GPT-5.4 Pro er OpenAIs separate Pro-utgave av GPT-5.4. Den bruker ekstra beregning til å arbeide seg gjennom vanskelige spørsmål og utvikle et mer utfyllende svar. Modellen godtar tekst og bilder og produserer tekst. Pro er del av denne modellens identitet, atskilt fra Pro-innstillingen for resonneringsmodus som ble innført for grunnmodeller i GPT-5.6- og GPT-6-familiene.
Lanseringen av GPT-5.4-familien plasserer modellen i komplekst fagarbeid og kombinerer resonnering og programmering med oppgaver som involverer dokumenter, presentasjoner og regneark. En illustrerende Pro-forespørsel er å sammenligne flere implementasjonsmåter opp mot et sett med avhengige krav, identifisere vilkårene som avgjør valget, og gi en tydelig anbefaling. For en dokumentoppgave oppgir du spørsmålet, kildematerialet og kriteriene, slik at konklusjonen har et klart grunnlag.
OpenAI oppgir et kontekstvindu på 1050000 tokener og en maksimal utdatamengde på 128000 tokener for GPT-5.4 Pro, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er medium, high og xhigh; medium er standard. Resonnering opptar også tokenplass. Organiser lange inndata rundt det relevante kildematerialet, og la det være plass til analyse og det forespurte sluttproduktet.
Produsenten dokumenterer denne Pro-modellen bare i Responses API, med støtte for modellinteraksjoner over flere runder før det endelige svaret. Krevende forespørsler kan ta flere minutter; OpenAI anbefaler bakgrunnsutføring for å unngå tilkoblingstidsavbrudd som kan oppstå ved synkron venting på langvarig arbeid. I denne arbeidsflyten beholder applikasjonen svaridentifikatoren, kontrollerer om arbeidet står i kø eller pågår, og henter resultatet når en sluttilstand er nådd.
Modellkortet oppgir strømming, funksjonskall, nett- og filsøk, bildeinndata, verktøy for bildegenerering og MCP-støtte. Produsentens nøyaktige verktøysett omfatter også verktøysøk, oppdateringsoperasjoner og datamaskinbruk. Disse verktøyene er atskilt fra modellens tekstutdata. Applikasjonene stiller de relevante operasjonene til rådighet, utfører handlingene sine og leverer de faktiske resultatene for videre arbeid. Den separate verktøylisten for GPT-5.4 Pro skal brukes for denne utgaven, fremfor å anta at alle funksjonene til en annen GPT-5.4-modell er identiske.
Forbered et tydelig fullføringskriterium og en resultatstruktur. For teknisk arbeid ber du om berørt atferd, den foreslåtte løsningen, avhengighetene den endrer, og belegget som trengs for å verifisere den. For analyse skiller du mellom oppgitte fakta, utledede sammenhenger og uavklarte vilkår. Angi den viktige detaljen når et bilde støtter spørsmålet. Et nyttig sluttprodukt er et konkret kodeforslag, beslutningsnotat eller en plan som knytter vesentlige valg til det opprinnelige målet og materialet.
", "aboutText": "GPT-5.4 Pro er OpenAIs separate Pro-utgave av GPT-5.4. Den bruker ekstra beregning til å arbeide seg gjennom vanskelige spørsmål og utvikle et mer utfyllende svar. Modellen godtar tekst og bilder og produserer tekst. Pro er del av denne modellens identitet, atskilt fra Pro-innstillingen for resonneringsmodus som ble innført for grunnmodeller i GPT-5.6- og GPT-6-familiene.\n\nLanseringen av GPT-5.4-familien plasserer modellen i komplekst fagarbeid og kombinerer resonnering og programmering med oppgaver som involverer dokumenter, presentasjoner og regneark. En illustrerende Pro-forespørsel er å sammenligne flere implementasjonsmåter opp mot et sett med avhengige krav, identifisere vilkårene som avgjør valget, og gi en tydelig anbefaling. For en dokumentoppgave oppgir du spørsmålet, kildematerialet og kriteriene, slik at konklusjonen har et klart grunnlag.\n\nOpenAI oppgir et kontekstvindu på 1050000 tokener og en maksimal utdatamengde på 128000 tokener for GPT-5.4 Pro, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er medium, high og xhigh; medium er standard. Resonnering opptar også tokenplass. Organiser lange inndata rundt det relevante kildematerialet, og la det være plass til analyse og det forespurte sluttproduktet.\n\nProdusenten dokumenterer denne Pro-modellen bare i Responses API, med støtte for modellinteraksjoner over flere runder før det endelige svaret. Krevende forespørsler kan ta flere minutter; OpenAI anbefaler bakgrunnsutføring for å unngå tilkoblingstidsavbrudd som kan oppstå ved synkron venting på langvarig arbeid. I denne arbeidsflyten beholder applikasjonen svaridentifikatoren, kontrollerer om arbeidet står i kø eller pågår, og henter resultatet når en sluttilstand er nådd.\n\nModellkortet oppgir strømming, funksjonskall, nett- og filsøk, bildeinndata, verktøy for bildegenerering og MCP-støtte. Produsentens nøyaktige verktøysett omfatter også verktøysøk, oppdateringsoperasjoner og datamaskinbruk. Disse verktøyene er atskilt fra modellens tekstutdata. Applikasjonene stiller de relevante operasjonene til rådighet, utfører handlingene sine og leverer de faktiske resultatene for videre arbeid. Den separate verktøylisten for GPT-5.4 Pro skal brukes for denne utgaven, fremfor å anta at alle funksjonene til en annen GPT-5.4-modell er identiske.\n\nForbered et tydelig fullføringskriterium og en resultatstruktur. For teknisk arbeid ber du om berørt atferd, den foreslåtte løsningen, avhengighetene den endrer, og belegget som trengs for å verifisere den. For analyse skiller du mellom oppgitte fakta, utledede sammenhenger og uavklarte vilkår. Angi den viktige detaljen når et bilde støtter spørsmålet. Et nyttig sluttprodukt er et konkret kodeforslag, beslutningsnotat eller en plan som knytter vesentlige valg til det opprinnelige målet og materialet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Compare implementation approaches against hard requirements\n\nCompare three delivery designs for an export: synchronous processing, an in-memory background worker and a durable job queue. Requirements: the request returns promptly, accepted jobs survive process restarts, and users can retrieve status later. Explain what each design needs to meet every requirement, recommend an approach and identify its operational trade-offs. State assumptions rather than inventing measurements.A requirements-by-approach comparison, a justified recommendation and explicit operational assumptions.The answer tests restart survival and persistent status separately and does not invent benchmark or cost figures.gpt-5.4-proDen separate GPT-5.4 Pro-utgaven bruker ekstra beregning til krevende resonnering og profesjonelt arbeid. Den tar imot tekst og bilder og utvikler et tekstsvar gjennom OpenAIs Responses-grensesnitt, med innsatsinnstillingene medium, high og xhigh.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.4 Pro er OpenAIs separate Pro-utgave av GPT-5.4. Den bruker ekstra beregning til å arbeide seg gjennom vanskelige spørsmål og utvikle et mer utfyllende svar. Modellen godtar tekst og bilder og produserer tekst. Pro er del av denne modellens identitet, atskilt fra Pro-innstillingen for resonneringsmodus som ble innført for grunnmodeller i GPT-5.6- og GPT-6-familiene.
Lanseringen av GPT-5.4-familien plasserer modellen i komplekst fagarbeid og kombinerer resonnering og programmering med oppgaver som involverer dokumenter, presentasjoner og regneark. En illustrerende Pro-forespørsel er å sammenligne flere implementasjonsmåter opp mot et sett med avhengige krav, identifisere vilkårene som avgjør valget, og gi en tydelig anbefaling. For en dokumentoppgave oppgir du spørsmålet, kildematerialet og kriteriene, slik at konklusjonen har et klart grunnlag.
OpenAI oppgir et kontekstvindu på 1050000 tokener og en maksimal utdatamengde på 128000 tokener for GPT-5.4 Pro, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er medium, high og xhigh; medium er standard. Resonnering opptar også tokenplass. Organiser lange inndata rundt det relevante kildematerialet, og la det være plass til analyse og det forespurte sluttproduktet.
Produsenten dokumenterer denne Pro-modellen bare i Responses API, med støtte for modellinteraksjoner over flere runder før det endelige svaret. Krevende forespørsler kan ta flere minutter; OpenAI anbefaler bakgrunnsutføring for å unngå tilkoblingstidsavbrudd som kan oppstå ved synkron venting på langvarig arbeid. I denne arbeidsflyten beholder applikasjonen svaridentifikatoren, kontrollerer om arbeidet står i kø eller pågår, og henter resultatet når en sluttilstand er nådd.
Modellkortet oppgir strømming, funksjonskall, nett- og filsøk, bildeinndata, verktøy for bildegenerering og MCP-støtte. Produsentens nøyaktige verktøysett omfatter også verktøysøk, oppdateringsoperasjoner og datamaskinbruk. Disse verktøyene er atskilt fra modellens tekstutdata. Applikasjonene stiller de relevante operasjonene til rådighet, utfører handlingene sine og leverer de faktiske resultatene for videre arbeid. Den separate verktøylisten for GPT-5.4 Pro skal brukes for denne utgaven, fremfor å anta at alle funksjonene til en annen GPT-5.4-modell er identiske.
Forbered et tydelig fullføringskriterium og en resultatstruktur. For teknisk arbeid ber du om berørt atferd, den foreslåtte løsningen, avhengighetene den endrer, og belegget som trengs for å verifisere den. For analyse skiller du mellom oppgitte fakta, utledede sammenhenger og uavklarte vilkår. Angi den viktige detaljen når et bilde støtter spørsmålet. Et nyttig sluttprodukt er et konkret kodeforslag, beslutningsnotat eller en plan som knytter vesentlige valg til det opprinnelige målet og materialet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5.4-pro | 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 $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 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-5.4-pro","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-5.4-pro", 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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
gpt-5.4-proDen separate GPT-5.4 Pro-utgaven bruker ekstra beregning til krevende resonnering og profesjonelt arbeid. Den tar imot tekst og bilder og utvikler et tekstsvar gjennom OpenAIs Responses-grensesnitt, med innsatsinnstillingene medium, high og xhigh.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.4 Pro er OpenAIs separate Pro-utgave av GPT-5.4. Den bruker ekstra beregning til å arbeide seg gjennom vanskelige spørsmål og utvikle et mer utfyllende svar. Modellen godtar tekst og bilder og produserer tekst. Pro er del av denne modellens identitet, atskilt fra Pro-innstillingen for resonneringsmodus som ble innført for grunnmodeller i GPT-5.6- og GPT-6-familiene.
Lanseringen av GPT-5.4-familien plasserer modellen i komplekst fagarbeid og kombinerer resonnering og programmering med oppgaver som involverer dokumenter, presentasjoner og regneark. En illustrerende Pro-forespørsel er å sammenligne flere implementasjonsmåter opp mot et sett med avhengige krav, identifisere vilkårene som avgjør valget, og gi en tydelig anbefaling. For en dokumentoppgave oppgir du spørsmålet, kildematerialet og kriteriene, slik at konklusjonen har et klart grunnlag.
OpenAI oppgir et kontekstvindu på 1050000 tokener og en maksimal utdatamengde på 128000 tokener for GPT-5.4 Pro, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er medium, high og xhigh; medium er standard. Resonnering opptar også tokenplass. Organiser lange inndata rundt det relevante kildematerialet, og la det være plass til analyse og det forespurte sluttproduktet.
Produsenten dokumenterer denne Pro-modellen bare i Responses API, med støtte for modellinteraksjoner over flere runder før det endelige svaret. Krevende forespørsler kan ta flere minutter; OpenAI anbefaler bakgrunnsutføring for å unngå tilkoblingstidsavbrudd som kan oppstå ved synkron venting på langvarig arbeid. I denne arbeidsflyten beholder applikasjonen svaridentifikatoren, kontrollerer om arbeidet står i kø eller pågår, og henter resultatet når en sluttilstand er nådd.
Modellkortet oppgir strømming, funksjonskall, nett- og filsøk, bildeinndata, verktøy for bildegenerering og MCP-støtte. Produsentens nøyaktige verktøysett omfatter også verktøysøk, oppdateringsoperasjoner og datamaskinbruk. Disse verktøyene er atskilt fra modellens tekstutdata. Applikasjonene stiller de relevante operasjonene til rådighet, utfører handlingene sine og leverer de faktiske resultatene for videre arbeid. Den separate verktøylisten for GPT-5.4 Pro skal brukes for denne utgaven, fremfor å anta at alle funksjonene til en annen GPT-5.4-modell er identiske.
Forbered et tydelig fullføringskriterium og en resultatstruktur. For teknisk arbeid ber du om berørt atferd, den foreslåtte løsningen, avhengighetene den endrer, og belegget som trengs for å verifisere den. For analyse skiller du mellom oppgitte fakta, utledede sammenhenger og uavklarte vilkår. Angi den viktige detaljen når et bilde støtter spørsmålet. Et nyttig sluttprodukt er et konkret kodeforslag, beslutningsnotat eller en plan som knytter vesentlige valg til det opprinnelige målet og materialet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gpt-5.4-pro | 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 $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "gpt-5.4-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.4-pro', '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-5.4-pro', '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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
openai/gpt-5.4-proDen separate GPT-5.4 Pro-utgaven bruker ekstra beregning til krevende resonnering og profesjonelt arbeid. Den tar imot tekst og bilder og utvikler et tekstsvar gjennom OpenAIs Responses-grensesnitt, med innsatsinnstillingene medium, high og xhigh.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.4 Pro er OpenAIs separate Pro-utgave av GPT-5.4. Den bruker ekstra beregning til å arbeide seg gjennom vanskelige spørsmål og utvikle et mer utfyllende svar. Modellen godtar tekst og bilder og produserer tekst. Pro er del av denne modellens identitet, atskilt fra Pro-innstillingen for resonneringsmodus som ble innført for grunnmodeller i GPT-5.6- og GPT-6-familiene.
Lanseringen av GPT-5.4-familien plasserer modellen i komplekst fagarbeid og kombinerer resonnering og programmering med oppgaver som involverer dokumenter, presentasjoner og regneark. En illustrerende Pro-forespørsel er å sammenligne flere implementasjonsmåter opp mot et sett med avhengige krav, identifisere vilkårene som avgjør valget, og gi en tydelig anbefaling. For en dokumentoppgave oppgir du spørsmålet, kildematerialet og kriteriene, slik at konklusjonen har et klart grunnlag.
OpenAI oppgir et kontekstvindu på 1050000 tokener og en maksimal utdatamengde på 128000 tokener for GPT-5.4 Pro, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er medium, high og xhigh; medium er standard. Resonnering opptar også tokenplass. Organiser lange inndata rundt det relevante kildematerialet, og la det være plass til analyse og det forespurte sluttproduktet.
Produsenten dokumenterer denne Pro-modellen bare i Responses API, med støtte for modellinteraksjoner over flere runder før det endelige svaret. Krevende forespørsler kan ta flere minutter; OpenAI anbefaler bakgrunnsutføring for å unngå tilkoblingstidsavbrudd som kan oppstå ved synkron venting på langvarig arbeid. I denne arbeidsflyten beholder applikasjonen svaridentifikatoren, kontrollerer om arbeidet står i kø eller pågår, og henter resultatet når en sluttilstand er nådd.
Modellkortet oppgir strømming, funksjonskall, nett- og filsøk, bildeinndata, verktøy for bildegenerering og MCP-støtte. Produsentens nøyaktige verktøysett omfatter også verktøysøk, oppdateringsoperasjoner og datamaskinbruk. Disse verktøyene er atskilt fra modellens tekstutdata. Applikasjonene stiller de relevante operasjonene til rådighet, utfører handlingene sine og leverer de faktiske resultatene for videre arbeid. Den separate verktøylisten for GPT-5.4 Pro skal brukes for denne utgaven, fremfor å anta at alle funksjonene til en annen GPT-5.4-modell er identiske.
Forbered et tydelig fullføringskriterium og en resultatstruktur. For teknisk arbeid ber du om berørt atferd, den foreslåtte løsningen, avhengighetene den endrer, og belegget som trengs for å verifisere den. For analyse skiller du mellom oppgitte fakta, utledede sammenhenger og uavklarte vilkår. Angi den viktige detaljen når et bilde støtter spørsmålet. Et nyttig sluttprodukt er et konkret kodeforslag, beslutningsnotat eller en plan som knytter vesentlige valg til det opprinnelige målet og materialet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-5.4-pro | 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 $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 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": "openai/gpt-5.4-pro", "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-5.4-pro',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-5.4-pro',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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
openai/gpt-5.4-proDen separate GPT-5.4 Pro-utgaven bruker ekstra beregning til krevende resonnering og profesjonelt arbeid. Den tar imot tekst og bilder og utvikler et tekstsvar gjennom OpenAIs Responses-grensesnitt, med innsatsinnstillingene medium, high og xhigh.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5.4 Pro er OpenAIs separate Pro-utgave av GPT-5.4. Den bruker ekstra beregning til å arbeide seg gjennom vanskelige spørsmål og utvikle et mer utfyllende svar. Modellen godtar tekst og bilder og produserer tekst. Pro er del av denne modellens identitet, atskilt fra Pro-innstillingen for resonneringsmodus som ble innført for grunnmodeller i GPT-5.6- og GPT-6-familiene.
Lanseringen av GPT-5.4-familien plasserer modellen i komplekst fagarbeid og kombinerer resonnering og programmering med oppgaver som involverer dokumenter, presentasjoner og regneark. En illustrerende Pro-forespørsel er å sammenligne flere implementasjonsmåter opp mot et sett med avhengige krav, identifisere vilkårene som avgjør valget, og gi en tydelig anbefaling. For en dokumentoppgave oppgir du spørsmålet, kildematerialet og kriteriene, slik at konklusjonen har et klart grunnlag.
OpenAI oppgir et kontekstvindu på 1050000 tokener og en maksimal utdatamengde på 128000 tokener for GPT-5.4 Pro, med kunnskapsgrense 31. august 2025. De støttede valgene for resonneringsinnsats er medium, high og xhigh; medium er standard. Resonnering opptar også tokenplass. Organiser lange inndata rundt det relevante kildematerialet, og la det være plass til analyse og det forespurte sluttproduktet.
Produsenten dokumenterer denne Pro-modellen bare i Responses API, med støtte for modellinteraksjoner over flere runder før det endelige svaret. Krevende forespørsler kan ta flere minutter; OpenAI anbefaler bakgrunnsutføring for å unngå tilkoblingstidsavbrudd som kan oppstå ved synkron venting på langvarig arbeid. I denne arbeidsflyten beholder applikasjonen svaridentifikatoren, kontrollerer om arbeidet står i kø eller pågår, og henter resultatet når en sluttilstand er nådd.
Modellkortet oppgir strømming, funksjonskall, nett- og filsøk, bildeinndata, verktøy for bildegenerering og MCP-støtte. Produsentens nøyaktige verktøysett omfatter også verktøysøk, oppdateringsoperasjoner og datamaskinbruk. Disse verktøyene er atskilt fra modellens tekstutdata. Applikasjonene stiller de relevante operasjonene til rådighet, utfører handlingene sine og leverer de faktiske resultatene for videre arbeid. Den separate verktøylisten for GPT-5.4 Pro skal brukes for denne utgaven, fremfor å anta at alle funksjonene til en annen GPT-5.4-modell er identiske.
Forbered et tydelig fullføringskriterium og en resultatstruktur. For teknisk arbeid ber du om berørt atferd, den foreslåtte løsningen, avhengighetene den endrer, og belegget som trengs for å verifisere den. For analyse skiller du mellom oppgitte fakta, utledede sammenhenger og uavklarte vilkår. Angi den viktige detaljen når et bilde støtter spørsmålet. Et nyttig sluttprodukt er et konkret kodeforslag, beslutningsnotat eller en plan som knytter vesentlige valg til det opprinnelige målet og materialet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-5.4-pro | 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 $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med272 000 | Kostnad Inndata · Inngående tokener $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn272 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.06 / 1K tokener Utdata · Utgående tokener $0.36 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "openai/gpt-5.4-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.4-pro', '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-5.4-pro', '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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
Teknisk eksempel på engelsk
Compare implementation approaches against hard requirements\n\nCompare three delivery designs for an export: synchronous processing, an in-memory background worker and a durable job queue. Requirements: the request returns promptly, accepted jobs survive process restarts, and users can retrieve status later. Explain what each design needs to meet every requirement, recommend an approach and identify its operational trade-offs. State assumptions rather than inventing measurements.A requirements-by-approach comparison, a justified recommendation and explicit operational assumptions.The answer tests restart survival and persistent status separately and does not invent benchmark or cost figures.