GPT-5.3-Codex is OpenAI’s model dat gespecialiseerd is in agentisch programmeren binnen Codex en vergelijkbare omgevingen met aangesloten hulpmiddelen. Het combineert programmeren met redeneren en professionele kennis, accepteert tekst en afbeeldingen en produceert tekst. De rol omvat naast codegeneratie ook het onderzoeken van een project, beslissingen nemen op basis van hulpmiddelresultaten en een technische taak via de daaropvolgende stappen voortzetten.
De aankondiging beschrijft implementatie, foutopsporing, testen en ander werk gedurende de softwarelevenscyclus, waaronder productvereisten, technische documenten en gegevensanalyse. Geef het model voor een programmeeropdracht het te implementeren gedrag, het relevante projectmateriaal en de te behouden voorwaarden. Een voorbeeldtaak is te volgen hoe invoer tot haar resultaat komt, de betrokken afhankelijkheden te identificeren en een afgestemde patch te ontwikkelen met een uitleg van het betrokken gedrag.
Frontendwerk kan de geschreven opdracht met screenshots of andere visuele referenties combineren. Benoem de relevante interactie of opmaak en het verwachte resultaat voor de gebruiker. Binnen een programmeeromgeving worden bestandsinhoud, opdrachtuitvoer en controleresultaten bewijs voor de volgende beslissing. De toepassing voert de hulpmiddelen uit en geeft werkelijke uitvoer terug; het model moet een voorgestelde wijziging onderscheiden van een wijziging die in die omgeving is gemaakt en gecontroleerd.
OpenAI specificeert een contextvenster van 400.000 tokens, een maximale invoer van 272.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. Het model ondersteunt redeneerinspanning low, medium, high en xhigh. De specifieke instructiehandleiding beveelt medium aan als praktisch beginpunt voor interactief programmeren en meer inspanning voor moeilijk werk. De gedocumenteerde interface is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exacte verzameling hulpmiddelen op de modelkaart omvat functies, zoeken op het web, een gehoste shell en skills.
De specifieke Codex-handleiding documenteert ingebouwde ondersteuning voor contextcompressie bij lange taakverlopen. Wanneer het gesprek groeit, kan de toepassing gecomprimeerde context produceren die belangrijke eerdere toestand voor latere aanvragen bewaart. De handleiding vereist ook dat fase-informatie van assistentberichten behouden blijft: tussentijdse commentary en het final-antwoord hebben verschillende rollen en verlies van dat onderscheid kan tot te vroeg stoppen of verslechterd gedrag leiden. Een voortgangsbericht moet daarom een voortgangsbericht blijven en mag niet als het voltooide taakresultaat worden behandeld.
De aankondiging beschrijft het bijsturen van en communiceren met het model tijdens werk binnen de Codex-omgeving. Lever correcties of aanvullende vereisten aan en houd het oorspronkelijke doel en relevante bewijs expliciet. Zij beschrijft ook automatische monitoring en controles voor aanvragen die als cyberbeveiligingswerk met hoger risico worden beoordeeld. Die controles van de maker staan los van de rechten en hulpmiddelen die een bepaalde werkomgeving levert.
Definieer wat een voltooide taak moet bevatten. Lever voor een foutcorrectie de waargenomen fout en het verwachte gedrag aan en vraag daarna om de betrokken bestanden, de wezenlijke wijziging en de resultaten van daadwerkelijk uitgevoerde controles. Vraag voor een beoordeling om concrete problemen die op het beoogde gedrag betrekking hebben. Een bruikbaar eindresultaat verbindt het voorgestelde of voltooide werk met de oorspronkelijke aanvraag en vermeldt het verkregen bewijs, samen met elke specifieke stap die nog onopgelost is.
", "aboutText": "GPT-5.3-Codex is OpenAI’s model dat gespecialiseerd is in agentisch programmeren binnen Codex en vergelijkbare omgevingen met aangesloten hulpmiddelen. Het combineert programmeren met redeneren en professionele kennis, accepteert tekst en afbeeldingen en produceert tekst. De rol omvat naast codegeneratie ook het onderzoeken van een project, beslissingen nemen op basis van hulpmiddelresultaten en een technische taak via de daaropvolgende stappen voortzetten.\n\nDe aankondiging beschrijft implementatie, foutopsporing, testen en ander werk gedurende de softwarelevenscyclus, waaronder productvereisten, technische documenten en gegevensanalyse. Geef het model voor een programmeeropdracht het te implementeren gedrag, het relevante projectmateriaal en de te behouden voorwaarden. Een voorbeeldtaak is te volgen hoe invoer tot haar resultaat komt, de betrokken afhankelijkheden te identificeren en een afgestemde patch te ontwikkelen met een uitleg van het betrokken gedrag.\n\nFrontendwerk kan de geschreven opdracht met screenshots of andere visuele referenties combineren. Benoem de relevante interactie of opmaak en het verwachte resultaat voor de gebruiker. Binnen een programmeeromgeving worden bestandsinhoud, opdrachtuitvoer en controleresultaten bewijs voor de volgende beslissing. De toepassing voert de hulpmiddelen uit en geeft werkelijke uitvoer terug; het model moet een voorgestelde wijziging onderscheiden van een wijziging die in die omgeving is gemaakt en gecontroleerd.\n\nOpenAI specificeert een contextvenster van 400.000 tokens, een maximale invoer van 272.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. Het model ondersteunt redeneerinspanning low, medium, high en xhigh. De specifieke instructiehandleiding beveelt medium aan als praktisch beginpunt voor interactief programmeren en meer inspanning voor moeilijk werk. De gedocumenteerde interface is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exacte verzameling hulpmiddelen op de modelkaart omvat functies, zoeken op het web, een gehoste shell en skills.\n\nDe specifieke Codex-handleiding documenteert ingebouwde ondersteuning voor contextcompressie bij lange taakverlopen. Wanneer het gesprek groeit, kan de toepassing gecomprimeerde context produceren die belangrijke eerdere toestand voor latere aanvragen bewaart. De handleiding vereist ook dat fase-informatie van assistentberichten behouden blijft: tussentijdse commentary en het final-antwoord hebben verschillende rollen en verlies van dat onderscheid kan tot te vroeg stoppen of verslechterd gedrag leiden. Een voortgangsbericht moet daarom een voortgangsbericht blijven en mag niet als het voltooide taakresultaat worden behandeld.\n\nDe aankondiging beschrijft het bijsturen van en communiceren met het model tijdens werk binnen de Codex-omgeving. Lever correcties of aanvullende vereisten aan en houd het oorspronkelijke doel en relevante bewijs expliciet. Zij beschrijft ook automatische monitoring en controles voor aanvragen die als cyberbeveiligingswerk met hoger risico worden beoordeeld. Die controles van de maker staan los van de rechten en hulpmiddelen die een bepaalde werkomgeving levert.\n\nDefinieer wat een voltooide taak moet bevatten. Lever voor een foutcorrectie de waargenomen fout en het verwachte gedrag aan en vraag daarna om de betrokken bestanden, de wezenlijke wijziging en de resultaten van daadwerkelijk uitgevoerde controles. Vraag voor een beoordeling om concrete problemen die op het beoogde gedrag betrekking hebben. Een bruikbaar eindresultaat verbindt het voorgestelde of voltooide werk met de oorspronkelijke aanvraag en vermeldt het verkregen bewijs, samen met elke specifieke stap die nog onopgelost is.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Patch a parser and its caller\n\nPropose a coordinated patch for two Python excerpts. parser.py: def parse_line(line): return line.split(":"). runner.py: key, value = parse_line(line). A value may contain colons; blank lines must be skipped. For "title:a:b", preserve value "a:b". Return both changed excerpts and tests for a colon-bearing value, a blank line and a missing delimiter.Two focused code changes with a clear malformed-line contract and tests covering the three supplied cases.Check that the parser and caller agree on skipped and malformed lines and that value colons are preserved.gpt-5.3-codexEen Codex-model dat gespecialiseerd is in agentisch programmeren en langdurige technische taken. Het accepteert tekst en afbeeldingen, werkt met hulpmiddelresultaten en ondersteunt contextcompressie, zodat een taak buiten één contextvenster kan worden voortgezet.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.3-Codex is OpenAI’s model dat gespecialiseerd is in agentisch programmeren binnen Codex en vergelijkbare omgevingen met aangesloten hulpmiddelen. Het combineert programmeren met redeneren en professionele kennis, accepteert tekst en afbeeldingen en produceert tekst. De rol omvat naast codegeneratie ook het onderzoeken van een project, beslissingen nemen op basis van hulpmiddelresultaten en een technische taak via de daaropvolgende stappen voortzetten.
De aankondiging beschrijft implementatie, foutopsporing, testen en ander werk gedurende de softwarelevenscyclus, waaronder productvereisten, technische documenten en gegevensanalyse. Geef het model voor een programmeeropdracht het te implementeren gedrag, het relevante projectmateriaal en de te behouden voorwaarden. Een voorbeeldtaak is te volgen hoe invoer tot haar resultaat komt, de betrokken afhankelijkheden te identificeren en een afgestemde patch te ontwikkelen met een uitleg van het betrokken gedrag.
Frontendwerk kan de geschreven opdracht met screenshots of andere visuele referenties combineren. Benoem de relevante interactie of opmaak en het verwachte resultaat voor de gebruiker. Binnen een programmeeromgeving worden bestandsinhoud, opdrachtuitvoer en controleresultaten bewijs voor de volgende beslissing. De toepassing voert de hulpmiddelen uit en geeft werkelijke uitvoer terug; het model moet een voorgestelde wijziging onderscheiden van een wijziging die in die omgeving is gemaakt en gecontroleerd.
OpenAI specificeert een contextvenster van 400.000 tokens, een maximale invoer van 272.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. Het model ondersteunt redeneerinspanning low, medium, high en xhigh. De specifieke instructiehandleiding beveelt medium aan als praktisch beginpunt voor interactief programmeren en meer inspanning voor moeilijk werk. De gedocumenteerde interface is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exacte verzameling hulpmiddelen op de modelkaart omvat functies, zoeken op het web, een gehoste shell en skills.
De specifieke Codex-handleiding documenteert ingebouwde ondersteuning voor contextcompressie bij lange taakverlopen. Wanneer het gesprek groeit, kan de toepassing gecomprimeerde context produceren die belangrijke eerdere toestand voor latere aanvragen bewaart. De handleiding vereist ook dat fase-informatie van assistentberichten behouden blijft: tussentijdse commentary en het final-antwoord hebben verschillende rollen en verlies van dat onderscheid kan tot te vroeg stoppen of verslechterd gedrag leiden. Een voortgangsbericht moet daarom een voortgangsbericht blijven en mag niet als het voltooide taakresultaat worden behandeld.
De aankondiging beschrijft het bijsturen van en communiceren met het model tijdens werk binnen de Codex-omgeving. Lever correcties of aanvullende vereisten aan en houd het oorspronkelijke doel en relevante bewijs expliciet. Zij beschrijft ook automatische monitoring en controles voor aanvragen die als cyberbeveiligingswerk met hoger risico worden beoordeeld. Die controles van de maker staan los van de rechten en hulpmiddelen die een bepaalde werkomgeving levert.
Definieer wat een voltooide taak moet bevatten. Lever voor een foutcorrectie de waargenomen fout en het verwachte gedrag aan en vraag daarna om de betrokken bestanden, de wezenlijke wijziging en de resultaten van daadwerkelijk uitgevoerde controles. Vraag voor een beoordeling om concrete problemen die op het beoogde gedrag betrekking hebben. Een bruikbaar eindresultaat verbindt het voorgestelde of voltooide werk met de oorspronkelijke aanvraag en vermeldt het verkregen bewijs, samen met elke specifieke stap die nog onopgelost is.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5.3-codex | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
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 |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0035 / 1K tokens Uitvoer · Uitvoertokens $0.028 / 1K tokens Invoer · Cache lezen $0.00035 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0035 / 1K tokens Uitvoer · Uitvoertokens $0.028 / 1K tokens Invoer · Cache lezen $0.00035 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.3-codex","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.3-codex", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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-5.3-codex, openai/gpt-5.3-codex
/chat/completions
gpt-5.3-codexEen Codex-model dat gespecialiseerd is in agentisch programmeren en langdurige technische taken. Het accepteert tekst en afbeeldingen, werkt met hulpmiddelresultaten en ondersteunt contextcompressie, zodat een taak buiten één contextvenster kan worden voortgezet.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.3-Codex is OpenAI’s model dat gespecialiseerd is in agentisch programmeren binnen Codex en vergelijkbare omgevingen met aangesloten hulpmiddelen. Het combineert programmeren met redeneren en professionele kennis, accepteert tekst en afbeeldingen en produceert tekst. De rol omvat naast codegeneratie ook het onderzoeken van een project, beslissingen nemen op basis van hulpmiddelresultaten en een technische taak via de daaropvolgende stappen voortzetten.
De aankondiging beschrijft implementatie, foutopsporing, testen en ander werk gedurende de softwarelevenscyclus, waaronder productvereisten, technische documenten en gegevensanalyse. Geef het model voor een programmeeropdracht het te implementeren gedrag, het relevante projectmateriaal en de te behouden voorwaarden. Een voorbeeldtaak is te volgen hoe invoer tot haar resultaat komt, de betrokken afhankelijkheden te identificeren en een afgestemde patch te ontwikkelen met een uitleg van het betrokken gedrag.
Frontendwerk kan de geschreven opdracht met screenshots of andere visuele referenties combineren. Benoem de relevante interactie of opmaak en het verwachte resultaat voor de gebruiker. Binnen een programmeeromgeving worden bestandsinhoud, opdrachtuitvoer en controleresultaten bewijs voor de volgende beslissing. De toepassing voert de hulpmiddelen uit en geeft werkelijke uitvoer terug; het model moet een voorgestelde wijziging onderscheiden van een wijziging die in die omgeving is gemaakt en gecontroleerd.
OpenAI specificeert een contextvenster van 400.000 tokens, een maximale invoer van 272.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. Het model ondersteunt redeneerinspanning low, medium, high en xhigh. De specifieke instructiehandleiding beveelt medium aan als praktisch beginpunt voor interactief programmeren en meer inspanning voor moeilijk werk. De gedocumenteerde interface is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exacte verzameling hulpmiddelen op de modelkaart omvat functies, zoeken op het web, een gehoste shell en skills.
De specifieke Codex-handleiding documenteert ingebouwde ondersteuning voor contextcompressie bij lange taakverlopen. Wanneer het gesprek groeit, kan de toepassing gecomprimeerde context produceren die belangrijke eerdere toestand voor latere aanvragen bewaart. De handleiding vereist ook dat fase-informatie van assistentberichten behouden blijft: tussentijdse commentary en het final-antwoord hebben verschillende rollen en verlies van dat onderscheid kan tot te vroeg stoppen of verslechterd gedrag leiden. Een voortgangsbericht moet daarom een voortgangsbericht blijven en mag niet als het voltooide taakresultaat worden behandeld.
De aankondiging beschrijft het bijsturen van en communiceren met het model tijdens werk binnen de Codex-omgeving. Lever correcties of aanvullende vereisten aan en houd het oorspronkelijke doel en relevante bewijs expliciet. Zij beschrijft ook automatische monitoring en controles voor aanvragen die als cyberbeveiligingswerk met hoger risico worden beoordeeld. Die controles van de maker staan los van de rechten en hulpmiddelen die een bepaalde werkomgeving levert.
Definieer wat een voltooide taak moet bevatten. Lever voor een foutcorrectie de waargenomen fout en het verwachte gedrag aan en vraag daarna om de betrokken bestanden, de wezenlijke wijziging en de resultaten van daadwerkelijk uitgevoerde controles. Vraag voor een beoordeling om concrete problemen die op het beoogde gedrag betrekking hebben. Een bruikbaar eindresultaat verbindt het voorgestelde of voltooide werk met de oorspronkelijke aanvraag en vermeldt het verkregen bewijs, samen met elke specifieke stap die nog onopgelost is.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5.3-codex | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0035 / 1K tokens Uitvoer · Uitvoertokens $0.028 / 1K tokens Invoer · Cache lezen $0.00035 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0035 / 1K tokens Uitvoer · Uitvoertokens $0.028 / 1K tokens Invoer · Cache lezen $0.00035 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gpt-5.3-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-5.3-codex, openai/gpt-5.3-codex
/chat/completions
openai/gpt-5.3-codexEen Codex-model dat gespecialiseerd is in agentisch programmeren en langdurige technische taken. Het accepteert tekst en afbeeldingen, werkt met hulpmiddelresultaten en ondersteunt contextcompressie, zodat een taak buiten één contextvenster kan worden voortgezet.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.3-Codex is OpenAI’s model dat gespecialiseerd is in agentisch programmeren binnen Codex en vergelijkbare omgevingen met aangesloten hulpmiddelen. Het combineert programmeren met redeneren en professionele kennis, accepteert tekst en afbeeldingen en produceert tekst. De rol omvat naast codegeneratie ook het onderzoeken van een project, beslissingen nemen op basis van hulpmiddelresultaten en een technische taak via de daaropvolgende stappen voortzetten.
De aankondiging beschrijft implementatie, foutopsporing, testen en ander werk gedurende de softwarelevenscyclus, waaronder productvereisten, technische documenten en gegevensanalyse. Geef het model voor een programmeeropdracht het te implementeren gedrag, het relevante projectmateriaal en de te behouden voorwaarden. Een voorbeeldtaak is te volgen hoe invoer tot haar resultaat komt, de betrokken afhankelijkheden te identificeren en een afgestemde patch te ontwikkelen met een uitleg van het betrokken gedrag.
Frontendwerk kan de geschreven opdracht met screenshots of andere visuele referenties combineren. Benoem de relevante interactie of opmaak en het verwachte resultaat voor de gebruiker. Binnen een programmeeromgeving worden bestandsinhoud, opdrachtuitvoer en controleresultaten bewijs voor de volgende beslissing. De toepassing voert de hulpmiddelen uit en geeft werkelijke uitvoer terug; het model moet een voorgestelde wijziging onderscheiden van een wijziging die in die omgeving is gemaakt en gecontroleerd.
OpenAI specificeert een contextvenster van 400.000 tokens, een maximale invoer van 272.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. Het model ondersteunt redeneerinspanning low, medium, high en xhigh. De specifieke instructiehandleiding beveelt medium aan als praktisch beginpunt voor interactief programmeren en meer inspanning voor moeilijk werk. De gedocumenteerde interface is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exacte verzameling hulpmiddelen op de modelkaart omvat functies, zoeken op het web, een gehoste shell en skills.
De specifieke Codex-handleiding documenteert ingebouwde ondersteuning voor contextcompressie bij lange taakverlopen. Wanneer het gesprek groeit, kan de toepassing gecomprimeerde context produceren die belangrijke eerdere toestand voor latere aanvragen bewaart. De handleiding vereist ook dat fase-informatie van assistentberichten behouden blijft: tussentijdse commentary en het final-antwoord hebben verschillende rollen en verlies van dat onderscheid kan tot te vroeg stoppen of verslechterd gedrag leiden. Een voortgangsbericht moet daarom een voortgangsbericht blijven en mag niet als het voltooide taakresultaat worden behandeld.
De aankondiging beschrijft het bijsturen van en communiceren met het model tijdens werk binnen de Codex-omgeving. Lever correcties of aanvullende vereisten aan en houd het oorspronkelijke doel en relevante bewijs expliciet. Zij beschrijft ook automatische monitoring en controles voor aanvragen die als cyberbeveiligingswerk met hoger risico worden beoordeeld. Die controles van de maker staan los van de rechten en hulpmiddelen die een bepaalde werkomgeving levert.
Definieer wat een voltooide taak moet bevatten. Lever voor een foutcorrectie de waargenomen fout en het verwachte gedrag aan en vraag daarna om de betrokken bestanden, de wezenlijke wijziging en de resultaten van daadwerkelijk uitgevoerde controles. Vraag voor een beoordeling om concrete problemen die op het beoogde gedrag betrekking hebben. Een bruikbaar eindresultaat verbindt het voorgestelde of voltooide werk met de oorspronkelijke aanvraag en vermeldt het verkregen bewijs, samen met elke specifieke stap die nog onopgelost is.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.3-codex | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0035 / 1K tokens Uitvoer · Uitvoertokens $0.028 / 1K tokens Invoer · Cache lezen $0.00035 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0035 / 1K tokens Uitvoer · Uitvoertokens $0.028 / 1K tokens Invoer · Cache lezen $0.00035 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.3-codex", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.3-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.3-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-5.3-codex, openai/gpt-5.3-codex
/chat/completions
openai/gpt-5.3-codexEen Codex-model dat gespecialiseerd is in agentisch programmeren en langdurige technische taken. Het accepteert tekst en afbeeldingen, werkt met hulpmiddelresultaten en ondersteunt contextcompressie, zodat een taak buiten één contextvenster kan worden voortgezet.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.3-Codex is OpenAI’s model dat gespecialiseerd is in agentisch programmeren binnen Codex en vergelijkbare omgevingen met aangesloten hulpmiddelen. Het combineert programmeren met redeneren en professionele kennis, accepteert tekst en afbeeldingen en produceert tekst. De rol omvat naast codegeneratie ook het onderzoeken van een project, beslissingen nemen op basis van hulpmiddelresultaten en een technische taak via de daaropvolgende stappen voortzetten.
De aankondiging beschrijft implementatie, foutopsporing, testen en ander werk gedurende de softwarelevenscyclus, waaronder productvereisten, technische documenten en gegevensanalyse. Geef het model voor een programmeeropdracht het te implementeren gedrag, het relevante projectmateriaal en de te behouden voorwaarden. Een voorbeeldtaak is te volgen hoe invoer tot haar resultaat komt, de betrokken afhankelijkheden te identificeren en een afgestemde patch te ontwikkelen met een uitleg van het betrokken gedrag.
Frontendwerk kan de geschreven opdracht met screenshots of andere visuele referenties combineren. Benoem de relevante interactie of opmaak en het verwachte resultaat voor de gebruiker. Binnen een programmeeromgeving worden bestandsinhoud, opdrachtuitvoer en controleresultaten bewijs voor de volgende beslissing. De toepassing voert de hulpmiddelen uit en geeft werkelijke uitvoer terug; het model moet een voorgestelde wijziging onderscheiden van een wijziging die in die omgeving is gemaakt en gecontroleerd.
OpenAI specificeert een contextvenster van 400.000 tokens, een maximale invoer van 272.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. Het model ondersteunt redeneerinspanning low, medium, high en xhigh. De specifieke instructiehandleiding beveelt medium aan als praktisch beginpunt voor interactief programmeren en meer inspanning voor moeilijk werk. De gedocumenteerde interface is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exacte verzameling hulpmiddelen op de modelkaart omvat functies, zoeken op het web, een gehoste shell en skills.
De specifieke Codex-handleiding documenteert ingebouwde ondersteuning voor contextcompressie bij lange taakverlopen. Wanneer het gesprek groeit, kan de toepassing gecomprimeerde context produceren die belangrijke eerdere toestand voor latere aanvragen bewaart. De handleiding vereist ook dat fase-informatie van assistentberichten behouden blijft: tussentijdse commentary en het final-antwoord hebben verschillende rollen en verlies van dat onderscheid kan tot te vroeg stoppen of verslechterd gedrag leiden. Een voortgangsbericht moet daarom een voortgangsbericht blijven en mag niet als het voltooide taakresultaat worden behandeld.
De aankondiging beschrijft het bijsturen van en communiceren met het model tijdens werk binnen de Codex-omgeving. Lever correcties of aanvullende vereisten aan en houd het oorspronkelijke doel en relevante bewijs expliciet. Zij beschrijft ook automatische monitoring en controles voor aanvragen die als cyberbeveiligingswerk met hoger risico worden beoordeeld. Die controles van de maker staan los van de rechten en hulpmiddelen die een bepaalde werkomgeving levert.
Definieer wat een voltooide taak moet bevatten. Lever voor een foutcorrectie de waargenomen fout en het verwachte gedrag aan en vraag daarna om de betrokken bestanden, de wezenlijke wijziging en de resultaten van daadwerkelijk uitgevoerde controles. Vraag voor een beoordeling om concrete problemen die op het beoogde gedrag betrekking hebben. Een bruikbaar eindresultaat verbindt het voorgestelde of voltooide werk met de oorspronkelijke aanvraag en vermeldt het verkregen bewijs, samen met elke specifieke stap die nog onopgelost is.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.3-codex | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0035 / 1K tokens Uitvoer · Uitvoertokens $0.028 / 1K tokens Invoer · Cache lezen $0.00035 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0035 / 1K tokens Uitvoer · Uitvoertokens $0.028 / 1K tokens Invoer · Cache lezen $0.00035 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/gpt-5.3-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-5.3-codex, openai/gpt-5.3-codex
/chat/completions
Technisch voorbeeld in het Engels
Patch a parser and its caller\n\nPropose a coordinated patch for two Python excerpts. parser.py: def parse_line(line): return line.split(":"). runner.py: key, value = parse_line(line). A value may contain colons; blank lines must be skipped. For "title:a:b", preserve value "a:b". Return both changed excerpts and tests for a colon-bearing value, a blank line and a missing delimiter.Two focused code changes with a clear malformed-line contract and tests covering the three supplied cases.Check that the parser and caller agree on skipped and malformed lines and that value colons are preserved.