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": { "practical_html": "Technisch voorbeeld in het Engels
Compare two rollout plans\n\nCompare two rollout options against the stated rule. Rule: a release needs a reversible migration and no more than five minutes of planned unavailability. Plan A: four-minute stop, irreversible column deletion. Plan B: six-minute stop, reversible shadow column. Make a criteria table, identify why neither qualifies as written, and propose the smallest question or change needed for each.A two-criteria comparison with a failure reason and a targeted remediation or clarification for each plan.The recommendation does not ignore one rule to favour the plan that satisfies the other.gpt-5.2GPT-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/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5.2 | 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 $0 / 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 $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.2","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", 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, openai/gpt-5.2
/chat/completions
gpt-5.2GPT-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/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gpt-5.2 | 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 $0 / 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 $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gpt-5.2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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, openai/gpt-5.2
/chat/completions
openai/gpt-5.2GPT-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/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.2 | 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 $0 / 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 $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.2", "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',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',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, openai/gpt-5.2
/chat/completions
openai/gpt-5.2GPT-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/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.2 | 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 $0 / 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 $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/gpt-5.2",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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, openai/gpt-5.2
/chat/completions
Technisch voorbeeld in het Engels
Compare two rollout plans\n\nCompare two rollout options against the stated rule. Rule: a release needs a reversible migration and no more than five minutes of planned unavailability. Plan A: four-minute stop, irreversible column deletion. Plan B: six-minute stop, reversible shadow column. Make a criteria table, identify why neither qualifies as written, and propose the smallest question or change needed for each.A two-criteria comparison with a failure reason and a targeted remediation or clarification for each plan.The recommendation does not ignore one rule to favour the plan that satisfies the other.