GPT-5.5 Pro är OpenAI:s separata Pro-utgåva av GPT-5.5. Den använder ytterligare beräkningar för att arbeta igenom svåra frågor och ta fram ett mer grundligt svar. Modellen tar emot text och bilder och ger text som utdata. Dess identitet som en namngiven Pro-modell skiljer sig från att välja Pro-körläget på en grundmodell inom GPT-5.6 eller GPT-6.
GPT-5.5-familjens lansering beskriver kodning, forskning, dataanalys och dokumenttungt professionellt arbete. Den beskriver särskilt Pro som ett alternativ för krävande frågor och mer heltäckande, strukturerade resultat. En illustrativ uppgift är att jämka samman flera projektdokument, identifiera kraven som är beroende av varandra och ta fram en rekommendation med uttryckliga villkor. För kod tillhandahåller du avsett beteende, befintlig implementation och de begränsningar som en föreslagen ändring måste bevara.
OpenAI anger ett kontextfönster på 1 050 000 token och högst 128 000 utdatatoken för GPT-5.5 Pro, med dokumenterad kunskapsgräns den 1 december 2025. Resonemangsnivåerna är medium, high och xhigh; high är standard. Resonemang använder tokenutrymme vid sidan av det synliga svaret. En lång professionell begäran ska därför innehålla relevanta belägg och lämna plats för modellens analys och slutleveransen.
Tillverkaren dokumenterar GPT-5.5 Pro för Responses-begäranden, även genom Batch, för att stödja modellinteraktioner i flera turer före svaret. Svåra begäranden kan ta flera minuter. OpenAI rekommenderar bakgrundskörning för långvarigt arbete: applikationen får en svarsidentifierare, följer begärans status och hämtar det färdiga resultatet. Använd detta arbetsflöde för att följa en lång begäran hela vägen till det färdiga resultatet.
Modellkortet anger stöd för Structured Outputs, funktionsanrop, webb- och filsökning, verktyg för bildgenerering, bildindata och MCP. Verktygen omfattar också kodtolk och värdbaserat skal. Applikationen tillhandahåller arbetsmiljön och utför sina operationer och återför deras faktiska resultat så att modellen kan fortsätta. Ett föreslaget program, en begärd åtgärd och resultatet av en utförd åtgärd ska behandlas som olika underlag när det slutliga svaret förbereds.
Ge modellen en tydlig fråga, källmaterialet och ett kriterium för när uppgiften är slutförd. För en teknisk analys begär du de berörda beroendena, den föreslagna metoden och de belägg som behövs för att kontrollera den. För ett dokumentbaserat beslut anger du jämförelsekriterierna och ber om att de tillhandahållna faktauppgifterna, slutsatsen och olösta villkor hålls åtskilda. Om en bild tillför avgörande belägg pekar du ut den relevanta detaljen. Ett användbart slutresultat är ett specifikt beslutsunderlag, kodförslag eller analytisk förklaring knuten till det material och mål du tillhandahöll.
", "aboutText": "GPT-5.5 Pro är OpenAI:s separata Pro-utgåva av GPT-5.5. Den använder ytterligare beräkningar för att arbeta igenom svåra frågor och ta fram ett mer grundligt svar. Modellen tar emot text och bilder och ger text som utdata. Dess identitet som en namngiven Pro-modell skiljer sig från att välja Pro-körläget på en grundmodell inom GPT-5.6 eller GPT-6.\n\nGPT-5.5-familjens lansering beskriver kodning, forskning, dataanalys och dokumenttungt professionellt arbete. Den beskriver särskilt Pro som ett alternativ för krävande frågor och mer heltäckande, strukturerade resultat. En illustrativ uppgift är att jämka samman flera projektdokument, identifiera kraven som är beroende av varandra och ta fram en rekommendation med uttryckliga villkor. För kod tillhandahåller du avsett beteende, befintlig implementation och de begränsningar som en föreslagen ändring måste bevara.\n\nOpenAI anger ett kontextfönster på 1 050 000 token och högst 128 000 utdatatoken för GPT-5.5 Pro, med dokumenterad kunskapsgräns den 1 december 2025. Resonemangsnivåerna är medium, high och xhigh; high är standard. Resonemang använder tokenutrymme vid sidan av det synliga svaret. En lång professionell begäran ska därför innehålla relevanta belägg och lämna plats för modellens analys och slutleveransen.\n\nTillverkaren dokumenterar GPT-5.5 Pro för Responses-begäranden, även genom Batch, för att stödja modellinteraktioner i flera turer före svaret. Svåra begäranden kan ta flera minuter. OpenAI rekommenderar bakgrundskörning för långvarigt arbete: applikationen får en svarsidentifierare, följer begärans status och hämtar det färdiga resultatet. Använd detta arbetsflöde för att följa en lång begäran hela vägen till det färdiga resultatet.\n\nModellkortet anger stöd för Structured Outputs, funktionsanrop, webb- och filsökning, verktyg för bildgenerering, bildindata och MCP. Verktygen omfattar också kodtolk och värdbaserat skal. Applikationen tillhandahåller arbetsmiljön och utför sina operationer och återför deras faktiska resultat så att modellen kan fortsätta. Ett föreslaget program, en begärd åtgärd och resultatet av en utförd åtgärd ska behandlas som olika underlag när det slutliga svaret förbereds.\n\nGe modellen en tydlig fråga, källmaterialet och ett kriterium för när uppgiften är slutförd. För en teknisk analys begär du de berörda beroendena, den föreslagna metoden och de belägg som behövs för att kontrollera den. För ett dokumentbaserat beslut anger du jämförelsekriterierna och ber om att de tillhandahållna faktauppgifterna, slutsatsen och olösta villkor hålls åtskilda. Om en bild tillför avgörande belägg pekar du ut den relevanta detaljen. Ett användbart slutresultat är ett specifikt beslutsunderlag, kodförslag eller analytisk förklaring knuten till det material och mål du tillhandahöll.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Reconcile a staged delivery decision\n\nReconcile these project notes. D1: launch requires a trained support team. D2: training requires a finished user guide. D3: the guide is drafted but its setup instructions remain unverified. The manager proposes launching tomorrow because the draft exists. Return the dependency chain, the unsupported readiness claim and the evidence needed for a launch decision.A source-linked dependency analysis and a conditional decision memo.A draft guide must not be treated as verified instructions or completed support training.openai/gpt-5.5-proDen separata utgåvan GPT-5.5 Pro använder ytterligare beräkningar för svårt resonemang och professionell analys. Den tar emot text och bilder och utvecklar ett textresultat genom tillverkarens Responses-gränssnitt, även via Batch-begäranden.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.5 Pro är OpenAI:s separata Pro-utgåva av GPT-5.5. Den använder ytterligare beräkningar för att arbeta igenom svåra frågor och ta fram ett mer grundligt svar. Modellen tar emot text och bilder och ger text som utdata. Dess identitet som en namngiven Pro-modell skiljer sig från att välja Pro-körläget på en grundmodell inom GPT-5.6 eller GPT-6.
GPT-5.5-familjens lansering beskriver kodning, forskning, dataanalys och dokumenttungt professionellt arbete. Den beskriver särskilt Pro som ett alternativ för krävande frågor och mer heltäckande, strukturerade resultat. En illustrativ uppgift är att jämka samman flera projektdokument, identifiera kraven som är beroende av varandra och ta fram en rekommendation med uttryckliga villkor. För kod tillhandahåller du avsett beteende, befintlig implementation och de begränsningar som en föreslagen ändring måste bevara.
OpenAI anger ett kontextfönster på 1 050 000 token och högst 128 000 utdatatoken för GPT-5.5 Pro, med dokumenterad kunskapsgräns den 1 december 2025. Resonemangsnivåerna är medium, high och xhigh; high är standard. Resonemang använder tokenutrymme vid sidan av det synliga svaret. En lång professionell begäran ska därför innehålla relevanta belägg och lämna plats för modellens analys och slutleveransen.
Tillverkaren dokumenterar GPT-5.5 Pro för Responses-begäranden, även genom Batch, för att stödja modellinteraktioner i flera turer före svaret. Svåra begäranden kan ta flera minuter. OpenAI rekommenderar bakgrundskörning för långvarigt arbete: applikationen får en svarsidentifierare, följer begärans status och hämtar det färdiga resultatet. Använd detta arbetsflöde för att följa en lång begäran hela vägen till det färdiga resultatet.
Modellkortet anger stöd för Structured Outputs, funktionsanrop, webb- och filsökning, verktyg för bildgenerering, bildindata och MCP. Verktygen omfattar också kodtolk och värdbaserat skal. Applikationen tillhandahåller arbetsmiljön och utför sina operationer och återför deras faktiska resultat så att modellen kan fortsätta. Ett föreslaget program, en begärd åtgärd och resultatet av en utförd åtgärd ska behandlas som olika underlag när det slutliga svaret förbereds.
Ge modellen en tydlig fråga, källmaterialet och ett kriterium för när uppgiften är slutförd. För en teknisk analys begär du de berörda beroendena, den föreslagna metoden och de belägg som behövs för att kontrollera den. För ett dokumentbaserat beslut anger du jämförelsekriterierna och ber om att de tillhandahållna faktauppgifterna, slutsatsen och olösta villkor hålls åtskilda. Om en bild tillför avgörande belägg pekar du ut den relevanta detaljen. Ett användbart slutresultat är ett specifikt beslutsunderlag, kodförslag eller analytisk förklaring knuten till det material och mål du tillhandahöll.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-5.5-pro | 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 $0.06 / 1K token Utdata · Utdatatoken $0.36 / 1K token Indata · Cacheläsning — / 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 med272 000 | Avgift Indata · Indatatoken $0.06 / 1K token Utdata · Utdatatoken $0.36 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än272 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.12 / 1K token Utdata · Utdatatoken $0.54 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-5.5-pro", "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-5.5-pro',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-5.5-pro',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 openai/gpt-5.5-pro
Använd metodsökvägarna som visas ovan.
openai/gpt-5.5-proDen separata utgåvan GPT-5.5 Pro använder ytterligare beräkningar för svårt resonemang och professionell analys. Den tar emot text och bilder och utvecklar ett textresultat genom tillverkarens Responses-gränssnitt, även via Batch-begäranden.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5.5 Pro är OpenAI:s separata Pro-utgåva av GPT-5.5. Den använder ytterligare beräkningar för att arbeta igenom svåra frågor och ta fram ett mer grundligt svar. Modellen tar emot text och bilder och ger text som utdata. Dess identitet som en namngiven Pro-modell skiljer sig från att välja Pro-körläget på en grundmodell inom GPT-5.6 eller GPT-6.
GPT-5.5-familjens lansering beskriver kodning, forskning, dataanalys och dokumenttungt professionellt arbete. Den beskriver särskilt Pro som ett alternativ för krävande frågor och mer heltäckande, strukturerade resultat. En illustrativ uppgift är att jämka samman flera projektdokument, identifiera kraven som är beroende av varandra och ta fram en rekommendation med uttryckliga villkor. För kod tillhandahåller du avsett beteende, befintlig implementation och de begränsningar som en föreslagen ändring måste bevara.
OpenAI anger ett kontextfönster på 1 050 000 token och högst 128 000 utdatatoken för GPT-5.5 Pro, med dokumenterad kunskapsgräns den 1 december 2025. Resonemangsnivåerna är medium, high och xhigh; high är standard. Resonemang använder tokenutrymme vid sidan av det synliga svaret. En lång professionell begäran ska därför innehålla relevanta belägg och lämna plats för modellens analys och slutleveransen.
Tillverkaren dokumenterar GPT-5.5 Pro för Responses-begäranden, även genom Batch, för att stödja modellinteraktioner i flera turer före svaret. Svåra begäranden kan ta flera minuter. OpenAI rekommenderar bakgrundskörning för långvarigt arbete: applikationen får en svarsidentifierare, följer begärans status och hämtar det färdiga resultatet. Använd detta arbetsflöde för att följa en lång begäran hela vägen till det färdiga resultatet.
Modellkortet anger stöd för Structured Outputs, funktionsanrop, webb- och filsökning, verktyg för bildgenerering, bildindata och MCP. Verktygen omfattar också kodtolk och värdbaserat skal. Applikationen tillhandahåller arbetsmiljön och utför sina operationer och återför deras faktiska resultat så att modellen kan fortsätta. Ett föreslaget program, en begärd åtgärd och resultatet av en utförd åtgärd ska behandlas som olika underlag när det slutliga svaret förbereds.
Ge modellen en tydlig fråga, källmaterialet och ett kriterium för när uppgiften är slutförd. För en teknisk analys begär du de berörda beroendena, den föreslagna metoden och de belägg som behövs för att kontrollera den. För ett dokumentbaserat beslut anger du jämförelsekriterierna och ber om att de tillhandahållna faktauppgifterna, slutsatsen och olösta villkor hålls åtskilda. Om en bild tillför avgörande belägg pekar du ut den relevanta detaljen. Ett användbart slutresultat är ett specifikt beslutsunderlag, kodförslag eller analytisk förklaring knuten till det material och mål du tillhandahöll.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-5.5-pro | 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 $0.06 / 1K token Utdata · Utdatatoken $0.36 / 1K token Indata · Cacheläsning — / 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 med272 000 | Avgift Indata · Indatatoken $0.06 / 1K token Utdata · Utdatatoken $0.36 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än272 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.12 / 1K token Utdata · Utdatatoken $0.54 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "openai/gpt-5.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-5.5-pro', '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-5.5-pro', '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 openai/gpt-5.5-pro
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Reconcile a staged delivery decision\n\nReconcile these project notes. D1: launch requires a trained support team. D2: training requires a finished user guide. D3: the guide is drafted but its setup instructions remain unverified. The manager proposes launching tomorrow because the draft exists. Return the dependency chain, the unsupported readiness claim and the evidence needed for a launch decision.A source-linked dependency analysis and a conditional decision memo.A draft guide must not be treated as verified instructions or completed support training.