GPT-5.2-Codex är OpenAI:s GPT-5.2-utgåva optimerad för agentbaserad kodning i Codex och liknande miljöer. Den tar emot text och bilder och ger text som utdata. Modellen är utformad för långvarig programvaruutveckling där projektkontext, verktygsresultat och redan fattade beslut påverkar nästa steg.
Tillverkarens lansering beskriver stora kodändringar som refaktoreringar, migreringar och funktionsutveckling samt förbättrat arbete i Windows-miljöer. Inbyggd kontextkomprimering stöder långa sessioner genom att bevara viktigt tillstånd när konversationen växer. Detta är en mekanism för att fortsätta en lång uppgift, skild från ett numeriskt större kontextfönster eller en garanti för att varje detalj i ett projekt ska rymmas i en enda begäran.
För en kodändring tillhandahåller du önskat beteende, relevanta filer och de begränsningar som lösningen måste bevara. En illustrativ begäran är att migrera en komponent och samtidigt hålla dess publika beteende enhetligt: identifiera beroendena, föreslå samordnade ändringar och ange hur beteendet ska kontrolleras. För ett fel tar du med det observerade resultatet, förväntat resultat och villkoren som återskapar problemet. Faktiska fil- och kommandoresultat blir belägg för nästa beslut i agentens miljö.
Visuella indata kan tillföra en designskiss, skärmbild, teknisk ritning eller ett diagram knutet till utvecklingsuppgiften. Lanseringen beskriver tolkning av dessa material under kodsessioner. Ange det viktiga tillståndet eller sambandet i bilden och förklara hur implementationen ska använda det. Utdata förblir text, bland annat kod eller instruktioner för de anslutna verktygen; en visuell referens gör inte modellen till en bildgenerator.
OpenAI anger ett kontextfönster på 400 000 token, högst 272 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 31 augusti 2025. Resonemangsnivåerna som stöds är low, medium, high och xhigh. Modellens dokumenterade gränssnitt är Responses, med strömning, Structured Outputs, funktionsanrop, bildindata, webbsökning och promptcache. De exakt angivna verktygen omfattar funktioner, webbsökning, värdbaserat skal och färdigheter.
Applikationer tillhandahåller sin arbetsmiljö, utför sina operationer och återför faktiska resultat. Lanseringen beskriver också ytterligare skyddsåtgärder kring cybersäkerhetsrelaterat arbete. Definiera ett konkret kriterium för när utvecklingsuppgiften är slutförd och begär en slutleverans som knyter berörda filer, betydelsefulla ändringar och slutförda kontroller till det ursprungliga beteendet. Håll en föreslagen kontroll skild från en som har körts så att resultatet kan stödja nästa utvecklingsetapp.
", "aboutText": "GPT-5.2-Codex är OpenAI:s GPT-5.2-utgåva optimerad för agentbaserad kodning i Codex och liknande miljöer. Den tar emot text och bilder och ger text som utdata. Modellen är utformad för långvarig programvaruutveckling där projektkontext, verktygsresultat och redan fattade beslut påverkar nästa steg.\n\nTillverkarens lansering beskriver stora kodändringar som refaktoreringar, migreringar och funktionsutveckling samt förbättrat arbete i Windows-miljöer. Inbyggd kontextkomprimering stöder långa sessioner genom att bevara viktigt tillstånd när konversationen växer. Detta är en mekanism för att fortsätta en lång uppgift, skild från ett numeriskt större kontextfönster eller en garanti för att varje detalj i ett projekt ska rymmas i en enda begäran.\n\nFör en kodändring tillhandahåller du önskat beteende, relevanta filer och de begränsningar som lösningen måste bevara. En illustrativ begäran är att migrera en komponent och samtidigt hålla dess publika beteende enhetligt: identifiera beroendena, föreslå samordnade ändringar och ange hur beteendet ska kontrolleras. För ett fel tar du med det observerade resultatet, förväntat resultat och villkoren som återskapar problemet. Faktiska fil- och kommandoresultat blir belägg för nästa beslut i agentens miljö.\n\nVisuella indata kan tillföra en designskiss, skärmbild, teknisk ritning eller ett diagram knutet till utvecklingsuppgiften. Lanseringen beskriver tolkning av dessa material under kodsessioner. Ange det viktiga tillståndet eller sambandet i bilden och förklara hur implementationen ska använda det. Utdata förblir text, bland annat kod eller instruktioner för de anslutna verktygen; en visuell referens gör inte modellen till en bildgenerator.\n\nOpenAI anger ett kontextfönster på 400 000 token, högst 272 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 31 augusti 2025. Resonemangsnivåerna som stöds är low, medium, high och xhigh. Modellens dokumenterade gränssnitt är Responses, med strömning, Structured Outputs, funktionsanrop, bildindata, webbsökning och promptcache. De exakt angivna verktygen omfattar funktioner, webbsökning, värdbaserat skal och färdigheter.\n\nApplikationer tillhandahåller sin arbetsmiljö, utför sina operationer och återför faktiska resultat. Lanseringen beskriver också ytterligare skyddsåtgärder kring cybersäkerhetsrelaterat arbete. Definiera ett konkret kriterium för när utvecklingsuppgiften är slutförd och begär en slutleverans som knyter berörda filer, betydelsefulla ändringar och slutförda kontroller till det ursprungliga beteendet. Håll en föreslagen kontroll skild från en som har körts så att resultatet kan stödja nästa utvecklingsetapp.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.gpt-5.2-codexEn GPT-5.2-utgåva optimerad för långvarig agentbaserad kodning. Den tar emot text och bilder och stöder refaktorering i projektomfattning, migreringar och felsökning i en miljö med anslutna verktyg, med inbyggd kontextkomprimering för fortsatt arbete.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.2-Codex är OpenAI:s GPT-5.2-utgåva optimerad för agentbaserad kodning i Codex och liknande miljöer. Den tar emot text och bilder och ger text som utdata. Modellen är utformad för långvarig programvaruutveckling där projektkontext, verktygsresultat och redan fattade beslut påverkar nästa steg.
Tillverkarens lansering beskriver stora kodändringar som refaktoreringar, migreringar och funktionsutveckling samt förbättrat arbete i Windows-miljöer. Inbyggd kontextkomprimering stöder långa sessioner genom att bevara viktigt tillstånd när konversationen växer. Detta är en mekanism för att fortsätta en lång uppgift, skild från ett numeriskt större kontextfönster eller en garanti för att varje detalj i ett projekt ska rymmas i en enda begäran.
För en kodändring tillhandahåller du önskat beteende, relevanta filer och de begränsningar som lösningen måste bevara. En illustrativ begäran är att migrera en komponent och samtidigt hålla dess publika beteende enhetligt: identifiera beroendena, föreslå samordnade ändringar och ange hur beteendet ska kontrolleras. För ett fel tar du med det observerade resultatet, förväntat resultat och villkoren som återskapar problemet. Faktiska fil- och kommandoresultat blir belägg för nästa beslut i agentens miljö.
Visuella indata kan tillföra en designskiss, skärmbild, teknisk ritning eller ett diagram knutet till utvecklingsuppgiften. Lanseringen beskriver tolkning av dessa material under kodsessioner. Ange det viktiga tillståndet eller sambandet i bilden och förklara hur implementationen ska använda det. Utdata förblir text, bland annat kod eller instruktioner för de anslutna verktygen; en visuell referens gör inte modellen till en bildgenerator.
OpenAI anger ett kontextfönster på 400 000 token, högst 272 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 31 augusti 2025. Resonemangsnivåerna som stöds är low, medium, high och xhigh. Modellens dokumenterade gränssnitt är Responses, med strömning, Structured Outputs, funktionsanrop, bildindata, webbsökning och promptcache. De exakt angivna verktygen omfattar funktioner, webbsökning, värdbaserat skal och färdigheter.
Applikationer tillhandahåller sin arbetsmiljö, utför sina operationer och återför faktiska resultat. Lanseringen beskriver också ytterligare skyddsåtgärder kring cybersäkerhetsrelaterat arbete. Definiera ett konkret kriterium för när utvecklingsuppgiften är slutförd och begär en slutleverans som knyter berörda filer, betydelsefulla ändringar och slutförda kontroller till det ursprungliga beteendet. Håll en föreslagen kontroll skild från en som har körts så att resultatet kan stödja nästa utvecklingsetapp.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-5.2-codex | 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 $0.0035 / 1K token Utdata · Utdatatoken $0.028 / 1K token Indata · Cacheläsning $0.00035 / 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 $0.0035 / 1K token Utdata · Utdatatoken $0.028 / 1K token Indata · Cacheläsning $0.00035 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5.2-codex","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gpt-5.2-codex", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
gpt-5.2-codexEn GPT-5.2-utgåva optimerad för långvarig agentbaserad kodning. Den tar emot text och bilder och stöder refaktorering i projektomfattning, migreringar och felsökning i en miljö med anslutna verktyg, med inbyggd kontextkomprimering för fortsatt arbete.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.2-Codex är OpenAI:s GPT-5.2-utgåva optimerad för agentbaserad kodning i Codex och liknande miljöer. Den tar emot text och bilder och ger text som utdata. Modellen är utformad för långvarig programvaruutveckling där projektkontext, verktygsresultat och redan fattade beslut påverkar nästa steg.
Tillverkarens lansering beskriver stora kodändringar som refaktoreringar, migreringar och funktionsutveckling samt förbättrat arbete i Windows-miljöer. Inbyggd kontextkomprimering stöder långa sessioner genom att bevara viktigt tillstånd när konversationen växer. Detta är en mekanism för att fortsätta en lång uppgift, skild från ett numeriskt större kontextfönster eller en garanti för att varje detalj i ett projekt ska rymmas i en enda begäran.
För en kodändring tillhandahåller du önskat beteende, relevanta filer och de begränsningar som lösningen måste bevara. En illustrativ begäran är att migrera en komponent och samtidigt hålla dess publika beteende enhetligt: identifiera beroendena, föreslå samordnade ändringar och ange hur beteendet ska kontrolleras. För ett fel tar du med det observerade resultatet, förväntat resultat och villkoren som återskapar problemet. Faktiska fil- och kommandoresultat blir belägg för nästa beslut i agentens miljö.
Visuella indata kan tillföra en designskiss, skärmbild, teknisk ritning eller ett diagram knutet till utvecklingsuppgiften. Lanseringen beskriver tolkning av dessa material under kodsessioner. Ange det viktiga tillståndet eller sambandet i bilden och förklara hur implementationen ska använda det. Utdata förblir text, bland annat kod eller instruktioner för de anslutna verktygen; en visuell referens gör inte modellen till en bildgenerator.
OpenAI anger ett kontextfönster på 400 000 token, högst 272 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 31 augusti 2025. Resonemangsnivåerna som stöds är low, medium, high och xhigh. Modellens dokumenterade gränssnitt är Responses, med strömning, Structured Outputs, funktionsanrop, bildindata, webbsökning och promptcache. De exakt angivna verktygen omfattar funktioner, webbsökning, värdbaserat skal och färdigheter.
Applikationer tillhandahåller sin arbetsmiljö, utför sina operationer och återför faktiska resultat. Lanseringen beskriver också ytterligare skyddsåtgärder kring cybersäkerhetsrelaterat arbete. Definiera ett konkret kriterium för när utvecklingsuppgiften är slutförd och begär en slutleverans som knyter berörda filer, betydelsefulla ändringar och slutförda kontroller till det ursprungliga beteendet. Håll en föreslagen kontroll skild från en som har körts så att resultatet kan stödja nästa utvecklingsetapp.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-5.2-codex | 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 $0.0035 / 1K token Utdata · Utdatatoken $0.028 / 1K token Indata · Cacheläsning $0.00035 / 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 $0.0035 / 1K token Utdata · Utdatatoken $0.028 / 1K token Indata · Cacheläsning $0.00035 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.2-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-5.2-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexEn GPT-5.2-utgåva optimerad för långvarig agentbaserad kodning. Den tar emot text och bilder och stöder refaktorering i projektomfattning, migreringar och felsökning i en miljö med anslutna verktyg, med inbyggd kontextkomprimering för fortsatt arbete.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.2-Codex är OpenAI:s GPT-5.2-utgåva optimerad för agentbaserad kodning i Codex och liknande miljöer. Den tar emot text och bilder och ger text som utdata. Modellen är utformad för långvarig programvaruutveckling där projektkontext, verktygsresultat och redan fattade beslut påverkar nästa steg.
Tillverkarens lansering beskriver stora kodändringar som refaktoreringar, migreringar och funktionsutveckling samt förbättrat arbete i Windows-miljöer. Inbyggd kontextkomprimering stöder långa sessioner genom att bevara viktigt tillstånd när konversationen växer. Detta är en mekanism för att fortsätta en lång uppgift, skild från ett numeriskt större kontextfönster eller en garanti för att varje detalj i ett projekt ska rymmas i en enda begäran.
För en kodändring tillhandahåller du önskat beteende, relevanta filer och de begränsningar som lösningen måste bevara. En illustrativ begäran är att migrera en komponent och samtidigt hålla dess publika beteende enhetligt: identifiera beroendena, föreslå samordnade ändringar och ange hur beteendet ska kontrolleras. För ett fel tar du med det observerade resultatet, förväntat resultat och villkoren som återskapar problemet. Faktiska fil- och kommandoresultat blir belägg för nästa beslut i agentens miljö.
Visuella indata kan tillföra en designskiss, skärmbild, teknisk ritning eller ett diagram knutet till utvecklingsuppgiften. Lanseringen beskriver tolkning av dessa material under kodsessioner. Ange det viktiga tillståndet eller sambandet i bilden och förklara hur implementationen ska använda det. Utdata förblir text, bland annat kod eller instruktioner för de anslutna verktygen; en visuell referens gör inte modellen till en bildgenerator.
OpenAI anger ett kontextfönster på 400 000 token, högst 272 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 31 augusti 2025. Resonemangsnivåerna som stöds är low, medium, high och xhigh. Modellens dokumenterade gränssnitt är Responses, med strömning, Structured Outputs, funktionsanrop, bildindata, webbsökning och promptcache. De exakt angivna verktygen omfattar funktioner, webbsökning, värdbaserat skal och färdigheter.
Applikationer tillhandahåller sin arbetsmiljö, utför sina operationer och återför faktiska resultat. Lanseringen beskriver också ytterligare skyddsåtgärder kring cybersäkerhetsrelaterat arbete. Definiera ett konkret kriterium för när utvecklingsuppgiften är slutförd och begär en slutleverans som knyter berörda filer, betydelsefulla ändringar och slutförda kontroller till det ursprungliga beteendet. Håll en föreslagen kontroll skild från en som har körts så att resultatet kan stödja nästa utvecklingsetapp.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-5.2-codex | 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 $0.0035 / 1K token Utdata · Utdatatoken $0.028 / 1K token Indata · Cacheläsning $0.00035 / 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 $0.0035 / 1K token Utdata · Utdatatoken $0.028 / 1K token Indata · Cacheläsning $0.00035 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.2-codex", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-5.2-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-5.2-codex',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
openai/gpt-5.2-codexEn GPT-5.2-utgåva optimerad för långvarig agentbaserad kodning. Den tar emot text och bilder och stöder refaktorering i projektomfattning, migreringar och felsökning i en miljö med anslutna verktyg, med inbyggd kontextkomprimering för fortsatt arbete.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.2-Codex är OpenAI:s GPT-5.2-utgåva optimerad för agentbaserad kodning i Codex och liknande miljöer. Den tar emot text och bilder och ger text som utdata. Modellen är utformad för långvarig programvaruutveckling där projektkontext, verktygsresultat och redan fattade beslut påverkar nästa steg.
Tillverkarens lansering beskriver stora kodändringar som refaktoreringar, migreringar och funktionsutveckling samt förbättrat arbete i Windows-miljöer. Inbyggd kontextkomprimering stöder långa sessioner genom att bevara viktigt tillstånd när konversationen växer. Detta är en mekanism för att fortsätta en lång uppgift, skild från ett numeriskt större kontextfönster eller en garanti för att varje detalj i ett projekt ska rymmas i en enda begäran.
För en kodändring tillhandahåller du önskat beteende, relevanta filer och de begränsningar som lösningen måste bevara. En illustrativ begäran är att migrera en komponent och samtidigt hålla dess publika beteende enhetligt: identifiera beroendena, föreslå samordnade ändringar och ange hur beteendet ska kontrolleras. För ett fel tar du med det observerade resultatet, förväntat resultat och villkoren som återskapar problemet. Faktiska fil- och kommandoresultat blir belägg för nästa beslut i agentens miljö.
Visuella indata kan tillföra en designskiss, skärmbild, teknisk ritning eller ett diagram knutet till utvecklingsuppgiften. Lanseringen beskriver tolkning av dessa material under kodsessioner. Ange det viktiga tillståndet eller sambandet i bilden och förklara hur implementationen ska använda det. Utdata förblir text, bland annat kod eller instruktioner för de anslutna verktygen; en visuell referens gör inte modellen till en bildgenerator.
OpenAI anger ett kontextfönster på 400 000 token, högst 272 000 indatatoken och högst 128 000 utdatatoken, med kunskapsgräns den 31 augusti 2025. Resonemangsnivåerna som stöds är low, medium, high och xhigh. Modellens dokumenterade gränssnitt är Responses, med strömning, Structured Outputs, funktionsanrop, bildindata, webbsökning och promptcache. De exakt angivna verktygen omfattar funktioner, webbsökning, värdbaserat skal och färdigheter.
Applikationer tillhandahåller sin arbetsmiljö, utför sina operationer och återför faktiska resultat. Lanseringen beskriver också ytterligare skyddsåtgärder kring cybersäkerhetsrelaterat arbete. Definiera ett konkret kriterium för när utvecklingsuppgiften är slutförd och begär en slutleverans som knyter berörda filer, betydelsefulla ändringar och slutförda kontroller till det ursprungliga beteendet. Håll en föreslagen kontroll skild från en som har körts så att resultatet kan stödja nästa utvecklingsetapp.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-5.2-codex | 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 $0.0035 / 1K token Utdata · Utdatatoken $0.028 / 1K token Indata · Cacheläsning $0.00035 / 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 $0.0035 / 1K token Utdata · Utdatatoken $0.028 / 1K token Indata · Cacheläsning $0.00035 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "openai/gpt-5.2-codex",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.2-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-5.2-codex', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-5.2-codex, openai/gpt-5.2-codex
/chat/completions
Tekniskt exempel på engelska
Migrate a result key consistently\n\nTwo Python files use a result key. calc.py: def compute(x): return {'total': x * 2}. view.py: def render(result): return str(result['total']). Migrate the internal key to 'amount' while preserving the displayed value and compute's public function name. Return both changed file blocks and an assertion for render(compute(3)).Two coordinated file changes and a regression assertion for the composed behavior.Both producer and consumer must use amount while the displayed result remains the same.