GPT-5-Codex — версия GPT-5 от OpenAI, оптимизированная для агентной разработки ПО в Codex и сопоставимых средах программирования. Её обучение ориентировано на создание проектов, реализацию функций и тестов, отладку, рефакторинг существующих кодовых баз и проверку изменений. Обучение с подкреплением на реальных задачах программирования развивает следование инструкциям, соблюдение стиля кода и итеративную проверку. Предполагаемая среда использования — ассистент по программированию с доступом к контексту проекта и инструментам разработки.
Модель регулирует объём рассуждений, уделяемых задаче. Небольшое, чётко определённое изменение можно выполнить в интерактивном диалоге, тогда как сложный рефакторинг может потребовать продолжительного анализа и многократного выполнения шагов реализации. Это адаптивное поведение связывает общение с исполнением: агент изучает проект, предлагает изменение, получает результаты работы инструментов в своей среде и продолжает двигаться к заявленному результату.
Проверка кода — отдельная часть её специализации. OpenAI описывает модель для проверки кода, которая изучает кодовую базу и зависимости, соотносит предложенное изменение с ожидаемым поведением и исследует корректность с помощью запуска кода и тестов. Полезный результат — предметное объяснение существенных дефектов с указанием затронутого кода, а не замечания, основанные только на том, как выглядит diff. Файлы проекта и результаты инструментов служат доказательной базой этого анализа.
Визуальный ввод помогает в работе над интерфейсами. Скриншоты, каркасы экранов и диаграммы могут передать желаемый интерфейс или наблюдаемую проблему. В среде с браузером и инструментами создания скриншотов агент может исследовать реализацию и сравнить созданное с предоставленным визуальным образцом. Эти рабочие процессы опираются на возможности среды: модель интерпретирует информацию и выбирает действия, а приложение предоставляет инструменты и выполняет выбранные действия.
Опубликованная спецификация модели указывает ввод текста и изображений и текстовый вывод, контекстное окно 400 000 токенов и до 128 000 токенов вывода. Поддерживаются токены рассуждений, потоковая передача, вызов функций и структурированные ответы. OpenAI документирует модель для интерфейса Responses и указывает, что имя без версии обозначает обновляемую модель. Документированная дата отсечения знаний — 30 сентября 2024 года. Аудио и видео не входят в перечисленные модальности ввода; дообучение и прогнозируемый вывод в этой конфигурации не поддерживаются.
Дополнение к системной карточке отделяет обучение модели от средств управления продуктом. Модель обучена противостоять инструкциям, внедрённым в материалы по программированию с помощью инъекции инструкций (prompt injection). Изоляция рабочей области, сетевые разрешения и правила одобрения действий относятся к агентной среде. Это различие важно, когда ассистент читает внешнюю документацию или выполняет команды: доступ определяет приложение, а результаты его операций фиксируют, что произошло на самом деле.
Для ассистента по программированию, использующего Ailoot API, начните с желаемого поведения, относящихся к нему файлов и чёткого критерия завершения. Подходящая задача может включать согласованное изменение, объяснение затронутых зависимостей и проверки для подтверждения результата. Предоставьте актуальные инструкции проекта и полезные визуальные примеры, затем запросите результат, который можно проверить: изменённый код, анализ дефекта или проверенный план реализации.
", "aboutText": "GPT-5-Codex — версия GPT-5 от OpenAI, оптимизированная для агентной разработки ПО в Codex и сопоставимых средах программирования. Её обучение ориентировано на создание проектов, реализацию функций и тестов, отладку, рефакторинг существующих кодовых баз и проверку изменений. Обучение с подкреплением на реальных задачах программирования развивает следование инструкциям, соблюдение стиля кода и итеративную проверку. Предполагаемая среда использования — ассистент по программированию с доступом к контексту проекта и инструментам разработки.\n\nМодель регулирует объём рассуждений, уделяемых задаче. Небольшое, чётко определённое изменение можно выполнить в интерактивном диалоге, тогда как сложный рефакторинг может потребовать продолжительного анализа и многократного выполнения шагов реализации. Это адаптивное поведение связывает общение с исполнением: агент изучает проект, предлагает изменение, получает результаты работы инструментов в своей среде и продолжает двигаться к заявленному результату.\n\nПроверка кода — отдельная часть её специализации. OpenAI описывает модель для проверки кода, которая изучает кодовую базу и зависимости, соотносит предложенное изменение с ожидаемым поведением и исследует корректность с помощью запуска кода и тестов. Полезный результат — предметное объяснение существенных дефектов с указанием затронутого кода, а не замечания, основанные только на том, как выглядит diff. Файлы проекта и результаты инструментов служат доказательной базой этого анализа.\n\nВизуальный ввод помогает в работе над интерфейсами. Скриншоты, каркасы экранов и диаграммы могут передать желаемый интерфейс или наблюдаемую проблему. В среде с браузером и инструментами создания скриншотов агент может исследовать реализацию и сравнить созданное с предоставленным визуальным образцом. Эти рабочие процессы опираются на возможности среды: модель интерпретирует информацию и выбирает действия, а приложение предоставляет инструменты и выполняет выбранные действия.\n\nОпубликованная спецификация модели указывает ввод текста и изображений и текстовый вывод, контекстное окно 400 000 токенов и до 128 000 токенов вывода. Поддерживаются токены рассуждений, потоковая передача, вызов функций и структурированные ответы. OpenAI документирует модель для интерфейса Responses и указывает, что имя без версии обозначает обновляемую модель. Документированная дата отсечения знаний — 30 сентября 2024 года. Аудио и видео не входят в перечисленные модальности ввода; дообучение и прогнозируемый вывод в этой конфигурации не поддерживаются.\n\nДополнение к системной карточке отделяет обучение модели от средств управления продуктом. Модель обучена противостоять инструкциям, внедрённым в материалы по программированию с помощью инъекции инструкций (prompt injection). Изоляция рабочей области, сетевые разрешения и правила одобрения действий относятся к агентной среде. Это различие важно, когда ассистент читает внешнюю документацию или выполняет команды: доступ определяет приложение, а результаты его операций фиксируют, что произошло на самом деле.\n\nДля ассистента по программированию, использующего Ailoot API, начните с желаемого поведения, относящихся к нему файлов и чёткого критерия завершения. Подходящая задача может включать согласованное изменение, объяснение затронутых зависимостей и проверки для подтверждения результата. Предоставьте актуальные инструкции проекта и полезные визуальные примеры, затем запросите результат, который можно проверить: изменённый код, анализ дефекта или проверенный план реализации.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Fix a mutation during iteration\n\nPatch this Python function: 'def remove_empty(items):\n for value in items:\n if value == '': items.remove(value)\n return items'. Requirement: return a new list without empty strings and leave the original unchanged. Provide the function and tests covering adjacent empty strings, no empty strings and an empty list. Explain why the original skipped values.A replacement function, three focused tests and one sentence about modifying a list during iteration.Adjacent empty strings are all removed from the result while the input list retains its original contents.gpt-5-codex-highGPT-5-Codex — вариант GPT-5 от OpenAI для агентной разработки ПО: реализации функций, отладки, рефакторинга и проверки кода в среде с инструментами. Он сочетает ввод текста и изображений с адаптивными рассуждениями и контекстом 400 000 токенов.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
GPT-5-Codex — версия GPT-5 от OpenAI, оптимизированная для агентной разработки ПО в Codex и сопоставимых средах программирования. Её обучение ориентировано на создание проектов, реализацию функций и тестов, отладку, рефакторинг существующих кодовых баз и проверку изменений. Обучение с подкреплением на реальных задачах программирования развивает следование инструкциям, соблюдение стиля кода и итеративную проверку. Предполагаемая среда использования — ассистент по программированию с доступом к контексту проекта и инструментам разработки.
Модель регулирует объём рассуждений, уделяемых задаче. Небольшое, чётко определённое изменение можно выполнить в интерактивном диалоге, тогда как сложный рефакторинг может потребовать продолжительного анализа и многократного выполнения шагов реализации. Это адаптивное поведение связывает общение с исполнением: агент изучает проект, предлагает изменение, получает результаты работы инструментов в своей среде и продолжает двигаться к заявленному результату.
Проверка кода — отдельная часть её специализации. OpenAI описывает модель для проверки кода, которая изучает кодовую базу и зависимости, соотносит предложенное изменение с ожидаемым поведением и исследует корректность с помощью запуска кода и тестов. Полезный результат — предметное объяснение существенных дефектов с указанием затронутого кода, а не замечания, основанные только на том, как выглядит diff. Файлы проекта и результаты инструментов служат доказательной базой этого анализа.
Визуальный ввод помогает в работе над интерфейсами. Скриншоты, каркасы экранов и диаграммы могут передать желаемый интерфейс или наблюдаемую проблему. В среде с браузером и инструментами создания скриншотов агент может исследовать реализацию и сравнить созданное с предоставленным визуальным образцом. Эти рабочие процессы опираются на возможности среды: модель интерпретирует информацию и выбирает действия, а приложение предоставляет инструменты и выполняет выбранные действия.
Опубликованная спецификация модели указывает ввод текста и изображений и текстовый вывод, контекстное окно 400 000 токенов и до 128 000 токенов вывода. Поддерживаются токены рассуждений, потоковая передача, вызов функций и структурированные ответы. OpenAI документирует модель для интерфейса Responses и указывает, что имя без версии обозначает обновляемую модель. Документированная дата отсечения знаний — 30 сентября 2024 года. Аудио и видео не входят в перечисленные модальности ввода; дообучение и прогнозируемый вывод в этой конфигурации не поддерживаются.
Дополнение к системной карточке отделяет обучение модели от средств управления продуктом. Модель обучена противостоять инструкциям, внедрённым в материалы по программированию с помощью инъекции инструкций (prompt injection). Изоляция рабочей области, сетевые разрешения и правила одобрения действий относятся к агентной среде. Это различие важно, когда ассистент читает внешнюю документацию или выполняет команды: доступ определяет приложение, а результаты его операций фиксируют, что произошло на самом деле.
Для ассистента по программированию, использующего Ailoot API, начните с желаемого поведения, относящихся к нему файлов и чёткого критерия завершения. Подходящая задача может включать согласованное изменение, объяснение затронутых зависимостей и проверки для подтверждения результата. Предоставьте актуальные инструкции проекта и полезные визуальные примеры, затем запросите результат, который можно проверить: изменённый код, анализ дефекта или проверенный план реализации.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения gpt-5-codex-high | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.0025 / 1K токенов Выход · Выходные токены $0.02 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-5-codex-high", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gpt-5-codex-high',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gpt-5-codex-high',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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra gpt-5-codex-high
Используйте пути методов, указанные выше.
gpt-5-codex-highGPT-5-Codex — вариант GPT-5 от OpenAI для агентной разработки ПО: реализации функций, отладки, рефакторинга и проверки кода в среде с инструментами. Он сочетает ввод текста и изображений с адаптивными рассуждениями и контекстом 400 000 токенов.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
GPT-5-Codex — версия GPT-5 от OpenAI, оптимизированная для агентной разработки ПО в Codex и сопоставимых средах программирования. Её обучение ориентировано на создание проектов, реализацию функций и тестов, отладку, рефакторинг существующих кодовых баз и проверку изменений. Обучение с подкреплением на реальных задачах программирования развивает следование инструкциям, соблюдение стиля кода и итеративную проверку. Предполагаемая среда использования — ассистент по программированию с доступом к контексту проекта и инструментам разработки.
Модель регулирует объём рассуждений, уделяемых задаче. Небольшое, чётко определённое изменение можно выполнить в интерактивном диалоге, тогда как сложный рефакторинг может потребовать продолжительного анализа и многократного выполнения шагов реализации. Это адаптивное поведение связывает общение с исполнением: агент изучает проект, предлагает изменение, получает результаты работы инструментов в своей среде и продолжает двигаться к заявленному результату.
Проверка кода — отдельная часть её специализации. OpenAI описывает модель для проверки кода, которая изучает кодовую базу и зависимости, соотносит предложенное изменение с ожидаемым поведением и исследует корректность с помощью запуска кода и тестов. Полезный результат — предметное объяснение существенных дефектов с указанием затронутого кода, а не замечания, основанные только на том, как выглядит diff. Файлы проекта и результаты инструментов служат доказательной базой этого анализа.
Визуальный ввод помогает в работе над интерфейсами. Скриншоты, каркасы экранов и диаграммы могут передать желаемый интерфейс или наблюдаемую проблему. В среде с браузером и инструментами создания скриншотов агент может исследовать реализацию и сравнить созданное с предоставленным визуальным образцом. Эти рабочие процессы опираются на возможности среды: модель интерпретирует информацию и выбирает действия, а приложение предоставляет инструменты и выполняет выбранные действия.
Опубликованная спецификация модели указывает ввод текста и изображений и текстовый вывод, контекстное окно 400 000 токенов и до 128 000 токенов вывода. Поддерживаются токены рассуждений, потоковая передача, вызов функций и структурированные ответы. OpenAI документирует модель для интерфейса Responses и указывает, что имя без версии обозначает обновляемую модель. Документированная дата отсечения знаний — 30 сентября 2024 года. Аудио и видео не входят в перечисленные модальности ввода; дообучение и прогнозируемый вывод в этой конфигурации не поддерживаются.
Дополнение к системной карточке отделяет обучение модели от средств управления продуктом. Модель обучена противостоять инструкциям, внедрённым в материалы по программированию с помощью инъекции инструкций (prompt injection). Изоляция рабочей области, сетевые разрешения и правила одобрения действий относятся к агентной среде. Это различие важно, когда ассистент читает внешнюю документацию или выполняет команды: доступ определяет приложение, а результаты его операций фиксируют, что произошло на самом деле.
Для ассистента по программированию, использующего Ailoot API, начните с желаемого поведения, относящихся к нему файлов и чёткого критерия завершения. Подходящая задача может включать согласованное изменение, объяснение затронутых зависимостей и проверки для подтверждения результата. Предоставьте актуальные инструкции проекта и полезные визуальные примеры, затем запросите результат, который можно проверить: изменённый код, анализ дефекта или проверенный план реализации.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения gpt-5-codex-high | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.0025 / 1K токенов Выход · Выходные токены $0.02 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "gpt-5-codex-high",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-codex-high', '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-codex-high', '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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra gpt-5-codex-high
Используйте пути методов, указанные выше.
Технический пример на английском
Fix a mutation during iteration\n\nPatch this Python function: 'def remove_empty(items):\n for value in items:\n if value == '': items.remove(value)\n return items'. Requirement: return a new list without empty strings and leave the original unchanged. Provide the function and tests covering adjacent empty strings, no empty strings and an empty list. Explain why the original skipped values.A replacement function, three focused tests and one sentence about modifying a list during iteration.Adjacent empty strings are all removed from the result while the input list retains its original contents.