GPT-5.2-Codex is OpenAI’s GPT-5.2-editie die is geoptimaliseerd voor agentisch programmeren binnen Codex en vergelijkbare omgevingen. Het accepteert tekst en afbeeldingen en produceert tekst. Het model is ontworpen voor softwareontwikkeling over lange taakverlopen, waarbij projectcontext, hulpmiddelresultaten en al genomen beslissingen de volgende stap beïnvloeden.
De aankondiging van de maker beschrijft grote codewijzigingen zoals refactoring, migraties en functieontwikkeling, samen met verbeterd werk in Windows-omgevingen. Ingebouwde contextcompressie ondersteunt uitgebreide sessies door belangrijke toestand te bewaren terwijl het gesprek groeit. Dit is een voortzettingsmechanisme voor een lange taak, onderscheiden van een numeriek groter contextvenster of een garantie dat elk detail van een project in één aanvraag past.
Lever voor een codewijziging het vereiste gedrag, de relevante bestanden en de voorwaarden aan die de oplossing moet behouden. Een voorbeeldopdracht is een component te migreren met behoud van consistent publiek gedrag: benoem de afhankelijkheden, stel afgestemde wijzigingen voor en geef aan hoe het gedrag moet worden gecontroleerd. Voeg voor een fout het waargenomen resultaat, het verwachte resultaat en de omstandigheden toe die het probleem reproduceren. Werkelijke bestands- en opdrachtresultaten worden bewijs voor de volgende beslissing in de omgeving van de agent.
Visuele invoer kan een ontwerpvoorbeeld, screenshot, technisch diagram of grafiek aanleveren dat met de technische taak samenhangt. De aankondiging beschrijft het interpreteren van dit materiaal tijdens programmeersessies. Benoem de belangrijke toestand of het verband in de afbeelding en leg uit wat de implementatie ermee moet doen. De uitvoer blijft tekst, waaronder code of instructies voor de aangesloten hulpmiddelen; een visuele referentie maakt van dit model geen afbeeldingsgenerator.
OpenAI vermeldt 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. De ondersteunde keuzes voor redeneerinspanning zijn low, medium, high en xhigh. De gedocumenteerde interface van het model is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exact vermelde hulpmiddelen omvatten functies, zoeken op het web, een gehoste shell en skills.
Toepassingen leveren hun werkomgeving, voeren hun bewerkingen uit en geven werkelijke resultaten terug. De aankondiging beschrijft ook aanvullende waarborgen rond werk dat met cyberbeveiliging samenhangt. Definieer een concreet voltooiingscriterium voor de technische taak en vraag om een eindresultaat dat de betrokken bestanden, wezenlijke wijzigingen en voltooide controles met het oorspronkelijke gedrag verbindt. Houd een voorgestelde controle gescheiden van een uitgevoerde controle, zodat het resultaat de volgende ontwikkelfase kan ondersteunen.
", "aboutText": "GPT-5.2-Codex is OpenAI’s GPT-5.2-editie die is geoptimaliseerd voor agentisch programmeren binnen Codex en vergelijkbare omgevingen. Het accepteert tekst en afbeeldingen en produceert tekst. Het model is ontworpen voor softwareontwikkeling over lange taakverlopen, waarbij projectcontext, hulpmiddelresultaten en al genomen beslissingen de volgende stap beïnvloeden.\n\nDe aankondiging van de maker beschrijft grote codewijzigingen zoals refactoring, migraties en functieontwikkeling, samen met verbeterd werk in Windows-omgevingen. Ingebouwde contextcompressie ondersteunt uitgebreide sessies door belangrijke toestand te bewaren terwijl het gesprek groeit. Dit is een voortzettingsmechanisme voor een lange taak, onderscheiden van een numeriek groter contextvenster of een garantie dat elk detail van een project in één aanvraag past.\n\nLever voor een codewijziging het vereiste gedrag, de relevante bestanden en de voorwaarden aan die de oplossing moet behouden. Een voorbeeldopdracht is een component te migreren met behoud van consistent publiek gedrag: benoem de afhankelijkheden, stel afgestemde wijzigingen voor en geef aan hoe het gedrag moet worden gecontroleerd. Voeg voor een fout het waargenomen resultaat, het verwachte resultaat en de omstandigheden toe die het probleem reproduceren. Werkelijke bestands- en opdrachtresultaten worden bewijs voor de volgende beslissing in de omgeving van de agent.\n\nVisuele invoer kan een ontwerpvoorbeeld, screenshot, technisch diagram of grafiek aanleveren dat met de technische taak samenhangt. De aankondiging beschrijft het interpreteren van dit materiaal tijdens programmeersessies. Benoem de belangrijke toestand of het verband in de afbeelding en leg uit wat de implementatie ermee moet doen. De uitvoer blijft tekst, waaronder code of instructies voor de aangesloten hulpmiddelen; een visuele referentie maakt van dit model geen afbeeldingsgenerator.\n\nOpenAI vermeldt 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. De ondersteunde keuzes voor redeneerinspanning zijn low, medium, high en xhigh. De gedocumenteerde interface van het model is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exact vermelde hulpmiddelen omvatten functies, zoeken op het web, een gehoste shell en skills.\n\nToepassingen leveren hun werkomgeving, voeren hun bewerkingen uit en geven werkelijke resultaten terug. De aankondiging beschrijft ook aanvullende waarborgen rond werk dat met cyberbeveiliging samenhangt. Definieer een concreet voltooiingscriterium voor de technische taak en vraag om een eindresultaat dat de betrokken bestanden, wezenlijke wijzigingen en voltooide controles met het oorspronkelijke gedrag verbindt. Houd een voorgestelde controle gescheiden van een uitgevoerde controle, zodat het resultaat de volgende ontwikkelfase kan ondersteunen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.gpt-5.2-codexEen GPT-5.2-editie die is geoptimaliseerd voor agentisch programmeren over lange taakverlopen. Deze editie accepteert tekst en afbeeldingen en ondersteunt refactoring op projectniveau, migraties en foutopsporing binnen een omgeving met aangesloten hulpmiddelen, met ingebouwde contextcompressie om het werk voort te zetten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.2-Codex is OpenAI’s GPT-5.2-editie die is geoptimaliseerd voor agentisch programmeren binnen Codex en vergelijkbare omgevingen. Het accepteert tekst en afbeeldingen en produceert tekst. Het model is ontworpen voor softwareontwikkeling over lange taakverlopen, waarbij projectcontext, hulpmiddelresultaten en al genomen beslissingen de volgende stap beïnvloeden.
De aankondiging van de maker beschrijft grote codewijzigingen zoals refactoring, migraties en functieontwikkeling, samen met verbeterd werk in Windows-omgevingen. Ingebouwde contextcompressie ondersteunt uitgebreide sessies door belangrijke toestand te bewaren terwijl het gesprek groeit. Dit is een voortzettingsmechanisme voor een lange taak, onderscheiden van een numeriek groter contextvenster of een garantie dat elk detail van een project in één aanvraag past.
Lever voor een codewijziging het vereiste gedrag, de relevante bestanden en de voorwaarden aan die de oplossing moet behouden. Een voorbeeldopdracht is een component te migreren met behoud van consistent publiek gedrag: benoem de afhankelijkheden, stel afgestemde wijzigingen voor en geef aan hoe het gedrag moet worden gecontroleerd. Voeg voor een fout het waargenomen resultaat, het verwachte resultaat en de omstandigheden toe die het probleem reproduceren. Werkelijke bestands- en opdrachtresultaten worden bewijs voor de volgende beslissing in de omgeving van de agent.
Visuele invoer kan een ontwerpvoorbeeld, screenshot, technisch diagram of grafiek aanleveren dat met de technische taak samenhangt. De aankondiging beschrijft het interpreteren van dit materiaal tijdens programmeersessies. Benoem de belangrijke toestand of het verband in de afbeelding en leg uit wat de implementatie ermee moet doen. De uitvoer blijft tekst, waaronder code of instructies voor de aangesloten hulpmiddelen; een visuele referentie maakt van dit model geen afbeeldingsgenerator.
OpenAI vermeldt 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. De ondersteunde keuzes voor redeneerinspanning zijn low, medium, high en xhigh. De gedocumenteerde interface van het model is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exact vermelde hulpmiddelen omvatten functies, zoeken op het web, een gehoste shell en skills.
Toepassingen leveren hun werkomgeving, voeren hun bewerkingen uit en geven werkelijke resultaten terug. De aankondiging beschrijft ook aanvullende waarborgen rond werk dat met cyberbeveiliging samenhangt. Definieer een concreet voltooiingscriterium voor de technische taak en vraag om een eindresultaat dat de betrokken bestanden, wezenlijke wijzigingen en voltooide controles met het oorspronkelijke gedrag verbindt. Houd een voorgestelde controle gescheiden van een uitgevoerde controle, zodat het resultaat de volgende ontwikkelfase kan ondersteunen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5.2-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 |
| ConfiguratieNiveau 1 voor aanvraaglengte | 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-5.2-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-5.2-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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
gpt-5.2-codexEen GPT-5.2-editie die is geoptimaliseerd voor agentisch programmeren over lange taakverlopen. Deze editie accepteert tekst en afbeeldingen en ondersteunt refactoring op projectniveau, migraties en foutopsporing binnen een omgeving met aangesloten hulpmiddelen, met ingebouwde contextcompressie om het werk voort te zetten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.2-Codex is OpenAI’s GPT-5.2-editie die is geoptimaliseerd voor agentisch programmeren binnen Codex en vergelijkbare omgevingen. Het accepteert tekst en afbeeldingen en produceert tekst. Het model is ontworpen voor softwareontwikkeling over lange taakverlopen, waarbij projectcontext, hulpmiddelresultaten en al genomen beslissingen de volgende stap beïnvloeden.
De aankondiging van de maker beschrijft grote codewijzigingen zoals refactoring, migraties en functieontwikkeling, samen met verbeterd werk in Windows-omgevingen. Ingebouwde contextcompressie ondersteunt uitgebreide sessies door belangrijke toestand te bewaren terwijl het gesprek groeit. Dit is een voortzettingsmechanisme voor een lange taak, onderscheiden van een numeriek groter contextvenster of een garantie dat elk detail van een project in één aanvraag past.
Lever voor een codewijziging het vereiste gedrag, de relevante bestanden en de voorwaarden aan die de oplossing moet behouden. Een voorbeeldopdracht is een component te migreren met behoud van consistent publiek gedrag: benoem de afhankelijkheden, stel afgestemde wijzigingen voor en geef aan hoe het gedrag moet worden gecontroleerd. Voeg voor een fout het waargenomen resultaat, het verwachte resultaat en de omstandigheden toe die het probleem reproduceren. Werkelijke bestands- en opdrachtresultaten worden bewijs voor de volgende beslissing in de omgeving van de agent.
Visuele invoer kan een ontwerpvoorbeeld, screenshot, technisch diagram of grafiek aanleveren dat met de technische taak samenhangt. De aankondiging beschrijft het interpreteren van dit materiaal tijdens programmeersessies. Benoem de belangrijke toestand of het verband in de afbeelding en leg uit wat de implementatie ermee moet doen. De uitvoer blijft tekst, waaronder code of instructies voor de aangesloten hulpmiddelen; een visuele referentie maakt van dit model geen afbeeldingsgenerator.
OpenAI vermeldt 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. De ondersteunde keuzes voor redeneerinspanning zijn low, medium, high en xhigh. De gedocumenteerde interface van het model is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exact vermelde hulpmiddelen omvatten functies, zoeken op het web, een gehoste shell en skills.
Toepassingen leveren hun werkomgeving, voeren hun bewerkingen uit en geven werkelijke resultaten terug. De aankondiging beschrijft ook aanvullende waarborgen rond werk dat met cyberbeveiliging samenhangt. Definieer een concreet voltooiingscriterium voor de technische taak en vraag om een eindresultaat dat de betrokken bestanden, wezenlijke wijzigingen en voltooide controles met het oorspronkelijke gedrag verbindt. Houd een voorgestelde controle gescheiden van een uitgevoerde controle, zodat het resultaat de volgende ontwikkelfase kan ondersteunen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5.2-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 |
| ConfiguratieNiveau 1 voor aanvraaglengte | 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 $0.00035 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.2-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-5.2-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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexEen GPT-5.2-editie die is geoptimaliseerd voor agentisch programmeren over lange taakverlopen. Deze editie accepteert tekst en afbeeldingen en ondersteunt refactoring op projectniveau, migraties en foutopsporing binnen een omgeving met aangesloten hulpmiddelen, met ingebouwde contextcompressie om het werk voort te zetten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.2-Codex is OpenAI’s GPT-5.2-editie die is geoptimaliseerd voor agentisch programmeren binnen Codex en vergelijkbare omgevingen. Het accepteert tekst en afbeeldingen en produceert tekst. Het model is ontworpen voor softwareontwikkeling over lange taakverlopen, waarbij projectcontext, hulpmiddelresultaten en al genomen beslissingen de volgende stap beïnvloeden.
De aankondiging van de maker beschrijft grote codewijzigingen zoals refactoring, migraties en functieontwikkeling, samen met verbeterd werk in Windows-omgevingen. Ingebouwde contextcompressie ondersteunt uitgebreide sessies door belangrijke toestand te bewaren terwijl het gesprek groeit. Dit is een voortzettingsmechanisme voor een lange taak, onderscheiden van een numeriek groter contextvenster of een garantie dat elk detail van een project in één aanvraag past.
Lever voor een codewijziging het vereiste gedrag, de relevante bestanden en de voorwaarden aan die de oplossing moet behouden. Een voorbeeldopdracht is een component te migreren met behoud van consistent publiek gedrag: benoem de afhankelijkheden, stel afgestemde wijzigingen voor en geef aan hoe het gedrag moet worden gecontroleerd. Voeg voor een fout het waargenomen resultaat, het verwachte resultaat en de omstandigheden toe die het probleem reproduceren. Werkelijke bestands- en opdrachtresultaten worden bewijs voor de volgende beslissing in de omgeving van de agent.
Visuele invoer kan een ontwerpvoorbeeld, screenshot, technisch diagram of grafiek aanleveren dat met de technische taak samenhangt. De aankondiging beschrijft het interpreteren van dit materiaal tijdens programmeersessies. Benoem de belangrijke toestand of het verband in de afbeelding en leg uit wat de implementatie ermee moet doen. De uitvoer blijft tekst, waaronder code of instructies voor de aangesloten hulpmiddelen; een visuele referentie maakt van dit model geen afbeeldingsgenerator.
OpenAI vermeldt 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. De ondersteunde keuzes voor redeneerinspanning zijn low, medium, high en xhigh. De gedocumenteerde interface van het model is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exact vermelde hulpmiddelen omvatten functies, zoeken op het web, een gehoste shell en skills.
Toepassingen leveren hun werkomgeving, voeren hun bewerkingen uit en geven werkelijke resultaten terug. De aankondiging beschrijft ook aanvullende waarborgen rond werk dat met cyberbeveiliging samenhangt. Definieer een concreet voltooiingscriterium voor de technische taak en vraag om een eindresultaat dat de betrokken bestanden, wezenlijke wijzigingen en voltooide controles met het oorspronkelijke gedrag verbindt. Houd een voorgestelde controle gescheiden van een uitgevoerde controle, zodat het resultaat de volgende ontwikkelfase kan ondersteunen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.2-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 |
| ConfiguratieNiveau 1 voor aanvraaglengte | 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-5.2-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-5.2-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-5.2-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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexEen GPT-5.2-editie die is geoptimaliseerd voor agentisch programmeren over lange taakverlopen. Deze editie accepteert tekst en afbeeldingen en ondersteunt refactoring op projectniveau, migraties en foutopsporing binnen een omgeving met aangesloten hulpmiddelen, met ingebouwde contextcompressie om het werk voort te zetten.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.2-Codex is OpenAI’s GPT-5.2-editie die is geoptimaliseerd voor agentisch programmeren binnen Codex en vergelijkbare omgevingen. Het accepteert tekst en afbeeldingen en produceert tekst. Het model is ontworpen voor softwareontwikkeling over lange taakverlopen, waarbij projectcontext, hulpmiddelresultaten en al genomen beslissingen de volgende stap beïnvloeden.
De aankondiging van de maker beschrijft grote codewijzigingen zoals refactoring, migraties en functieontwikkeling, samen met verbeterd werk in Windows-omgevingen. Ingebouwde contextcompressie ondersteunt uitgebreide sessies door belangrijke toestand te bewaren terwijl het gesprek groeit. Dit is een voortzettingsmechanisme voor een lange taak, onderscheiden van een numeriek groter contextvenster of een garantie dat elk detail van een project in één aanvraag past.
Lever voor een codewijziging het vereiste gedrag, de relevante bestanden en de voorwaarden aan die de oplossing moet behouden. Een voorbeeldopdracht is een component te migreren met behoud van consistent publiek gedrag: benoem de afhankelijkheden, stel afgestemde wijzigingen voor en geef aan hoe het gedrag moet worden gecontroleerd. Voeg voor een fout het waargenomen resultaat, het verwachte resultaat en de omstandigheden toe die het probleem reproduceren. Werkelijke bestands- en opdrachtresultaten worden bewijs voor de volgende beslissing in de omgeving van de agent.
Visuele invoer kan een ontwerpvoorbeeld, screenshot, technisch diagram of grafiek aanleveren dat met de technische taak samenhangt. De aankondiging beschrijft het interpreteren van dit materiaal tijdens programmeersessies. Benoem de belangrijke toestand of het verband in de afbeelding en leg uit wat de implementatie ermee moet doen. De uitvoer blijft tekst, waaronder code of instructies voor de aangesloten hulpmiddelen; een visuele referentie maakt van dit model geen afbeeldingsgenerator.
OpenAI vermeldt 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. De ondersteunde keuzes voor redeneerinspanning zijn low, medium, high en xhigh. De gedocumenteerde interface van het model is Responses, met streaming, Structured Outputs, functieaanroepen, afbeeldingsinvoer, zoeken op het web en promptcaching. De exact vermelde hulpmiddelen omvatten functies, zoeken op het web, een gehoste shell en skills.
Toepassingen leveren hun werkomgeving, voeren hun bewerkingen uit en geven werkelijke resultaten terug. De aankondiging beschrijft ook aanvullende waarborgen rond werk dat met cyberbeveiliging samenhangt. Definieer een concreet voltooiingscriterium voor de technische taak en vraag om een eindresultaat dat de betrokken bestanden, wezenlijke wijzigingen en voltooide controles met het oorspronkelijke gedrag verbindt. Houd een voorgestelde controle gescheiden van een uitgevoerde controle, zodat het resultaat de volgende ontwikkelfase kan ondersteunen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.2-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 |
| ConfiguratieNiveau 1 voor aanvraaglengte | 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 $0.00035 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.2-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-5.2-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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
Technisch voorbeeld in het Engels
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.