GPT-5 Pro är OpenAI:s separata Pro-utgåva av GPT-5. Den använder ytterligare beräkningar för att bearbeta svåra frågor och utveckla ett mer ingående svar. Modellen tar emot text och bilder och producerar text. Pro ingår i denna utgåvas identitet, skild från standardmodellen GPT-5 och från inställningen för resonemangsläget Pro som dokumenteras för senare modellfamiljer.
En exempeluppgift är att jämföra flera angreppssätt för en teknisk fråga med inbördes beroende villkor. Ange det önskade beteendet, relevanta underlag och de begränsningar som avgör om en lösning är godtagbar. Be om sambanden mellan dessa villkor, det föreslagna angreppssättet och underlaget som stöder valet. För ett dokumentbaserat beslut anger du jämförelsekriterierna och vilka fakta slutsatsen måste bevara.
OpenAI:s aktuella modellspecifika kort för GPT-5 Pro anger ett kontextfönster på 400 000 token, högst 272 000 token i utdata och en kunskapsgräns den 30 september 2024. Modellen använder resonemangsinsatsen high som standard och stöder endast detta värde. Denna utdatagräns hör till det separata Pro-kortet och inte till specifikationen för standardmodellen GPT-5. Resonemang tar tokenutrymme tillsammans med det synliga svaret, så en omfattande förfrågan bör lämna plats för både analysen och det begärda slutresultatet.
Tillverkaren dokumenterar Responses för interaktioner i flera steg före det slutliga svaret, och modellspecifikationen anger även stöd för Batch. Svåra förfrågningar kan ta flera minuter; körning i bakgrunden rekommenderas för långvarigt arbete. Applikationen sparar svarsidentifieraren, kontrollerar om uppgiften ligger i kö eller pågår och hämtar resultatet när bearbetningen når ett slutläge. Detta beskriver tillverkarens förfrågningsflöde utan att ändra ett befintligt korts endpoint.
Det specifika modellkortet anger strömning, Structured Outputs, funktionsanrop, filindata, bildindata, webb- och filsökning, verktyg för bildgenerering och MCP-anslutningar. GPT-5 Pro stöder uttryckligen inte kodtolken code interpreter. Verktygsoperationer är separata från modellens textsvar: applikationen tillhandahåller sina tillgängliga funktioner, utför sina åtgärder och returnerar deras faktiska resultat. En föreslagen åtgärd ska inte behandlas som en slutförd beräkning eller annan utförd operation.
Förbered ett tydligt slutkriterium och ett resultatformat som passar frågan. För kod ber du om det berörda beteendet, föreslagna ändringar och de kontroller som behövs för att bedöma dem. För analys skiljer du mellan tillhandahållna fakta, härledda samband och eventuella olösta villkor. Om en bild ger viktigt underlag anger du den relevanta detaljen och tillhandahåller det skriftliga sammanhanget. Ett användbart slutresultat är en konkret jämförelse, ett implementeringsförslag eller ett beslutsunderlag kopplat till den ursprungliga frågan och underlaget.
", "aboutText": "GPT-5 Pro är OpenAI:s separata Pro-utgåva av GPT-5. Den använder ytterligare beräkningar för att bearbeta svåra frågor och utveckla ett mer ingående svar. Modellen tar emot text och bilder och producerar text. Pro ingår i denna utgåvas identitet, skild från standardmodellen GPT-5 och från inställningen för resonemangsläget Pro som dokumenteras för senare modellfamiljer.\n\nEn exempeluppgift är att jämföra flera angreppssätt för en teknisk fråga med inbördes beroende villkor. Ange det önskade beteendet, relevanta underlag och de begränsningar som avgör om en lösning är godtagbar. Be om sambanden mellan dessa villkor, det föreslagna angreppssättet och underlaget som stöder valet. För ett dokumentbaserat beslut anger du jämförelsekriterierna och vilka fakta slutsatsen måste bevara.\n\nOpenAI:s aktuella modellspecifika kort för GPT-5 Pro anger ett kontextfönster på 400 000 token, högst 272 000 token i utdata och en kunskapsgräns den 30 september 2024. Modellen använder resonemangsinsatsen high som standard och stöder endast detta värde. Denna utdatagräns hör till det separata Pro-kortet och inte till specifikationen för standardmodellen GPT-5. Resonemang tar tokenutrymme tillsammans med det synliga svaret, så en omfattande förfrågan bör lämna plats för både analysen och det begärda slutresultatet.\n\nTillverkaren dokumenterar Responses för interaktioner i flera steg före det slutliga svaret, och modellspecifikationen anger även stöd för Batch. Svåra förfrågningar kan ta flera minuter; körning i bakgrunden rekommenderas för långvarigt arbete. Applikationen sparar svarsidentifieraren, kontrollerar om uppgiften ligger i kö eller pågår och hämtar resultatet när bearbetningen når ett slutläge. Detta beskriver tillverkarens förfrågningsflöde utan att ändra ett befintligt korts endpoint.\n\nDet specifika modellkortet anger strömning, Structured Outputs, funktionsanrop, filindata, bildindata, webb- och filsökning, verktyg för bildgenerering och MCP-anslutningar. GPT-5 Pro stöder uttryckligen inte kodtolken code interpreter. Verktygsoperationer är separata från modellens textsvar: applikationen tillhandahåller sina tillgängliga funktioner, utför sina åtgärder och returnerar deras faktiska resultat. En föreslagen åtgärd ska inte behandlas som en slutförd beräkning eller annan utförd operation.\n\nFörbered ett tydligt slutkriterium och ett resultatformat som passar frågan. För kod ber du om det berörda beteendet, föreslagna ändringar och de kontroller som behövs för att bedöma dem. För analys skiljer du mellan tillhandahållna fakta, härledda samband och eventuella olösta villkor. Om en bild ger viktigt underlag anger du den relevanta detaljen och tillhandahåller det skriftliga sammanhanget. Ett användbart slutresultat är en konkret jämförelse, ett implementeringsförslag eller ett beslutsunderlag kopplat till den ursprungliga frågan och underlaget.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Compare two audit-log designs\n\nCompare two designs under these requirements: record every accepted edit, allow crash recovery and preserve an inspectable event order. Design A overwrites one current-state file after each edit. Design B appends an event before updating current state and replays events during recovery. Give a criterion table, key assumptions and a recommendation without claiming either implementation was tested.A design comparison, explicit durability/order assumptions and a reasoned recommendation.The answer must distinguish a proposed event-log design from proven crash-safe behavior.gpt-5-proDen separata utgåvan GPT-5 Pro använder ytterligare beräkningar för svåra resonemangsuppgifter. Den tar emot text och bilder och producerar text, stöder endast resonemangsinsatsen high och använder tillverkarens Responses-arbetsflöde för långvariga förfrågningar.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5 Pro är OpenAI:s separata Pro-utgåva av GPT-5. Den använder ytterligare beräkningar för att bearbeta svåra frågor och utveckla ett mer ingående svar. Modellen tar emot text och bilder och producerar text. Pro ingår i denna utgåvas identitet, skild från standardmodellen GPT-5 och från inställningen för resonemangsläget Pro som dokumenteras för senare modellfamiljer.
En exempeluppgift är att jämföra flera angreppssätt för en teknisk fråga med inbördes beroende villkor. Ange det önskade beteendet, relevanta underlag och de begränsningar som avgör om en lösning är godtagbar. Be om sambanden mellan dessa villkor, det föreslagna angreppssättet och underlaget som stöder valet. För ett dokumentbaserat beslut anger du jämförelsekriterierna och vilka fakta slutsatsen måste bevara.
OpenAI:s aktuella modellspecifika kort för GPT-5 Pro anger ett kontextfönster på 400 000 token, högst 272 000 token i utdata och en kunskapsgräns den 30 september 2024. Modellen använder resonemangsinsatsen high som standard och stöder endast detta värde. Denna utdatagräns hör till det separata Pro-kortet och inte till specifikationen för standardmodellen GPT-5. Resonemang tar tokenutrymme tillsammans med det synliga svaret, så en omfattande förfrågan bör lämna plats för både analysen och det begärda slutresultatet.
Tillverkaren dokumenterar Responses för interaktioner i flera steg före det slutliga svaret, och modellspecifikationen anger även stöd för Batch. Svåra förfrågningar kan ta flera minuter; körning i bakgrunden rekommenderas för långvarigt arbete. Applikationen sparar svarsidentifieraren, kontrollerar om uppgiften ligger i kö eller pågår och hämtar resultatet när bearbetningen når ett slutläge. Detta beskriver tillverkarens förfrågningsflöde utan att ändra ett befintligt korts endpoint.
Det specifika modellkortet anger strömning, Structured Outputs, funktionsanrop, filindata, bildindata, webb- och filsökning, verktyg för bildgenerering och MCP-anslutningar. GPT-5 Pro stöder uttryckligen inte kodtolken code interpreter. Verktygsoperationer är separata från modellens textsvar: applikationen tillhandahåller sina tillgängliga funktioner, utför sina åtgärder och returnerar deras faktiska resultat. En föreslagen åtgärd ska inte behandlas som en slutförd beräkning eller annan utförd operation.
Förbered ett tydligt slutkriterium och ett resultatformat som passar frågan. För kod ber du om det berörda beteendet, föreslagna ändringar och de kontroller som behövs för att bedöma dem. För analys skiljer du mellan tillhandahållna fakta, härledda samband och eventuella olösta villkor. Om en bild ger viktigt underlag anger du den relevanta detaljen och tillhandahåller det skriftliga sammanhanget. Ett användbart slutresultat är en konkret jämförelse, ett implementeringsförslag eller ett beslutsunderlag kopplat till den ursprungliga frågan och underlaget.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-5-pro | 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 $0.03 / 1K token Utdata · Utdatatoken $0.24 / 1K token Indata · Cacheläsning $0.00001 / 1K token Indata · Skrivning till cache $0 / 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 $0.03 / 1K token Utdata · Utdatatoken $0.24 / 1K token Indata · Cacheläsning $0.00001 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gpt-5-pro","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-pro", 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-pro, openai/gpt-5-pro
/chat/completions
gpt-5-proDen separata utgåvan GPT-5 Pro använder ytterligare beräkningar för svåra resonemangsuppgifter. Den tar emot text och bilder och producerar text, stöder endast resonemangsinsatsen high och använder tillverkarens Responses-arbetsflöde för långvariga förfrågningar.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5 Pro är OpenAI:s separata Pro-utgåva av GPT-5. Den använder ytterligare beräkningar för att bearbeta svåra frågor och utveckla ett mer ingående svar. Modellen tar emot text och bilder och producerar text. Pro ingår i denna utgåvas identitet, skild från standardmodellen GPT-5 och från inställningen för resonemangsläget Pro som dokumenteras för senare modellfamiljer.
En exempeluppgift är att jämföra flera angreppssätt för en teknisk fråga med inbördes beroende villkor. Ange det önskade beteendet, relevanta underlag och de begränsningar som avgör om en lösning är godtagbar. Be om sambanden mellan dessa villkor, det föreslagna angreppssättet och underlaget som stöder valet. För ett dokumentbaserat beslut anger du jämförelsekriterierna och vilka fakta slutsatsen måste bevara.
OpenAI:s aktuella modellspecifika kort för GPT-5 Pro anger ett kontextfönster på 400 000 token, högst 272 000 token i utdata och en kunskapsgräns den 30 september 2024. Modellen använder resonemangsinsatsen high som standard och stöder endast detta värde. Denna utdatagräns hör till det separata Pro-kortet och inte till specifikationen för standardmodellen GPT-5. Resonemang tar tokenutrymme tillsammans med det synliga svaret, så en omfattande förfrågan bör lämna plats för både analysen och det begärda slutresultatet.
Tillverkaren dokumenterar Responses för interaktioner i flera steg före det slutliga svaret, och modellspecifikationen anger även stöd för Batch. Svåra förfrågningar kan ta flera minuter; körning i bakgrunden rekommenderas för långvarigt arbete. Applikationen sparar svarsidentifieraren, kontrollerar om uppgiften ligger i kö eller pågår och hämtar resultatet när bearbetningen når ett slutläge. Detta beskriver tillverkarens förfrågningsflöde utan att ändra ett befintligt korts endpoint.
Det specifika modellkortet anger strömning, Structured Outputs, funktionsanrop, filindata, bildindata, webb- och filsökning, verktyg för bildgenerering och MCP-anslutningar. GPT-5 Pro stöder uttryckligen inte kodtolken code interpreter. Verktygsoperationer är separata från modellens textsvar: applikationen tillhandahåller sina tillgängliga funktioner, utför sina åtgärder och returnerar deras faktiska resultat. En föreslagen åtgärd ska inte behandlas som en slutförd beräkning eller annan utförd operation.
Förbered ett tydligt slutkriterium och ett resultatformat som passar frågan. För kod ber du om det berörda beteendet, föreslagna ändringar och de kontroller som behövs för att bedöma dem. För analys skiljer du mellan tillhandahållna fakta, härledda samband och eventuella olösta villkor. Om en bild ger viktigt underlag anger du den relevanta detaljen och tillhandahåller det skriftliga sammanhanget. Ett användbart slutresultat är en konkret jämförelse, ett implementeringsförslag eller ett beslutsunderlag kopplat till den ursprungliga frågan och underlaget.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gpt-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 $0.03 / 1K token Utdata · Utdatatoken $0.24 / 1K token Indata · Cacheläsning $0.00001 / 1K token Indata · Skrivning till cache $0 / 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 $0.03 / 1K token Utdata · Utdatatoken $0.24 / 1K token Indata · Cacheläsning $0.00001 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gpt-5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'gpt-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': 'gpt-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 gpt-5-pro, openai/gpt-5-pro
/chat/completions
openai/gpt-5-proDen separata utgåvan GPT-5 Pro använder ytterligare beräkningar för svåra resonemangsuppgifter. Den tar emot text och bilder och producerar text, stöder endast resonemangsinsatsen high och använder tillverkarens Responses-arbetsflöde för långvariga förfrågningar.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5 Pro är OpenAI:s separata Pro-utgåva av GPT-5. Den använder ytterligare beräkningar för att bearbeta svåra frågor och utveckla ett mer ingående svar. Modellen tar emot text och bilder och producerar text. Pro ingår i denna utgåvas identitet, skild från standardmodellen GPT-5 och från inställningen för resonemangsläget Pro som dokumenteras för senare modellfamiljer.
En exempeluppgift är att jämföra flera angreppssätt för en teknisk fråga med inbördes beroende villkor. Ange det önskade beteendet, relevanta underlag och de begränsningar som avgör om en lösning är godtagbar. Be om sambanden mellan dessa villkor, det föreslagna angreppssättet och underlaget som stöder valet. För ett dokumentbaserat beslut anger du jämförelsekriterierna och vilka fakta slutsatsen måste bevara.
OpenAI:s aktuella modellspecifika kort för GPT-5 Pro anger ett kontextfönster på 400 000 token, högst 272 000 token i utdata och en kunskapsgräns den 30 september 2024. Modellen använder resonemangsinsatsen high som standard och stöder endast detta värde. Denna utdatagräns hör till det separata Pro-kortet och inte till specifikationen för standardmodellen GPT-5. Resonemang tar tokenutrymme tillsammans med det synliga svaret, så en omfattande förfrågan bör lämna plats för både analysen och det begärda slutresultatet.
Tillverkaren dokumenterar Responses för interaktioner i flera steg före det slutliga svaret, och modellspecifikationen anger även stöd för Batch. Svåra förfrågningar kan ta flera minuter; körning i bakgrunden rekommenderas för långvarigt arbete. Applikationen sparar svarsidentifieraren, kontrollerar om uppgiften ligger i kö eller pågår och hämtar resultatet när bearbetningen når ett slutläge. Detta beskriver tillverkarens förfrågningsflöde utan att ändra ett befintligt korts endpoint.
Det specifika modellkortet anger strömning, Structured Outputs, funktionsanrop, filindata, bildindata, webb- och filsökning, verktyg för bildgenerering och MCP-anslutningar. GPT-5 Pro stöder uttryckligen inte kodtolken code interpreter. Verktygsoperationer är separata från modellens textsvar: applikationen tillhandahåller sina tillgängliga funktioner, utför sina åtgärder och returnerar deras faktiska resultat. En föreslagen åtgärd ska inte behandlas som en slutförd beräkning eller annan utförd operation.
Förbered ett tydligt slutkriterium och ett resultatformat som passar frågan. För kod ber du om det berörda beteendet, föreslagna ändringar och de kontroller som behövs för att bedöma dem. För analys skiljer du mellan tillhandahållna fakta, härledda samband och eventuella olösta villkor. Om en bild ger viktigt underlag anger du den relevanta detaljen och tillhandahåller det skriftliga sammanhanget. Ett användbart slutresultat är en konkret jämförelse, ett implementeringsförslag eller ett beslutsunderlag kopplat till den ursprungliga frågan och underlaget.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-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 $0.03 / 1K token Utdata · Utdatatoken $0.24 / 1K token Indata · Cacheläsning $0.00001 / 1K token Indata · Skrivning till cache $0 / 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 $0.03 / 1K token Utdata · Utdatatoken $0.24 / 1K token Indata · Cacheläsning $0.00001 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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-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-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-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 gpt-5-pro, openai/gpt-5-pro
/chat/completions
openai/gpt-5-proDen separata utgåvan GPT-5 Pro använder ytterligare beräkningar för svåra resonemangsuppgifter. Den tar emot text och bilder och producerar text, stöder endast resonemangsinsatsen high och använder tillverkarens Responses-arbetsflöde för långvariga förfrågningar.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
GPT-5 Pro är OpenAI:s separata Pro-utgåva av GPT-5. Den använder ytterligare beräkningar för att bearbeta svåra frågor och utveckla ett mer ingående svar. Modellen tar emot text och bilder och producerar text. Pro ingår i denna utgåvas identitet, skild från standardmodellen GPT-5 och från inställningen för resonemangsläget Pro som dokumenteras för senare modellfamiljer.
En exempeluppgift är att jämföra flera angreppssätt för en teknisk fråga med inbördes beroende villkor. Ange det önskade beteendet, relevanta underlag och de begränsningar som avgör om en lösning är godtagbar. Be om sambanden mellan dessa villkor, det föreslagna angreppssättet och underlaget som stöder valet. För ett dokumentbaserat beslut anger du jämförelsekriterierna och vilka fakta slutsatsen måste bevara.
OpenAI:s aktuella modellspecifika kort för GPT-5 Pro anger ett kontextfönster på 400 000 token, högst 272 000 token i utdata och en kunskapsgräns den 30 september 2024. Modellen använder resonemangsinsatsen high som standard och stöder endast detta värde. Denna utdatagräns hör till det separata Pro-kortet och inte till specifikationen för standardmodellen GPT-5. Resonemang tar tokenutrymme tillsammans med det synliga svaret, så en omfattande förfrågan bör lämna plats för både analysen och det begärda slutresultatet.
Tillverkaren dokumenterar Responses för interaktioner i flera steg före det slutliga svaret, och modellspecifikationen anger även stöd för Batch. Svåra förfrågningar kan ta flera minuter; körning i bakgrunden rekommenderas för långvarigt arbete. Applikationen sparar svarsidentifieraren, kontrollerar om uppgiften ligger i kö eller pågår och hämtar resultatet när bearbetningen når ett slutläge. Detta beskriver tillverkarens förfrågningsflöde utan att ändra ett befintligt korts endpoint.
Det specifika modellkortet anger strömning, Structured Outputs, funktionsanrop, filindata, bildindata, webb- och filsökning, verktyg för bildgenerering och MCP-anslutningar. GPT-5 Pro stöder uttryckligen inte kodtolken code interpreter. Verktygsoperationer är separata från modellens textsvar: applikationen tillhandahåller sina tillgängliga funktioner, utför sina åtgärder och returnerar deras faktiska resultat. En föreslagen åtgärd ska inte behandlas som en slutförd beräkning eller annan utförd operation.
Förbered ett tydligt slutkriterium och ett resultatformat som passar frågan. För kod ber du om det berörda beteendet, föreslagna ändringar och de kontroller som behövs för att bedöma dem. För analys skiljer du mellan tillhandahållna fakta, härledda samband och eventuella olösta villkor. Om en bild ger viktigt underlag anger du den relevanta detaljen och tillhandahåller det skriftliga sammanhanget. Ett användbart slutresultat är en konkret jämförelse, ett implementeringsförslag eller ett beslutsunderlag kopplat till den ursprungliga frågan och underlaget.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser openai/gpt-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 $0.03 / 1K token Utdata · Utdatatoken $0.24 / 1K token Indata · Cacheläsning $0.00001 / 1K token Indata · Skrivning till cache $0 / 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 $0.03 / 1K token Utdata · Utdatatoken $0.24 / 1K token Indata · Cacheläsning $0.00001 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "openai/gpt-5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-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-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 gpt-5-pro, openai/gpt-5-pro
/chat/completions
Tekniskt exempel på engelska
Compare two audit-log designs\n\nCompare two designs under these requirements: record every accepted edit, allow crash recovery and preserve an inspectable event order. Design A overwrites one current-state file after each edit. Design B appends an event before updating current state and replays events during recovery. Give a criterion table, key assumptions and a recommendation without claiming either implementation was tested.A design comparison, explicit durability/order assumptions and a reasoned recommendation.The answer must distinguish a proposed event-log design from proven crash-safe behavior.