GPT-5.1-Codex é a edição GPT-5.1 Codex da OpenAI para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O fabricante mantém esta especialização em programação distinta do modelo de uso geral GPT-5.1 e das edições Codex Mini e Max. A versão de referência subjacente documentada do modelo é atualizada regularmente.
Uma tarefa útil dá ao modelo um objetivo de engenharia e as evidências do projeto necessárias para o concretizar. Forneça o comportamento necessário, os ficheiros relacionados e as restrições às alterações. Um pedido ilustrativo consiste em analisar o percurso de código para uma entrada específica, identificar o componente que precisa de alteração e propor uma mudança ligada ao resultado esperado. Para uma falha, inclua o comportamento observado, o comportamento esperado e a saída relevante já recolhida.
Num processo de programação com agentes, o ambiente lê ficheiros, executa operações e devolve resultados efetivos para a decisão seguinte. O modelo pode utilizar esses resultados para rever uma abordagem ou continuar uma implementação. Defina as ações disponíveis e o critério de conclusão da tarefa. Um pedido para executar uma operação e o resultado devolvido após a execução são tipos diferentes de evidências; a explicação final deve manter essa distinção visível.
Para trabalho nas interfaces, forneça uma captura de ecrã ou outra referência visual, juntamente com a interação pretendida. Identifique o estado ou o detalhe que a implementação precisa de preservar. As imagens servem de evidências de entrada, enquanto o resultado direto do modelo continua a ser texto, incluindo código, uma proposta de alteração ou uma explicação do comportamento. Uma referência visual não cria uma capacidade separada de saída de imagens nesta edição.
A OpenAI especifica uma janela de contexto de 400 000 tokens, uma saída máxima de 128 000 tokens e conhecimentos atualizados até 30 de setembro de 2024. A interface do fabricante é apenas Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. A lista exata de ferramentas da ficha do modelo inclui funções e pesquisa na web. A documentação atual de cache inclui conservação prolongada facultativa até 24 horas para este modelo; a reutilização de material em cache por um pedido depende do prefixo elegível e da sua conservação.
Prepare o resultado final em torno do objetivo de engenharia pedido. Peça os ficheiros afetados, as edições significativas e os resultados das verificações efetivamente realizadas. Se uma solução proposta ainda depender de um facto em falta ou de uma operação não realizada, identifique especificamente esse ponto. Uma proposta de alteração focada, uma explicação de código ou uma conclusão de revisão é útil quando está ligada aos requisitos originais e às evidências do projeto disponíveis no processo de trabalho.
", "aboutText": "GPT-5.1-Codex é a edição GPT-5.1 Codex da OpenAI para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O fabricante mantém esta especialização em programação distinta do modelo de uso geral GPT-5.1 e das edições Codex Mini e Max. A versão de referência subjacente documentada do modelo é atualizada regularmente.\n\nUma tarefa útil dá ao modelo um objetivo de engenharia e as evidências do projeto necessárias para o concretizar. Forneça o comportamento necessário, os ficheiros relacionados e as restrições às alterações. Um pedido ilustrativo consiste em analisar o percurso de código para uma entrada específica, identificar o componente que precisa de alteração e propor uma mudança ligada ao resultado esperado. Para uma falha, inclua o comportamento observado, o comportamento esperado e a saída relevante já recolhida.\n\nNum processo de programação com agentes, o ambiente lê ficheiros, executa operações e devolve resultados efetivos para a decisão seguinte. O modelo pode utilizar esses resultados para rever uma abordagem ou continuar uma implementação. Defina as ações disponíveis e o critério de conclusão da tarefa. Um pedido para executar uma operação e o resultado devolvido após a execução são tipos diferentes de evidências; a explicação final deve manter essa distinção visível.\n\nPara trabalho nas interfaces, forneça uma captura de ecrã ou outra referência visual, juntamente com a interação pretendida. Identifique o estado ou o detalhe que a implementação precisa de preservar. As imagens servem de evidências de entrada, enquanto o resultado direto do modelo continua a ser texto, incluindo código, uma proposta de alteração ou uma explicação do comportamento. Uma referência visual não cria uma capacidade separada de saída de imagens nesta edição.\n\nA OpenAI especifica uma janela de contexto de 400 000 tokens, uma saída máxima de 128 000 tokens e conhecimentos atualizados até 30 de setembro de 2024. A interface do fabricante é apenas Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. A lista exata de ferramentas da ficha do modelo inclui funções e pesquisa na web. A documentação atual de cache inclui conservação prolongada facultativa até 24 horas para este modelo; a reutilização de material em cache por um pedido depende do prefixo elegível e da sua conservação.\n\nPrepare o resultado final em torno do objetivo de engenharia pedido. Peça os ficheiros afetados, as edições significativas e os resultados das verificações efetivamente realizadas. Se uma solução proposta ainda depender de um facto em falta ou de uma operação não realizada, identifique especificamente esse ponto. Uma proposta de alteração focada, uma explicação de código ou uma conclusão de revisão é útil quando está ligada aos requisitos originais e às evidências do projeto disponíveis no processo de trabalho.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Review a pagination boundary\n\nReview this JavaScript pager: function page(items, offset, limit) { return items.slice(offset, limit); }. The contract treats limit as a count, so offset 2 and limit 3 should return indices 2, 3 and 4. Propose the smallest patch and tests for a middle page, an empty input and a page beyond the end.A focused function patch, a diagnosis and three behavioral test cases.Check the end index uses offset plus limit and that the function does not mutate items.gpt-5.1-codexA edição GPT-5.1 Codex é otimizada para programação com agentes num ambiente ligado a ferramentas. Aceita texto e imagens e desenvolve código ou explicações a partir de material do projeto e de resultados efetivos de ferramentas, com a sua versão de referência subjacente atualizada regularmente.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.1-Codex é a edição GPT-5.1 Codex da OpenAI para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O fabricante mantém esta especialização em programação distinta do modelo de uso geral GPT-5.1 e das edições Codex Mini e Max. A versão de referência subjacente documentada do modelo é atualizada regularmente.
Uma tarefa útil dá ao modelo um objetivo de engenharia e as evidências do projeto necessárias para o concretizar. Forneça o comportamento necessário, os ficheiros relacionados e as restrições às alterações. Um pedido ilustrativo consiste em analisar o percurso de código para uma entrada específica, identificar o componente que precisa de alteração e propor uma mudança ligada ao resultado esperado. Para uma falha, inclua o comportamento observado, o comportamento esperado e a saída relevante já recolhida.
Num processo de programação com agentes, o ambiente lê ficheiros, executa operações e devolve resultados efetivos para a decisão seguinte. O modelo pode utilizar esses resultados para rever uma abordagem ou continuar uma implementação. Defina as ações disponíveis e o critério de conclusão da tarefa. Um pedido para executar uma operação e o resultado devolvido após a execução são tipos diferentes de evidências; a explicação final deve manter essa distinção visível.
Para trabalho nas interfaces, forneça uma captura de ecrã ou outra referência visual, juntamente com a interação pretendida. Identifique o estado ou o detalhe que a implementação precisa de preservar. As imagens servem de evidências de entrada, enquanto o resultado direto do modelo continua a ser texto, incluindo código, uma proposta de alteração ou uma explicação do comportamento. Uma referência visual não cria uma capacidade separada de saída de imagens nesta edição.
A OpenAI especifica uma janela de contexto de 400 000 tokens, uma saída máxima de 128 000 tokens e conhecimentos atualizados até 30 de setembro de 2024. A interface do fabricante é apenas Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. A lista exata de ferramentas da ficha do modelo inclui funções e pesquisa na web. A documentação atual de cache inclui conservação prolongada facultativa até 24 horas para este modelo; a reutilização de material em cache por um pedido depende do prefixo elegível e da sua conservação.
Prepare o resultado final em torno do objetivo de engenharia pedido. Peça os ficheiros afetados, as edições significativas e os resultados das verificações efetivamente realizadas. Se uma solução proposta ainda depender de um facto em falta ou de uma operação não realizada, identifique especificamente esse ponto. Uma proposta de alteração focada, uma explicação de código ou uma conclusão de revisão é útil quando está ligada aos requisitos originais e às evidências do projeto disponíveis no processo de trabalho.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gpt-5.1-codex | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Aliases do método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00026 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00026 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.1-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-5.1-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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra gpt-5.1-codex, openai/gpt-5.1-codex
/chat/completions
gpt-5.1-codexA edição GPT-5.1 Codex é otimizada para programação com agentes num ambiente ligado a ferramentas. Aceita texto e imagens e desenvolve código ou explicações a partir de material do projeto e de resultados efetivos de ferramentas, com a sua versão de referência subjacente atualizada regularmente.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.1-Codex é a edição GPT-5.1 Codex da OpenAI para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O fabricante mantém esta especialização em programação distinta do modelo de uso geral GPT-5.1 e das edições Codex Mini e Max. A versão de referência subjacente documentada do modelo é atualizada regularmente.
Uma tarefa útil dá ao modelo um objetivo de engenharia e as evidências do projeto necessárias para o concretizar. Forneça o comportamento necessário, os ficheiros relacionados e as restrições às alterações. Um pedido ilustrativo consiste em analisar o percurso de código para uma entrada específica, identificar o componente que precisa de alteração e propor uma mudança ligada ao resultado esperado. Para uma falha, inclua o comportamento observado, o comportamento esperado e a saída relevante já recolhida.
Num processo de programação com agentes, o ambiente lê ficheiros, executa operações e devolve resultados efetivos para a decisão seguinte. O modelo pode utilizar esses resultados para rever uma abordagem ou continuar uma implementação. Defina as ações disponíveis e o critério de conclusão da tarefa. Um pedido para executar uma operação e o resultado devolvido após a execução são tipos diferentes de evidências; a explicação final deve manter essa distinção visível.
Para trabalho nas interfaces, forneça uma captura de ecrã ou outra referência visual, juntamente com a interação pretendida. Identifique o estado ou o detalhe que a implementação precisa de preservar. As imagens servem de evidências de entrada, enquanto o resultado direto do modelo continua a ser texto, incluindo código, uma proposta de alteração ou uma explicação do comportamento. Uma referência visual não cria uma capacidade separada de saída de imagens nesta edição.
A OpenAI especifica uma janela de contexto de 400 000 tokens, uma saída máxima de 128 000 tokens e conhecimentos atualizados até 30 de setembro de 2024. A interface do fabricante é apenas Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. A lista exata de ferramentas da ficha do modelo inclui funções e pesquisa na web. A documentação atual de cache inclui conservação prolongada facultativa até 24 horas para este modelo; a reutilização de material em cache por um pedido depende do prefixo elegível e da sua conservação.
Prepare o resultado final em torno do objetivo de engenharia pedido. Peça os ficheiros afetados, as edições significativas e os resultados das verificações efetivamente realizadas. Se uma solução proposta ainda depender de um facto em falta ou de uma operação não realizada, identifique especificamente esse ponto. Uma proposta de alteração focada, uma explicação de código ou uma conclusão de revisão é útil quando está ligada aos requisitos originais e às evidências do projeto disponíveis no processo de trabalho.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gpt-5.1-codex | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00026 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00026 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "gpt-5.1-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.1-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-5.1-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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra gpt-5.1-codex, openai/gpt-5.1-codex
/chat/completions
openai/gpt-5.1-codexA edição GPT-5.1 Codex é otimizada para programação com agentes num ambiente ligado a ferramentas. Aceita texto e imagens e desenvolve código ou explicações a partir de material do projeto e de resultados efetivos de ferramentas, com a sua versão de referência subjacente atualizada regularmente.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.1-Codex é a edição GPT-5.1 Codex da OpenAI para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O fabricante mantém esta especialização em programação distinta do modelo de uso geral GPT-5.1 e das edições Codex Mini e Max. A versão de referência subjacente documentada do modelo é atualizada regularmente.
Uma tarefa útil dá ao modelo um objetivo de engenharia e as evidências do projeto necessárias para o concretizar. Forneça o comportamento necessário, os ficheiros relacionados e as restrições às alterações. Um pedido ilustrativo consiste em analisar o percurso de código para uma entrada específica, identificar o componente que precisa de alteração e propor uma mudança ligada ao resultado esperado. Para uma falha, inclua o comportamento observado, o comportamento esperado e a saída relevante já recolhida.
Num processo de programação com agentes, o ambiente lê ficheiros, executa operações e devolve resultados efetivos para a decisão seguinte. O modelo pode utilizar esses resultados para rever uma abordagem ou continuar uma implementação. Defina as ações disponíveis e o critério de conclusão da tarefa. Um pedido para executar uma operação e o resultado devolvido após a execução são tipos diferentes de evidências; a explicação final deve manter essa distinção visível.
Para trabalho nas interfaces, forneça uma captura de ecrã ou outra referência visual, juntamente com a interação pretendida. Identifique o estado ou o detalhe que a implementação precisa de preservar. As imagens servem de evidências de entrada, enquanto o resultado direto do modelo continua a ser texto, incluindo código, uma proposta de alteração ou uma explicação do comportamento. Uma referência visual não cria uma capacidade separada de saída de imagens nesta edição.
A OpenAI especifica uma janela de contexto de 400 000 tokens, uma saída máxima de 128 000 tokens e conhecimentos atualizados até 30 de setembro de 2024. A interface do fabricante é apenas Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. A lista exata de ferramentas da ficha do modelo inclui funções e pesquisa na web. A documentação atual de cache inclui conservação prolongada facultativa até 24 horas para este modelo; a reutilização de material em cache por um pedido depende do prefixo elegível e da sua conservação.
Prepare o resultado final em torno do objetivo de engenharia pedido. Peça os ficheiros afetados, as edições significativas e os resultados das verificações efetivamente realizadas. Se uma solução proposta ainda depender de um facto em falta ou de uma operação não realizada, identifique especificamente esse ponto. Uma proposta de alteração focada, uma explicação de código ou uma conclusão de revisão é útil quando está ligada aos requisitos originais e às evidências do projeto disponíveis no processo de trabalho.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites openai/gpt-5.1-codex | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00026 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00026 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.1-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-5.1-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-5.1-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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra gpt-5.1-codex, openai/gpt-5.1-codex
/chat/completions
openai/gpt-5.1-codexA edição GPT-5.1 Codex é otimizada para programação com agentes num ambiente ligado a ferramentas. Aceita texto e imagens e desenvolve código ou explicações a partir de material do projeto e de resultados efetivos de ferramentas, com a sua versão de referência subjacente atualizada regularmente.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.1-Codex é a edição GPT-5.1 Codex da OpenAI para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O fabricante mantém esta especialização em programação distinta do modelo de uso geral GPT-5.1 e das edições Codex Mini e Max. A versão de referência subjacente documentada do modelo é atualizada regularmente.
Uma tarefa útil dá ao modelo um objetivo de engenharia e as evidências do projeto necessárias para o concretizar. Forneça o comportamento necessário, os ficheiros relacionados e as restrições às alterações. Um pedido ilustrativo consiste em analisar o percurso de código para uma entrada específica, identificar o componente que precisa de alteração e propor uma mudança ligada ao resultado esperado. Para uma falha, inclua o comportamento observado, o comportamento esperado e a saída relevante já recolhida.
Num processo de programação com agentes, o ambiente lê ficheiros, executa operações e devolve resultados efetivos para a decisão seguinte. O modelo pode utilizar esses resultados para rever uma abordagem ou continuar uma implementação. Defina as ações disponíveis e o critério de conclusão da tarefa. Um pedido para executar uma operação e o resultado devolvido após a execução são tipos diferentes de evidências; a explicação final deve manter essa distinção visível.
Para trabalho nas interfaces, forneça uma captura de ecrã ou outra referência visual, juntamente com a interação pretendida. Identifique o estado ou o detalhe que a implementação precisa de preservar. As imagens servem de evidências de entrada, enquanto o resultado direto do modelo continua a ser texto, incluindo código, uma proposta de alteração ou uma explicação do comportamento. Uma referência visual não cria uma capacidade separada de saída de imagens nesta edição.
A OpenAI especifica uma janela de contexto de 400 000 tokens, uma saída máxima de 128 000 tokens e conhecimentos atualizados até 30 de setembro de 2024. A interface do fabricante é apenas Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. A lista exata de ferramentas da ficha do modelo inclui funções e pesquisa na web. A documentação atual de cache inclui conservação prolongada facultativa até 24 horas para este modelo; a reutilização de material em cache por um pedido depende do prefixo elegível e da sua conservação.
Prepare o resultado final em torno do objetivo de engenharia pedido. Peça os ficheiros afetados, as edições significativas e os resultados das verificações efetivamente realizadas. Se uma solução proposta ainda depender de um facto em falta ou de uma operação não realizada, identifique especificamente esse ponto. Uma proposta de alteração focada, uma explicação de código ou uma conclusão de revisão é útil quando está ligada aos requisitos originais e às evidências do projeto disponíveis no processo de trabalho.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites openai/gpt-5.1-codex | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00026 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00026 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "openai/gpt-5.1-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.1-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-5.1-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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra gpt-5.1-codex, openai/gpt-5.1-codex
/chat/completions
Exemplo técnico em inglês
Review a pagination boundary\n\nReview this JavaScript pager: function page(items, offset, limit) { return items.slice(offset, limit); }. The contract treats limit as a count, so offset 2 and limit 3 should return indices 2, 3 and 4. Propose the smallest patch and tests for a middle page, an empty input and a page beyond the end.A focused function patch, a diagnosis and three behavioral test cases.Check the end index uses offset plus limit and that the function does not mutate items.