GPT-5 er OpenAIs resonneringsmodell for koding og agentoppgaver på tvers av fagområder. Den tar imot tekst og bilder og produserer tekst. Utviklerutgivelsen skiller API-ens resonneringsmodell fra samtalevalget uten resonnering og beskriver kodesamarbeid, frontend-arbeid, instruksjonsfølging og arbeidsflyter som knytter sammen en sekvens av verktøyresultater.
For ingeniørarbeid gir du den påkrevde oppførselen, relevante filer og begrensninger på endringer. En illustrativ forespørsel er å undersøke hvordan komponenter samhandler, finne et problem i håndteringen deres av en inngang og utvikle et koordinert endringsforslag. For frontend-arbeid gir du den tiltenkte samhandlingen og en visuell referanse. For et dokumentspørsmål identifiserer du beslutningen, kildematerialet og påkrevde deler, slik at svaret har et konkret formål.
Produsenten dokumenterer resonneringsinnsatsene minimal, low, medium og high, med medium beskrevet som standard i utviklerutgivelsen. Svarets detaljnivå er en separat kontroll med valgene low, medium og high; medium er dokumentert standard, mens en eksplisitt instruks om utdataene har forrang. Dette skillet lar en oppgave be om et kort resultat og samtidig sette av en analyse som passer til kompleksiteten.
OpenAI oppgir et kontekstvindu på 400,000 tokener, maksimalt 272,000 inngående tokener og maksimalt 128,000 utgående tokener for GPT-5, med kunnskapsgrense 30. september 2024. Resonnering og synlige utdata deler budsjettet for genererte tokener. Hold relevant kildemateriale og suksesskriterier tilgjengelig, og gi plass til analysen og sluttsvaret i stedet for å fylle hele vinduet med uvedkommende kontekst.
Produsenten lister opp grensesnittene Responses, Chat Completions og Batch, strømming, Structured Outputs, funksjonskall, fil- og bildeinndata, nett- og filsøk og mellomlagring av prompt. Verktøyene i det konkrete modellkortet omfatter bildegenerering, kodefortolking og MCP-forbindelser. Utviklerutgivelsen dokumenterer også parallelle verktøykall, synlige fremdriftsmeldinger mellom handlinger og egendefinerte verktøy som tar imot ren tekst med valgfrie grammatikkbegrensninger. Applikasjoner utfører operasjonene og returnerer de faktiske resultatene som brukes i neste beslutning.
Gjeldende veiledning for mellomlagring inkluderer valgfri utvidet oppbevaring på opptil 24 timer for GPT-5, med gjenbruk avhengig av et kvalifisert bevart prefiks. For selve oppgaven definerer du resultatet og kildebelegget som vil telle som ferdigstillelse. En foreslått patch, en strukturert analyse eller et dokument er nyttig når de vesentlige valgene er knyttet til de oppgitte kravene og faktaene. Hold resultatene fra fullførte kontroller adskilt fra handlinger som fortsatt bare foreslås, slik at sluttsvaret kan støtte neste arbeidssteg.
", "aboutText": "GPT-5 er OpenAIs resonneringsmodell for koding og agentoppgaver på tvers av fagområder. Den tar imot tekst og bilder og produserer tekst. Utviklerutgivelsen skiller API-ens resonneringsmodell fra samtalevalget uten resonnering og beskriver kodesamarbeid, frontend-arbeid, instruksjonsfølging og arbeidsflyter som knytter sammen en sekvens av verktøyresultater.\n\nFor ingeniørarbeid gir du den påkrevde oppførselen, relevante filer og begrensninger på endringer. En illustrativ forespørsel er å undersøke hvordan komponenter samhandler, finne et problem i håndteringen deres av en inngang og utvikle et koordinert endringsforslag. For frontend-arbeid gir du den tiltenkte samhandlingen og en visuell referanse. For et dokumentspørsmål identifiserer du beslutningen, kildematerialet og påkrevde deler, slik at svaret har et konkret formål.\n\nProdusenten dokumenterer resonneringsinnsatsene minimal, low, medium og high, med medium beskrevet som standard i utviklerutgivelsen. Svarets detaljnivå er en separat kontroll med valgene low, medium og high; medium er dokumentert standard, mens en eksplisitt instruks om utdataene har forrang. Dette skillet lar en oppgave be om et kort resultat og samtidig sette av en analyse som passer til kompleksiteten.\n\nOpenAI oppgir et kontekstvindu på 400,000 tokener, maksimalt 272,000 inngående tokener og maksimalt 128,000 utgående tokener for GPT-5, med kunnskapsgrense 30. september 2024. Resonnering og synlige utdata deler budsjettet for genererte tokener. Hold relevant kildemateriale og suksesskriterier tilgjengelig, og gi plass til analysen og sluttsvaret i stedet for å fylle hele vinduet med uvedkommende kontekst.\n\nProdusenten lister opp grensesnittene Responses, Chat Completions og Batch, strømming, Structured Outputs, funksjonskall, fil- og bildeinndata, nett- og filsøk og mellomlagring av prompt. Verktøyene i det konkrete modellkortet omfatter bildegenerering, kodefortolking og MCP-forbindelser. Utviklerutgivelsen dokumenterer også parallelle verktøykall, synlige fremdriftsmeldinger mellom handlinger og egendefinerte verktøy som tar imot ren tekst med valgfrie grammatikkbegrensninger. Applikasjoner utfører operasjonene og returnerer de faktiske resultatene som brukes i neste beslutning.\n\nGjeldende veiledning for mellomlagring inkluderer valgfri utvidet oppbevaring på opptil 24 timer for GPT-5, med gjenbruk avhengig av et kvalifisert bevart prefiks. For selve oppgaven definerer du resultatet og kildebelegget som vil telle som ferdigstillelse. En foreslått patch, en strukturert analyse eller et dokument er nyttig når de vesentlige valgene er knyttet til de oppgitte kravene og faktaene. Hold resultatene fra fullførte kontroller adskilt fra handlinger som fortsatt bare foreslås, slik at sluttsvaret kan støtte neste arbeidssteg.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0114399779e7eeee4a7cfa697e1adc1ab7541eeb13424b7b09f5a6125571ce29", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "openai/gpt-5:batchGPT-5 er en resonneringsmodell for programmering, tekst- og bildeoppgaver og agentarbeidsflyter. Den støtter justerbar resonnering og detaljnivå i svar og kan kombinere prosjekt- eller dokumentbelegg med resultater fra applikasjonsverktøy.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
GPT-5 er OpenAIs resonneringsmodell for koding og agentoppgaver på tvers av fagområder. Den tar imot tekst og bilder og produserer tekst. Utviklerutgivelsen skiller API-ens resonneringsmodell fra samtalevalget uten resonnering og beskriver kodesamarbeid, frontend-arbeid, instruksjonsfølging og arbeidsflyter som knytter sammen en sekvens av verktøyresultater.
For ingeniørarbeid gir du den påkrevde oppførselen, relevante filer og begrensninger på endringer. En illustrativ forespørsel er å undersøke hvordan komponenter samhandler, finne et problem i håndteringen deres av en inngang og utvikle et koordinert endringsforslag. For frontend-arbeid gir du den tiltenkte samhandlingen og en visuell referanse. For et dokumentspørsmål identifiserer du beslutningen, kildematerialet og påkrevde deler, slik at svaret har et konkret formål.
Produsenten dokumenterer resonneringsinnsatsene minimal, low, medium og high, med medium beskrevet som standard i utviklerutgivelsen. Svarets detaljnivå er en separat kontroll med valgene low, medium og high; medium er dokumentert standard, mens en eksplisitt instruks om utdataene har forrang. Dette skillet lar en oppgave be om et kort resultat og samtidig sette av en analyse som passer til kompleksiteten.
OpenAI oppgir et kontekstvindu på 400,000 tokener, maksimalt 272,000 inngående tokener og maksimalt 128,000 utgående tokener for GPT-5, med kunnskapsgrense 30. september 2024. Resonnering og synlige utdata deler budsjettet for genererte tokener. Hold relevant kildemateriale og suksesskriterier tilgjengelig, og gi plass til analysen og sluttsvaret i stedet for å fylle hele vinduet med uvedkommende kontekst.
Produsenten lister opp grensesnittene Responses, Chat Completions og Batch, strømming, Structured Outputs, funksjonskall, fil- og bildeinndata, nett- og filsøk og mellomlagring av prompt. Verktøyene i det konkrete modellkortet omfatter bildegenerering, kodefortolking og MCP-forbindelser. Utviklerutgivelsen dokumenterer også parallelle verktøykall, synlige fremdriftsmeldinger mellom handlinger og egendefinerte verktøy som tar imot ren tekst med valgfrie grammatikkbegrensninger. Applikasjoner utfører operasjonene og returnerer de faktiske resultatene som brukes i neste beslutning.
Gjeldende veiledning for mellomlagring inkluderer valgfri utvidet oppbevaring på opptil 24 timer for GPT-5, med gjenbruk avhengig av et kvalifisert bevart prefiks. For selve oppgaven definerer du resultatet og kildebelegget som vil telle som ferdigstillelse. En foreslått patch, en strukturert analyse eller et dokument er nyttig når de vesentlige valgene er knyttet til de oppgitte kravene og faktaene. Hold resultatene fra fullførte kontroller adskilt fra handlinger som fortsatt bare foreslås, slik at sluttsvaret kan støtte neste arbeidssteg.
POST /v1/batchestexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrevd | Verdier & grenser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser openai/gpt-5:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltcompletion_window | Typestring | KravValgfritt | Verdier & grenser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfritt | Verdier & grenser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfritt | Verdier & grenser openai/gpt-5:batch, openai/gpt-5 | Standard— |
Feltprovider.only | Typestring[] | KravValgfritt | Verdier & grenser openai | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfritt | Verdier & grenser false, null | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtaleendpoint, model, requests |
Parametermaterial_types | Avtaletext |
Parameterrepresentation | Avtalerequests[] direkte i forespørselen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Avtale/v1/chat/completions |
Parameterfile_material | AvtaleKlienten kan lese det faktiske UTF-8-kodede JSONL-innholdet lokalt inn i requests[]. Feltet purpose for opplasting, input_file_id og filreferanser brukes ikke. Manglende eller tomt kundemateriale stopper klargjøringen før POST. |
Parameterserialization_order | Avtaleendpoint, model, provider (hvis angitt), completion_window (hvis angitt), requests til slutt |
Parameteroptional_controls | Avtaleprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtaleForespørselsinnhold for tekstbasert Chat Completions lagt direkte inn i det dokumenterte Batch-formatet. |
Livssyklus: asynchronous
GET /v1/batches/{operation_id} · faktisk response.id fra den opprinnelige opprettelsen; samme bruker/nøkkel/gruppe
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 $0.00125 / 1K tokener Utdata · Utgående tokener $0.01 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000125 / 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 $0.00125 / 1K tokener Utdata · Utgående tokener $0.01 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000125 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5:batch', 'openai/gpt-5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON fra results[].response.body direkte i svaret
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBehold alle fullstendige returnerte svar, filer og innholdsdeler.
Bevar hele den opprinnelige statusresponsen i JSON, alle resultater og custom_id-verdier samt hele svar- eller feilinnholdet. Lagre fullførte results[] som JSONL uten filtrering.
Bevar den opprinnelige operasjons-ID-en. 503 result_pending_check har X-Should-Retry:false; send aldri den opprinnelige batchen på nytt når utfallet er ukjent.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldig struktur i det dokumenterte formatet med innebygde forespørsler, dupliserte nøkler, ugyldig elementidentitet eller konflikt med modellens konfigurerte funksjoner. | Neste trinnRett de angitte feltene før du sender en ny forespørsel. |
Svar401 · authentication_error | VilkårUgyldig API-nøkkel. | Neste trinnBruk den autoriserte Ailoot-nøkkelen. |
Svar403 · permission_error | VilkårGruppen for batchbehandling er ikke tilgjengelig. | Neste trinnKontroller tilgangsrettighetene til nøkkelen/gruppen. |
Svar422 · invalid_request_error | VilkårBatch belastes saldoen; opprettelse via abonnement avvises. | Neste trinnBruk den autoriserte gruppen som belastes saldoen. |
Svar422 · price_unavailable | VilkårDet kan ikke beregnes en pris for batchens inndata. | Neste trinnBevar svaret; bruk de dokumenterte inndataene for API-familien. |
Svar402 · billing_error | VilkårBeløpsreservasjon for batchbehandling er ikke tilgjengelig. | Neste trinnLøs problemet som hindrer forespørselen i å bli godkjent før du sender en ny forespørsel. |
Svar503 · price_unavailable | VilkårPris for Batch-metoden eller systemets innebygde satser er ikke tilgjengelige. | Neste trinnBevar svaret; ikke erstatt prisene. |
Svar503 · api_error | VilkårDen nøyaktige leverandørruten er ikke tilgjengelig. | Neste trinnBevar svaret slik at ruten kan repareres. |
Svar503 · result_pending_check | VilkårDet opprinnelige resultatet må kontrolleres; X-Should-Retry:false. | Neste trinnBevar opprinnelig operation_id/id og les statusen; gjenta aldri den opprinnelige POST-forespørselen. |
Svar404 · not_found | VilkårStatusoperasjonen for batchen finnes ikke eller tilhører en annen identitet. | Neste trinnBruk nøyaktig den opprinnelige id-verdien og samme bruker/nøkkel/gruppe. |
Ailoot Ultra openai/gpt-5:batch
Bruk metodestiene som vises ovenfor.