GPT-5 Chat is OpenAI’s label voor de gespreksgerichte GPT-5-modelversie die met ChatGPT is verbonden. De ontwikkelaarsaankondiging identificeert deze API-chatvariant als het model zonder aparte redeneerstap in het GPT-5-systeem. Het is een afzonderlijke keuze naast het hoofdmodel GPT-5 met redeneren: de naam op deze kaart verwijst naar een chatgerichte antwoordroute en niet naar het volledige routeringssysteem van ChatGPT.
OpenAI organiseert de praktische toepassingen van de GPT-5-familie rond programmeren, schrijven en informatie begrijpen. Voor een gespreksassistent betekent dit een functie bespreken, een aangeleverd document uitleggen, een bericht bewerken of een idee via opeenvolgende vragen ontwikkelen. Het schrijfwerk van de familie omvat het opstellen en herzien van rapporten, e-mails en langere teksten, met aandacht voor de gevraagde structuur en expressieve stijl.
Visuele context kan de teksttaak begeleiden. Een afbeelding van een interface, grafiek, presentatie of diagram geeft het model iets concreets om uit te leggen. Vraag naar een bepaalde relatie of een bepaald element en definieer het gewenste tekstresultaat. De uitvoer is een uitleg, herschreven materiaal of code; de afbeelding dient als invoer in plaats van als verzoek om beeldgeneratie.
De gepubliceerde configuratie heeft een contextvenster van 128.000 tokens, maximaal 16.384 uitvoertokens en een kennisgrens van 30 september 2024. Het model accepteert tekst en afbeeldingen en produceert tekst. Streaming, functieaanroepen en Structured Outputs worden als ondersteund vermeld. Audio- en video-invoer, fine-tuning en Predicted Outputs worden in deze chatconfiguratie niet ondersteund. De grenzen behoren tot het benoemde chatmodel in plaats van de grotere specificatie van het redeneermodel.
Functieaanroepen verbinden de assistent met acties en gegevens die een toepassing aanbiedt. Het model kan een beschreven functie selecteren en de argumenten produceren; de toepassing voert de functie uit en retourneert het resultaat voor het volgende antwoord. Gestructureerde uitvoer dient een ander doel: een antwoord kan een afgesproken gegevensstructuur volgen, bijvoorbeeld velden voor een samenvatting, relevante feiten en een voorgestelde volgende stap. Hulpmiddeluitvoering en toegang blijven verantwoordelijkheden van de omringende toepassing.
De publicatie van de GPT-5-familie benadrukt ook instructieopvolging, duidelijkere omgang met onzekere of onvolledige taken en een minder overdreven instemmende stijl. Het chatspecifieke model kan worden gestuurd met een rol, doelgroep, toon en expliciete uitvoereisen. Algemene richtlijnen voor beeldbegrip blijven van toepassing op de beeldtaken: kleine of gedraaide tekst en precieze ruimtelijke interpretatie vragen om zorgvuldige bronvoorbereiding.
Definieer voor een product dat Ailoot API gebruikt het beoogde gespreksresultaat en lever het materiaal aan waarvan het moet afhangen. Een nuttig verzoek kan om een antwoord aan een klant, uitleg van een schermafbeelding of een document met opgegeven gedeelten vragen. Houd verplichte feiten en de geselecteerde passage expliciet bij het verfijnen van het antwoord. Het chatlabel behoudt zijn eigen identiteit in deze processen, terwijl het aangeleverde gesprek de context voor elk antwoord biedt.
", "aboutText": "GPT-5 Chat is OpenAI’s label voor de gespreksgerichte GPT-5-modelversie die met ChatGPT is verbonden. De ontwikkelaarsaankondiging identificeert deze API-chatvariant als het model zonder aparte redeneerstap in het GPT-5-systeem. Het is een afzonderlijke keuze naast het hoofdmodel GPT-5 met redeneren: de naam op deze kaart verwijst naar een chatgerichte antwoordroute en niet naar het volledige routeringssysteem van ChatGPT.\n\nOpenAI organiseert de praktische toepassingen van de GPT-5-familie rond programmeren, schrijven en informatie begrijpen. Voor een gespreksassistent betekent dit een functie bespreken, een aangeleverd document uitleggen, een bericht bewerken of een idee via opeenvolgende vragen ontwikkelen. Het schrijfwerk van de familie omvat het opstellen en herzien van rapporten, e-mails en langere teksten, met aandacht voor de gevraagde structuur en expressieve stijl.\n\nVisuele context kan de teksttaak begeleiden. Een afbeelding van een interface, grafiek, presentatie of diagram geeft het model iets concreets om uit te leggen. Vraag naar een bepaalde relatie of een bepaald element en definieer het gewenste tekstresultaat. De uitvoer is een uitleg, herschreven materiaal of code; de afbeelding dient als invoer in plaats van als verzoek om beeldgeneratie.\n\nDe gepubliceerde configuratie heeft een contextvenster van 128.000 tokens, maximaal 16.384 uitvoertokens en een kennisgrens van 30 september 2024. Het model accepteert tekst en afbeeldingen en produceert tekst. Streaming, functieaanroepen en Structured Outputs worden als ondersteund vermeld. Audio- en video-invoer, fine-tuning en Predicted Outputs worden in deze chatconfiguratie niet ondersteund. De grenzen behoren tot het benoemde chatmodel in plaats van de grotere specificatie van het redeneermodel.\n\nFunctieaanroepen verbinden de assistent met acties en gegevens die een toepassing aanbiedt. Het model kan een beschreven functie selecteren en de argumenten produceren; de toepassing voert de functie uit en retourneert het resultaat voor het volgende antwoord. Gestructureerde uitvoer dient een ander doel: een antwoord kan een afgesproken gegevensstructuur volgen, bijvoorbeeld velden voor een samenvatting, relevante feiten en een voorgestelde volgende stap. Hulpmiddeluitvoering en toegang blijven verantwoordelijkheden van de omringende toepassing.\n\nDe publicatie van de GPT-5-familie benadrukt ook instructieopvolging, duidelijkere omgang met onzekere of onvolledige taken en een minder overdreven instemmende stijl. Het chatspecifieke model kan worden gestuurd met een rol, doelgroep, toon en expliciete uitvoereisen. Algemene richtlijnen voor beeldbegrip blijven van toepassing op de beeldtaken: kleine of gedraaide tekst en precieze ruimtelijke interpretatie vragen om zorgvuldige bronvoorbereiding.\n\nDefinieer voor een product dat Ailoot API gebruikt het beoogde gespreksresultaat en lever het materiaal aan waarvan het moet afhangen. Een nuttig verzoek kan om een antwoord aan een klant, uitleg van een schermafbeelding of een document met opgegeven gedeelten vragen. Houd verplichte feiten en de geselecteerde passage expliciet bij het verfijnen van het antwoord. Het chatlabel behoudt zijn eigen identiteit in deze processen, terwijl het aangeleverde gesprek de context voor elk antwoord biedt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Revise an operational status report\n\nRewrite this report into three short sections: completed, unresolved and next step. Source: 'The import accepted 420 rows. Eighteen rows failed because their account IDs were blank. We have not retried them. Vera will ask the source team for the missing IDs tomorrow.' Keep the counts and ownership exact and avoid describing the import as fully complete.A concise three-section report preserving counts, unresolved rows and Vera's planned follow-up.The result states that 18 rows remain unresolved and that no retry has occurred.gpt-5-chat-latestGPT-5 Chat is OpenAI’s gespreksgerichte GPT-5-variant zonder aparte redeneerstap, voor tekst- en beeldinvoer met tekstuitvoer. Het ondersteunt schrijfwerk, visuele uitleg, codebespreking, functieaanroepen en gestructureerde antwoorden binnen een context van 128.000 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5 Chat is OpenAI’s label voor de gespreksgerichte GPT-5-modelversie die met ChatGPT is verbonden. De ontwikkelaarsaankondiging identificeert deze API-chatvariant als het model zonder aparte redeneerstap in het GPT-5-systeem. Het is een afzonderlijke keuze naast het hoofdmodel GPT-5 met redeneren: de naam op deze kaart verwijst naar een chatgerichte antwoordroute en niet naar het volledige routeringssysteem van ChatGPT.
OpenAI organiseert de praktische toepassingen van de GPT-5-familie rond programmeren, schrijven en informatie begrijpen. Voor een gespreksassistent betekent dit een functie bespreken, een aangeleverd document uitleggen, een bericht bewerken of een idee via opeenvolgende vragen ontwikkelen. Het schrijfwerk van de familie omvat het opstellen en herzien van rapporten, e-mails en langere teksten, met aandacht voor de gevraagde structuur en expressieve stijl.
Visuele context kan de teksttaak begeleiden. Een afbeelding van een interface, grafiek, presentatie of diagram geeft het model iets concreets om uit te leggen. Vraag naar een bepaalde relatie of een bepaald element en definieer het gewenste tekstresultaat. De uitvoer is een uitleg, herschreven materiaal of code; de afbeelding dient als invoer in plaats van als verzoek om beeldgeneratie.
De gepubliceerde configuratie heeft een contextvenster van 128.000 tokens, maximaal 16.384 uitvoertokens en een kennisgrens van 30 september 2024. Het model accepteert tekst en afbeeldingen en produceert tekst. Streaming, functieaanroepen en Structured Outputs worden als ondersteund vermeld. Audio- en video-invoer, fine-tuning en Predicted Outputs worden in deze chatconfiguratie niet ondersteund. De grenzen behoren tot het benoemde chatmodel in plaats van de grotere specificatie van het redeneermodel.
Functieaanroepen verbinden de assistent met acties en gegevens die een toepassing aanbiedt. Het model kan een beschreven functie selecteren en de argumenten produceren; de toepassing voert de functie uit en retourneert het resultaat voor het volgende antwoord. Gestructureerde uitvoer dient een ander doel: een antwoord kan een afgesproken gegevensstructuur volgen, bijvoorbeeld velden voor een samenvatting, relevante feiten en een voorgestelde volgende stap. Hulpmiddeluitvoering en toegang blijven verantwoordelijkheden van de omringende toepassing.
De publicatie van de GPT-5-familie benadrukt ook instructieopvolging, duidelijkere omgang met onzekere of onvolledige taken en een minder overdreven instemmende stijl. Het chatspecifieke model kan worden gestuurd met een rol, doelgroep, toon en expliciete uitvoereisen. Algemene richtlijnen voor beeldbegrip blijven van toepassing op de beeldtaken: kleine of gedraaide tekst en precieze ruimtelijke interpretatie vragen om zorgvuldige bronvoorbereiding.
Definieer voor een product dat Ailoot API gebruikt het beoogde gespreksresultaat en lever het materiaal aan waarvan het moet afhangen. Een nuttig verzoek kan om een antwoord aan een klant, uitleg van een schermafbeelding of een document met opgegeven gedeelten vragen. Houd verplichte feiten en de geselecteerde passage expliciet bij het verfijnen van het antwoord. Het chatlabel behoudt zijn eigen identiteit in deze processen, terwijl het aangeleverde gesprek de context voor elk antwoord biedt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5-chat-latest | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5-chat-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-5-chat-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-5-chat-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gpt-5-chat-latest
Gebruik de hierboven getoonde methodepaden.
gpt-5-chat-latestGPT-5 Chat is OpenAI’s gespreksgerichte GPT-5-variant zonder aparte redeneerstap, voor tekst- en beeldinvoer met tekstuitvoer. Het ondersteunt schrijfwerk, visuele uitleg, codebespreking, functieaanroepen en gestructureerde antwoorden binnen een context van 128.000 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5 Chat is OpenAI’s label voor de gespreksgerichte GPT-5-modelversie die met ChatGPT is verbonden. De ontwikkelaarsaankondiging identificeert deze API-chatvariant als het model zonder aparte redeneerstap in het GPT-5-systeem. Het is een afzonderlijke keuze naast het hoofdmodel GPT-5 met redeneren: de naam op deze kaart verwijst naar een chatgerichte antwoordroute en niet naar het volledige routeringssysteem van ChatGPT.
OpenAI organiseert de praktische toepassingen van de GPT-5-familie rond programmeren, schrijven en informatie begrijpen. Voor een gespreksassistent betekent dit een functie bespreken, een aangeleverd document uitleggen, een bericht bewerken of een idee via opeenvolgende vragen ontwikkelen. Het schrijfwerk van de familie omvat het opstellen en herzien van rapporten, e-mails en langere teksten, met aandacht voor de gevraagde structuur en expressieve stijl.
Visuele context kan de teksttaak begeleiden. Een afbeelding van een interface, grafiek, presentatie of diagram geeft het model iets concreets om uit te leggen. Vraag naar een bepaalde relatie of een bepaald element en definieer het gewenste tekstresultaat. De uitvoer is een uitleg, herschreven materiaal of code; de afbeelding dient als invoer in plaats van als verzoek om beeldgeneratie.
De gepubliceerde configuratie heeft een contextvenster van 128.000 tokens, maximaal 16.384 uitvoertokens en een kennisgrens van 30 september 2024. Het model accepteert tekst en afbeeldingen en produceert tekst. Streaming, functieaanroepen en Structured Outputs worden als ondersteund vermeld. Audio- en video-invoer, fine-tuning en Predicted Outputs worden in deze chatconfiguratie niet ondersteund. De grenzen behoren tot het benoemde chatmodel in plaats van de grotere specificatie van het redeneermodel.
Functieaanroepen verbinden de assistent met acties en gegevens die een toepassing aanbiedt. Het model kan een beschreven functie selecteren en de argumenten produceren; de toepassing voert de functie uit en retourneert het resultaat voor het volgende antwoord. Gestructureerde uitvoer dient een ander doel: een antwoord kan een afgesproken gegevensstructuur volgen, bijvoorbeeld velden voor een samenvatting, relevante feiten en een voorgestelde volgende stap. Hulpmiddeluitvoering en toegang blijven verantwoordelijkheden van de omringende toepassing.
De publicatie van de GPT-5-familie benadrukt ook instructieopvolging, duidelijkere omgang met onzekere of onvolledige taken en een minder overdreven instemmende stijl. Het chatspecifieke model kan worden gestuurd met een rol, doelgroep, toon en expliciete uitvoereisen. Algemene richtlijnen voor beeldbegrip blijven van toepassing op de beeldtaken: kleine of gedraaide tekst en precieze ruimtelijke interpretatie vragen om zorgvuldige bronvoorbereiding.
Definieer voor een product dat Ailoot API gebruikt het beoogde gespreksresultaat en lever het materiaal aan waarvan het moet afhangen. Een nuttig verzoek kan om een antwoord aan een klant, uitleg van een schermafbeelding of een document met opgegeven gedeelten vragen. Houd verplichte feiten en de geselecteerde passage expliciet bij het verfijnen van het antwoord. Het chatlabel behoudt zijn eigen identiteit in deze processen, terwijl het aangeleverde gesprek de context voor elk antwoord biedt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5-chat-latest | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gpt-5-chat-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-chat-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5-chat-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gpt-5-chat-latest
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Revise an operational status report\n\nRewrite this report into three short sections: completed, unresolved and next step. Source: 'The import accepted 420 rows. Eighteen rows failed because their account IDs were blank. We have not retried them. Vera will ask the source team for the missing IDs tomorrow.' Keep the counts and ownership exact and avoid describing the import as fully complete.A concise three-section report preserving counts, unresolved rows and Vera's planned follow-up.The result states that 18 rows remain unresolved and that no retry has occurred.