en graf knyttet til utviklingsoppgaven. Lanseringen beskriver tolkning av slikt materiale under programmeringsøkter. Angi den viktige tilstanden eller sammenhengen i bildet, og forklar hvordan implementasjonen skal bruke den. Utdataene er fortsatt tekst, inkludert kode eller instruksjoner for de tilknyttede verktøyene; en visuell referanse gjør ikke modellen til en bildegenerator.\n\nOpenAI oppgir et kontekstvindu på 400000 tokener, en maksimal inndatamengde på 272000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er low, medium, high og xhigh. Modellens dokumenterte grensesnitt er Responses, med strømming, Structured Outputs, funksjonskall, bildeinndata, nettsøk og hurtigbufring av instruksjoner. De nøyaktig oppgitte verktøyene omfatter funksjoner, nettsøk, vertsbasert kommandoskall og ferdigheter.\n\nApplikasjonene leverer arbeidsmiljøet sitt, utfører operasjonene sine og returnerer faktiske resultater. Lanseringen beskriver også ekstra sikkerhetstiltak rundt cybersikkerhetsrelatert arbeid. Definer et konkret fullføringskriterium for utviklingsoppgaven, og be om et sluttprodukt som knytter berørte filer, vesentlige endringer og fullførte kontroller til den opprinnelige atferden. Hold en foreslått kontroll atskilt fra en som er kjørt, slik at resultatet kan støtte neste utviklingstrinn.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.gpt-5.2-codexEn GPT-5.2-utgave optimalisert for langvarig agentbasert programmering. Den godtar tekst og bilder og støtter refaktorering, migrering og feilsøking i hele prosjekter i et miljø med tilknyttede verktøy, med innebygd komprimering av kontekst for videre arbeid.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.2-Codex er OpenAIs GPT-5.2-utgave optimalisert for agentbasert programmering i Codex og lignende miljøer. Den godtar tekst og bilder og produserer tekst. Modellen er laget for langvarig programvareutvikling, der prosjektkontekst, verktøyresultater og beslutninger som allerede er tatt, påvirker neste trinn.
Produsentens lansering beskriver store kodeendringer som refaktorering, migrering og funksjonsutvikling samt forbedret arbeid i Windows-miljøer. Innebygd komprimering av kontekst støtter lengre økter ved å beholde viktig tilstand mens samtalen vokser. Dette er en mekanisme for å fortsette en lang oppgave, atskilt fra et større tallfestet kontekstvindu eller en garanti for at alle prosjektdetaljer vil passe i én forespørsel.
For en kodeendring oppgir du påkrevd atferd, relevante filer og begrensningene løsningen må overholde. En illustrerende forespørsel er å migrere en komponent mens den utadrettede atferden beholdes: identifiser avhengighetene, foreslå samordnede endringer og angi hvordan atferden skal kontrolleres. For en feil oppgir du det observerte resultatet, forventet resultat og vilkårene som gjenskaper problemet. Faktiske fil- og kommandoresultater blir belegg for neste beslutning i agentens miljø.
Visuelle inndata kan gi en designskisse, et skjermbilde, et teknisk diagram eller en graf knyttet til utviklingsoppgaven. Lanseringen beskriver tolkning av slikt materiale under programmeringsøkter. Angi den viktige tilstanden eller sammenhengen i bildet, og forklar hvordan implementasjonen skal bruke den. Utdataene er fortsatt tekst, inkludert kode eller instruksjoner for de tilknyttede verktøyene; en visuell referanse gjør ikke modellen til en bildegenerator.
OpenAI oppgir et kontekstvindu på 400000 tokener, en maksimal inndatamengde på 272000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er low, medium, high og xhigh. Modellens dokumenterte grensesnitt er Responses, med strømming, Structured Outputs, funksjonskall, bildeinndata, nettsøk og hurtigbufring av instruksjoner. De nøyaktig oppgitte verktøyene omfatter funksjoner, nettsøk, vertsbasert kommandoskall og ferdigheter.
Applikasjonene leverer arbeidsmiljøet sitt, utfører operasjonene sine og returnerer faktiske resultater. Lanseringen beskriver også ekstra sikkerhetstiltak rundt cybersikkerhetsrelatert arbeid. Definer et konkret fullføringskriterium for utviklingsoppgaven, og be om et sluttprodukt som knytter berørte filer, vesentlige endringer og fullførte kontroller til den opprinnelige atferden. Hold en foreslått kontroll atskilt fra en som er kjørt, slik at resultatet kan støtte neste utviklingstrinn.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5.2-codex | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
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 |
Parametercontrol_scope | AvtaleTekstsamtale; stream er en boolsk verdi med false som standard. |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Metodealiaser: /chat/completions
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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0035 / 1K tokener Utdata · Utgående tokener $0.028 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00035 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0035 / 1K tokener Utdata · Utgående tokener $0.028 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00035 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.2-codex","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.2-codex", 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 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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
gpt-5.2-codexEn GPT-5.2-utgave optimalisert for langvarig agentbasert programmering. Den godtar tekst og bilder og støtter refaktorering, migrering og feilsøking i hele prosjekter i et miljø med tilknyttede verktøy, med innebygd komprimering av kontekst for videre arbeid.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.2-Codex er OpenAIs GPT-5.2-utgave optimalisert for agentbasert programmering i Codex og lignende miljøer. Den godtar tekst og bilder og produserer tekst. Modellen er laget for langvarig programvareutvikling, der prosjektkontekst, verktøyresultater og beslutninger som allerede er tatt, påvirker neste trinn.
Produsentens lansering beskriver store kodeendringer som refaktorering, migrering og funksjonsutvikling samt forbedret arbeid i Windows-miljøer. Innebygd komprimering av kontekst støtter lengre økter ved å beholde viktig tilstand mens samtalen vokser. Dette er en mekanisme for å fortsette en lang oppgave, atskilt fra et større tallfestet kontekstvindu eller en garanti for at alle prosjektdetaljer vil passe i én forespørsel.
For en kodeendring oppgir du påkrevd atferd, relevante filer og begrensningene løsningen må overholde. En illustrerende forespørsel er å migrere en komponent mens den utadrettede atferden beholdes: identifiser avhengighetene, foreslå samordnede endringer og angi hvordan atferden skal kontrolleres. For en feil oppgir du det observerte resultatet, forventet resultat og vilkårene som gjenskaper problemet. Faktiske fil- og kommandoresultater blir belegg for neste beslutning i agentens miljø.
Visuelle inndata kan gi en designskisse, et skjermbilde, et teknisk diagram eller en graf knyttet til utviklingsoppgaven. Lanseringen beskriver tolkning av slikt materiale under programmeringsøkter. Angi den viktige tilstanden eller sammenhengen i bildet, og forklar hvordan implementasjonen skal bruke den. Utdataene er fortsatt tekst, inkludert kode eller instruksjoner for de tilknyttede verktøyene; en visuell referanse gjør ikke modellen til en bildegenerator.
OpenAI oppgir et kontekstvindu på 400000 tokener, en maksimal inndatamengde på 272000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er low, medium, high og xhigh. Modellens dokumenterte grensesnitt er Responses, med strømming, Structured Outputs, funksjonskall, bildeinndata, nettsøk og hurtigbufring av instruksjoner. De nøyaktig oppgitte verktøyene omfatter funksjoner, nettsøk, vertsbasert kommandoskall og ferdigheter.
Applikasjonene leverer arbeidsmiljøet sitt, utfører operasjonene sine og returnerer faktiske resultater. Lanseringen beskriver også ekstra sikkerhetstiltak rundt cybersikkerhetsrelatert arbeid. Definer et konkret fullføringskriterium for utviklingsoppgaven, og be om et sluttprodukt som knytter berørte filer, vesentlige endringer og fullførte kontroller til den opprinnelige atferden. Hold en foreslått kontroll atskilt fra en som er kjørt, slik at resultatet kan støtte neste utviklingstrinn.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5.2-codex | 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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0035 / 1K tokener Utdata · Utgående tokener $0.028 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00035 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0035 / 1K tokener Utdata · Utgående tokener $0.028 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00035 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.2-codex', '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-5.2-codex', '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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexEn GPT-5.2-utgave optimalisert for langvarig agentbasert programmering. Den godtar tekst og bilder og støtter refaktorering, migrering og feilsøking i hele prosjekter i et miljø med tilknyttede verktøy, med innebygd komprimering av kontekst for videre arbeid.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.2-Codex er OpenAIs GPT-5.2-utgave optimalisert for agentbasert programmering i Codex og lignende miljøer. Den godtar tekst og bilder og produserer tekst. Modellen er laget for langvarig programvareutvikling, der prosjektkontekst, verktøyresultater og beslutninger som allerede er tatt, påvirker neste trinn.
Produsentens lansering beskriver store kodeendringer som refaktorering, migrering og funksjonsutvikling samt forbedret arbeid i Windows-miljøer. Innebygd komprimering av kontekst støtter lengre økter ved å beholde viktig tilstand mens samtalen vokser. Dette er en mekanisme for å fortsette en lang oppgave, atskilt fra et større tallfestet kontekstvindu eller en garanti for at alle prosjektdetaljer vil passe i én forespørsel.
For en kodeendring oppgir du påkrevd atferd, relevante filer og begrensningene løsningen må overholde. En illustrerende forespørsel er å migrere en komponent mens den utadrettede atferden beholdes: identifiser avhengighetene, foreslå samordnede endringer og angi hvordan atferden skal kontrolleres. For en feil oppgir du det observerte resultatet, forventet resultat og vilkårene som gjenskaper problemet. Faktiske fil- og kommandoresultater blir belegg for neste beslutning i agentens miljø.
Visuelle inndata kan gi en designskisse, et skjermbilde, et teknisk diagram eller en graf knyttet til utviklingsoppgaven. Lanseringen beskriver tolkning av slikt materiale under programmeringsøkter. Angi den viktige tilstanden eller sammenhengen i bildet, og forklar hvordan implementasjonen skal bruke den. Utdataene er fortsatt tekst, inkludert kode eller instruksjoner for de tilknyttede verktøyene; en visuell referanse gjør ikke modellen til en bildegenerator.
OpenAI oppgir et kontekstvindu på 400000 tokener, en maksimal inndatamengde på 272000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er low, medium, high og xhigh. Modellens dokumenterte grensesnitt er Responses, med strømming, Structured Outputs, funksjonskall, bildeinndata, nettsøk og hurtigbufring av instruksjoner. De nøyaktig oppgitte verktøyene omfatter funksjoner, nettsøk, vertsbasert kommandoskall og ferdigheter.
Applikasjonene leverer arbeidsmiljøet sitt, utfører operasjonene sine og returnerer faktiske resultater. Lanseringen beskriver også ekstra sikkerhetstiltak rundt cybersikkerhetsrelatert arbeid. Definer et konkret fullføringskriterium for utviklingsoppgaven, og be om et sluttprodukt som knytter berørte filer, vesentlige endringer og fullførte kontroller til den opprinnelige atferden. Hold en foreslått kontroll atskilt fra en som er kjørt, slik at resultatet kan støtte neste utviklingstrinn.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-5.2-codex | 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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0035 / 1K tokener Utdata · Utgående tokener $0.028 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00035 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0035 / 1K tokener Utdata · Utgående tokener $0.028 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00035 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.2-codex", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.2-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.2-codex',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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexEn GPT-5.2-utgave optimalisert for langvarig agentbasert programmering. Den godtar tekst og bilder og støtter refaktorering, migrering og feilsøking i hele prosjekter i et miljø med tilknyttede verktøy, med innebygd komprimering av kontekst for videre arbeid.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.2-Codex er OpenAIs GPT-5.2-utgave optimalisert for agentbasert programmering i Codex og lignende miljøer. Den godtar tekst og bilder og produserer tekst. Modellen er laget for langvarig programvareutvikling, der prosjektkontekst, verktøyresultater og beslutninger som allerede er tatt, påvirker neste trinn.
Produsentens lansering beskriver store kodeendringer som refaktorering, migrering og funksjonsutvikling samt forbedret arbeid i Windows-miljøer. Innebygd komprimering av kontekst støtter lengre økter ved å beholde viktig tilstand mens samtalen vokser. Dette er en mekanisme for å fortsette en lang oppgave, atskilt fra et større tallfestet kontekstvindu eller en garanti for at alle prosjektdetaljer vil passe i én forespørsel.
For en kodeendring oppgir du påkrevd atferd, relevante filer og begrensningene løsningen må overholde. En illustrerende forespørsel er å migrere en komponent mens den utadrettede atferden beholdes: identifiser avhengighetene, foreslå samordnede endringer og angi hvordan atferden skal kontrolleres. For en feil oppgir du det observerte resultatet, forventet resultat og vilkårene som gjenskaper problemet. Faktiske fil- og kommandoresultater blir belegg for neste beslutning i agentens miljø.
Visuelle inndata kan gi en designskisse, et skjermbilde, et teknisk diagram eller en graf knyttet til utviklingsoppgaven. Lanseringen beskriver tolkning av slikt materiale under programmeringsøkter. Angi den viktige tilstanden eller sammenhengen i bildet, og forklar hvordan implementasjonen skal bruke den. Utdataene er fortsatt tekst, inkludert kode eller instruksjoner for de tilknyttede verktøyene; en visuell referanse gjør ikke modellen til en bildegenerator.
OpenAI oppgir et kontekstvindu på 400000 tokener, en maksimal inndatamengde på 272000 tokener og en maksimal utdatamengde på 128000 tokener, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er low, medium, high og xhigh. Modellens dokumenterte grensesnitt er Responses, med strømming, Structured Outputs, funksjonskall, bildeinndata, nettsøk og hurtigbufring av instruksjoner. De nøyaktig oppgitte verktøyene omfatter funksjoner, nettsøk, vertsbasert kommandoskall og ferdigheter.
Applikasjonene leverer arbeidsmiljøet sitt, utfører operasjonene sine og returnerer faktiske resultater. Lanseringen beskriver også ekstra sikkerhetstiltak rundt cybersikkerhetsrelatert arbeid. Definer et konkret fullføringskriterium for utviklingsoppgaven, og be om et sluttprodukt som knytter berørte filer, vesentlige endringer og fullførte kontroller til den opprinnelige atferden. Hold en foreslått kontroll atskilt fra en som er kjørt, slik at resultatet kan støtte neste utviklingstrinn.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-5.2-codex | 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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0035 / 1K tokener Utdata · Utgående tokener $0.028 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00035 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0035 / 1K tokener Utdata · Utgående tokener $0.028 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00035 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "openai/gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.2-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.2-codex', '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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
Teknisk eksempel på engelsk
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.