GPT-4o mini är en liten OpenAI-modell för avgränsade uppgifter. Den tar emot text och bilder och returnerar text, inklusive strukturerade svar. En uppgift kan kombinera en kort instruktion med en passage, en skärmbild eller en annan relevant bild och sedan begära ett specifikt resultat som extraherade fält, en kategori eller ett svarsutkast.
För meddelandeklassificering anger du kategorierna och förklarar hur ett meddelande som passar fler än en ska hanteras. Be om den valda kategorin och den del av meddelandet som stöder den. För extraktion namnger du fälten och anger hur värden som saknas i källan ska hanteras. Bevara de ursprungliga identifierarna så att varje resultat kan spåras till sin indata.
En uppgift för att skriva ett utkast kan ange kundens fråga, relevant produktinformation och den poäng svaret måste förmedla. Be om ett svar inom en bestämd längd eller med en viss ton. För omskrivning anger du den ursprungliga passagen och vad som får förändras: formulering, längd eller disposition. Håll namn, mängder och den avsedda betydelsen uttryckliga.
En bilduppgift kan begära det synliga meddelandet i en skärmbild, en beskrivning av en produktdetalj eller en jämförelse mellan två märkta bilder. Peka ut det relevanta området och ange vad resultatet ska innehålla. För ett skärmfel kan du exempelvis be om den läsbara feltexten och det berörda gränssnittselementet. Kontrollera extraherade detaljer mot den tillhandahållna bilden innan de skickas vidare till en annan operation.
Modellens dokumenterade utdata är text. En visuell fråga ger därför en förklaring, beskrivning eller extraherad information från indatabilden. Ange en läsbar källa och bevara dess etikett när flera bilder förekommer i samma uppgift.
OpenAI dokumenterar Structured Outputs och funktionsanrop för GPT-4o mini. Ett strukturerat svar kan följa de fältnamn och typer som valts för applikationen. Kontrollera både strukturen och innehållet mot indata innan resultatet sparas eller används.
I ett funktionsarbetsflöde tillhandahåller applikationen en funktion och utför ett begärt anrop. Den returnerar sedan det faktiska resultatet till modellen. En avgränsad funktionsbeskrivning och uttryckliga argumentregler hjälper till att hålla förfrågan kopplad till uppgiften som utförs.
Tillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Använd kontexten för relevant material och lämna plats för svaret. En avgränsad extraktion kanske bara behöver några få fält; en längre dokumentjämförelse har nytta av märkta utdrag och en definierad fråga.
", "aboutText": "GPT-4o mini är en liten OpenAI-modell för avgränsade uppgifter. Den tar emot text och bilder och returnerar text, inklusive strukturerade svar. En uppgift kan kombinera en kort instruktion med en passage, en skärmbild eller en annan relevant bild och sedan begära ett specifikt resultat som extraherade fält, en kategori eller ett svarsutkast.\n\n### Omvandla tillhandahållet material till ett kompakt resultat\n\nFör meddelandeklassificering anger du kategorierna och förklarar hur ett meddelande som passar fler än en ska hanteras. Be om den valda kategorin och den del av meddelandet som stöder den. För extraktion namnger du fälten och anger hur värden som saknas i källan ska hanteras. Bevara de ursprungliga identifierarna så att varje resultat kan spåras till sin indata.\n\nEn uppgift för att skriva ett utkast kan ange kundens fråga, relevant produktinformation och den poäng svaret måste förmedla. Be om ett svar inom en bestämd längd eller med en viss ton. För omskrivning anger du den ursprungliga passagen och vad som får förändras: formulering, längd eller disposition. Håll namn, mängder och den avsedda betydelsen uttryckliga.\n\n### Ställ en exakt fråga om en bild\n\nEn bilduppgift kan begära det synliga meddelandet i en skärmbild, en beskrivning av en produktdetalj eller en jämförelse mellan två märkta bilder. Peka ut det relevanta området och ange vad resultatet ska innehålla. För ett skärmfel kan du exempelvis be om den läsbara feltexten och det berörda gränssnittselementet. Kontrollera extraherade detaljer mot den tillhandahållna bilden innan de skickas vidare till en annan operation.\n\nModellens dokumenterade utdata är text. En visuell fråga ger därför en förklaring, beskrivning eller extraherad information från indatabilden. Ange en läsbar källa och bevara dess etikett när flera bilder förekommer i samma uppgift.\n\n### Forma svaret för en applikation\n\nOpenAI dokumenterar Structured Outputs och funktionsanrop för GPT-4o mini. Ett strukturerat svar kan följa de fältnamn och typer som valts för applikationen. Kontrollera både strukturen och innehållet mot indata innan resultatet sparas eller används.\n\nI ett funktionsarbetsflöde tillhandahåller applikationen en funktion och utför ett begärt anrop. Den returnerar sedan det faktiska resultatet till modellen. En avgränsad funktionsbeskrivning och uttryckliga argumentregler hjälper till att hålla förfrågan kopplad till uppgiften som utförs.\n\nTillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Använd kontexten för relevant material och lämna plats för svaret. En avgränsad extraktion kanske bara behöver några få fält; en längre dokumentjämförelse har nytta av märkta utdrag och en definierad fråga.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Extract an appointment request\n\nExtract fields from this message: 'Hi, I am Morgan. Please move booking B-18 from Tuesday to Friday afternoon; I cannot attend in the morning.' Return name, booking ID, current day, requested day and time preference. Preserve the reference exactly and mark any precise requested time as unknown.A compact labelled record with the five requested fields and an explicit unknown precise time.Friday afternoon is a preference rather than an invented clock time, and B-18 remains exact.gpt-4o-miniGPT-4o mini är OpenAI:s lilla modell för avgränsade text- och bilduppgifter. Använd den för att klassificera ett meddelande, extrahera fält från tillhandahållet material, förklara en skärmbild eller skriva ett utkast till svar, med textutdata och stöd för Structured Outputs och funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4o mini är en liten OpenAI-modell för avgränsade uppgifter. Den tar emot text och bilder och returnerar text, inklusive strukturerade svar. En uppgift kan kombinera en kort instruktion med en passage, en skärmbild eller en annan relevant bild och sedan begära ett specifikt resultat som extraherade fält, en kategori eller ett svarsutkast.
För meddelandeklassificering anger du kategorierna och förklarar hur ett meddelande som passar fler än en ska hanteras. Be om den valda kategorin och den del av meddelandet som stöder den. För extraktion namnger du fälten och anger hur värden som saknas i källan ska hanteras. Bevara de ursprungliga identifierarna så att varje resultat kan spåras till sin indata.
En uppgift för att skriva ett utkast kan ange kundens fråga, relevant produktinformation och den poäng svaret måste förmedla. Be om ett svar inom en bestämd längd eller med en viss ton. För omskrivning anger du den ursprungliga passagen och vad som får förändras: formulering, längd eller disposition. Håll namn, mängder och den avsedda betydelsen uttryckliga.
En bilduppgift kan begära det synliga meddelandet i en skärmbild, en beskrivning av en produktdetalj eller en jämförelse mellan två märkta bilder. Peka ut det relevanta området och ange vad resultatet ska innehålla. För ett skärmfel kan du exempelvis be om den läsbara feltexten och det berörda gränssnittselementet. Kontrollera extraherade detaljer mot den tillhandahållna bilden innan de skickas vidare till en annan operation.
Modellens dokumenterade utdata är text. En visuell fråga ger därför en förklaring, beskrivning eller extraherad information från indatabilden. Ange en läsbar källa och bevara dess etikett när flera bilder förekommer i samma uppgift.
OpenAI dokumenterar Structured Outputs och funktionsanrop för GPT-4o mini. Ett strukturerat svar kan följa de fältnamn och typer som valts för applikationen. Kontrollera både strukturen och innehållet mot indata innan resultatet sparas eller används.
I ett funktionsarbetsflöde tillhandahåller applikationen en funktion och utför ett begärt anrop. Den returnerar sedan det faktiska resultatet till modellen. En avgränsad funktionsbeskrivning och uttryckliga argumentregler hjälper till att hålla förfrågan kopplad till uppgiften som utförs.
Tillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Använd kontexten för relevant material och lämna plats för svaret. En avgränsad extraktion kanske bara behöver några få fält; en längre dokumentjämförelse har nytta av märkta utdrag och en definierad fråga.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-4o-mini | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Beror på modellen | Standard— |
Fältmessages[].content | Typstring | KravValfritt | Värden & gränser Gäller när: Textsamtal | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream |
Parametercontrol_scope | AvtalTextsamtal; stream är ett booleskt värde och har false som standard. |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Metodalias: /chat/completions
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00015 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00015 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-4o-mini","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-4o-mini", 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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gpt-4o-mini, openai/gpt-4o-mini
/chat/completions
gpt-4o-miniGPT-4o mini är OpenAI:s lilla modell för avgränsade text- och bilduppgifter. Använd den för att klassificera ett meddelande, extrahera fält från tillhandahållet material, förklara en skärmbild eller skriva ett utkast till svar, med textutdata och stöd för Structured Outputs och funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4o mini är en liten OpenAI-modell för avgränsade uppgifter. Den tar emot text och bilder och returnerar text, inklusive strukturerade svar. En uppgift kan kombinera en kort instruktion med en passage, en skärmbild eller en annan relevant bild och sedan begära ett specifikt resultat som extraherade fält, en kategori eller ett svarsutkast.
För meddelandeklassificering anger du kategorierna och förklarar hur ett meddelande som passar fler än en ska hanteras. Be om den valda kategorin och den del av meddelandet som stöder den. För extraktion namnger du fälten och anger hur värden som saknas i källan ska hanteras. Bevara de ursprungliga identifierarna så att varje resultat kan spåras till sin indata.
En uppgift för att skriva ett utkast kan ange kundens fråga, relevant produktinformation och den poäng svaret måste förmedla. Be om ett svar inom en bestämd längd eller med en viss ton. För omskrivning anger du den ursprungliga passagen och vad som får förändras: formulering, längd eller disposition. Håll namn, mängder och den avsedda betydelsen uttryckliga.
En bilduppgift kan begära det synliga meddelandet i en skärmbild, en beskrivning av en produktdetalj eller en jämförelse mellan två märkta bilder. Peka ut det relevanta området och ange vad resultatet ska innehålla. För ett skärmfel kan du exempelvis be om den läsbara feltexten och det berörda gränssnittselementet. Kontrollera extraherade detaljer mot den tillhandahållna bilden innan de skickas vidare till en annan operation.
Modellens dokumenterade utdata är text. En visuell fråga ger därför en förklaring, beskrivning eller extraherad information från indatabilden. Ange en läsbar källa och bevara dess etikett när flera bilder förekommer i samma uppgift.
OpenAI dokumenterar Structured Outputs och funktionsanrop för GPT-4o mini. Ett strukturerat svar kan följa de fältnamn och typer som valts för applikationen. Kontrollera både strukturen och innehållet mot indata innan resultatet sparas eller används.
I ett funktionsarbetsflöde tillhandahåller applikationen en funktion och utför ett begärt anrop. Den returnerar sedan det faktiska resultatet till modellen. En avgränsad funktionsbeskrivning och uttryckliga argumentregler hjälper till att hålla förfrågan kopplad till uppgiften som utförs.
Tillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Använd kontexten för relevant material och lämna plats för svaret. En avgränsad extraktion kanske bara behöver några få fält; en längre dokumentjämförelse har nytta av märkta utdrag och en definierad fråga.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-4o-mini | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00015 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00015 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gpt-4o-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4o-mini', '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-4o-mini', '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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gpt-4o-mini, openai/gpt-4o-mini
/chat/completions
openai/gpt-4o-miniGPT-4o mini är OpenAI:s lilla modell för avgränsade text- och bilduppgifter. Använd den för att klassificera ett meddelande, extrahera fält från tillhandahållet material, förklara en skärmbild eller skriva ett utkast till svar, med textutdata och stöd för Structured Outputs och funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4o mini är en liten OpenAI-modell för avgränsade uppgifter. Den tar emot text och bilder och returnerar text, inklusive strukturerade svar. En uppgift kan kombinera en kort instruktion med en passage, en skärmbild eller en annan relevant bild och sedan begära ett specifikt resultat som extraherade fält, en kategori eller ett svarsutkast.
För meddelandeklassificering anger du kategorierna och förklarar hur ett meddelande som passar fler än en ska hanteras. Be om den valda kategorin och den del av meddelandet som stöder den. För extraktion namnger du fälten och anger hur värden som saknas i källan ska hanteras. Bevara de ursprungliga identifierarna så att varje resultat kan spåras till sin indata.
En uppgift för att skriva ett utkast kan ange kundens fråga, relevant produktinformation och den poäng svaret måste förmedla. Be om ett svar inom en bestämd längd eller med en viss ton. För omskrivning anger du den ursprungliga passagen och vad som får förändras: formulering, längd eller disposition. Håll namn, mängder och den avsedda betydelsen uttryckliga.
En bilduppgift kan begära det synliga meddelandet i en skärmbild, en beskrivning av en produktdetalj eller en jämförelse mellan två märkta bilder. Peka ut det relevanta området och ange vad resultatet ska innehålla. För ett skärmfel kan du exempelvis be om den läsbara feltexten och det berörda gränssnittselementet. Kontrollera extraherade detaljer mot den tillhandahållna bilden innan de skickas vidare till en annan operation.
Modellens dokumenterade utdata är text. En visuell fråga ger därför en förklaring, beskrivning eller extraherad information från indatabilden. Ange en läsbar källa och bevara dess etikett när flera bilder förekommer i samma uppgift.
OpenAI dokumenterar Structured Outputs och funktionsanrop för GPT-4o mini. Ett strukturerat svar kan följa de fältnamn och typer som valts för applikationen. Kontrollera både strukturen och innehållet mot indata innan resultatet sparas eller används.
I ett funktionsarbetsflöde tillhandahåller applikationen en funktion och utför ett begärt anrop. Den returnerar sedan det faktiska resultatet till modellen. En avgränsad funktionsbeskrivning och uttryckliga argumentregler hjälper till att hålla förfrågan kopplad till uppgiften som utförs.
Tillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Använd kontexten för relevant material och lämna plats för svaret. En avgränsad extraktion kanske bara behöver några få fält; en längre dokumentjämförelse har nytta av märkta utdrag och en definierad fråga.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-4o-mini | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00015 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00015 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-4o-mini", "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-4o-mini',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-4o-mini',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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gpt-4o-mini, openai/gpt-4o-mini
/chat/completions
openai/gpt-4o-miniGPT-4o mini är OpenAI:s lilla modell för avgränsade text- och bilduppgifter. Använd den för att klassificera ett meddelande, extrahera fält från tillhandahållet material, förklara en skärmbild eller skriva ett utkast till svar, med textutdata och stöd för Structured Outputs och funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4o mini är en liten OpenAI-modell för avgränsade uppgifter. Den tar emot text och bilder och returnerar text, inklusive strukturerade svar. En uppgift kan kombinera en kort instruktion med en passage, en skärmbild eller en annan relevant bild och sedan begära ett specifikt resultat som extraherade fält, en kategori eller ett svarsutkast.
För meddelandeklassificering anger du kategorierna och förklarar hur ett meddelande som passar fler än en ska hanteras. Be om den valda kategorin och den del av meddelandet som stöder den. För extraktion namnger du fälten och anger hur värden som saknas i källan ska hanteras. Bevara de ursprungliga identifierarna så att varje resultat kan spåras till sin indata.
En uppgift för att skriva ett utkast kan ange kundens fråga, relevant produktinformation och den poäng svaret måste förmedla. Be om ett svar inom en bestämd längd eller med en viss ton. För omskrivning anger du den ursprungliga passagen och vad som får förändras: formulering, längd eller disposition. Håll namn, mängder och den avsedda betydelsen uttryckliga.
En bilduppgift kan begära det synliga meddelandet i en skärmbild, en beskrivning av en produktdetalj eller en jämförelse mellan två märkta bilder. Peka ut det relevanta området och ange vad resultatet ska innehålla. För ett skärmfel kan du exempelvis be om den läsbara feltexten och det berörda gränssnittselementet. Kontrollera extraherade detaljer mot den tillhandahållna bilden innan de skickas vidare till en annan operation.
Modellens dokumenterade utdata är text. En visuell fråga ger därför en förklaring, beskrivning eller extraherad information från indatabilden. Ange en läsbar källa och bevara dess etikett när flera bilder förekommer i samma uppgift.
OpenAI dokumenterar Structured Outputs och funktionsanrop för GPT-4o mini. Ett strukturerat svar kan följa de fältnamn och typer som valts för applikationen. Kontrollera både strukturen och innehållet mot indata innan resultatet sparas eller används.
I ett funktionsarbetsflöde tillhandahåller applikationen en funktion och utför ett begärt anrop. Den returnerar sedan det faktiska resultatet till modellen. En avgränsad funktionsbeskrivning och uttryckliga argumentregler hjälper till att hålla förfrågan kopplad till uppgiften som utförs.
Tillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Använd kontexten för relevant material och lämna plats för svaret. En avgränsad extraktion kanske bara behöver några få fält; en längre dokumentjämförelse har nytta av märkta utdrag och en definierad fråga.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-4o-mini | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00015 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0003 / 1K token Utdata · Utdatatoken $0.0012 / 1K token Indata · Cacheläsning $0.00015 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "openai/gpt-4o-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4o-mini', '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-4o-mini', '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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gpt-4o-mini, openai/gpt-4o-mini
/chat/completions
Tekniskt exempel på engelska
Extract an appointment request\n\nExtract fields from this message: 'Hi, I am Morgan. Please move booking B-18 from Tuesday to Friday afternoon; I cannot attend in the morning.' Return name, booking ID, current day, requested day and time preference. Preserve the reference exactly and mark any precise requested time as unknown.A compact labelled record with the five requested fields and an explicit unknown precise time.Friday afternoon is a preference rather than an invented clock time, and B-18 remains exact.