GPT-5.2-Codex é a edição GPT-5.2 da OpenAI otimizada para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O modelo foi concebido para engenharia de software prolongada, em que o contexto do projeto, os resultados das ferramentas e as decisões já tomadas afetam a etapa seguinte.
A apresentação do fabricante descreve alterações extensas ao código, como refatorizações, migrações e desenvolvimento de funcionalidades, juntamente com melhorias no trabalho em ambientes Windows. A compactação nativa do contexto suporta sessões prolongadas ao conservar o estado importante à medida que a conversa cresce. Trata-se de um mecanismo de continuação para uma tarefa longa, distinto de uma janela de contexto numericamente maior ou de uma garantia de que todos os detalhes de um projeto cabem num único pedido.
Para uma alteração ao código, forneça o comportamento necessário, os ficheiros relevantes e os requisitos que a solução deve preservar. Um pedido ilustrativo consiste em migrar um componente mantendo consistente o seu comportamento público: identificar as dependências, propor alterações coordenadas e indicar como verificar o comportamento. Para uma falha, inclua o resultado observado, o resultado esperado e as condições que reproduzem o problema. Os resultados efetivos dos ficheiros e dos comandos tornam-se evidências para a decisão seguinte no ambiente do agente.
A entrada visual pode fornecer uma proposta de design, uma captura de ecrã, um diagrama técnico ou um gráfico relacionado com a tarefa de engenharia. A apresentação descreve a interpretação destes materiais durante as sessões de programação. Identifique o estado ou a relação importante na imagem e explique o que a implementação deve fazer com essa informação. A saída continua a ser texto, incluindo código ou instruções para as ferramentas ligadas; uma referência visual não transforma este modelo num gerador de imagens.
A OpenAI indica uma janela de contexto de 400 000 tokens, uma entrada máxima de 272 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 31 de agosto de 2025. As opções de esforço de raciocínio suportadas são low, medium, high e xhigh. A interface documentada do modelo é Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. As ferramentas exatas enumeradas incluem funções, pesquisa na web, linha de comandos alojada e competências.
As aplicações fornecem o seu ambiente de trabalho, executam as suas operações e devolvem resultados efetivos. A apresentação descreve também proteções adicionais para trabalho relacionado com cibersegurança. Defina um critério concreto de conclusão para a tarefa de engenharia e peça um resultado final que relacione os ficheiros afetados, as alterações significativas e as verificações concluídas com o comportamento original. Distinga uma verificação proposta de uma efetivamente executada, para que o resultado possa apoiar a etapa seguinte do desenvolvimento.
", "aboutText": "GPT-5.2-Codex é a edição GPT-5.2 da OpenAI otimizada para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O modelo foi concebido para engenharia de software prolongada, em que o contexto do projeto, os resultados das ferramentas e as decisões já tomadas afetam a etapa seguinte.\n\nA apresentação do fabricante descreve alterações extensas ao código, como refatorizações, migrações e desenvolvimento de funcionalidades, juntamente com melhorias no trabalho em ambientes Windows. A compactação nativa do contexto suporta sessões prolongadas ao conservar o estado importante à medida que a conversa cresce. Trata-se de um mecanismo de continuação para uma tarefa longa, distinto de uma janela de contexto numericamente maior ou de uma garantia de que todos os detalhes de um projeto cabem num único pedido.\n\nPara uma alteração ao código, forneça o comportamento necessário, os ficheiros relevantes e os requisitos que a solução deve preservar. Um pedido ilustrativo consiste em migrar um componente mantendo consistente o seu comportamento público: identificar as dependências, propor alterações coordenadas e indicar como verificar o comportamento. Para uma falha, inclua o resultado observado, o resultado esperado e as condições que reproduzem o problema. Os resultados efetivos dos ficheiros e dos comandos tornam-se evidências para a decisão seguinte no ambiente do agente.\n\nA entrada visual pode fornecer uma proposta de design, uma captura de ecrã, um diagrama técnico ou um gráfico relacionado com a tarefa de engenharia. A apresentação descreve a interpretação destes materiais durante as sessões de programação. Identifique o estado ou a relação importante na imagem e explique o que a implementação deve fazer com essa informação. A saída continua a ser texto, incluindo código ou instruções para as ferramentas ligadas; uma referência visual não transforma este modelo num gerador de imagens.\n\nA OpenAI indica uma janela de contexto de 400 000 tokens, uma entrada máxima de 272 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 31 de agosto de 2025. As opções de esforço de raciocínio suportadas são low, medium, high e xhigh. A interface documentada do modelo é Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. As ferramentas exatas enumeradas incluem funções, pesquisa na web, linha de comandos alojada e competências.\n\nAs aplicações fornecem o seu ambiente de trabalho, executam as suas operações e devolvem resultados efetivos. A apresentação descreve também proteções adicionais para trabalho relacionado com cibersegurança. Defina um critério concreto de conclusão para a tarefa de engenharia e peça um resultado final que relacione os ficheiros afetados, as alterações significativas e as verificações concluídas com o comportamento original. Distinga uma verificação proposta de uma efetivamente executada, para que o resultado possa apoiar a etapa seguinte do desenvolvimento.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.gpt-5.2-codexUma edição de GPT-5.2 otimizada para programação com agentes em tarefas prolongadas. Aceita texto e imagens e suporta refatorizações à escala do projeto, migrações e depuração num ambiente ligado a ferramentas, com compactação nativa do contexto para continuar o trabalho.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.2-Codex é a edição GPT-5.2 da OpenAI otimizada para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O modelo foi concebido para engenharia de software prolongada, em que o contexto do projeto, os resultados das ferramentas e as decisões já tomadas afetam a etapa seguinte.
A apresentação do fabricante descreve alterações extensas ao código, como refatorizações, migrações e desenvolvimento de funcionalidades, juntamente com melhorias no trabalho em ambientes Windows. A compactação nativa do contexto suporta sessões prolongadas ao conservar o estado importante à medida que a conversa cresce. Trata-se de um mecanismo de continuação para uma tarefa longa, distinto de uma janela de contexto numericamente maior ou de uma garantia de que todos os detalhes de um projeto cabem num único pedido.
Para uma alteração ao código, forneça o comportamento necessário, os ficheiros relevantes e os requisitos que a solução deve preservar. Um pedido ilustrativo consiste em migrar um componente mantendo consistente o seu comportamento público: identificar as dependências, propor alterações coordenadas e indicar como verificar o comportamento. Para uma falha, inclua o resultado observado, o resultado esperado e as condições que reproduzem o problema. Os resultados efetivos dos ficheiros e dos comandos tornam-se evidências para a decisão seguinte no ambiente do agente.
A entrada visual pode fornecer uma proposta de design, uma captura de ecrã, um diagrama técnico ou um gráfico relacionado com a tarefa de engenharia. A apresentação descreve a interpretação destes materiais durante as sessões de programação. Identifique o estado ou a relação importante na imagem e explique o que a implementação deve fazer com essa informação. A saída continua a ser texto, incluindo código ou instruções para as ferramentas ligadas; uma referência visual não transforma este modelo num gerador de imagens.
A OpenAI indica uma janela de contexto de 400 000 tokens, uma entrada máxima de 272 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 31 de agosto de 2025. As opções de esforço de raciocínio suportadas são low, medium, high e xhigh. A interface documentada do modelo é Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. As ferramentas exatas enumeradas incluem funções, pesquisa na web, linha de comandos alojada e competências.
As aplicações fornecem o seu ambiente de trabalho, executam as suas operações e devolvem resultados efetivos. A apresentação descreve também proteções adicionais para trabalho relacionado com cibersegurança. Defina um critério concreto de conclusão para a tarefa de engenharia e peça um resultado final que relacione os ficheiros afetados, as alterações significativas e as verificações concluídas com o comportamento original. Distinga uma verificação proposta de uma efetivamente executada, para que o resultado possa apoiar a etapa seguinte do desenvolvimento.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gpt-5.2-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 $0.0035 / 1K tokens Saída · Tokens de saída $0.028 / 1K tokens Entrada · Leitura da cache $0.00035 / 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 $0.0035 / 1K tokens Saída · Tokens de saída $0.028 / 1K tokens Entrada · Leitura da cache $0.00035 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.2-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-5.2-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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
gpt-5.2-codexUma edição de GPT-5.2 otimizada para programação com agentes em tarefas prolongadas. Aceita texto e imagens e suporta refatorizações à escala do projeto, migrações e depuração num ambiente ligado a ferramentas, com compactação nativa do contexto para continuar o trabalho.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.2-Codex é a edição GPT-5.2 da OpenAI otimizada para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O modelo foi concebido para engenharia de software prolongada, em que o contexto do projeto, os resultados das ferramentas e as decisões já tomadas afetam a etapa seguinte.
A apresentação do fabricante descreve alterações extensas ao código, como refatorizações, migrações e desenvolvimento de funcionalidades, juntamente com melhorias no trabalho em ambientes Windows. A compactação nativa do contexto suporta sessões prolongadas ao conservar o estado importante à medida que a conversa cresce. Trata-se de um mecanismo de continuação para uma tarefa longa, distinto de uma janela de contexto numericamente maior ou de uma garantia de que todos os detalhes de um projeto cabem num único pedido.
Para uma alteração ao código, forneça o comportamento necessário, os ficheiros relevantes e os requisitos que a solução deve preservar. Um pedido ilustrativo consiste em migrar um componente mantendo consistente o seu comportamento público: identificar as dependências, propor alterações coordenadas e indicar como verificar o comportamento. Para uma falha, inclua o resultado observado, o resultado esperado e as condições que reproduzem o problema. Os resultados efetivos dos ficheiros e dos comandos tornam-se evidências para a decisão seguinte no ambiente do agente.
A entrada visual pode fornecer uma proposta de design, uma captura de ecrã, um diagrama técnico ou um gráfico relacionado com a tarefa de engenharia. A apresentação descreve a interpretação destes materiais durante as sessões de programação. Identifique o estado ou a relação importante na imagem e explique o que a implementação deve fazer com essa informação. A saída continua a ser texto, incluindo código ou instruções para as ferramentas ligadas; uma referência visual não transforma este modelo num gerador de imagens.
A OpenAI indica uma janela de contexto de 400 000 tokens, uma entrada máxima de 272 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 31 de agosto de 2025. As opções de esforço de raciocínio suportadas são low, medium, high e xhigh. A interface documentada do modelo é Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. As ferramentas exatas enumeradas incluem funções, pesquisa na web, linha de comandos alojada e competências.
As aplicações fornecem o seu ambiente de trabalho, executam as suas operações e devolvem resultados efetivos. A apresentação descreve também proteções adicionais para trabalho relacionado com cibersegurança. Defina um critério concreto de conclusão para a tarefa de engenharia e peça um resultado final que relacione os ficheiros afetados, as alterações significativas e as verificações concluídas com o comportamento original. Distinga uma verificação proposta de uma efetivamente executada, para que o resultado possa apoiar a etapa seguinte do desenvolvimento.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gpt-5.2-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 $0.0035 / 1K tokens Saída · Tokens de saída $0.028 / 1K tokens Entrada · Leitura da cache $0.00035 / 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 $0.0035 / 1K tokens Saída · Tokens de saída $0.028 / 1K tokens Entrada · Leitura da cache $0.00035 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.2-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-5.2-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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexUma edição de GPT-5.2 otimizada para programação com agentes em tarefas prolongadas. Aceita texto e imagens e suporta refatorizações à escala do projeto, migrações e depuração num ambiente ligado a ferramentas, com compactação nativa do contexto para continuar o trabalho.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.2-Codex é a edição GPT-5.2 da OpenAI otimizada para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O modelo foi concebido para engenharia de software prolongada, em que o contexto do projeto, os resultados das ferramentas e as decisões já tomadas afetam a etapa seguinte.
A apresentação do fabricante descreve alterações extensas ao código, como refatorizações, migrações e desenvolvimento de funcionalidades, juntamente com melhorias no trabalho em ambientes Windows. A compactação nativa do contexto suporta sessões prolongadas ao conservar o estado importante à medida que a conversa cresce. Trata-se de um mecanismo de continuação para uma tarefa longa, distinto de uma janela de contexto numericamente maior ou de uma garantia de que todos os detalhes de um projeto cabem num único pedido.
Para uma alteração ao código, forneça o comportamento necessário, os ficheiros relevantes e os requisitos que a solução deve preservar. Um pedido ilustrativo consiste em migrar um componente mantendo consistente o seu comportamento público: identificar as dependências, propor alterações coordenadas e indicar como verificar o comportamento. Para uma falha, inclua o resultado observado, o resultado esperado e as condições que reproduzem o problema. Os resultados efetivos dos ficheiros e dos comandos tornam-se evidências para a decisão seguinte no ambiente do agente.
A entrada visual pode fornecer uma proposta de design, uma captura de ecrã, um diagrama técnico ou um gráfico relacionado com a tarefa de engenharia. A apresentação descreve a interpretação destes materiais durante as sessões de programação. Identifique o estado ou a relação importante na imagem e explique o que a implementação deve fazer com essa informação. A saída continua a ser texto, incluindo código ou instruções para as ferramentas ligadas; uma referência visual não transforma este modelo num gerador de imagens.
A OpenAI indica uma janela de contexto de 400 000 tokens, uma entrada máxima de 272 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 31 de agosto de 2025. As opções de esforço de raciocínio suportadas são low, medium, high e xhigh. A interface documentada do modelo é Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. As ferramentas exatas enumeradas incluem funções, pesquisa na web, linha de comandos alojada e competências.
As aplicações fornecem o seu ambiente de trabalho, executam as suas operações e devolvem resultados efetivos. A apresentação descreve também proteções adicionais para trabalho relacionado com cibersegurança. Defina um critério concreto de conclusão para a tarefa de engenharia e peça um resultado final que relacione os ficheiros afetados, as alterações significativas e as verificações concluídas com o comportamento original. Distinga uma verificação proposta de uma efetivamente executada, para que o resultado possa apoiar a etapa seguinte do desenvolvimento.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites openai/gpt-5.2-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 $0.0035 / 1K tokens Saída · Tokens de saída $0.028 / 1K tokens Entrada · Leitura da cache $0.00035 / 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 $0.0035 / 1K tokens Saída · Tokens de saída $0.028 / 1K tokens Entrada · Leitura da cache $0.00035 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.2-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-5.2-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-5.2-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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexUma edição de GPT-5.2 otimizada para programação com agentes em tarefas prolongadas. Aceita texto e imagens e suporta refatorizações à escala do projeto, migrações e depuração num ambiente ligado a ferramentas, com compactação nativa do contexto para continuar o trabalho.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
GPT-5.2-Codex é a edição GPT-5.2 da OpenAI otimizada para programação com agentes em Codex e ambientes semelhantes. Aceita texto e imagens e produz texto. O modelo foi concebido para engenharia de software prolongada, em que o contexto do projeto, os resultados das ferramentas e as decisões já tomadas afetam a etapa seguinte.
A apresentação do fabricante descreve alterações extensas ao código, como refatorizações, migrações e desenvolvimento de funcionalidades, juntamente com melhorias no trabalho em ambientes Windows. A compactação nativa do contexto suporta sessões prolongadas ao conservar o estado importante à medida que a conversa cresce. Trata-se de um mecanismo de continuação para uma tarefa longa, distinto de uma janela de contexto numericamente maior ou de uma garantia de que todos os detalhes de um projeto cabem num único pedido.
Para uma alteração ao código, forneça o comportamento necessário, os ficheiros relevantes e os requisitos que a solução deve preservar. Um pedido ilustrativo consiste em migrar um componente mantendo consistente o seu comportamento público: identificar as dependências, propor alterações coordenadas e indicar como verificar o comportamento. Para uma falha, inclua o resultado observado, o resultado esperado e as condições que reproduzem o problema. Os resultados efetivos dos ficheiros e dos comandos tornam-se evidências para a decisão seguinte no ambiente do agente.
A entrada visual pode fornecer uma proposta de design, uma captura de ecrã, um diagrama técnico ou um gráfico relacionado com a tarefa de engenharia. A apresentação descreve a interpretação destes materiais durante as sessões de programação. Identifique o estado ou a relação importante na imagem e explique o que a implementação deve fazer com essa informação. A saída continua a ser texto, incluindo código ou instruções para as ferramentas ligadas; uma referência visual não transforma este modelo num gerador de imagens.
A OpenAI indica uma janela de contexto de 400 000 tokens, uma entrada máxima de 272 000 tokens e uma saída máxima de 128 000 tokens, com conhecimentos atualizados até 31 de agosto de 2025. As opções de esforço de raciocínio suportadas são low, medium, high e xhigh. A interface documentada do modelo é Responses, com streaming, Structured Outputs, chamadas de funções, entrada de imagens, pesquisa na web e colocação da entrada em cache. As ferramentas exatas enumeradas incluem funções, pesquisa na web, linha de comandos alojada e competências.
As aplicações fornecem o seu ambiente de trabalho, executam as suas operações e devolvem resultados efetivos. A apresentação descreve também proteções adicionais para trabalho relacionado com cibersegurança. Defina um critério concreto de conclusão para a tarefa de engenharia e peça um resultado final que relacione os ficheiros afetados, as alterações significativas e as verificações concluídas com o comportamento original. Distinga uma verificação proposta de uma efetivamente executada, para que o resultado possa apoiar a etapa seguinte do desenvolvimento.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites openai/gpt-5.2-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 $0.0035 / 1K tokens Saída · Tokens de saída $0.028 / 1K tokens Entrada · Leitura da cache $0.00035 / 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 $0.0035 / 1K tokens Saída · Tokens de saída $0.028 / 1K tokens Entrada · Leitura da cache $0.00035 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "openai/gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.2-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-5.2-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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
Exemplo técnico em inglês
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.