GPT-5 Chat to etykieta OpenAI dla konwersacyjnej migawki GPT-5 powiązanej z ChatGPT. Komunikat dla programistów określa ten wariant czatowy API jako model bez trybu rozumowania w systemie GPT-5. Jest to odrębny wybór względem głównego modelu rozumującego GPT-5: nazwa na tej karcie odnosi się do ścieżki odpowiedzi ukierunkowanej na czat, a nie do całego systemu kierowania żądaniami ChatGPT.
OpenAI porządkuje praktyczne zastosowania rodziny GPT-5 wokół programowania, pisania i rozumienia informacji. W przypadku asystenta konwersacyjnego przekłada się to na omawianie funkcji, wyjaśnianie dostarczonego dokumentu, redagowanie wiadomości lub rozwijanie pomysłu poprzez kolejne pytania. Zadania pisarskie rodziny obejmują tworzenie i poprawianie raportów, e-maili i dłuższych materiałów z uwzględnieniem wymaganej struktury i stylu wypowiedzi.
Kontekst wizualny może towarzyszyć zadaniu tekstowemu. Obraz interfejsu, wykresu, prezentacji lub diagramu daje modelowi konkretny materiał do wyjaśnienia. Zapytaj o określoną relację lub element i zdefiniuj oczekiwany wynik tekstowy. Wyjściem jest wyjaśnienie, przeredagowany materiał lub kod; obraz służy jako wejście, a nie jako żądanie wygenerowania obrazu.
Opublikowana konfiguracja ma okno kontekstowe liczące 128 000 tokenów, maksymalnie 16 384 tokeny wyjściowe i datę graniczną wiedzy 30 września 2024 roku. Przyjmuje tekst i obrazy oraz generuje tekst. Strumieniowanie, wywoływanie funkcji i Structured Outputs są wymienione jako obsługiwane. Wejście audio i wideo, dostrajanie i przewidywane odpowiedzi nie są obsługiwane w tej konfiguracji czatowej. Limity należą do nazwanego modelu czatowego, a nie do szerszej specyfikacji modelu rozumującego.
Wywoływanie funkcji łączy asystenta z działaniami i danymi udostępnianymi przez aplikację. Model może wybrać opisaną funkcję i przygotować jej argumenty; aplikacja wykonuje ją i zwraca wynik do kolejnej odpowiedzi. Ustrukturyzowane wyjście służy innemu celowi: odpowiedź może być zgodna z uzgodnioną strukturą danych, na przykład polami na podsumowanie, istotne fakty i proponowany następny krok. Wykonywanie narzędzi i dostęp pozostają obowiązkami otaczającej aplikacji.
Opis wydania rodziny GPT-5 podkreśla także przestrzeganie instrukcji, jaśniejsze postępowanie z niepewnymi lub niekompletnymi zadaniami i styl mniej skłonny do nadmiernego przytakiwania. Model czatowy można ukierunkować za pomocą roli, odbiorców, tonu i wyraźnych wymagań wobec wyjścia. Ogólne wskazówki dotyczące widzenia nadal mają zastosowanie do zadań obrazowych: drobny lub obrócony tekst i precyzyjna interpretacja przestrzenna wymagają starannego przygotowania materiałów źródłowych.
Dla produktu korzystającego z Ailoot API określ zamierzony rezultat rozmowy i przekaż materiał, na którym ma się opierać. Przydatne żądanie może dotyczyć odpowiedzi klientowi, wyjaśnienia zrzutu ekranu lub dokumentu o wskazanych sekcjach. Przy dopracowywaniu odpowiedzi jasno wskaż obowiązkowe fakty i wybrany fragment. Etykieta czatu zachowuje własną tożsamość w tych przepływach, a przekazana rozmowa zapewnia kontekst każdej odpowiedzi.
", "aboutText": "GPT-5 Chat to etykieta OpenAI dla konwersacyjnej migawki GPT-5 powiązanej z ChatGPT. Komunikat dla programistów określa ten wariant czatowy API jako model bez trybu rozumowania w systemie GPT-5. Jest to odrębny wybór względem głównego modelu rozumującego GPT-5: nazwa na tej karcie odnosi się do ścieżki odpowiedzi ukierunkowanej na czat, a nie do całego systemu kierowania żądaniami ChatGPT.\n\nOpenAI porządkuje praktyczne zastosowania rodziny GPT-5 wokół programowania, pisania i rozumienia informacji. W przypadku asystenta konwersacyjnego przekłada się to na omawianie funkcji, wyjaśnianie dostarczonego dokumentu, redagowanie wiadomości lub rozwijanie pomysłu poprzez kolejne pytania. Zadania pisarskie rodziny obejmują tworzenie i poprawianie raportów, e-maili i dłuższych materiałów z uwzględnieniem wymaganej struktury i stylu wypowiedzi.\n\nKontekst wizualny może towarzyszyć zadaniu tekstowemu. Obraz interfejsu, wykresu, prezentacji lub diagramu daje modelowi konkretny materiał do wyjaśnienia. Zapytaj o określoną relację lub element i zdefiniuj oczekiwany wynik tekstowy. Wyjściem jest wyjaśnienie, przeredagowany materiał lub kod; obraz służy jako wejście, a nie jako żądanie wygenerowania obrazu.\n\nOpublikowana konfiguracja ma okno kontekstowe liczące 128 000 tokenów, maksymalnie 16 384 tokeny wyjściowe i datę graniczną wiedzy 30 września 2024 roku. Przyjmuje tekst i obrazy oraz generuje tekst. Strumieniowanie, wywoływanie funkcji i Structured Outputs są wymienione jako obsługiwane. Wejście audio i wideo, dostrajanie i przewidywane odpowiedzi nie są obsługiwane w tej konfiguracji czatowej. Limity należą do nazwanego modelu czatowego, a nie do szerszej specyfikacji modelu rozumującego.\n\nWywoływanie funkcji łączy asystenta z działaniami i danymi udostępnianymi przez aplikację. Model może wybrać opisaną funkcję i przygotować jej argumenty; aplikacja wykonuje ją i zwraca wynik do kolejnej odpowiedzi. Ustrukturyzowane wyjście służy innemu celowi: odpowiedź może być zgodna z uzgodnioną strukturą danych, na przykład polami na podsumowanie, istotne fakty i proponowany następny krok. Wykonywanie narzędzi i dostęp pozostają obowiązkami otaczającej aplikacji.\n\nOpis wydania rodziny GPT-5 podkreśla także przestrzeganie instrukcji, jaśniejsze postępowanie z niepewnymi lub niekompletnymi zadaniami i styl mniej skłonny do nadmiernego przytakiwania. Model czatowy można ukierunkować za pomocą roli, odbiorców, tonu i wyraźnych wymagań wobec wyjścia. Ogólne wskazówki dotyczące widzenia nadal mają zastosowanie do zadań obrazowych: drobny lub obrócony tekst i precyzyjna interpretacja przestrzenna wymagają starannego przygotowania materiałów źródłowych.\n\nDla produktu korzystającego z Ailoot API określ zamierzony rezultat rozmowy i przekaż materiał, na którym ma się opierać. Przydatne żądanie może dotyczyć odpowiedzi klientowi, wyjaśnienia zrzutu ekranu lub dokumentu o wskazanych sekcjach. Przy dopracowywaniu odpowiedzi jasno wskaż obowiązkowe fakty i wybrany fragment. Etykieta czatu zachowuje własną tożsamość w tych przepływach, a przekazana rozmowa zapewnia kontekst każdej odpowiedzi.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Revise an operational status report\n\nRewrite this report into three short sections: completed, unresolved and next step. Source: 'The import accepted 420 rows. Eighteen rows failed because their account IDs were blank. We have not retried them. Vera will ask the source team for the missing IDs tomorrow.' Keep the counts and ownership exact and avoid describing the import as fully complete.A concise three-section report preserving counts, unresolved rows and Vera's planned follow-up.The result states that 18 rows remain unresolved and that no retry has occurred.gpt-5-chat-latestGPT-5 Chat to konwersacyjny wariant GPT-5 firmy OpenAI bez trybu rozumowania, przyjmujący tekst i obrazy, a zwracający tekst. Obsługuje pisanie, objaśnianie materiałów wizualnych, omawianie kodu, wywoływanie funkcji i ustrukturyzowane odpowiedzi w kontekście liczącym 128 000 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5 Chat to etykieta OpenAI dla konwersacyjnej migawki GPT-5 powiązanej z ChatGPT. Komunikat dla programistów określa ten wariant czatowy API jako model bez trybu rozumowania w systemie GPT-5. Jest to odrębny wybór względem głównego modelu rozumującego GPT-5: nazwa na tej karcie odnosi się do ścieżki odpowiedzi ukierunkowanej na czat, a nie do całego systemu kierowania żądaniami ChatGPT.
OpenAI porządkuje praktyczne zastosowania rodziny GPT-5 wokół programowania, pisania i rozumienia informacji. W przypadku asystenta konwersacyjnego przekłada się to na omawianie funkcji, wyjaśnianie dostarczonego dokumentu, redagowanie wiadomości lub rozwijanie pomysłu poprzez kolejne pytania. Zadania pisarskie rodziny obejmują tworzenie i poprawianie raportów, e-maili i dłuższych materiałów z uwzględnieniem wymaganej struktury i stylu wypowiedzi.
Kontekst wizualny może towarzyszyć zadaniu tekstowemu. Obraz interfejsu, wykresu, prezentacji lub diagramu daje modelowi konkretny materiał do wyjaśnienia. Zapytaj o określoną relację lub element i zdefiniuj oczekiwany wynik tekstowy. Wyjściem jest wyjaśnienie, przeredagowany materiał lub kod; obraz służy jako wejście, a nie jako żądanie wygenerowania obrazu.
Opublikowana konfiguracja ma okno kontekstowe liczące 128 000 tokenów, maksymalnie 16 384 tokeny wyjściowe i datę graniczną wiedzy 30 września 2024 roku. Przyjmuje tekst i obrazy oraz generuje tekst. Strumieniowanie, wywoływanie funkcji i Structured Outputs są wymienione jako obsługiwane. Wejście audio i wideo, dostrajanie i przewidywane odpowiedzi nie są obsługiwane w tej konfiguracji czatowej. Limity należą do nazwanego modelu czatowego, a nie do szerszej specyfikacji modelu rozumującego.
Wywoływanie funkcji łączy asystenta z działaniami i danymi udostępnianymi przez aplikację. Model może wybrać opisaną funkcję i przygotować jej argumenty; aplikacja wykonuje ją i zwraca wynik do kolejnej odpowiedzi. Ustrukturyzowane wyjście służy innemu celowi: odpowiedź może być zgodna z uzgodnioną strukturą danych, na przykład polami na podsumowanie, istotne fakty i proponowany następny krok. Wykonywanie narzędzi i dostęp pozostają obowiązkami otaczającej aplikacji.
Opis wydania rodziny GPT-5 podkreśla także przestrzeganie instrukcji, jaśniejsze postępowanie z niepewnymi lub niekompletnymi zadaniami i styl mniej skłonny do nadmiernego przytakiwania. Model czatowy można ukierunkować za pomocą roli, odbiorców, tonu i wyraźnych wymagań wobec wyjścia. Ogólne wskazówki dotyczące widzenia nadal mają zastosowanie do zadań obrazowych: drobny lub obrócony tekst i precyzyjna interpretacja przestrzenna wymagają starannego przygotowania materiałów źródłowych.
Dla produktu korzystającego z Ailoot API określ zamierzony rezultat rozmowy i przekaż materiał, na którym ma się opierać. Przydatne żądanie może dotyczyć odpowiedzi klientowi, wyjaśnienia zrzutu ekranu lub dokumentu o wskazanych sekcjach. Przy dopracowywaniu odpowiedzi jasno wskaż obowiązkowe fakty i wybrany fragment. Etykieta czatu zachowuje własną tożsamość w tych przepływach, a przekazana rozmowa zapewnia kontekst każdej odpowiedzi.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-5-chat-latest | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.0025 / 1K tokenów Wyjście · Tokeny wyjściowe $0.02 / 1K tokenów Wejście · Odczyt cache $0.00025 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5-chat-latest", "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='gpt-5-chat-latest',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='gpt-5-chat-latest',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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra gpt-5-chat-latest
Użyj ścieżek metod podanych powyżej.
gpt-5-chat-latestGPT-5 Chat to konwersacyjny wariant GPT-5 firmy OpenAI bez trybu rozumowania, przyjmujący tekst i obrazy, a zwracający tekst. Obsługuje pisanie, objaśnianie materiałów wizualnych, omawianie kodu, wywoływanie funkcji i ustrukturyzowane odpowiedzi w kontekście liczącym 128 000 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5 Chat to etykieta OpenAI dla konwersacyjnej migawki GPT-5 powiązanej z ChatGPT. Komunikat dla programistów określa ten wariant czatowy API jako model bez trybu rozumowania w systemie GPT-5. Jest to odrębny wybór względem głównego modelu rozumującego GPT-5: nazwa na tej karcie odnosi się do ścieżki odpowiedzi ukierunkowanej na czat, a nie do całego systemu kierowania żądaniami ChatGPT.
OpenAI porządkuje praktyczne zastosowania rodziny GPT-5 wokół programowania, pisania i rozumienia informacji. W przypadku asystenta konwersacyjnego przekłada się to na omawianie funkcji, wyjaśnianie dostarczonego dokumentu, redagowanie wiadomości lub rozwijanie pomysłu poprzez kolejne pytania. Zadania pisarskie rodziny obejmują tworzenie i poprawianie raportów, e-maili i dłuższych materiałów z uwzględnieniem wymaganej struktury i stylu wypowiedzi.
Kontekst wizualny może towarzyszyć zadaniu tekstowemu. Obraz interfejsu, wykresu, prezentacji lub diagramu daje modelowi konkretny materiał do wyjaśnienia. Zapytaj o określoną relację lub element i zdefiniuj oczekiwany wynik tekstowy. Wyjściem jest wyjaśnienie, przeredagowany materiał lub kod; obraz służy jako wejście, a nie jako żądanie wygenerowania obrazu.
Opublikowana konfiguracja ma okno kontekstowe liczące 128 000 tokenów, maksymalnie 16 384 tokeny wyjściowe i datę graniczną wiedzy 30 września 2024 roku. Przyjmuje tekst i obrazy oraz generuje tekst. Strumieniowanie, wywoływanie funkcji i Structured Outputs są wymienione jako obsługiwane. Wejście audio i wideo, dostrajanie i przewidywane odpowiedzi nie są obsługiwane w tej konfiguracji czatowej. Limity należą do nazwanego modelu czatowego, a nie do szerszej specyfikacji modelu rozumującego.
Wywoływanie funkcji łączy asystenta z działaniami i danymi udostępnianymi przez aplikację. Model może wybrać opisaną funkcję i przygotować jej argumenty; aplikacja wykonuje ją i zwraca wynik do kolejnej odpowiedzi. Ustrukturyzowane wyjście służy innemu celowi: odpowiedź może być zgodna z uzgodnioną strukturą danych, na przykład polami na podsumowanie, istotne fakty i proponowany następny krok. Wykonywanie narzędzi i dostęp pozostają obowiązkami otaczającej aplikacji.
Opis wydania rodziny GPT-5 podkreśla także przestrzeganie instrukcji, jaśniejsze postępowanie z niepewnymi lub niekompletnymi zadaniami i styl mniej skłonny do nadmiernego przytakiwania. Model czatowy można ukierunkować za pomocą roli, odbiorców, tonu i wyraźnych wymagań wobec wyjścia. Ogólne wskazówki dotyczące widzenia nadal mają zastosowanie do zadań obrazowych: drobny lub obrócony tekst i precyzyjna interpretacja przestrzenna wymagają starannego przygotowania materiałów źródłowych.
Dla produktu korzystającego z Ailoot API określ zamierzony rezultat rozmowy i przekaż materiał, na którym ma się opierać. Przydatne żądanie może dotyczyć odpowiedzi klientowi, wyjaśnienia zrzutu ekranu lub dokumentu o wskazanych sekcjach. Przy dopracowywaniu odpowiedzi jasno wskaż obowiązkowe fakty i wybrany fragment. Etykieta czatu zachowuje własną tożsamość w tych przepływach, a przekazana rozmowa zapewnia kontekst każdej odpowiedzi.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-5-chat-latest | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.0025 / 1K tokenów Wyjście · Tokeny wyjściowe $0.02 / 1K tokenów Wejście · Odczyt cache $0.00025 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gpt-5-chat-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-chat-latest', '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-chat-latest', '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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra gpt-5-chat-latest
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Revise an operational status report\n\nRewrite this report into three short sections: completed, unresolved and next step. Source: 'The import accepted 420 rows. Eighteen rows failed because their account IDs were blank. We have not retried them. Vera will ask the source team for the missing IDs tomorrow.' Keep the counts and ownership exact and avoid describing the import as fully complete.A concise three-section report preserving counts, unresolved rows and Vera's planned follow-up.The result states that 18 rows remain unresolved and that no retry has occurred.