GPT-5.2 is OpenAI’s redeneermodel voor complex professioneel werk. In de GPT-5.2-naamgeving van de maker komt het API-model overeen met de editie Thinking, onderscheiden van Chat/Instant en Pro. Het accepteert tekst en afbeeldingen en produceert tekst. De aankondiging beschrijft programmeren, analyse van lange documenten, visuele interpretatie en taken die meerdere bronnen of hulpmiddelresultaten verbinden.
Lever voor een professioneel document het materiaal, de beoogde lezer en de vraag aan die het resultaat moet beantwoorden. Een voorbeeldtaak is meerdere projectrapporten samen te voegen tot een briefing die feiten, afhankelijkheden en een aanbeveling onderscheidt. Spreadsheet- of presentatiewerk vereist ook de brongegevens en de vereisten van het eindresultaat. De hulpmiddelen van de toepassing maken of bewerken de werkelijke bestanden, terwijl het antwoord van het model het werk ordent of uitlegt.
Lever voor programmeren het beoogde gedrag, relevante bronbestanden en de voorwaarden aan die een wijziging moet behouden. De aankondiging beschrijft foutopsporing, functieontwikkeling en refactoring als praktische toepassingen. Visuele invoer kan een dashboard, screenshot van een interface, technisch diagram of rapport toevoegen. Benoem het detail dat relevant is voor het antwoord en lever de geschreven context aan die nodig is om het te interpreteren. De directe uitvoer van het model blijft tekst, in plaats van een gegenereerde afbeelding.
OpenAI specificeert een contextvenster van 400.000 tokens, een maximale uitvoer van 128.000 tokens en een kennisgrens van 31 augustus 2025. De keuzes voor redeneerinspanning zijn none, low, medium, high en xhigh; none is de standaard. De aankondiging documenteert ook compatibiliteit met contextcompressie via Responses voor een taak die wordt voortgezet terwijl de context groeit. Contextcompressie bewaart relevante toestand voor later werk; zij verandert een taak met meerdere stappen niet in één onbeperkte aanvraag.
De maker vermeldt de interfaces Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestands- en afbeeldingsinvoer, zoeken op het web en in bestanden en promptcaching. De hulpmiddelen van het model omvatten afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills en MCP-verbindingen. De toepassing beheert haar bewerkingen en geeft werkelijke resultaten terug, zodat het model ze voor de volgende beslissing kan gebruiken.
Bereid een duidelijk doel, voorwaarden en uitvoerafspraken voor. Benoem voor een documentbeslissing de criteria en vraag om conclusies die op het aangeleverde bewijs berusten. Benoem voor een voorgestelde wijziging het te verifiëren gedrag en vraag om daadwerkelijk uitgevoerde controles van nog voorgestelde controles te onderscheiden. Een gestructureerde verzameling bevindingen, een codevoorstel of een document dat de aangeleverde vereisten volgt is een bruikbaar eindresultaat wanneer de basis en resterende vragen expliciet zijn.
", "aboutText": "GPT-5.2 is OpenAI’s redeneermodel voor complex professioneel werk. In de GPT-5.2-naamgeving van de maker komt het API-model overeen met de editie Thinking, onderscheiden van Chat/Instant en Pro. Het accepteert tekst en afbeeldingen en produceert tekst. De aankondiging beschrijft programmeren, analyse van lange documenten, visuele interpretatie en taken die meerdere bronnen of hulpmiddelresultaten verbinden.\n\nLever voor een professioneel document het materiaal, de beoogde lezer en de vraag aan die het resultaat moet beantwoorden. Een voorbeeldtaak is meerdere projectrapporten samen te voegen tot een briefing die feiten, afhankelijkheden en een aanbeveling onderscheidt. Spreadsheet- of presentatiewerk vereist ook de brongegevens en de vereisten van het eindresultaat. De hulpmiddelen van de toepassing maken of bewerken de werkelijke bestanden, terwijl het antwoord van het model het werk ordent of uitlegt.\n\nLever voor programmeren het beoogde gedrag, relevante bronbestanden en de voorwaarden aan die een wijziging moet behouden. De aankondiging beschrijft foutopsporing, functieontwikkeling en refactoring als praktische toepassingen. Visuele invoer kan een dashboard, screenshot van een interface, technisch diagram of rapport toevoegen. Benoem het detail dat relevant is voor het antwoord en lever de geschreven context aan die nodig is om het te interpreteren. De directe uitvoer van het model blijft tekst, in plaats van een gegenereerde afbeelding.\n\nOpenAI specificeert een contextvenster van 400.000 tokens, een maximale uitvoer van 128.000 tokens en een kennisgrens van 31 augustus 2025. De keuzes voor redeneerinspanning zijn none, low, medium, high en xhigh; none is de standaard. De aankondiging documenteert ook compatibiliteit met contextcompressie via Responses voor een taak die wordt voortgezet terwijl de context groeit. Contextcompressie bewaart relevante toestand voor later werk; zij verandert een taak met meerdere stappen niet in één onbeperkte aanvraag.\n\nDe maker vermeldt de interfaces Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestands- en afbeeldingsinvoer, zoeken op het web en in bestanden en promptcaching. De hulpmiddelen van het model omvatten afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills en MCP-verbindingen. De toepassing beheert haar bewerkingen en geeft werkelijke resultaten terug, zodat het model ze voor de volgende beslissing kan gebruiken.\n\nBereid een duidelijk doel, voorwaarden en uitvoerafspraken voor. Benoem voor een documentbeslissing de criteria en vraag om conclusies die op het aangeleverde bewijs berusten. Benoem voor een voorgestelde wijziging het te verifiëren gedrag en vraag om daadwerkelijk uitgevoerde controles van nog voorgestelde controles te onderscheiden. Een gestructureerde verzameling bevindingen, een codevoorstel of een document dat de aangeleverde vereisten volgt is een bruikbaar eindresultaat wanneer de basis en resterende vragen expliciet zijn.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4c61f6b549804f451d3d4b4aab6df5f2efbc41c6aa5a9d1cfba40e0d4a1d0123", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "openai/gpt-5.2:batchGPT-5.2 is een redeneermodel voor professioneel werk, programmeren en taken in meerdere stappen. Het accepteert tekst en afbeeldingen en kan documenten ontwikkelen, gerelateerd materiaal analyseren of met toepassingshulpmiddelen werken volgens een duidelijke opdracht voor de uitvoer.
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 is OpenAI’s redeneermodel voor complex professioneel werk. In de GPT-5.2-naamgeving van de maker komt het API-model overeen met de editie Thinking, onderscheiden van Chat/Instant en Pro. Het accepteert tekst en afbeeldingen en produceert tekst. De aankondiging beschrijft programmeren, analyse van lange documenten, visuele interpretatie en taken die meerdere bronnen of hulpmiddelresultaten verbinden.
Lever voor een professioneel document het materiaal, de beoogde lezer en de vraag aan die het resultaat moet beantwoorden. Een voorbeeldtaak is meerdere projectrapporten samen te voegen tot een briefing die feiten, afhankelijkheden en een aanbeveling onderscheidt. Spreadsheet- of presentatiewerk vereist ook de brongegevens en de vereisten van het eindresultaat. De hulpmiddelen van de toepassing maken of bewerken de werkelijke bestanden, terwijl het antwoord van het model het werk ordent of uitlegt.
Lever voor programmeren het beoogde gedrag, relevante bronbestanden en de voorwaarden aan die een wijziging moet behouden. De aankondiging beschrijft foutopsporing, functieontwikkeling en refactoring als praktische toepassingen. Visuele invoer kan een dashboard, screenshot van een interface, technisch diagram of rapport toevoegen. Benoem het detail dat relevant is voor het antwoord en lever de geschreven context aan die nodig is om het te interpreteren. De directe uitvoer van het model blijft tekst, in plaats van een gegenereerde afbeelding.
OpenAI specificeert een contextvenster van 400.000 tokens, een maximale uitvoer van 128.000 tokens en een kennisgrens van 31 augustus 2025. De keuzes voor redeneerinspanning zijn none, low, medium, high en xhigh; none is de standaard. De aankondiging documenteert ook compatibiliteit met contextcompressie via Responses voor een taak die wordt voortgezet terwijl de context groeit. Contextcompressie bewaart relevante toestand voor later werk; zij verandert een taak met meerdere stappen niet in één onbeperkte aanvraag.
De maker vermeldt de interfaces Responses, Chat Completions en Batch, streaming, Structured Outputs, functieaanroepen, bestands- en afbeeldingsinvoer, zoeken op het web en in bestanden en promptcaching. De hulpmiddelen van het model omvatten afbeeldingsgeneratie, code-interpretatie, gehoste shell- en patchbewerkingen, skills en MCP-verbindingen. De toepassing beheert haar bewerkingen en geeft werkelijke resultaten terug, zodat het model ze voor de volgende beslissing kan gebruiken.
Bereid een duidelijk doel, voorwaarden en uitvoerafspraken voor. Benoem voor een documentbeslissing de criteria en vraag om conclusies die op het aangeleverde bewijs berusten. Benoem voor een voorgestelde wijziging het te verifiëren gedrag en vraag om daadwerkelijk uitgevoerde controles van nog voorgestelde controles te onderscheiden. Een gestructureerde verzameling bevindingen, een codevoorstel of een document dat de aangeleverde vereisten volgt is een bruikbaar eindresultaat wanneer de basis en resterende vragen expliciet zijn.
POST /v1/batchestexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldendpoint | Typestring | VereisteVereist | Waarden en limieten /v1/chat/completions | Standaard— |
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.2:batch | Standaard— |
Veldrequests | Typebatch_item[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldrequests[].custom_id | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldrequests[].body.messages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldcompletion_window | Typestring | VereisteOptioneel | Waarden en limieten 24h | Standaard— |
Veldprovider | Typeobject|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldrequests[].body.model | Typestring | VereisteOptioneel | Waarden en limieten openai/gpt-5.2:batch, openai/gpt-5.2 | Standaard— |
Veldprovider.only | Typestring[] | VereisteOptioneel | Waarden en limieten openai | Standaard— |
Veldprovider.allow_fallbacks | Typeboolean|null | VereisteOptioneel | Waarden en limieten false, null | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractendpoint, model, requests |
Parametermaterial_types | Contracttext |
Parameterrepresentation | Contractinline requests[]; elk item bevat custom_id en body |
Parameterrequest_endpoint_profile | Contract/v1/chat/completions |
Parameterfile_material | ContractDe aanroeper mag daadwerkelijke JSONL-inhoud in UTF-8 lokaal in requests[] inlezen. Er wordt geen uploaddoel (purpose), input_file_id of bestandsverwijzing gebruikt. Ontbrekend of leeg klantmateriaal stopt de voorbereiding vóór POST. |
Parameterserialization_order | Contractendpoint, model, provider (indien opgegeven), completion_window (indien opgegeven), requests als laatste |
Parameteroptional_controls | Contractprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | ContractBody’s voor tekstaanvragen via Chat Completions in de gedocumenteerde inline Batch-envelop. |
Levenscyclus: asynchronous
GET /v1/batches/{operation_id} · de daadwerkelijke response.id uit het oorspronkelijke aanmaakantwoord; dezelfde gebruiker/sleutel/groep
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 $0.00175 / 1K tokens Uitvoer · Uitvoertokens $0.014 / 1K tokens Invoer · Cache lezen $0.000175 / 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 $0.00175 / 1K tokens Uitvoer · Uitvoertokens $0.014 / 1K tokens Invoer · Cache lezen $0.000175 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.2:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.2:batch', 'openai/gpt-5.2']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.2:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\ninline results[].response.body JSON
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige oorspronkelijke status-JSON, elk resultaat/custom_id en de volledige antwoord- of foutbody. Sla voltooide results[] zonder filtering op als JSONL.
Bewaar de oorspronkelijke bewerkings-ID. Bij 503 result_pending_check hoort X-Should-Retry:false; dien een oorspronkelijke batch met onbekende uitkomst nooit opnieuw in.
| Veld | Type |
|---|---|
Veldresults[].custom_id | Typestring |
Veldresults[].response.body.choices[].message.content | Typestring|null |
Veldresults[].error | Typeobject|null |
Veldusage | Typeobject|null |
Veldid | Typestring |
Veldmodel | Typestring |
Veldendpoint | Typestring |
Veldstatus | Typestring |
Veldrequest_counts | Typeobject |
Veldresults[].id | Typestring |
Veldresults[].response.status_code | Typeinteger |
Veldresults[].response.request_id | Typestring |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeOngeldige gedocumenteerde inline envelop, dubbele sleutels, ongeldige itemidentiteit of een conflict met de geconfigureerde modelmogelijkheden. | Volgende stapCorrigeer de aangegeven velden voordat u een nieuwe aanvraag indient. |
Antwoord401 · authentication_error | VoorwaardeOngeldige API-sleutel. | Volgende stapGebruik de geautoriseerde Ailoot-sleutel. |
Antwoord403 · permission_error | VoorwaardeBatch-groep niet beschikbaar. | Volgende stapControleer de toegangsrechten van de sleutel/groep. |
Antwoord422 · invalid_request_error | VoorwaardeBij Batch worden kosten van het saldo afgeschreven; aanmaken via een abonnement wordt geweigerd. | Volgende stapGebruik de geautoriseerde groep waarvoor kosten van het saldo worden afgeschreven. |
Antwoord422 · price_unavailable | VoorwaardeVoor de Batch-invoer kan geen prijsopgave worden berekend. | Volgende stapBewaar het antwoord; gebruik de gedocumenteerde invoer voor deze familie. |
Antwoord402 · billing_error | VoorwaardeBatch-reservering niet beschikbaar. | Volgende stapLos het toelatingsprobleem op voordat u een nieuwe aanvraag indient. |
Antwoord503 · price_unavailable | VoorwaardePrijs voor de Batch-methode/native tarieven niet beschikbaar. | Volgende stapBewaar het antwoord; vervang de prijzen niet. |
Antwoord503 · api_error | VoorwaardeDe exacte leveranciersroute is niet beschikbaar. | Volgende stapBewaar het antwoord voor herstel van de route. |
Antwoord503 · result_pending_check | VoorwaardeHet oorspronkelijke resultaat moet worden gecontroleerd; X-Should-Retry:false. | Volgende stapBewaar de oorspronkelijke operation_id/id en lees de status ervan uit; herhaal de oorspronkelijke POST nooit. |
Antwoord404 · not_found | VoorwaardeDe bewerking voor de Batch-status ontbreekt of is eigendom van een andere identiteit. | Volgende stapGebruik exact de oorspronkelijke id en dezelfde gebruiker/sleutel/groep. |
Ailoot Ultra openai/gpt-5.2:batch
Gebruik de hierboven getoonde methodepaden.