GPT-5.4 nano to kompaktowy model OpenAI klasy GPT-5.4 do prostych zadań wykonywanych na dużą skalę. Producent podkreśla klasyfikację, wydobywanie danych, tworzenie rankingów i pracę pomocniczych subagentów. Przyjmuje tekst i obrazy, a generuje tekst. Daje to nano określoną rolę w większym procesie: ukończyć zdefiniowaną operację i zwrócić informacje potrzebne w następnym kroku.
Przy klasyfikacji podaj dozwolone kategorie, regułę ich rozdzielania i oczekiwany format wyniku. Przykładowym zadaniem jest rozpoznanie tematu prośby i faktów uzasadniających kategorię. Dodaj przykłady, gdy wyjaśniają trudną granicę, i określ sposób przedstawiania prośby, która nie pasuje do dostępnych kategorii. Użyteczny wynik to kategoria wraz z krótkim uzasadnieniem powiązanym z dostarczonym materiałem.
Przy wydobywaniu danych określ pola i ich definicje, zamiast pytać o każdy potencjalnie interesujący szczegół. Możesz dostarczyć tekst lub obraz strony i wskazać wymagane wartości. Zachowuj nazwy i jednostki wpływające na znaczenie oraz odróżniaj brakujące pole od wartości wywnioskowanej z otaczającego tekstu. Dla rankingu dostarcz elementy do uporządkowania i kryterium, a następnie poproś o uporządkowaną listę z odpowiednimi dowodami dla każdej pozycji.
Specyfikacja GPT-5.4 nano firmy OpenAI podaje 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. Obsługuje poziomy nakładu na rozumowanie none, low, medium, high i xhigh; domyślne jest none. Wybrany nakład i zamówiona długość odpowiedzi powinny odpowiadać zadaniu. Gdy używane jest rozumowanie, zostaw miejsce na analizę i widoczny wynik.
Producent dokumentuje interfejsy Responses, Chat Completions i Batch oraz strumieniowanie, Structured Outputs, wywoływanie funkcji, wyszukiwanie w sieci i plikach, pliki i obrazy na wejściu oraz buforowanie promptów. Zestaw narzędzi obejmuje generowanie obrazów, wykonywanie kodu, hostowane operacje powłoki i stosowania poprawek, umiejętności i połączenia MCP. Aplikacja udostępnia swoje operacje i zwraca ich rzeczywiste wyniki. Uporządkowana odpowiedź opisuje formę wyjścia; żądanie funkcji opisuje działanie do wykonania przez narzędzie.
W procesie wieloetapowym powierz nano ograniczone zadanie pomocnicze i jasne kryterium zakończenia. Na przykład wydobądź wymagane fakty z kilku wiadomości, a następnie przekaż je do kolejnego etapu, który podejmie szerszą decyzję. Sprawdź zwrócone pola względem oryginalnego wejścia i doprecyzuj regułę, gdy granica kategorii jest niejasna. Zwięzła kategoria, zestaw wartości, lista rankingowa lub proponowane argumenty narzędzia stanowią użyteczny wynik końcowy, gdy ich cel i dowody źródłowe pozostają jednoznaczne.
", "aboutText": "GPT-5.4 nano to kompaktowy model OpenAI klasy GPT-5.4 do prostych zadań wykonywanych na dużą skalę. Producent podkreśla klasyfikację, wydobywanie danych, tworzenie rankingów i pracę pomocniczych subagentów. Przyjmuje tekst i obrazy, a generuje tekst. Daje to nano określoną rolę w większym procesie: ukończyć zdefiniowaną operację i zwrócić informacje potrzebne w następnym kroku.\n\nPrzy klasyfikacji podaj dozwolone kategorie, regułę ich rozdzielania i oczekiwany format wyniku. Przykładowym zadaniem jest rozpoznanie tematu prośby i faktów uzasadniających kategorię. Dodaj przykłady, gdy wyjaśniają trudną granicę, i określ sposób przedstawiania prośby, która nie pasuje do dostępnych kategorii. Użyteczny wynik to kategoria wraz z krótkim uzasadnieniem powiązanym z dostarczonym materiałem.\n\nPrzy wydobywaniu danych określ pola i ich definicje, zamiast pytać o każdy potencjalnie interesujący szczegół. Możesz dostarczyć tekst lub obraz strony i wskazać wymagane wartości. Zachowuj nazwy i jednostki wpływające na znaczenie oraz odróżniaj brakujące pole od wartości wywnioskowanej z otaczającego tekstu. Dla rankingu dostarcz elementy do uporządkowania i kryterium, a następnie poproś o uporządkowaną listę z odpowiednimi dowodami dla każdej pozycji.\n\nSpecyfikacja GPT-5.4 nano firmy OpenAI podaje 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. Obsługuje poziomy nakładu na rozumowanie none, low, medium, high i xhigh; domyślne jest none. Wybrany nakład i zamówiona długość odpowiedzi powinny odpowiadać zadaniu. Gdy używane jest rozumowanie, zostaw miejsce na analizę i widoczny wynik.\n\nProducent dokumentuje interfejsy Responses, Chat Completions i Batch oraz strumieniowanie, Structured Outputs, wywoływanie funkcji, wyszukiwanie w sieci i plikach, pliki i obrazy na wejściu oraz buforowanie promptów. Zestaw narzędzi obejmuje generowanie obrazów, wykonywanie kodu, hostowane operacje powłoki i stosowania poprawek, umiejętności i połączenia MCP. Aplikacja udostępnia swoje operacje i zwraca ich rzeczywiste wyniki. Uporządkowana odpowiedź opisuje formę wyjścia; żądanie funkcji opisuje działanie do wykonania przez narzędzie.\n\nW procesie wieloetapowym powierz nano ograniczone zadanie pomocnicze i jasne kryterium zakończenia. Na przykład wydobądź wymagane fakty z kilku wiadomości, a następnie przekaż je do kolejnego etapu, który podejmie szerszą decyzję. Sprawdź zwrócone pola względem oryginalnego wejścia i doprecyzuj regułę, gdy granica kategorii jest niejasna. Zwięzła kategoria, zestaw wartości, lista rankingowa lub proponowane argumenty narzędzia stanowią użyteczny wynik końcowy, gdy ich cel i dowody źródłowe pozostają jednoznaczne.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Extract facts from a delivery request\n\nExtract only the required facts from this message: 'Order K92 arrived with one cracked cup out of six. Please replace that cup; weekday delivery is best. I have not sent a photograph yet.' Return order_reference, affected_quantity, total_quantity, requested_action and missing_evidence. Keep quantities numeric and do not infer a delivery address or replacement approval.A compact extraction record containing the five requested fields, with no unrelated summary.The record separates one affected cup from six total cups and marks the photograph as not yet supplied.gpt-5.4-nanoKompaktowy model GPT-5.4 do klasyfikacji, wydobywania danych, tworzenia rankingów i prostszych zadań wspierających agentów. Przyjmuje tekst i obrazy, a zwraca tekst, ze Structured Outputs i wywoływaniem funkcji w zestawie możliwości udokumentowanym przez producenta.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5.4 nano to kompaktowy model OpenAI klasy GPT-5.4 do prostych zadań wykonywanych na dużą skalę. Producent podkreśla klasyfikację, wydobywanie danych, tworzenie rankingów i pracę pomocniczych subagentów. Przyjmuje tekst i obrazy, a generuje tekst. Daje to nano określoną rolę w większym procesie: ukończyć zdefiniowaną operację i zwrócić informacje potrzebne w następnym kroku.
Przy klasyfikacji podaj dozwolone kategorie, regułę ich rozdzielania i oczekiwany format wyniku. Przykładowym zadaniem jest rozpoznanie tematu prośby i faktów uzasadniających kategorię. Dodaj przykłady, gdy wyjaśniają trudną granicę, i określ sposób przedstawiania prośby, która nie pasuje do dostępnych kategorii. Użyteczny wynik to kategoria wraz z krótkim uzasadnieniem powiązanym z dostarczonym materiałem.
Przy wydobywaniu danych określ pola i ich definicje, zamiast pytać o każdy potencjalnie interesujący szczegół. Możesz dostarczyć tekst lub obraz strony i wskazać wymagane wartości. Zachowuj nazwy i jednostki wpływające na znaczenie oraz odróżniaj brakujące pole od wartości wywnioskowanej z otaczającego tekstu. Dla rankingu dostarcz elementy do uporządkowania i kryterium, a następnie poproś o uporządkowaną listę z odpowiednimi dowodami dla każdej pozycji.
Specyfikacja GPT-5.4 nano firmy OpenAI podaje 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. Obsługuje poziomy nakładu na rozumowanie none, low, medium, high i xhigh; domyślne jest none. Wybrany nakład i zamówiona długość odpowiedzi powinny odpowiadać zadaniu. Gdy używane jest rozumowanie, zostaw miejsce na analizę i widoczny wynik.
Producent dokumentuje interfejsy Responses, Chat Completions i Batch oraz strumieniowanie, Structured Outputs, wywoływanie funkcji, wyszukiwanie w sieci i plikach, pliki i obrazy na wejściu oraz buforowanie promptów. Zestaw narzędzi obejmuje generowanie obrazów, wykonywanie kodu, hostowane operacje powłoki i stosowania poprawek, umiejętności i połączenia MCP. Aplikacja udostępnia swoje operacje i zwraca ich rzeczywiste wyniki. Uporządkowana odpowiedź opisuje formę wyjścia; żądanie funkcji opisuje działanie do wykonania przez narzędzie.
W procesie wieloetapowym powierz nano ograniczone zadanie pomocnicze i jasne kryterium zakończenia. Na przykład wydobądź wymagane fakty z kilku wiadomości, a następnie przekaż je do kolejnego etapu, który podejmie szerszą decyzję. Sprawdź zwrócone pola względem oryginalnego wejścia i doprecyzuj regułę, gdy granica kategorii jest niejasna. Zwięzła kategoria, zestaw wartości, lista rankingowa lub proponowane argumenty narzędzia stanowią użyteczny wynik końcowy, gdy ich cel i dowody źródłowe pozostają jednoznaczne.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-5.4-nano | 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 $0.0004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0025 / 1K tokenów Wejście · Odczyt cache $0.00004 / 1K tokenów Wejście · Zapis do cache $0 / 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 $0.0004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0025 / 1K tokenów Wejście · Odczyt cache $0.00004 / 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-5.4-nano","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-5.4-nano", 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-5.4-nano, openai/gpt-5.4-nano
/chat/completions
gpt-5.4-nanoKompaktowy model GPT-5.4 do klasyfikacji, wydobywania danych, tworzenia rankingów i prostszych zadań wspierających agentów. Przyjmuje tekst i obrazy, a zwraca tekst, ze Structured Outputs i wywoływaniem funkcji w zestawie możliwości udokumentowanym przez producenta.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5.4 nano to kompaktowy model OpenAI klasy GPT-5.4 do prostych zadań wykonywanych na dużą skalę. Producent podkreśla klasyfikację, wydobywanie danych, tworzenie rankingów i pracę pomocniczych subagentów. Przyjmuje tekst i obrazy, a generuje tekst. Daje to nano określoną rolę w większym procesie: ukończyć zdefiniowaną operację i zwrócić informacje potrzebne w następnym kroku.
Przy klasyfikacji podaj dozwolone kategorie, regułę ich rozdzielania i oczekiwany format wyniku. Przykładowym zadaniem jest rozpoznanie tematu prośby i faktów uzasadniających kategorię. Dodaj przykłady, gdy wyjaśniają trudną granicę, i określ sposób przedstawiania prośby, która nie pasuje do dostępnych kategorii. Użyteczny wynik to kategoria wraz z krótkim uzasadnieniem powiązanym z dostarczonym materiałem.
Przy wydobywaniu danych określ pola i ich definicje, zamiast pytać o każdy potencjalnie interesujący szczegół. Możesz dostarczyć tekst lub obraz strony i wskazać wymagane wartości. Zachowuj nazwy i jednostki wpływające na znaczenie oraz odróżniaj brakujące pole od wartości wywnioskowanej z otaczającego tekstu. Dla rankingu dostarcz elementy do uporządkowania i kryterium, a następnie poproś o uporządkowaną listę z odpowiednimi dowodami dla każdej pozycji.
Specyfikacja GPT-5.4 nano firmy OpenAI podaje 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. Obsługuje poziomy nakładu na rozumowanie none, low, medium, high i xhigh; domyślne jest none. Wybrany nakład i zamówiona długość odpowiedzi powinny odpowiadać zadaniu. Gdy używane jest rozumowanie, zostaw miejsce na analizę i widoczny wynik.
Producent dokumentuje interfejsy Responses, Chat Completions i Batch oraz strumieniowanie, Structured Outputs, wywoływanie funkcji, wyszukiwanie w sieci i plikach, pliki i obrazy na wejściu oraz buforowanie promptów. Zestaw narzędzi obejmuje generowanie obrazów, wykonywanie kodu, hostowane operacje powłoki i stosowania poprawek, umiejętności i połączenia MCP. Aplikacja udostępnia swoje operacje i zwraca ich rzeczywiste wyniki. Uporządkowana odpowiedź opisuje formę wyjścia; żądanie funkcji opisuje działanie do wykonania przez narzędzie.
W procesie wieloetapowym powierz nano ograniczone zadanie pomocnicze i jasne kryterium zakończenia. Na przykład wydobądź wymagane fakty z kilku wiadomości, a następnie przekaż je do kolejnego etapu, który podejmie szerszą decyzję. Sprawdź zwrócone pola względem oryginalnego wejścia i doprecyzuj regułę, gdy granica kategorii jest niejasna. Zwięzła kategoria, zestaw wartości, lista rankingowa lub proponowane argumenty narzędzia stanowią użyteczny wynik końcowy, gdy ich cel i dowody źródłowe pozostają jednoznaczne.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gpt-5.4-nano | 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 $0.0004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0025 / 1K tokenów Wejście · Odczyt cache $0.00004 / 1K tokenów Wejście · Zapis do cache $0 / 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 $0.0004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0025 / 1K tokenów Wejście · Odczyt cache $0.00004 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gpt-5.4-nano",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.4-nano', '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-5.4-nano', '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-5.4-nano, openai/gpt-5.4-nano
/chat/completions
openai/gpt-5.4-nanoKompaktowy model GPT-5.4 do klasyfikacji, wydobywania danych, tworzenia rankingów i prostszych zadań wspierających agentów. Przyjmuje tekst i obrazy, a zwraca tekst, ze Structured Outputs i wywoływaniem funkcji w zestawie możliwości udokumentowanym przez producenta.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5.4 nano to kompaktowy model OpenAI klasy GPT-5.4 do prostych zadań wykonywanych na dużą skalę. Producent podkreśla klasyfikację, wydobywanie danych, tworzenie rankingów i pracę pomocniczych subagentów. Przyjmuje tekst i obrazy, a generuje tekst. Daje to nano określoną rolę w większym procesie: ukończyć zdefiniowaną operację i zwrócić informacje potrzebne w następnym kroku.
Przy klasyfikacji podaj dozwolone kategorie, regułę ich rozdzielania i oczekiwany format wyniku. Przykładowym zadaniem jest rozpoznanie tematu prośby i faktów uzasadniających kategorię. Dodaj przykłady, gdy wyjaśniają trudną granicę, i określ sposób przedstawiania prośby, która nie pasuje do dostępnych kategorii. Użyteczny wynik to kategoria wraz z krótkim uzasadnieniem powiązanym z dostarczonym materiałem.
Przy wydobywaniu danych określ pola i ich definicje, zamiast pytać o każdy potencjalnie interesujący szczegół. Możesz dostarczyć tekst lub obraz strony i wskazać wymagane wartości. Zachowuj nazwy i jednostki wpływające na znaczenie oraz odróżniaj brakujące pole od wartości wywnioskowanej z otaczającego tekstu. Dla rankingu dostarcz elementy do uporządkowania i kryterium, a następnie poproś o uporządkowaną listę z odpowiednimi dowodami dla każdej pozycji.
Specyfikacja GPT-5.4 nano firmy OpenAI podaje 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. Obsługuje poziomy nakładu na rozumowanie none, low, medium, high i xhigh; domyślne jest none. Wybrany nakład i zamówiona długość odpowiedzi powinny odpowiadać zadaniu. Gdy używane jest rozumowanie, zostaw miejsce na analizę i widoczny wynik.
Producent dokumentuje interfejsy Responses, Chat Completions i Batch oraz strumieniowanie, Structured Outputs, wywoływanie funkcji, wyszukiwanie w sieci i plikach, pliki i obrazy na wejściu oraz buforowanie promptów. Zestaw narzędzi obejmuje generowanie obrazów, wykonywanie kodu, hostowane operacje powłoki i stosowania poprawek, umiejętności i połączenia MCP. Aplikacja udostępnia swoje operacje i zwraca ich rzeczywiste wyniki. Uporządkowana odpowiedź opisuje formę wyjścia; żądanie funkcji opisuje działanie do wykonania przez narzędzie.
W procesie wieloetapowym powierz nano ograniczone zadanie pomocnicze i jasne kryterium zakończenia. Na przykład wydobądź wymagane fakty z kilku wiadomości, a następnie przekaż je do kolejnego etapu, który podejmie szerszą decyzję. Sprawdź zwrócone pola względem oryginalnego wejścia i doprecyzuj regułę, gdy granica kategorii jest niejasna. Zwięzła kategoria, zestaw wartości, lista rankingowa lub proponowane argumenty narzędzia stanowią użyteczny wynik końcowy, gdy ich cel i dowody źródłowe pozostają jednoznaczne.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity openai/gpt-5.4-nano | 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 $0.0004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0025 / 1K tokenów Wejście · Odczyt cache $0.00004 / 1K tokenów Wejście · Zapis do cache $0 / 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 $0.0004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0025 / 1K tokenów Wejście · Odczyt cache $0.00004 / 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": "openai/gpt-5.4-nano", "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-5.4-nano',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-5.4-nano',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-5.4-nano, openai/gpt-5.4-nano
/chat/completions
openai/gpt-5.4-nanoKompaktowy model GPT-5.4 do klasyfikacji, wydobywania danych, tworzenia rankingów i prostszych zadań wspierających agentów. Przyjmuje tekst i obrazy, a zwraca tekst, ze Structured Outputs i wywoływaniem funkcji w zestawie możliwości udokumentowanym przez producenta.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GPT-5.4 nano to kompaktowy model OpenAI klasy GPT-5.4 do prostych zadań wykonywanych na dużą skalę. Producent podkreśla klasyfikację, wydobywanie danych, tworzenie rankingów i pracę pomocniczych subagentów. Przyjmuje tekst i obrazy, a generuje tekst. Daje to nano określoną rolę w większym procesie: ukończyć zdefiniowaną operację i zwrócić informacje potrzebne w następnym kroku.
Przy klasyfikacji podaj dozwolone kategorie, regułę ich rozdzielania i oczekiwany format wyniku. Przykładowym zadaniem jest rozpoznanie tematu prośby i faktów uzasadniających kategorię. Dodaj przykłady, gdy wyjaśniają trudną granicę, i określ sposób przedstawiania prośby, która nie pasuje do dostępnych kategorii. Użyteczny wynik to kategoria wraz z krótkim uzasadnieniem powiązanym z dostarczonym materiałem.
Przy wydobywaniu danych określ pola i ich definicje, zamiast pytać o każdy potencjalnie interesujący szczegół. Możesz dostarczyć tekst lub obraz strony i wskazać wymagane wartości. Zachowuj nazwy i jednostki wpływające na znaczenie oraz odróżniaj brakujące pole od wartości wywnioskowanej z otaczającego tekstu. Dla rankingu dostarcz elementy do uporządkowania i kryterium, a następnie poproś o uporządkowaną listę z odpowiednimi dowodami dla każdej pozycji.
Specyfikacja GPT-5.4 nano firmy OpenAI podaje 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. Obsługuje poziomy nakładu na rozumowanie none, low, medium, high i xhigh; domyślne jest none. Wybrany nakład i zamówiona długość odpowiedzi powinny odpowiadać zadaniu. Gdy używane jest rozumowanie, zostaw miejsce na analizę i widoczny wynik.
Producent dokumentuje interfejsy Responses, Chat Completions i Batch oraz strumieniowanie, Structured Outputs, wywoływanie funkcji, wyszukiwanie w sieci i plikach, pliki i obrazy na wejściu oraz buforowanie promptów. Zestaw narzędzi obejmuje generowanie obrazów, wykonywanie kodu, hostowane operacje powłoki i stosowania poprawek, umiejętności i połączenia MCP. Aplikacja udostępnia swoje operacje i zwraca ich rzeczywiste wyniki. Uporządkowana odpowiedź opisuje formę wyjścia; żądanie funkcji opisuje działanie do wykonania przez narzędzie.
W procesie wieloetapowym powierz nano ograniczone zadanie pomocnicze i jasne kryterium zakończenia. Na przykład wydobądź wymagane fakty z kilku wiadomości, a następnie przekaż je do kolejnego etapu, który podejmie szerszą decyzję. Sprawdź zwrócone pola względem oryginalnego wejścia i doprecyzuj regułę, gdy granica kategorii jest niejasna. Zwięzła kategoria, zestaw wartości, lista rankingowa lub proponowane argumenty narzędzia stanowią użyteczny wynik końcowy, gdy ich cel i dowody źródłowe pozostają jednoznaczne.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity openai/gpt-5.4-nano | 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 $0.0004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0025 / 1K tokenów Wejście · Odczyt cache $0.00004 / 1K tokenów Wejście · Zapis do cache $0 / 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 $0.0004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0025 / 1K tokenów Wejście · Odczyt cache $0.00004 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "openai/gpt-5.4-nano",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.4-nano', '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-5.4-nano', '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-5.4-nano, openai/gpt-5.4-nano
/chat/completions
Przykład techniczny po angielsku
Extract facts from a delivery request\n\nExtract only the required facts from this message: 'Order K92 arrived with one cracked cup out of six. Please replace that cup; weekday delivery is best. I have not sent a photograph yet.' Return order_reference, affected_quantity, total_quantity, requested_action and missing_evidence. Keep quantities numeric and do not infer a delivery address or replacement approval.A compact extraction record containing the five requested fields, with no unrelated summary.The record separates one affected cup from six total cups and marks the photograph as not yet supplied.