GPT-4o är en generell OpenAI-modell som tar emot text och bilder och producerar text. En förfrågan kan kombinera skriftliga instruktioner med visuellt underlag och låta en assistent besvara frågor om en skärmbild, jämföra märkta bilder eller förklara information i ett dokumentutdrag. Modellen stöder även strukturerade svar och funktionsanrop i tillverkarens dokumenterade gränssnitt.
Ge varje bild en etikett och förklara vilket beslut svaret ska stödja. En skärmbildsgranskning kan be om det synliga tillståndet, felmeddelandet och nästa diagnostiska fråga. En jämförelse kan ange vilka egenskaper som ska granskas och begära en separat observation för varje bild. Ta med skriftlig kontext när bilden ensam inte förklarar uppgiften.
För material med både prosa och visuella delar väljer du relevanta passager och bilder och anger sedan frågan som förbinder dem. Be modellen skilja mellan vad som syns i källan och vad som följer av en tolkning. Behåll sid- eller bildetiketter i svaret så att en granskare kan återvända till det stödjande materialet.
En innehållsuppgift kan ange en målgrupp, informationen som ska förmedlas och det önskade resultatet: en förklaring, ett kundsvar, en bearbetad passage eller en kort genomgång. Ange de fakta som måste bevaras och en längd som passar läsaren. När befintligt innehåll bearbetas identifierar du om ändringen gäller formulering, struktur eller saknad kontext.
För kodarbete anger du det relevanta utdraget, dess roll i projektet och det förväntade beteendet. Begär en avgränsad förklaring eller ett förslag med exempel som gör resultatet möjligt att testa. Den returnerade koden kan sedan granskas och köras i målmiljön.
OpenAI dokumenterar Structured Outputs för GPT-4o. Definiera fälten, deras typer och hur saknad information ska uttryckas. En visuell extraktion kan begära en etikett, ett läsbart värde och identifieraren för bilden som stöder det. Validera strukturen och jämför det extraherade innehållet med källan innan det används i nästa steg.
Funktionsanrop ger en applikation en modellvald förfrågan om en funktion som den tillhandahåller. Applikationen utför operationen och anger dess resultat; modellen kan sedan använda det returnerade underlaget i sitt svar. Bevara skillnaden mellan en föreslagen åtgärd och det registrerade utfallet.
Tillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Planera en lång uppgift kring det relevanta källmaterialet och svaret som behövs. GPT-4o har separat namngivna versioner; ett arbetsflöde med en exakt version ska behålla den begärda modellidentiteten tillsammans med prompten och resultatet.
", "aboutText": "GPT-4o är en generell OpenAI-modell som tar emot text och bilder och producerar text. En förfrågan kan kombinera skriftliga instruktioner med visuellt underlag och låta en assistent besvara frågor om en skärmbild, jämföra märkta bilder eller förklara information i ett dokumentutdrag. Modellen stöder även strukturerade svar och funktionsanrop i tillverkarens dokumenterade gränssnitt.\n\n### Kombinera text med visuellt underlag\n\nGe varje bild en etikett och förklara vilket beslut svaret ska stödja. En skärmbildsgranskning kan be om det synliga tillståndet, felmeddelandet och nästa diagnostiska fråga. En jämförelse kan ange vilka egenskaper som ska granskas och begära en separat observation för varje bild. Ta med skriftlig kontext när bilden ensam inte förklarar uppgiften.\n\nFör material med både prosa och visuella delar väljer du relevanta passager och bilder och anger sedan frågan som förbinder dem. Be modellen skilja mellan vad som syns i källan och vad som följer av en tolkning. Behåll sid- eller bildetiketter i svaret så att en granskare kan återvända till det stödjande materialet.\n\n### Skriv utkast, förklara och bearbeta\n\nEn innehållsuppgift kan ange en målgrupp, informationen som ska förmedlas och det önskade resultatet: en förklaring, ett kundsvar, en bearbetad passage eller en kort genomgång. Ange de fakta som måste bevaras och en längd som passar läsaren. När befintligt innehåll bearbetas identifierar du om ändringen gäller formulering, struktur eller saknad kontext.\n\nFör kodarbete anger du det relevanta utdraget, dess roll i projektet och det förväntade beteendet. Begär en avgränsad förklaring eller ett förslag med exempel som gör resultatet möjligt att testa. Den returnerade koden kan sedan granskas och köras i målmiljön.\n\n### Returnera ett resultat som nästa steg kan använda\n\nOpenAI dokumenterar Structured Outputs för GPT-4o. Definiera fälten, deras typer och hur saknad information ska uttryckas. En visuell extraktion kan begära en etikett, ett läsbart värde och identifieraren för bilden som stöder det. Validera strukturen och jämför det extraherade innehållet med källan innan det används i nästa steg.\n\nFunktionsanrop ger en applikation en modellvald förfrågan om en funktion som den tillhandahåller. Applikationen utför operationen och anger dess resultat; modellen kan sedan använda det returnerade underlaget i sitt svar. Bevara skillnaden mellan en föreslagen åtgärd och det registrerade utfallet.\n\nTillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Planera en lång uppgift kring det relevanta källmaterialet och svaret som behövs. GPT-4o har separat namngivna versioner; ett arbetsflöde med en exakt version ska behålla den begärda modellidentiteten tillsammans med prompten och resultatet.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Rewrite a returns instruction\n\nRewrite this internal note as customer instructions: "Get RA first. Send back only unopened units. Include packing slip. Photos needed if seal arrived broken." Explain RA as "return authorization" on first use. Use a short numbered list, preserve the broken-seal condition and avoid adding deadlines, fees or eligibility exceptions.A customer-facing numbered instruction list with the acronym explained and the photo condition preserved.Check that photos are conditional on a seal arriving broken rather than required for every return.gpt-4oGPT-4o är OpenAI:s modell för text- och bildförståelse med textutdata. Den kan arbeta med passager och visuellt underlag i samma uppgift för att förklara material, skriva innehållsutkast eller returnera strukturerade fält, med funktionsanrop dokumenterade för applikationsarbetsflöden.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4o är en generell OpenAI-modell som tar emot text och bilder och producerar text. En förfrågan kan kombinera skriftliga instruktioner med visuellt underlag och låta en assistent besvara frågor om en skärmbild, jämföra märkta bilder eller förklara information i ett dokumentutdrag. Modellen stöder även strukturerade svar och funktionsanrop i tillverkarens dokumenterade gränssnitt.
Ge varje bild en etikett och förklara vilket beslut svaret ska stödja. En skärmbildsgranskning kan be om det synliga tillståndet, felmeddelandet och nästa diagnostiska fråga. En jämförelse kan ange vilka egenskaper som ska granskas och begära en separat observation för varje bild. Ta med skriftlig kontext när bilden ensam inte förklarar uppgiften.
För material med både prosa och visuella delar väljer du relevanta passager och bilder och anger sedan frågan som förbinder dem. Be modellen skilja mellan vad som syns i källan och vad som följer av en tolkning. Behåll sid- eller bildetiketter i svaret så att en granskare kan återvända till det stödjande materialet.
En innehållsuppgift kan ange en målgrupp, informationen som ska förmedlas och det önskade resultatet: en förklaring, ett kundsvar, en bearbetad passage eller en kort genomgång. Ange de fakta som måste bevaras och en längd som passar läsaren. När befintligt innehåll bearbetas identifierar du om ändringen gäller formulering, struktur eller saknad kontext.
För kodarbete anger du det relevanta utdraget, dess roll i projektet och det förväntade beteendet. Begär en avgränsad förklaring eller ett förslag med exempel som gör resultatet möjligt att testa. Den returnerade koden kan sedan granskas och köras i målmiljön.
OpenAI dokumenterar Structured Outputs för GPT-4o. Definiera fälten, deras typer och hur saknad information ska uttryckas. En visuell extraktion kan begära en etikett, ett läsbart värde och identifieraren för bilden som stöder det. Validera strukturen och jämför det extraherade innehållet med källan innan det används i nästa steg.
Funktionsanrop ger en applikation en modellvald förfrågan om en funktion som den tillhandahåller. Applikationen utför operationen och anger dess resultat; modellen kan sedan använda det returnerade underlaget i sitt svar. Bevara skillnaden mellan en föreslagen åtgärd och det registrerade utfallet.
Tillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Planera en lång uppgift kring det relevanta källmaterialet och svaret som behövs. GPT-4o har separat namngivna versioner; ett arbetsflöde med en exakt version ska behålla den begärda modellidentiteten tillsammans med prompten och resultatet.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-4o | 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 $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0025 / 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 $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0025 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-4o","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", 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, openai/gpt-4o
/chat/completions
gpt-4oGPT-4o är OpenAI:s modell för text- och bildförståelse med textutdata. Den kan arbeta med passager och visuellt underlag i samma uppgift för att förklara material, skriva innehållsutkast eller returnera strukturerade fält, med funktionsanrop dokumenterade för applikationsarbetsflöden.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4o är en generell OpenAI-modell som tar emot text och bilder och producerar text. En förfrågan kan kombinera skriftliga instruktioner med visuellt underlag och låta en assistent besvara frågor om en skärmbild, jämföra märkta bilder eller förklara information i ett dokumentutdrag. Modellen stöder även strukturerade svar och funktionsanrop i tillverkarens dokumenterade gränssnitt.
Ge varje bild en etikett och förklara vilket beslut svaret ska stödja. En skärmbildsgranskning kan be om det synliga tillståndet, felmeddelandet och nästa diagnostiska fråga. En jämförelse kan ange vilka egenskaper som ska granskas och begära en separat observation för varje bild. Ta med skriftlig kontext när bilden ensam inte förklarar uppgiften.
För material med både prosa och visuella delar väljer du relevanta passager och bilder och anger sedan frågan som förbinder dem. Be modellen skilja mellan vad som syns i källan och vad som följer av en tolkning. Behåll sid- eller bildetiketter i svaret så att en granskare kan återvända till det stödjande materialet.
En innehållsuppgift kan ange en målgrupp, informationen som ska förmedlas och det önskade resultatet: en förklaring, ett kundsvar, en bearbetad passage eller en kort genomgång. Ange de fakta som måste bevaras och en längd som passar läsaren. När befintligt innehåll bearbetas identifierar du om ändringen gäller formulering, struktur eller saknad kontext.
För kodarbete anger du det relevanta utdraget, dess roll i projektet och det förväntade beteendet. Begär en avgränsad förklaring eller ett förslag med exempel som gör resultatet möjligt att testa. Den returnerade koden kan sedan granskas och köras i målmiljön.
OpenAI dokumenterar Structured Outputs för GPT-4o. Definiera fälten, deras typer och hur saknad information ska uttryckas. En visuell extraktion kan begära en etikett, ett läsbart värde och identifieraren för bilden som stöder det. Validera strukturen och jämför det extraherade innehållet med källan innan det används i nästa steg.
Funktionsanrop ger en applikation en modellvald förfrågan om en funktion som den tillhandahåller. Applikationen utför operationen och anger dess resultat; modellen kan sedan använda det returnerade underlaget i sitt svar. Bevara skillnaden mellan en föreslagen åtgärd och det registrerade utfallet.
Tillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Planera en lång uppgift kring det relevanta källmaterialet och svaret som behövs. GPT-4o har separat namngivna versioner; ett arbetsflöde med en exakt version ska behålla den begärda modellidentiteten tillsammans med prompten och resultatet.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-4o | 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 $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0025 / 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 $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0025 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gpt-4o",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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, openai/gpt-4o
/chat/completions
openai/gpt-4oGPT-4o är OpenAI:s modell för text- och bildförståelse med textutdata. Den kan arbeta med passager och visuellt underlag i samma uppgift för att förklara material, skriva innehållsutkast eller returnera strukturerade fält, med funktionsanrop dokumenterade för applikationsarbetsflöden.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4o är en generell OpenAI-modell som tar emot text och bilder och producerar text. En förfrågan kan kombinera skriftliga instruktioner med visuellt underlag och låta en assistent besvara frågor om en skärmbild, jämföra märkta bilder eller förklara information i ett dokumentutdrag. Modellen stöder även strukturerade svar och funktionsanrop i tillverkarens dokumenterade gränssnitt.
Ge varje bild en etikett och förklara vilket beslut svaret ska stödja. En skärmbildsgranskning kan be om det synliga tillståndet, felmeddelandet och nästa diagnostiska fråga. En jämförelse kan ange vilka egenskaper som ska granskas och begära en separat observation för varje bild. Ta med skriftlig kontext när bilden ensam inte förklarar uppgiften.
För material med både prosa och visuella delar väljer du relevanta passager och bilder och anger sedan frågan som förbinder dem. Be modellen skilja mellan vad som syns i källan och vad som följer av en tolkning. Behåll sid- eller bildetiketter i svaret så att en granskare kan återvända till det stödjande materialet.
En innehållsuppgift kan ange en målgrupp, informationen som ska förmedlas och det önskade resultatet: en förklaring, ett kundsvar, en bearbetad passage eller en kort genomgång. Ange de fakta som måste bevaras och en längd som passar läsaren. När befintligt innehåll bearbetas identifierar du om ändringen gäller formulering, struktur eller saknad kontext.
För kodarbete anger du det relevanta utdraget, dess roll i projektet och det förväntade beteendet. Begär en avgränsad förklaring eller ett förslag med exempel som gör resultatet möjligt att testa. Den returnerade koden kan sedan granskas och köras i målmiljön.
OpenAI dokumenterar Structured Outputs för GPT-4o. Definiera fälten, deras typer och hur saknad information ska uttryckas. En visuell extraktion kan begära en etikett, ett läsbart värde och identifieraren för bilden som stöder det. Validera strukturen och jämför det extraherade innehållet med källan innan det används i nästa steg.
Funktionsanrop ger en applikation en modellvald förfrågan om en funktion som den tillhandahåller. Applikationen utför operationen och anger dess resultat; modellen kan sedan använda det returnerade underlaget i sitt svar. Bevara skillnaden mellan en föreslagen åtgärd och det registrerade utfallet.
Tillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Planera en lång uppgift kring det relevanta källmaterialet och svaret som behövs. GPT-4o har separat namngivna versioner; ett arbetsflöde med en exakt version ska behålla den begärda modellidentiteten tillsammans med prompten och resultatet.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-4o | 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 $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0025 / 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 $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0025 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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", "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',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',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, openai/gpt-4o
/chat/completions
openai/gpt-4oGPT-4o är OpenAI:s modell för text- och bildförståelse med textutdata. Den kan arbeta med passager och visuellt underlag i samma uppgift för att förklara material, skriva innehållsutkast eller returnera strukturerade fält, med funktionsanrop dokumenterade för applikationsarbetsflöden.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-4o är en generell OpenAI-modell som tar emot text och bilder och producerar text. En förfrågan kan kombinera skriftliga instruktioner med visuellt underlag och låta en assistent besvara frågor om en skärmbild, jämföra märkta bilder eller förklara information i ett dokumentutdrag. Modellen stöder även strukturerade svar och funktionsanrop i tillverkarens dokumenterade gränssnitt.
Ge varje bild en etikett och förklara vilket beslut svaret ska stödja. En skärmbildsgranskning kan be om det synliga tillståndet, felmeddelandet och nästa diagnostiska fråga. En jämförelse kan ange vilka egenskaper som ska granskas och begära en separat observation för varje bild. Ta med skriftlig kontext när bilden ensam inte förklarar uppgiften.
För material med både prosa och visuella delar väljer du relevanta passager och bilder och anger sedan frågan som förbinder dem. Be modellen skilja mellan vad som syns i källan och vad som följer av en tolkning. Behåll sid- eller bildetiketter i svaret så att en granskare kan återvända till det stödjande materialet.
En innehållsuppgift kan ange en målgrupp, informationen som ska förmedlas och det önskade resultatet: en förklaring, ett kundsvar, en bearbetad passage eller en kort genomgång. Ange de fakta som måste bevaras och en längd som passar läsaren. När befintligt innehåll bearbetas identifierar du om ändringen gäller formulering, struktur eller saknad kontext.
För kodarbete anger du det relevanta utdraget, dess roll i projektet och det förväntade beteendet. Begär en avgränsad förklaring eller ett förslag med exempel som gör resultatet möjligt att testa. Den returnerade koden kan sedan granskas och köras i målmiljön.
OpenAI dokumenterar Structured Outputs för GPT-4o. Definiera fälten, deras typer och hur saknad information ska uttryckas. En visuell extraktion kan begära en etikett, ett läsbart värde och identifieraren för bilden som stöder det. Validera strukturen och jämför det extraherade innehållet med källan innan det används i nästa steg.
Funktionsanrop ger en applikation en modellvald förfrågan om en funktion som den tillhandahåller. Applikationen utför operationen och anger dess resultat; modellen kan sedan använda det returnerade underlaget i sitt svar. Bevara skillnaden mellan en föreslagen åtgärd och det registrerade utfallet.
Tillverkaren anger ett kontextfönster på 128 000 token och högst 16 384 token i utdata för den dokumenterade versionen. Planera en lång uppgift kring det relevanta källmaterialet och svaret som behövs. GPT-4o har separat namngivna versioner; ett arbetsflöde med en exakt version ska behålla den begärda modellidentiteten tillsammans med prompten och resultatet.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-4o | 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 $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0025 / 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 $0.005 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0.0025 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "openai/gpt-4o",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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, openai/gpt-4o
/chat/completions
Tekniskt exempel på engelska
Rewrite a returns instruction\n\nRewrite this internal note as customer instructions: "Get RA first. Send back only unopened units. Include packing slip. Photos needed if seal arrived broken." Explain RA as "return authorization" on first use. Use a short numbered list, preserve the broken-seal condition and avoid adding deadlines, fees or eligibility exceptions.A customer-facing numbered instruction list with the acronym explained and the photo condition preserved.Check that photos are conditional on a seal arriving broken rather than required for every return.