o3-mini is een klein redeneermodel van OpenAI. Het neemt tekst aan en produceert tekst, met de nadruk op het uitwerken van een probleem vóór het antwoorden. Een technische assistent kan het gebruiken om een falende functie te onderzoeken, mogelijke verklaringen voor een waarneming te vergelijken of een wiskundige redenering te ontwikkelen. Geef het model het relevante bewijs en definieer wat het antwoord moet aantonen.
Lever voor een codediagnose de functie, de invoer, de waargenomen fout en het verwachte gedrag aan. Vraag om de kleinste wijziging die dat verschil verhelpt, gevolgd door testgevallen die het voorstel van het huidige gedrag zouden onderscheiden. Houd niet-gerelateerde bestanden buiten de opdracht, tenzij die de fout beïnvloeden. De teruggegeven code is een voorstel om te inspecteren en in de ontwikkelomgeving uit te voeren.
Geef voor een berekening de eenheden, aannames en vereiste nauwkeurigheid aan. Vraag om het resultaat samen met de relaties die zijn gebruikt om het te verkrijgen. Lever voor een wetenschappelijke of technische vraag de waarnemingen aan en vraag welke conclusies daaruit volgen en welke aanvullende meting concurrerende verklaringen van elkaar zou onderscheiden. Zo blijft een lang antwoord verbonden met een controleerbare taak.
OpenAI documenteert Structured Outputs en functieaanroepen voor o3-mini. Een gestructureerde taak kan de velden specificeren die voor de volgende stap nodig zijn, zoals een diagnose, ondersteunende waarnemingen en een voorgestelde test. Definieer hoe een ontbrekende waarde moet worden weergegeven en controleer de teruggegeven velden aan de hand van het aangeleverde materiaal voordat u ze gebruikt.
Met functieaanroepen kan het model om een functie vragen die door een toepassing beschikbaar is gesteld. De toepassing levert de functiedefinities, voert een geselecteerde aanroep uit en geeft het resultaat terug. Beschrijf elke functie zo afgebakend dat haar invoer en gevolgen duidelijk zijn. Een gevraagde aanroep en een uitgevoerde bewerking zijn afzonderlijke stappen; behoud het werkelijke bewerkingsresultaat bij het opstellen van de volgende prompt.
De maker vermeldt voor de gedocumenteerde momentopname een contextvenster van 200.000 tokens en een maximale uitvoer van 100.000 tokens. Dit zijn verschillende budgetten: bij een grote verzameling bronmateriaal moet nog steeds ruimte voor het antwoord overblijven. Stem de gevraagde resultaatlengte af op de taak, of dat nu een compacte patch of een langere uitleg is.
De modelinvoer en -uitvoer van deze editie bestaan uit tekst. Bereid voor bewijs in een document of afbeelding de relevante leesbare tekst voor en behoud de bronlabels. Nummer de fragmenten of codegebieden die u wilt laten vergelijken en vraag om die identificatoren in het antwoord te behouden. Het resultaat kan dan worden beoordeeld aan de hand van het exacte materiaal dat het ondersteunde.
", "aboutText": "o3-mini is een klein redeneermodel van OpenAI. Het neemt tekst aan en produceert tekst, met de nadruk op het uitwerken van een probleem vóór het antwoorden. Een technische assistent kan het gebruiken om een falende functie te onderzoeken, mogelijke verklaringen voor een waarneming te vergelijken of een wiskundige redenering te ontwikkelen. Geef het model het relevante bewijs en definieer wat het antwoord moet aantonen.\n\n### Redeneren over een concreet probleem\n\nLever voor een codediagnose de functie, de invoer, de waargenomen fout en het verwachte gedrag aan. Vraag om de kleinste wijziging die dat verschil verhelpt, gevolgd door testgevallen die het voorstel van het huidige gedrag zouden onderscheiden. Houd niet-gerelateerde bestanden buiten de opdracht, tenzij die de fout beïnvloeden. De teruggegeven code is een voorstel om te inspecteren en in de ontwikkelomgeving uit te voeren.\n\nGeef voor een berekening de eenheden, aannames en vereiste nauwkeurigheid aan. Vraag om het resultaat samen met de relaties die zijn gebruikt om het te verkrijgen. Lever voor een wetenschappelijke of technische vraag de waarnemingen aan en vraag welke conclusies daaruit volgen en welke aanvullende meting concurrerende verklaringen van elkaar zou onderscheiden. Zo blijft een lang antwoord verbonden met een controleerbare taak.\n\n### Gestructureerde antwoorden en functies\n\nOpenAI documenteert Structured Outputs en functieaanroepen voor o3-mini. Een gestructureerde taak kan de velden specificeren die voor de volgende stap nodig zijn, zoals een diagnose, ondersteunende waarnemingen en een voorgestelde test. Definieer hoe een ontbrekende waarde moet worden weergegeven en controleer de teruggegeven velden aan de hand van het aangeleverde materiaal voordat u ze gebruikt.\n\nMet functieaanroepen kan het model om een functie vragen die door een toepassing beschikbaar is gesteld. De toepassing levert de functiedefinities, voert een geselecteerde aanroep uit en geeft het resultaat terug. Beschrijf elke functie zo afgebakend dat haar invoer en gevolgen duidelijk zijn. Een gevraagde aanroep en een uitgevoerde bewerking zijn afzonderlijke stappen; behoud het werkelijke bewerkingsresultaat bij het opstellen van de volgende prompt.\n\n### Plan de werkcontext\n\nDe maker vermeldt voor de gedocumenteerde momentopname een contextvenster van 200.000 tokens en een maximale uitvoer van 100.000 tokens. Dit zijn verschillende budgetten: bij een grote verzameling bronmateriaal moet nog steeds ruimte voor het antwoord overblijven. Stem de gevraagde resultaatlengte af op de taak, of dat nu een compacte patch of een langere uitleg is.\n\nDe modelinvoer en -uitvoer van deze editie bestaan uit tekst. Bereid voor bewijs in een document of afbeelding de relevante leesbare tekst voor en behoud de bronlabels. Nummer de fragmenten of codegebieden die u wilt laten vergelijken en vraag om die identificatoren in het antwoord te behouden. Het resultaat kan dan worden beoordeeld aan de hand van het exacte materiaal dat het ondersteunde.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Locate an off-by-one defect\n\nDiagnose this Python function: 'def first_three(xs): return xs[:2]'. Requirement: return up to the first three elements without changing xs. Show the smallest correction and tests for a four-element list, a two-element list and an empty list. Explain the slice boundary in one sentence. Treat the tests as proposals until run.A one-line correction, three assert tests and a sentence explaining the exclusive slice endpoint.The four-element case returns three elements while shorter lists remain safe and the original list stays unchanged.o3-minio3-mini is OpenAI’s kleine redeneermodel voor probleemoplossing op basis van tekst. Gebruik het voor een codediagnose, een wiskundige redenering of een technische uitleg, met een duidelijke vraag en het bewijs dat nodig is om het antwoord te controleren.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
o3-mini is een klein redeneermodel van OpenAI. Het neemt tekst aan en produceert tekst, met de nadruk op het uitwerken van een probleem vóór het antwoorden. Een technische assistent kan het gebruiken om een falende functie te onderzoeken, mogelijke verklaringen voor een waarneming te vergelijken of een wiskundige redenering te ontwikkelen. Geef het model het relevante bewijs en definieer wat het antwoord moet aantonen.
Lever voor een codediagnose de functie, de invoer, de waargenomen fout en het verwachte gedrag aan. Vraag om de kleinste wijziging die dat verschil verhelpt, gevolgd door testgevallen die het voorstel van het huidige gedrag zouden onderscheiden. Houd niet-gerelateerde bestanden buiten de opdracht, tenzij die de fout beïnvloeden. De teruggegeven code is een voorstel om te inspecteren en in de ontwikkelomgeving uit te voeren.
Geef voor een berekening de eenheden, aannames en vereiste nauwkeurigheid aan. Vraag om het resultaat samen met de relaties die zijn gebruikt om het te verkrijgen. Lever voor een wetenschappelijke of technische vraag de waarnemingen aan en vraag welke conclusies daaruit volgen en welke aanvullende meting concurrerende verklaringen van elkaar zou onderscheiden. Zo blijft een lang antwoord verbonden met een controleerbare taak.
OpenAI documenteert Structured Outputs en functieaanroepen voor o3-mini. Een gestructureerde taak kan de velden specificeren die voor de volgende stap nodig zijn, zoals een diagnose, ondersteunende waarnemingen en een voorgestelde test. Definieer hoe een ontbrekende waarde moet worden weergegeven en controleer de teruggegeven velden aan de hand van het aangeleverde materiaal voordat u ze gebruikt.
Met functieaanroepen kan het model om een functie vragen die door een toepassing beschikbaar is gesteld. De toepassing levert de functiedefinities, voert een geselecteerde aanroep uit en geeft het resultaat terug. Beschrijf elke functie zo afgebakend dat haar invoer en gevolgen duidelijk zijn. Een gevraagde aanroep en een uitgevoerde bewerking zijn afzonderlijke stappen; behoud het werkelijke bewerkingsresultaat bij het opstellen van de volgende prompt.
De maker vermeldt voor de gedocumenteerde momentopname een contextvenster van 200.000 tokens en een maximale uitvoer van 100.000 tokens. Dit zijn verschillende budgetten: bij een grote verzameling bronmateriaal moet nog steeds ruimte voor het antwoord overblijven. Stem de gevraagde resultaatlengte af op de taak, of dat nu een compacte patch of een langere uitleg is.
De modelinvoer en -uitvoer van deze editie bestaan uit tekst. Bereid voor bewijs in een document of afbeelding de relevante leesbare tekst voor en behoud de bronlabels. Nummer de fragmenten of codegebieden die u wilt laten vergelijken en vraag om die identificatoren in het antwoord te behouden. Het resultaat kan dan worden beoordeeld aan de hand van het exacte materiaal dat het ondersteunde.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten o3-mini | 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 $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.0011 / 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 $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.0011 / 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":"o3-mini","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="o3-mini", 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 o3-mini, openai/o3-mini
/chat/completions
o3-minio3-mini is OpenAI’s kleine redeneermodel voor probleemoplossing op basis van tekst. Gebruik het voor een codediagnose, een wiskundige redenering of een technische uitleg, met een duidelijke vraag en het bewijs dat nodig is om het antwoord te controleren.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
o3-mini is een klein redeneermodel van OpenAI. Het neemt tekst aan en produceert tekst, met de nadruk op het uitwerken van een probleem vóór het antwoorden. Een technische assistent kan het gebruiken om een falende functie te onderzoeken, mogelijke verklaringen voor een waarneming te vergelijken of een wiskundige redenering te ontwikkelen. Geef het model het relevante bewijs en definieer wat het antwoord moet aantonen.
Lever voor een codediagnose de functie, de invoer, de waargenomen fout en het verwachte gedrag aan. Vraag om de kleinste wijziging die dat verschil verhelpt, gevolgd door testgevallen die het voorstel van het huidige gedrag zouden onderscheiden. Houd niet-gerelateerde bestanden buiten de opdracht, tenzij die de fout beïnvloeden. De teruggegeven code is een voorstel om te inspecteren en in de ontwikkelomgeving uit te voeren.
Geef voor een berekening de eenheden, aannames en vereiste nauwkeurigheid aan. Vraag om het resultaat samen met de relaties die zijn gebruikt om het te verkrijgen. Lever voor een wetenschappelijke of technische vraag de waarnemingen aan en vraag welke conclusies daaruit volgen en welke aanvullende meting concurrerende verklaringen van elkaar zou onderscheiden. Zo blijft een lang antwoord verbonden met een controleerbare taak.
OpenAI documenteert Structured Outputs en functieaanroepen voor o3-mini. Een gestructureerde taak kan de velden specificeren die voor de volgende stap nodig zijn, zoals een diagnose, ondersteunende waarnemingen en een voorgestelde test. Definieer hoe een ontbrekende waarde moet worden weergegeven en controleer de teruggegeven velden aan de hand van het aangeleverde materiaal voordat u ze gebruikt.
Met functieaanroepen kan het model om een functie vragen die door een toepassing beschikbaar is gesteld. De toepassing levert de functiedefinities, voert een geselecteerde aanroep uit en geeft het resultaat terug. Beschrijf elke functie zo afgebakend dat haar invoer en gevolgen duidelijk zijn. Een gevraagde aanroep en een uitgevoerde bewerking zijn afzonderlijke stappen; behoud het werkelijke bewerkingsresultaat bij het opstellen van de volgende prompt.
De maker vermeldt voor de gedocumenteerde momentopname een contextvenster van 200.000 tokens en een maximale uitvoer van 100.000 tokens. Dit zijn verschillende budgetten: bij een grote verzameling bronmateriaal moet nog steeds ruimte voor het antwoord overblijven. Stem de gevraagde resultaatlengte af op de taak, of dat nu een compacte patch of een langere uitleg is.
De modelinvoer en -uitvoer van deze editie bestaan uit tekst. Bereid voor bewijs in een document of afbeelding de relevante leesbare tekst voor en behoud de bronlabels. Nummer de fragmenten of codegebieden die u wilt laten vergelijken en vraag om die identificatoren in het antwoord te behouden. Het resultaat kan dan worden beoordeeld aan de hand van het exacte materiaal dat het ondersteunde.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten o3-mini | 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 $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.0011 / 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 $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.0011 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "o3-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'o3-mini', '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': 'o3-mini', '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 o3-mini, openai/o3-mini
/chat/completions
openai/o3-minio3-mini is OpenAI’s kleine redeneermodel voor probleemoplossing op basis van tekst. Gebruik het voor een codediagnose, een wiskundige redenering of een technische uitleg, met een duidelijke vraag en het bewijs dat nodig is om het antwoord te controleren.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
o3-mini is een klein redeneermodel van OpenAI. Het neemt tekst aan en produceert tekst, met de nadruk op het uitwerken van een probleem vóór het antwoorden. Een technische assistent kan het gebruiken om een falende functie te onderzoeken, mogelijke verklaringen voor een waarneming te vergelijken of een wiskundige redenering te ontwikkelen. Geef het model het relevante bewijs en definieer wat het antwoord moet aantonen.
Lever voor een codediagnose de functie, de invoer, de waargenomen fout en het verwachte gedrag aan. Vraag om de kleinste wijziging die dat verschil verhelpt, gevolgd door testgevallen die het voorstel van het huidige gedrag zouden onderscheiden. Houd niet-gerelateerde bestanden buiten de opdracht, tenzij die de fout beïnvloeden. De teruggegeven code is een voorstel om te inspecteren en in de ontwikkelomgeving uit te voeren.
Geef voor een berekening de eenheden, aannames en vereiste nauwkeurigheid aan. Vraag om het resultaat samen met de relaties die zijn gebruikt om het te verkrijgen. Lever voor een wetenschappelijke of technische vraag de waarnemingen aan en vraag welke conclusies daaruit volgen en welke aanvullende meting concurrerende verklaringen van elkaar zou onderscheiden. Zo blijft een lang antwoord verbonden met een controleerbare taak.
OpenAI documenteert Structured Outputs en functieaanroepen voor o3-mini. Een gestructureerde taak kan de velden specificeren die voor de volgende stap nodig zijn, zoals een diagnose, ondersteunende waarnemingen en een voorgestelde test. Definieer hoe een ontbrekende waarde moet worden weergegeven en controleer de teruggegeven velden aan de hand van het aangeleverde materiaal voordat u ze gebruikt.
Met functieaanroepen kan het model om een functie vragen die door een toepassing beschikbaar is gesteld. De toepassing levert de functiedefinities, voert een geselecteerde aanroep uit en geeft het resultaat terug. Beschrijf elke functie zo afgebakend dat haar invoer en gevolgen duidelijk zijn. Een gevraagde aanroep en een uitgevoerde bewerking zijn afzonderlijke stappen; behoud het werkelijke bewerkingsresultaat bij het opstellen van de volgende prompt.
De maker vermeldt voor de gedocumenteerde momentopname een contextvenster van 200.000 tokens en een maximale uitvoer van 100.000 tokens. Dit zijn verschillende budgetten: bij een grote verzameling bronmateriaal moet nog steeds ruimte voor het antwoord overblijven. Stem de gevraagde resultaatlengte af op de taak, of dat nu een compacte patch of een langere uitleg is.
De modelinvoer en -uitvoer van deze editie bestaan uit tekst. Bereid voor bewijs in een document of afbeelding de relevante leesbare tekst voor en behoud de bronlabels. Nummer de fragmenten of codegebieden die u wilt laten vergelijken en vraag om die identificatoren in het antwoord te behouden. Het resultaat kan dan worden beoordeeld aan de hand van het exacte materiaal dat het ondersteunde.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/o3-mini | 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 $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.0011 / 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 $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.0011 / 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/o3-mini", "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/o3-mini',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/o3-mini',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 o3-mini, openai/o3-mini
/chat/completions
openai/o3-minio3-mini is OpenAI’s kleine redeneermodel voor probleemoplossing op basis van tekst. Gebruik het voor een codediagnose, een wiskundige redenering of een technische uitleg, met een duidelijke vraag en het bewijs dat nodig is om het antwoord te controleren.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
o3-mini is een klein redeneermodel van OpenAI. Het neemt tekst aan en produceert tekst, met de nadruk op het uitwerken van een probleem vóór het antwoorden. Een technische assistent kan het gebruiken om een falende functie te onderzoeken, mogelijke verklaringen voor een waarneming te vergelijken of een wiskundige redenering te ontwikkelen. Geef het model het relevante bewijs en definieer wat het antwoord moet aantonen.
Lever voor een codediagnose de functie, de invoer, de waargenomen fout en het verwachte gedrag aan. Vraag om de kleinste wijziging die dat verschil verhelpt, gevolgd door testgevallen die het voorstel van het huidige gedrag zouden onderscheiden. Houd niet-gerelateerde bestanden buiten de opdracht, tenzij die de fout beïnvloeden. De teruggegeven code is een voorstel om te inspecteren en in de ontwikkelomgeving uit te voeren.
Geef voor een berekening de eenheden, aannames en vereiste nauwkeurigheid aan. Vraag om het resultaat samen met de relaties die zijn gebruikt om het te verkrijgen. Lever voor een wetenschappelijke of technische vraag de waarnemingen aan en vraag welke conclusies daaruit volgen en welke aanvullende meting concurrerende verklaringen van elkaar zou onderscheiden. Zo blijft een lang antwoord verbonden met een controleerbare taak.
OpenAI documenteert Structured Outputs en functieaanroepen voor o3-mini. Een gestructureerde taak kan de velden specificeren die voor de volgende stap nodig zijn, zoals een diagnose, ondersteunende waarnemingen en een voorgestelde test. Definieer hoe een ontbrekende waarde moet worden weergegeven en controleer de teruggegeven velden aan de hand van het aangeleverde materiaal voordat u ze gebruikt.
Met functieaanroepen kan het model om een functie vragen die door een toepassing beschikbaar is gesteld. De toepassing levert de functiedefinities, voert een geselecteerde aanroep uit en geeft het resultaat terug. Beschrijf elke functie zo afgebakend dat haar invoer en gevolgen duidelijk zijn. Een gevraagde aanroep en een uitgevoerde bewerking zijn afzonderlijke stappen; behoud het werkelijke bewerkingsresultaat bij het opstellen van de volgende prompt.
De maker vermeldt voor de gedocumenteerde momentopname een contextvenster van 200.000 tokens en een maximale uitvoer van 100.000 tokens. Dit zijn verschillende budgetten: bij een grote verzameling bronmateriaal moet nog steeds ruimte voor het antwoord overblijven. Stem de gevraagde resultaatlengte af op de taak, of dat nu een compacte patch of een langere uitleg is.
De modelinvoer en -uitvoer van deze editie bestaan uit tekst. Bereid voor bewijs in een document of afbeelding de relevante leesbare tekst voor en behoud de bronlabels. Nummer de fragmenten of codegebieden die u wilt laten vergelijken en vraag om die identificatoren in het antwoord te behouden. Het resultaat kan dan worden beoordeeld aan de hand van het exacte materiaal dat het ondersteunde.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/o3-mini | 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 $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.0011 / 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 $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0088 / 1K tokens Invoer · Cache lezen $0.0011 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "openai/o3-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/o3-mini', '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/o3-mini', '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 o3-mini, openai/o3-mini
/chat/completions
Technisch voorbeeld in het Engels
Locate an off-by-one defect\n\nDiagnose this Python function: 'def first_three(xs): return xs[:2]'. Requirement: return up to the first three elements without changing xs. Show the smallest correction and tests for a four-element list, a two-element list and an empty list. Explain the slice boundary in one sentence. Treat the tests as proposals until run.A one-line correction, three assert tests and a sentence explaining the exclusive slice endpoint.The four-element case returns three elements while shorter lists remain safe and the original list stays unchanged.