GPT-5.4 Pro is OpenAI’s afzonderlijke Pro-editie van GPT-5.4. Deze editie gebruikt extra rekenwerk om moeilijke vragen uit te werken en een uitgebreider antwoord te ontwikkelen. Het model accepteert tekst en afbeeldingen en produceert tekst. Pro is onderdeel van de identiteit van dit model, onderscheiden van de instelling voor de redeneermodus Pro die voor basismodellen van GPT-5.6 en GPT-6 is ingevoerd.
De aankondiging van de GPT-5.4-familie plaatst het model in complex professioneel werk en combineert redeneren en programmeren met taken rond documenten, presentaties en spreadsheets. Een voorbeeldopdracht voor Pro is meerdere implementatiebenaderingen met een verzameling onderling afhankelijke vereisten te vergelijken, de voorwaarden te identificeren die de keuze bepalen en een expliciete aanbeveling te produceren. Lever voor een documenttaak de vraag, het bronmateriaal en de criteria aan, zodat de conclusie een duidelijke basis heeft.
OpenAI specificeert voor GPT-5.4 Pro een contextvenster van 1.050.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. De ondersteunde keuzes voor redeneerinspanning zijn medium, high en xhigh; medium is de standaard. Redeneren neemt ook tokenruimte in. Orden een lange invoer rond het relevante bronmateriaal en laat ruimte voor analyse en het gevraagde eindresultaat.
De maker documenteert dit Pro-model uitsluitend in de Responses API, met ondersteuning voor modelinteracties over meerdere beurten vóór het eindantwoord. Moeilijke aanvragen kunnen meerdere minuten duren; OpenAI beveelt uitvoering op de achtergrond aan om verbindingsproblemen door tijdsoverschrijding te voorkomen wanneer lang werk synchroon wordt afgewacht. In die werkwijze bewaart de toepassing de antwoordidentificator, controleert zij of het werk in de wachtrij staat of wordt uitgevoerd en haalt zij het resultaat op zodra een eindtoestand is bereikt.
De modelkaart vermeldt streaming, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer, hulpmiddelen voor afbeeldingsgeneratie en MCP-ondersteuning. De exacte verzameling hulpmiddelen van de maker omvat ook het zoeken naar hulpmiddelen, patchbewerkingen en computergebruik. Deze hulpmiddelen staan los van de tekstuitvoer van het model. Toepassingen stellen de relevante bewerkingen beschikbaar, voeren hun eigen acties uit en leveren de werkelijke resultaten om het werk voort te zetten. Voor deze editie moet de afzonderlijke lijst met hulpmiddelen van GPT-5.4 Pro worden gebruikt, in plaats van aan te nemen dat elk kenmerk van een ander GPT-5.4-model identiek is.
Bereid een duidelijk voltooiingscriterium en een resultaatstructuur voor. Vraag voor technisch werk om het betrokken gedrag, de voorgestelde oplossing, de afhankelijkheden die zij verandert en het bewijs dat nodig is om haar te verifiëren. Onderscheid voor analyse aangeleverde feiten, afgeleide verbanden en onopgeloste voorwaarden. Benoem het belangrijke detail wanneer een afbeelding de vraag ondersteunt. Een bruikbaar eindresultaat is een specifiek codevoorstel, een beslisnota of een plan dat zijn wezenlijke keuzes met het oorspronkelijke doel en materiaal verbindt.
", "aboutText": "GPT-5.4 Pro is OpenAI’s afzonderlijke Pro-editie van GPT-5.4. Deze editie gebruikt extra rekenwerk om moeilijke vragen uit te werken en een uitgebreider antwoord te ontwikkelen. Het model accepteert tekst en afbeeldingen en produceert tekst. Pro is onderdeel van de identiteit van dit model, onderscheiden van de instelling voor de redeneermodus Pro die voor basismodellen van GPT-5.6 en GPT-6 is ingevoerd.\n\nDe aankondiging van de GPT-5.4-familie plaatst het model in complex professioneel werk en combineert redeneren en programmeren met taken rond documenten, presentaties en spreadsheets. Een voorbeeldopdracht voor Pro is meerdere implementatiebenaderingen met een verzameling onderling afhankelijke vereisten te vergelijken, de voorwaarden te identificeren die de keuze bepalen en een expliciete aanbeveling te produceren. Lever voor een documenttaak de vraag, het bronmateriaal en de criteria aan, zodat de conclusie een duidelijke basis heeft.\n\nOpenAI specificeert voor GPT-5.4 Pro een contextvenster van 1.050.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. De ondersteunde keuzes voor redeneerinspanning zijn medium, high en xhigh; medium is de standaard. Redeneren neemt ook tokenruimte in. Orden een lange invoer rond het relevante bronmateriaal en laat ruimte voor analyse en het gevraagde eindresultaat.\n\nDe maker documenteert dit Pro-model uitsluitend in de Responses API, met ondersteuning voor modelinteracties over meerdere beurten vóór het eindantwoord. Moeilijke aanvragen kunnen meerdere minuten duren; OpenAI beveelt uitvoering op de achtergrond aan om verbindingsproblemen door tijdsoverschrijding te voorkomen wanneer lang werk synchroon wordt afgewacht. In die werkwijze bewaart de toepassing de antwoordidentificator, controleert zij of het werk in de wachtrij staat of wordt uitgevoerd en haalt zij het resultaat op zodra een eindtoestand is bereikt.\n\nDe modelkaart vermeldt streaming, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer, hulpmiddelen voor afbeeldingsgeneratie en MCP-ondersteuning. De exacte verzameling hulpmiddelen van de maker omvat ook het zoeken naar hulpmiddelen, patchbewerkingen en computergebruik. Deze hulpmiddelen staan los van de tekstuitvoer van het model. Toepassingen stellen de relevante bewerkingen beschikbaar, voeren hun eigen acties uit en leveren de werkelijke resultaten om het werk voort te zetten. Voor deze editie moet de afzonderlijke lijst met hulpmiddelen van GPT-5.4 Pro worden gebruikt, in plaats van aan te nemen dat elk kenmerk van een ander GPT-5.4-model identiek is.\n\nBereid een duidelijk voltooiingscriterium en een resultaatstructuur voor. Vraag voor technisch werk om het betrokken gedrag, de voorgestelde oplossing, de afhankelijkheden die zij verandert en het bewijs dat nodig is om haar te verifiëren. Onderscheid voor analyse aangeleverde feiten, afgeleide verbanden en onopgeloste voorwaarden. Benoem het belangrijke detail wanneer een afbeelding de vraag ondersteunt. Een bruikbaar eindresultaat is een specifiek codevoorstel, een beslisnota of een plan dat zijn wezenlijke keuzes met het oorspronkelijke doel en materiaal verbindt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Compare implementation approaches against hard requirements\n\nCompare three delivery designs for an export: synchronous processing, an in-memory background worker and a durable job queue. Requirements: the request returns promptly, accepted jobs survive process restarts, and users can retrieve status later. Explain what each design needs to meet every requirement, recommend an approach and identify its operational trade-offs. State assumptions rather than inventing measurements.A requirements-by-approach comparison, a justified recommendation and explicit operational assumptions.The answer tests restart survival and persistent status separately and does not invent benchmark or cost figures.gpt-5.4-proDe afzonderlijke GPT-5.4 Pro-editie gebruikt extra rekenwerk voor moeilijke redeneringen en professioneel werk. Zij accepteert tekst en afbeeldingen en ontwikkelt via OpenAI’s Responses-interface een tekstantwoord, met de inspanningsniveaus medium, high en xhigh.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.4 Pro is OpenAI’s afzonderlijke Pro-editie van GPT-5.4. Deze editie gebruikt extra rekenwerk om moeilijke vragen uit te werken en een uitgebreider antwoord te ontwikkelen. Het model accepteert tekst en afbeeldingen en produceert tekst. Pro is onderdeel van de identiteit van dit model, onderscheiden van de instelling voor de redeneermodus Pro die voor basismodellen van GPT-5.6 en GPT-6 is ingevoerd.
De aankondiging van de GPT-5.4-familie plaatst het model in complex professioneel werk en combineert redeneren en programmeren met taken rond documenten, presentaties en spreadsheets. Een voorbeeldopdracht voor Pro is meerdere implementatiebenaderingen met een verzameling onderling afhankelijke vereisten te vergelijken, de voorwaarden te identificeren die de keuze bepalen en een expliciete aanbeveling te produceren. Lever voor een documenttaak de vraag, het bronmateriaal en de criteria aan, zodat de conclusie een duidelijke basis heeft.
OpenAI specificeert voor GPT-5.4 Pro een contextvenster van 1.050.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. De ondersteunde keuzes voor redeneerinspanning zijn medium, high en xhigh; medium is de standaard. Redeneren neemt ook tokenruimte in. Orden een lange invoer rond het relevante bronmateriaal en laat ruimte voor analyse en het gevraagde eindresultaat.
De maker documenteert dit Pro-model uitsluitend in de Responses API, met ondersteuning voor modelinteracties over meerdere beurten vóór het eindantwoord. Moeilijke aanvragen kunnen meerdere minuten duren; OpenAI beveelt uitvoering op de achtergrond aan om verbindingsproblemen door tijdsoverschrijding te voorkomen wanneer lang werk synchroon wordt afgewacht. In die werkwijze bewaart de toepassing de antwoordidentificator, controleert zij of het werk in de wachtrij staat of wordt uitgevoerd en haalt zij het resultaat op zodra een eindtoestand is bereikt.
De modelkaart vermeldt streaming, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer, hulpmiddelen voor afbeeldingsgeneratie en MCP-ondersteuning. De exacte verzameling hulpmiddelen van de maker omvat ook het zoeken naar hulpmiddelen, patchbewerkingen en computergebruik. Deze hulpmiddelen staan los van de tekstuitvoer van het model. Toepassingen stellen de relevante bewerkingen beschikbaar, voeren hun eigen acties uit en leveren de werkelijke resultaten om het werk voort te zetten. Voor deze editie moet de afzonderlijke lijst met hulpmiddelen van GPT-5.4 Pro worden gebruikt, in plaats van aan te nemen dat elk kenmerk van een ander GPT-5.4-model identiek is.
Bereid een duidelijk voltooiingscriterium en een resultaatstructuur voor. Vraag voor technisch werk om het betrokken gedrag, de voorgestelde oplossing, de afhankelijkheden die zij verandert en het bewijs dat nodig is om haar te verifiëren. Onderscheid voor analyse aangeleverde feiten, afgeleide verbanden en onopgeloste voorwaarden. Benoem het belangrijke detail wanneer een afbeelding de vraag ondersteunt. Een bruikbaar eindresultaat is een specifiek codevoorstel, een beslisnota of een plan dat zijn wezenlijke keuzes met het oorspronkelijke doel en materiaal verbindt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5.4-pro | 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 $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 2 | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 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-5.4-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.4-pro", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
gpt-5.4-proDe afzonderlijke GPT-5.4 Pro-editie gebruikt extra rekenwerk voor moeilijke redeneringen en professioneel werk. Zij accepteert tekst en afbeeldingen en ontwikkelt via OpenAI’s Responses-interface een tekstantwoord, met de inspanningsniveaus medium, high en xhigh.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.4 Pro is OpenAI’s afzonderlijke Pro-editie van GPT-5.4. Deze editie gebruikt extra rekenwerk om moeilijke vragen uit te werken en een uitgebreider antwoord te ontwikkelen. Het model accepteert tekst en afbeeldingen en produceert tekst. Pro is onderdeel van de identiteit van dit model, onderscheiden van de instelling voor de redeneermodus Pro die voor basismodellen van GPT-5.6 en GPT-6 is ingevoerd.
De aankondiging van de GPT-5.4-familie plaatst het model in complex professioneel werk en combineert redeneren en programmeren met taken rond documenten, presentaties en spreadsheets. Een voorbeeldopdracht voor Pro is meerdere implementatiebenaderingen met een verzameling onderling afhankelijke vereisten te vergelijken, de voorwaarden te identificeren die de keuze bepalen en een expliciete aanbeveling te produceren. Lever voor een documenttaak de vraag, het bronmateriaal en de criteria aan, zodat de conclusie een duidelijke basis heeft.
OpenAI specificeert voor GPT-5.4 Pro een contextvenster van 1.050.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. De ondersteunde keuzes voor redeneerinspanning zijn medium, high en xhigh; medium is de standaard. Redeneren neemt ook tokenruimte in. Orden een lange invoer rond het relevante bronmateriaal en laat ruimte voor analyse en het gevraagde eindresultaat.
De maker documenteert dit Pro-model uitsluitend in de Responses API, met ondersteuning voor modelinteracties over meerdere beurten vóór het eindantwoord. Moeilijke aanvragen kunnen meerdere minuten duren; OpenAI beveelt uitvoering op de achtergrond aan om verbindingsproblemen door tijdsoverschrijding te voorkomen wanneer lang werk synchroon wordt afgewacht. In die werkwijze bewaart de toepassing de antwoordidentificator, controleert zij of het werk in de wachtrij staat of wordt uitgevoerd en haalt zij het resultaat op zodra een eindtoestand is bereikt.
De modelkaart vermeldt streaming, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer, hulpmiddelen voor afbeeldingsgeneratie en MCP-ondersteuning. De exacte verzameling hulpmiddelen van de maker omvat ook het zoeken naar hulpmiddelen, patchbewerkingen en computergebruik. Deze hulpmiddelen staan los van de tekstuitvoer van het model. Toepassingen stellen de relevante bewerkingen beschikbaar, voeren hun eigen acties uit en leveren de werkelijke resultaten om het werk voort te zetten. Voor deze editie moet de afzonderlijke lijst met hulpmiddelen van GPT-5.4 Pro worden gebruikt, in plaats van aan te nemen dat elk kenmerk van een ander GPT-5.4-model identiek is.
Bereid een duidelijk voltooiingscriterium en een resultaatstructuur voor. Vraag voor technisch werk om het betrokken gedrag, de voorgestelde oplossing, de afhankelijkheden die zij verandert en het bewijs dat nodig is om haar te verifiëren. Onderscheid voor analyse aangeleverde feiten, afgeleide verbanden en onopgeloste voorwaarden. Benoem het belangrijke detail wanneer een afbeelding de vraag ondersteunt. Een bruikbaar eindresultaat is een specifiek codevoorstel, een beslisnota of een plan dat zijn wezenlijke keuzes met het oorspronkelijke doel en materiaal verbindt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5.4-pro | 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 $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 2 | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gpt-5.4-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.4-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.4-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
openai/gpt-5.4-proDe afzonderlijke GPT-5.4 Pro-editie gebruikt extra rekenwerk voor moeilijke redeneringen en professioneel werk. Zij accepteert tekst en afbeeldingen en ontwikkelt via OpenAI’s Responses-interface een tekstantwoord, met de inspanningsniveaus medium, high en xhigh.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.4 Pro is OpenAI’s afzonderlijke Pro-editie van GPT-5.4. Deze editie gebruikt extra rekenwerk om moeilijke vragen uit te werken en een uitgebreider antwoord te ontwikkelen. Het model accepteert tekst en afbeeldingen en produceert tekst. Pro is onderdeel van de identiteit van dit model, onderscheiden van de instelling voor de redeneermodus Pro die voor basismodellen van GPT-5.6 en GPT-6 is ingevoerd.
De aankondiging van de GPT-5.4-familie plaatst het model in complex professioneel werk en combineert redeneren en programmeren met taken rond documenten, presentaties en spreadsheets. Een voorbeeldopdracht voor Pro is meerdere implementatiebenaderingen met een verzameling onderling afhankelijke vereisten te vergelijken, de voorwaarden te identificeren die de keuze bepalen en een expliciete aanbeveling te produceren. Lever voor een documenttaak de vraag, het bronmateriaal en de criteria aan, zodat de conclusie een duidelijke basis heeft.
OpenAI specificeert voor GPT-5.4 Pro een contextvenster van 1.050.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. De ondersteunde keuzes voor redeneerinspanning zijn medium, high en xhigh; medium is de standaard. Redeneren neemt ook tokenruimte in. Orden een lange invoer rond het relevante bronmateriaal en laat ruimte voor analyse en het gevraagde eindresultaat.
De maker documenteert dit Pro-model uitsluitend in de Responses API, met ondersteuning voor modelinteracties over meerdere beurten vóór het eindantwoord. Moeilijke aanvragen kunnen meerdere minuten duren; OpenAI beveelt uitvoering op de achtergrond aan om verbindingsproblemen door tijdsoverschrijding te voorkomen wanneer lang werk synchroon wordt afgewacht. In die werkwijze bewaart de toepassing de antwoordidentificator, controleert zij of het werk in de wachtrij staat of wordt uitgevoerd en haalt zij het resultaat op zodra een eindtoestand is bereikt.
De modelkaart vermeldt streaming, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer, hulpmiddelen voor afbeeldingsgeneratie en MCP-ondersteuning. De exacte verzameling hulpmiddelen van de maker omvat ook het zoeken naar hulpmiddelen, patchbewerkingen en computergebruik. Deze hulpmiddelen staan los van de tekstuitvoer van het model. Toepassingen stellen de relevante bewerkingen beschikbaar, voeren hun eigen acties uit en leveren de werkelijke resultaten om het werk voort te zetten. Voor deze editie moet de afzonderlijke lijst met hulpmiddelen van GPT-5.4 Pro worden gebruikt, in plaats van aan te nemen dat elk kenmerk van een ander GPT-5.4-model identiek is.
Bereid een duidelijk voltooiingscriterium en een resultaatstructuur voor. Vraag voor technisch werk om het betrokken gedrag, de voorgestelde oplossing, de afhankelijkheden die zij verandert en het bewijs dat nodig is om haar te verifiëren. Onderscheid voor analyse aangeleverde feiten, afgeleide verbanden en onopgeloste voorwaarden. Benoem het belangrijke detail wanneer een afbeelding de vraag ondersteunt. Een bruikbaar eindresultaat is een specifiek codevoorstel, een beslisnota of een plan dat zijn wezenlijke keuzes met het oorspronkelijke doel en materiaal verbindt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.4-pro | 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 $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 2 | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 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": "openai/gpt-5.4-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.4-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.4-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
openai/gpt-5.4-proDe afzonderlijke GPT-5.4 Pro-editie gebruikt extra rekenwerk voor moeilijke redeneringen en professioneel werk. Zij accepteert tekst en afbeeldingen en ontwikkelt via OpenAI’s Responses-interface een tekstantwoord, met de inspanningsniveaus medium, high en xhigh.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.4 Pro is OpenAI’s afzonderlijke Pro-editie van GPT-5.4. Deze editie gebruikt extra rekenwerk om moeilijke vragen uit te werken en een uitgebreider antwoord te ontwikkelen. Het model accepteert tekst en afbeeldingen en produceert tekst. Pro is onderdeel van de identiteit van dit model, onderscheiden van de instelling voor de redeneermodus Pro die voor basismodellen van GPT-5.6 en GPT-6 is ingevoerd.
De aankondiging van de GPT-5.4-familie plaatst het model in complex professioneel werk en combineert redeneren en programmeren met taken rond documenten, presentaties en spreadsheets. Een voorbeeldopdracht voor Pro is meerdere implementatiebenaderingen met een verzameling onderling afhankelijke vereisten te vergelijken, de voorwaarden te identificeren die de keuze bepalen en een expliciete aanbeveling te produceren. Lever voor een documenttaak de vraag, het bronmateriaal en de criteria aan, zodat de conclusie een duidelijke basis heeft.
OpenAI specificeert voor GPT-5.4 Pro een contextvenster van 1.050.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. De ondersteunde keuzes voor redeneerinspanning zijn medium, high en xhigh; medium is de standaard. Redeneren neemt ook tokenruimte in. Orden een lange invoer rond het relevante bronmateriaal en laat ruimte voor analyse en het gevraagde eindresultaat.
De maker documenteert dit Pro-model uitsluitend in de Responses API, met ondersteuning voor modelinteracties over meerdere beurten vóór het eindantwoord. Moeilijke aanvragen kunnen meerdere minuten duren; OpenAI beveelt uitvoering op de achtergrond aan om verbindingsproblemen door tijdsoverschrijding te voorkomen wanneer lang werk synchroon wordt afgewacht. In die werkwijze bewaart de toepassing de antwoordidentificator, controleert zij of het werk in de wachtrij staat of wordt uitgevoerd en haalt zij het resultaat op zodra een eindtoestand is bereikt.
De modelkaart vermeldt streaming, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer, hulpmiddelen voor afbeeldingsgeneratie en MCP-ondersteuning. De exacte verzameling hulpmiddelen van de maker omvat ook het zoeken naar hulpmiddelen, patchbewerkingen en computergebruik. Deze hulpmiddelen staan los van de tekstuitvoer van het model. Toepassingen stellen de relevante bewerkingen beschikbaar, voeren hun eigen acties uit en leveren de werkelijke resultaten om het werk voort te zetten. Voor deze editie moet de afzonderlijke lijst met hulpmiddelen van GPT-5.4 Pro worden gebruikt, in plaats van aan te nemen dat elk kenmerk van een ander GPT-5.4-model identiek is.
Bereid een duidelijk voltooiingscriterium en een resultaatstructuur voor. Vraag voor technisch werk om het betrokken gedrag, de voorgestelde oplossing, de afhankelijkheden die zij verandert en het bewijs dat nodig is om haar te verifiëren. Onderscheid voor analyse aangeleverde feiten, afgeleide verbanden en onopgeloste voorwaarden. Benoem het belangrijke detail wanneer een afbeelding de vraag ondersteunt. Een bruikbaar eindresultaat is een specifiek codevoorstel, een beslisnota of een plan dat zijn wezenlijke keuzes met het oorspronkelijke doel en materiaal verbindt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.4-pro | 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 $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 2 | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.36 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/gpt-5.4-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.4-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.4-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-5.4-pro, openai/gpt-5.4-pro
/chat/completions
Technisch voorbeeld in het Engels
Compare implementation approaches against hard requirements\n\nCompare three delivery designs for an export: synchronous processing, an in-memory background worker and a durable job queue. Requirements: the request returns promptly, accepted jobs survive process restarts, and users can retrieve status later. Explain what each design needs to meet every requirement, recommend an approach and identify its operational trade-offs. State assumptions rather than inventing measurements.A requirements-by-approach comparison, a justified recommendation and explicit operational assumptions.The answer tests restart survival and persistent status separately and does not invent benchmark or cost figures.