GPT-5.3-Codex to model OpenAI wyspecjalizowany w programowaniu agentowym w Codex i podobnych środowiskach połączonych z narzędziami. Łączy programowanie z rozumowaniem i wiedzą zawodową, przyjmuje tekst i obrazy, a generuje tekst. Jego rola wykracza poza generowanie kodu: obejmuje analizowanie projektu, podejmowanie decyzji na podstawie dowodów z narzędzi i prowadzenie zadania technicznego przez kolejne etapy.
Opis wydania przedstawia implementację, debugowanie, testowanie i inne prace w całym cyklu życia oprogramowania, w tym wymagania produktowe, dokumenty techniczne i analizę danych. W prośbie programistycznej podaj zachowanie do zaimplementowania, właściwe materiały projektu i ograniczenia, które trzeba zachować. Przykładowe zadanie to prześledzenie drogi od wejścia do wyniku, wskazanie występujących zależności i opracowanie skoordynowanej poprawki z wyjaśnieniem zachowania, którego dotyczy.
Praca nad frontendem może łączyć pisemny opis zadania ze zrzutami ekranu lub innymi materiałami wizualnymi. Wskaż istotną interakcję lub układ i oczekiwany rezultat dla użytkownika. W środowisku programistycznym zawartość plików, wyjście poleceń i wyniki kontroli stają się dowodami dla następnej decyzji. Aplikacja wykonuje narzędzia i zwraca rzeczywiste wyjście; model powinien odróżniać proponowaną zmianę od zmiany wykonanej i sprawdzonej w tym środowisku.
OpenAI określa okno kontekstu o wielkości 400 000 tokenów, maksymalny limit wejścia 272 000 tokenów i maksymalny limit wyjścia 128 000 tokenów, z datą graniczną wiedzy 31 sierpnia 2025 r. Model obsługuje poziomy nakładu na rozumowanie low, medium, high i xhigh. Dedykowany przewodnik pisania promptów zaleca medium jako praktyczny punkt wyjścia do interaktywnego programowania, a wyższy nakład do trudnych zadań. Udokumentowanym interfejsem jest Responses, ze strumieniowaniem, Structured Outputs, wywoływaniem funkcji, obrazami na wejściu, wyszukiwaniem w sieci i buforowaniem promptów. Dokładny zestaw narzędzi z karty modelu obejmuje functions, wyszukiwanie w sieci, hostowaną powłokę i umiejętności.
Dedykowany przewodnik Codex opisuje kompakcję jako wbudowaną funkcję dla długich ciągów działań. Gdy rozmowa rośnie, aplikacja może utworzyć skompaktowany kontekst zachowujący istotny wcześniejszy stan dla kolejnych żądań. Przewodnik wymaga również zachowania informacji o fazie wiadomości asystenta: pośrednie commentary i odpowiedź końcowa final pełnią różne role, a utrata tego rozróżnienia może powodować przedwczesne zatrzymanie lub pogorszenie działania. Komunikat o postępie powinien więc pozostać komunikatem o postępie, zamiast być traktowany jako wynik ukończonego zadania.
Opis wydania przedstawia korygowanie kierunku i interakcję z modelem podczas pracy w środowisku Codex. Dostarczaj korekty lub dodatkowe wymagania, jasno zachowując pierwotny cel i właściwe dowody. Opisuje również automatyczne monitorowanie i mechanizmy kontroli dla żądań uznanych za pracę w zakresie cyberbezpieczeństwa o podwyższonym ryzyku. Te mechanizmy producenta są odrębne od uprawnień i narzędzi udostępnianych przez konkretne środowisko pracy.
Określ, co powinno zawierać ukończone zadanie. Przy naprawie błędu podaj zaobserwowaną awarię i oczekiwane zachowanie, a następnie poproś o wskazanie zmienionych plików, istotnej zmiany i wyników faktycznie przeprowadzonych kontroli. Przy przeglądzie poproś o konkretne problemy powiązane z zamierzonym zachowaniem. Użyteczny wynik końcowy łączy proponowaną lub wykonaną pracę z pierwotną prośbą i wymienia uzyskane dowody oraz każdy konkretny krok, który nadal pozostaje nierozstrzygnięty.
", "aboutText": "GPT-5.3-Codex to model OpenAI wyspecjalizowany w programowaniu agentowym w Codex i podobnych środowiskach połączonych z narzędziami. Łączy programowanie z rozumowaniem i wiedzą zawodową, przyjmuje tekst i obrazy, a generuje tekst. Jego rola wykracza poza generowanie kodu: obejmuje analizowanie projektu, podejmowanie decyzji na podstawie dowodów z narzędzi i prowadzenie zadania technicznego przez kolejne etapy.\n\nOpis wydania przedstawia implementację, debugowanie, testowanie i inne prace w całym cyklu życia oprogramowania, w tym wymagania produktowe, dokumenty techniczne i analizę danych. W prośbie programistycznej podaj zachowanie do zaimplementowania, właściwe materiały projektu i ograniczenia, które trzeba zachować. Przykładowe zadanie to prześledzenie drogi od wejścia do wyniku, wskazanie występujących zależności i opracowanie skoordynowanej poprawki z wyjaśnieniem zachowania, którego dotyczy.\n\nPraca nad frontendem może łączyć pisemny opis zadania ze zrzutami ekranu lub innymi materiałami wizualnymi. Wskaż istotną interakcję lub układ i oczekiwany rezultat dla użytkownika. W środowisku programistycznym zawartość plików, wyjście poleceń i wyniki kontroli stają się dowodami dla następnej decyzji. Aplikacja wykonuje narzędzia i zwraca rzeczywiste wyjście; model powinien odróżniać proponowaną zmianę od zmiany wykonanej i sprawdzonej w tym środowisku.\n\nOpenAI określa okno kontekstu o wielkości 400 000 tokenów, maksymalny limit wejścia 272 000 tokenów i maksymalny limit wyjścia 128 000 tokenów, z datą graniczną wiedzy 31 sierpnia 2025 r. Model obsługuje poziomy nakładu na rozumowanie low, medium, high i xhigh. Dedykowany przewodnik pisania promptów zaleca medium jako praktyczny punkt wyjścia do interaktywnego programowania, a wyższy nakład do trudnych zadań. Udokumentowanym interfejsem jest Responses, ze strumieniowaniem, Structured Outputs, wywoływaniem funkcji, obrazami na wejściu, wyszukiwaniem w sieci i buforowaniem promptów. Dokładny zestaw narzędzi z karty modelu obejmuje functions, wyszukiwanie w sieci, hostowaną powłokę i umiejętności.\n\nDedykowany przewodnik Codex opisuje kompakcję jako wbudowaną funkcję dla długich ciągów działań. Gdy rozmowa rośnie, aplikacja może utworzyć skompaktowany kontekst zachowujący istotny wcześniejszy stan dla kolejnych żądań. Przewodnik wymaga również zachowania informacji o fazie wiadomości asystenta: pośrednie commentary i odpowiedź końcowa final pełnią różne role, a utrata tego rozróżnienia może powodować przedwczesne zatrzymanie lub pogorszenie działania. Komunikat o postępie powinien więc pozostać komunikatem o postępie, zamiast być traktowany jako wynik ukończonego zadania.\n\nOpis wydania przedstawia korygowanie kierunku i interakcję z modelem podczas pracy w środowisku Codex. Dostarczaj korekty lub dodatkowe wymagania, jasno zachowując pierwotny cel i właściwe dowody. Opisuje również automatyczne monitorowanie i mechanizmy kontroli dla żądań uznanych za pracę w zakresie cyberbezpieczeństwa o podwyższonym ryzyku. Te mechanizmy producenta są odrębne od uprawnień i narzędzi udostępnianych przez konkretne środowisko pracy.\n\nOkreśl, co powinno zawierać ukończone zadanie. Przy naprawie błędu podaj zaobserwowaną awarię i oczekiwane zachowanie, a następnie poproś o wskazanie zmienionych plików, istotnej zmiany i wyników faktycznie przeprowadzonych kontroli. Przy przeglądzie poproś o konkretne problemy powiązane z zamierzonym zachowaniem. Użyteczny wynik końcowy łączy proponowaną lub wykonaną pracę z pierwotną prośbą i wymienia uzyskane dowody oraz każdy konkretny krok, który nadal pozostaje nierozstrzygnięty.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Patch a parser and its caller\n\nPropose a coordinated patch for two Python excerpts. parser.py: def parse_line(line): return line.split(":"). runner.py: key, value = parse_line(line). A value may contain colons; blank lines must be skipped. For "title:a:b", preserve value "a:b". Return both changed excerpts and tests for a colon-bearing value, a blank line and a missing delimiter.Two focused code changes with a clear malformed-line contract and tests covering the three supplied cases.Check that the parser and caller agree on skipped and malformed lines and that value colons are preserved.gpt-5.3-codexModel wyspecjalizowany w Codex do programowania agentowego i długotrwałych zadań technicznych. Przyjmuje tekst i obrazy, pracuje z wynikami narzędzi i obsługuje kompakcję, aby zadanie mogło być kontynuowane poza jednym oknem kontekstu.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5.3-Codex to model OpenAI wyspecjalizowany w programowaniu agentowym w Codex i podobnych środowiskach połączonych z narzędziami. Łączy programowanie z rozumowaniem i wiedzą zawodową, przyjmuje tekst i obrazy, a generuje tekst. Jego rola wykracza poza generowanie kodu: obejmuje analizowanie projektu, podejmowanie decyzji na podstawie dowodów z narzędzi i prowadzenie zadania technicznego przez kolejne etapy.
Opis wydania przedstawia implementację, debugowanie, testowanie i inne prace w całym cyklu życia oprogramowania, w tym wymagania produktowe, dokumenty techniczne i analizę danych. W prośbie programistycznej podaj zachowanie do zaimplementowania, właściwe materiały projektu i ograniczenia, które trzeba zachować. Przykładowe zadanie to prześledzenie drogi od wejścia do wyniku, wskazanie występujących zależności i opracowanie skoordynowanej poprawki z wyjaśnieniem zachowania, którego dotyczy.
Praca nad frontendem może łączyć pisemny opis zadania ze zrzutami ekranu lub innymi materiałami wizualnymi. Wskaż istotną interakcję lub układ i oczekiwany rezultat dla użytkownika. W środowisku programistycznym zawartość plików, wyjście poleceń i wyniki kontroli stają się dowodami dla następnej decyzji. Aplikacja wykonuje narzędzia i zwraca rzeczywiste wyjście; model powinien odróżniać proponowaną zmianę od zmiany wykonanej i sprawdzonej w tym środowisku.
OpenAI określa okno kontekstu o wielkości 400 000 tokenów, maksymalny limit wejścia 272 000 tokenów i maksymalny limit wyjścia 128 000 tokenów, z datą graniczną wiedzy 31 sierpnia 2025 r. Model obsługuje poziomy nakładu na rozumowanie low, medium, high i xhigh. Dedykowany przewodnik pisania promptów zaleca medium jako praktyczny punkt wyjścia do interaktywnego programowania, a wyższy nakład do trudnych zadań. Udokumentowanym interfejsem jest Responses, ze strumieniowaniem, Structured Outputs, wywoływaniem funkcji, obrazami na wejściu, wyszukiwaniem w sieci i buforowaniem promptów. Dokładny zestaw narzędzi z karty modelu obejmuje functions, wyszukiwanie w sieci, hostowaną powłokę i umiejętności.
Dedykowany przewodnik Codex opisuje kompakcję jako wbudowaną funkcję dla długich ciągów działań. Gdy rozmowa rośnie, aplikacja może utworzyć skompaktowany kontekst zachowujący istotny wcześniejszy stan dla kolejnych żądań. Przewodnik wymaga również zachowania informacji o fazie wiadomości asystenta: pośrednie commentary i odpowiedź końcowa final pełnią różne role, a utrata tego rozróżnienia może powodować przedwczesne zatrzymanie lub pogorszenie działania. Komunikat o postępie powinien więc pozostać komunikatem o postępie, zamiast być traktowany jako wynik ukończonego zadania.
Opis wydania przedstawia korygowanie kierunku i interakcję z modelem podczas pracy w środowisku Codex. Dostarczaj korekty lub dodatkowe wymagania, jasno zachowując pierwotny cel i właściwe dowody. Opisuje również automatyczne monitorowanie i mechanizmy kontroli dla żądań uznanych za pracę w zakresie cyberbezpieczeństwa o podwyższonym ryzyku. Te mechanizmy producenta są odrębne od uprawnień i narzędzi udostępnianych przez konkretne środowisko pracy.
Określ, co powinno zawierać ukończone zadanie. Przy naprawie błędu podaj zaobserwowaną awarię i oczekiwane zachowanie, a następnie poproś o wskazanie zmienionych plików, istotnej zmiany i wyników faktycznie przeprowadzonych kontroli. Przy przeglądzie poproś o konkretne problemy powiązane z zamierzonym zachowaniem. Użyteczny wynik końcowy łączy proponowaną lub wykonaną pracę z pierwotną prośbą i wymienia uzyskane dowody oraz każdy konkretny krok, który nadal pozostaje nierozstrzygnięty.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-5.3-codex | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Rozmowa tekstowa | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
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 |
Parametrcontrol_scope | KontraktRozmowa tekstowa; stream jest wartością logiczną i domyślnie wynosi false. |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Aliasy metody: /chat/completions
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.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0035 / 1K tokenów Wyjście · Tokeny wyjściowe $0.028 / 1K tokenów Wejście · Odczyt cache $0.00035 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0035 / 1K tokenów Wyjście · Tokeny wyjściowe $0.028 / 1K tokenów Wejście · Odczyt cache $0.00035 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.3-codex","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.3-codex", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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-5.3-codex, openai/gpt-5.3-codex
/chat/completions
gpt-5.3-codexModel wyspecjalizowany w Codex do programowania agentowego i długotrwałych zadań technicznych. Przyjmuje tekst i obrazy, pracuje z wynikami narzędzi i obsługuje kompakcję, aby zadanie mogło być kontynuowane poza jednym oknem kontekstu.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5.3-Codex to model OpenAI wyspecjalizowany w programowaniu agentowym w Codex i podobnych środowiskach połączonych z narzędziami. Łączy programowanie z rozumowaniem i wiedzą zawodową, przyjmuje tekst i obrazy, a generuje tekst. Jego rola wykracza poza generowanie kodu: obejmuje analizowanie projektu, podejmowanie decyzji na podstawie dowodów z narzędzi i prowadzenie zadania technicznego przez kolejne etapy.
Opis wydania przedstawia implementację, debugowanie, testowanie i inne prace w całym cyklu życia oprogramowania, w tym wymagania produktowe, dokumenty techniczne i analizę danych. W prośbie programistycznej podaj zachowanie do zaimplementowania, właściwe materiały projektu i ograniczenia, które trzeba zachować. Przykładowe zadanie to prześledzenie drogi od wejścia do wyniku, wskazanie występujących zależności i opracowanie skoordynowanej poprawki z wyjaśnieniem zachowania, którego dotyczy.
Praca nad frontendem może łączyć pisemny opis zadania ze zrzutami ekranu lub innymi materiałami wizualnymi. Wskaż istotną interakcję lub układ i oczekiwany rezultat dla użytkownika. W środowisku programistycznym zawartość plików, wyjście poleceń i wyniki kontroli stają się dowodami dla następnej decyzji. Aplikacja wykonuje narzędzia i zwraca rzeczywiste wyjście; model powinien odróżniać proponowaną zmianę od zmiany wykonanej i sprawdzonej w tym środowisku.
OpenAI określa okno kontekstu o wielkości 400 000 tokenów, maksymalny limit wejścia 272 000 tokenów i maksymalny limit wyjścia 128 000 tokenów, z datą graniczną wiedzy 31 sierpnia 2025 r. Model obsługuje poziomy nakładu na rozumowanie low, medium, high i xhigh. Dedykowany przewodnik pisania promptów zaleca medium jako praktyczny punkt wyjścia do interaktywnego programowania, a wyższy nakład do trudnych zadań. Udokumentowanym interfejsem jest Responses, ze strumieniowaniem, Structured Outputs, wywoływaniem funkcji, obrazami na wejściu, wyszukiwaniem w sieci i buforowaniem promptów. Dokładny zestaw narzędzi z karty modelu obejmuje functions, wyszukiwanie w sieci, hostowaną powłokę i umiejętności.
Dedykowany przewodnik Codex opisuje kompakcję jako wbudowaną funkcję dla długich ciągów działań. Gdy rozmowa rośnie, aplikacja może utworzyć skompaktowany kontekst zachowujący istotny wcześniejszy stan dla kolejnych żądań. Przewodnik wymaga również zachowania informacji o fazie wiadomości asystenta: pośrednie commentary i odpowiedź końcowa final pełnią różne role, a utrata tego rozróżnienia może powodować przedwczesne zatrzymanie lub pogorszenie działania. Komunikat o postępie powinien więc pozostać komunikatem o postępie, zamiast być traktowany jako wynik ukończonego zadania.
Opis wydania przedstawia korygowanie kierunku i interakcję z modelem podczas pracy w środowisku Codex. Dostarczaj korekty lub dodatkowe wymagania, jasno zachowując pierwotny cel i właściwe dowody. Opisuje również automatyczne monitorowanie i mechanizmy kontroli dla żądań uznanych za pracę w zakresie cyberbezpieczeństwa o podwyższonym ryzyku. Te mechanizmy producenta są odrębne od uprawnień i narzędzi udostępnianych przez konkretne środowisko pracy.
Określ, co powinno zawierać ukończone zadanie. Przy naprawie błędu podaj zaobserwowaną awarię i oczekiwane zachowanie, a następnie poproś o wskazanie zmienionych plików, istotnej zmiany i wyników faktycznie przeprowadzonych kontroli. Przy przeglądzie poproś o konkretne problemy powiązane z zamierzonym zachowaniem. Użyteczny wynik końcowy łączy proponowaną lub wykonaną pracę z pierwotną prośbą i wymienia uzyskane dowody oraz każdy konkretny krok, który nadal pozostaje nierozstrzygnięty.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-5.3-codex | 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.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0035 / 1K tokenów Wyjście · Tokeny wyjściowe $0.028 / 1K tokenów Wejście · Odczyt cache $0.00035 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0035 / 1K tokenów Wyjście · Tokeny wyjściowe $0.028 / 1K tokenów Wejście · Odczyt cache $0.00035 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gpt-5.3-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-5.3-codex, openai/gpt-5.3-codex
/chat/completions
openai/gpt-5.3-codexModel wyspecjalizowany w Codex do programowania agentowego i długotrwałych zadań technicznych. Przyjmuje tekst i obrazy, pracuje z wynikami narzędzi i obsługuje kompakcję, aby zadanie mogło być kontynuowane poza jednym oknem kontekstu.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5.3-Codex to model OpenAI wyspecjalizowany w programowaniu agentowym w Codex i podobnych środowiskach połączonych z narzędziami. Łączy programowanie z rozumowaniem i wiedzą zawodową, przyjmuje tekst i obrazy, a generuje tekst. Jego rola wykracza poza generowanie kodu: obejmuje analizowanie projektu, podejmowanie decyzji na podstawie dowodów z narzędzi i prowadzenie zadania technicznego przez kolejne etapy.
Opis wydania przedstawia implementację, debugowanie, testowanie i inne prace w całym cyklu życia oprogramowania, w tym wymagania produktowe, dokumenty techniczne i analizę danych. W prośbie programistycznej podaj zachowanie do zaimplementowania, właściwe materiały projektu i ograniczenia, które trzeba zachować. Przykładowe zadanie to prześledzenie drogi od wejścia do wyniku, wskazanie występujących zależności i opracowanie skoordynowanej poprawki z wyjaśnieniem zachowania, którego dotyczy.
Praca nad frontendem może łączyć pisemny opis zadania ze zrzutami ekranu lub innymi materiałami wizualnymi. Wskaż istotną interakcję lub układ i oczekiwany rezultat dla użytkownika. W środowisku programistycznym zawartość plików, wyjście poleceń i wyniki kontroli stają się dowodami dla następnej decyzji. Aplikacja wykonuje narzędzia i zwraca rzeczywiste wyjście; model powinien odróżniać proponowaną zmianę od zmiany wykonanej i sprawdzonej w tym środowisku.
OpenAI określa okno kontekstu o wielkości 400 000 tokenów, maksymalny limit wejścia 272 000 tokenów i maksymalny limit wyjścia 128 000 tokenów, z datą graniczną wiedzy 31 sierpnia 2025 r. Model obsługuje poziomy nakładu na rozumowanie low, medium, high i xhigh. Dedykowany przewodnik pisania promptów zaleca medium jako praktyczny punkt wyjścia do interaktywnego programowania, a wyższy nakład do trudnych zadań. Udokumentowanym interfejsem jest Responses, ze strumieniowaniem, Structured Outputs, wywoływaniem funkcji, obrazami na wejściu, wyszukiwaniem w sieci i buforowaniem promptów. Dokładny zestaw narzędzi z karty modelu obejmuje functions, wyszukiwanie w sieci, hostowaną powłokę i umiejętności.
Dedykowany przewodnik Codex opisuje kompakcję jako wbudowaną funkcję dla długich ciągów działań. Gdy rozmowa rośnie, aplikacja może utworzyć skompaktowany kontekst zachowujący istotny wcześniejszy stan dla kolejnych żądań. Przewodnik wymaga również zachowania informacji o fazie wiadomości asystenta: pośrednie commentary i odpowiedź końcowa final pełnią różne role, a utrata tego rozróżnienia może powodować przedwczesne zatrzymanie lub pogorszenie działania. Komunikat o postępie powinien więc pozostać komunikatem o postępie, zamiast być traktowany jako wynik ukończonego zadania.
Opis wydania przedstawia korygowanie kierunku i interakcję z modelem podczas pracy w środowisku Codex. Dostarczaj korekty lub dodatkowe wymagania, jasno zachowując pierwotny cel i właściwe dowody. Opisuje również automatyczne monitorowanie i mechanizmy kontroli dla żądań uznanych za pracę w zakresie cyberbezpieczeństwa o podwyższonym ryzyku. Te mechanizmy producenta są odrębne od uprawnień i narzędzi udostępnianych przez konkretne środowisko pracy.
Określ, co powinno zawierać ukończone zadanie. Przy naprawie błędu podaj zaobserwowaną awarię i oczekiwane zachowanie, a następnie poproś o wskazanie zmienionych plików, istotnej zmiany i wyników faktycznie przeprowadzonych kontroli. Przy przeglądzie poproś o konkretne problemy powiązane z zamierzonym zachowaniem. Użyteczny wynik końcowy łączy proponowaną lub wykonaną pracę z pierwotną prośbą i wymienia uzyskane dowody oraz każdy konkretny krok, który nadal pozostaje nierozstrzygnięty.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity openai/gpt-5.3-codex | 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.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0035 / 1K tokenów Wyjście · Tokeny wyjściowe $0.028 / 1K tokenów Wejście · Odczyt cache $0.00035 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0035 / 1K tokenów Wyjście · Tokeny wyjściowe $0.028 / 1K tokenów Wejście · Odczyt cache $0.00035 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.3-codex", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.3-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.3-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-5.3-codex, openai/gpt-5.3-codex
/chat/completions
openai/gpt-5.3-codexModel wyspecjalizowany w Codex do programowania agentowego i długotrwałych zadań technicznych. Przyjmuje tekst i obrazy, pracuje z wynikami narzędzi i obsługuje kompakcję, aby zadanie mogło być kontynuowane poza jednym oknem kontekstu.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5.3-Codex to model OpenAI wyspecjalizowany w programowaniu agentowym w Codex i podobnych środowiskach połączonych z narzędziami. Łączy programowanie z rozumowaniem i wiedzą zawodową, przyjmuje tekst i obrazy, a generuje tekst. Jego rola wykracza poza generowanie kodu: obejmuje analizowanie projektu, podejmowanie decyzji na podstawie dowodów z narzędzi i prowadzenie zadania technicznego przez kolejne etapy.
Opis wydania przedstawia implementację, debugowanie, testowanie i inne prace w całym cyklu życia oprogramowania, w tym wymagania produktowe, dokumenty techniczne i analizę danych. W prośbie programistycznej podaj zachowanie do zaimplementowania, właściwe materiały projektu i ograniczenia, które trzeba zachować. Przykładowe zadanie to prześledzenie drogi od wejścia do wyniku, wskazanie występujących zależności i opracowanie skoordynowanej poprawki z wyjaśnieniem zachowania, którego dotyczy.
Praca nad frontendem może łączyć pisemny opis zadania ze zrzutami ekranu lub innymi materiałami wizualnymi. Wskaż istotną interakcję lub układ i oczekiwany rezultat dla użytkownika. W środowisku programistycznym zawartość plików, wyjście poleceń i wyniki kontroli stają się dowodami dla następnej decyzji. Aplikacja wykonuje narzędzia i zwraca rzeczywiste wyjście; model powinien odróżniać proponowaną zmianę od zmiany wykonanej i sprawdzonej w tym środowisku.
OpenAI określa okno kontekstu o wielkości 400 000 tokenów, maksymalny limit wejścia 272 000 tokenów i maksymalny limit wyjścia 128 000 tokenów, z datą graniczną wiedzy 31 sierpnia 2025 r. Model obsługuje poziomy nakładu na rozumowanie low, medium, high i xhigh. Dedykowany przewodnik pisania promptów zaleca medium jako praktyczny punkt wyjścia do interaktywnego programowania, a wyższy nakład do trudnych zadań. Udokumentowanym interfejsem jest Responses, ze strumieniowaniem, Structured Outputs, wywoływaniem funkcji, obrazami na wejściu, wyszukiwaniem w sieci i buforowaniem promptów. Dokładny zestaw narzędzi z karty modelu obejmuje functions, wyszukiwanie w sieci, hostowaną powłokę i umiejętności.
Dedykowany przewodnik Codex opisuje kompakcję jako wbudowaną funkcję dla długich ciągów działań. Gdy rozmowa rośnie, aplikacja może utworzyć skompaktowany kontekst zachowujący istotny wcześniejszy stan dla kolejnych żądań. Przewodnik wymaga również zachowania informacji o fazie wiadomości asystenta: pośrednie commentary i odpowiedź końcowa final pełnią różne role, a utrata tego rozróżnienia może powodować przedwczesne zatrzymanie lub pogorszenie działania. Komunikat o postępie powinien więc pozostać komunikatem o postępie, zamiast być traktowany jako wynik ukończonego zadania.
Opis wydania przedstawia korygowanie kierunku i interakcję z modelem podczas pracy w środowisku Codex. Dostarczaj korekty lub dodatkowe wymagania, jasno zachowując pierwotny cel i właściwe dowody. Opisuje również automatyczne monitorowanie i mechanizmy kontroli dla żądań uznanych za pracę w zakresie cyberbezpieczeństwa o podwyższonym ryzyku. Te mechanizmy producenta są odrębne od uprawnień i narzędzi udostępnianych przez konkretne środowisko pracy.
Określ, co powinno zawierać ukończone zadanie. Przy naprawie błędu podaj zaobserwowaną awarię i oczekiwane zachowanie, a następnie poproś o wskazanie zmienionych plików, istotnej zmiany i wyników faktycznie przeprowadzonych kontroli. Przy przeglądzie poproś o konkretne problemy powiązane z zamierzonym zachowaniem. Użyteczny wynik końcowy łączy proponowaną lub wykonaną pracę z pierwotną prośbą i wymienia uzyskane dowody oraz każdy konkretny krok, który nadal pozostaje nierozstrzygnięty.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity openai/gpt-5.3-codex | 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.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0035 / 1K tokenów Wyjście · Tokeny wyjściowe $0.028 / 1K tokenów Wejście · Odczyt cache $0.00035 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0035 / 1K tokenów Wyjście · Tokeny wyjściowe $0.028 / 1K tokenów Wejście · Odczyt cache $0.00035 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "openai/gpt-5.3-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.3-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-5.3-codex, openai/gpt-5.3-codex
/chat/completions
Przykład techniczny po angielsku
Patch a parser and its caller\n\nPropose a coordinated patch for two Python excerpts. parser.py: def parse_line(line): return line.split(":"). runner.py: key, value = parse_line(line). A value may contain colons; blank lines must be skipped. For "title:a:b", preserve value "a:b". Return both changed excerpts and tests for a colon-bearing value, a blank line and a missing delimiter.Two focused code changes with a clear malformed-line contract and tests covering the three supplied cases.Check that the parser and caller agree on skipped and malformed lines and that value colons are preserved.