GPT-4o Mini Search Preview 是 OpenAI 專為網頁搜尋問題設計的小型模型。開發商訓練它理解文字搜尋請求、擷取相關網頁資訊並建立文字答案。模型卡強調其為快速、小型的搜尋模型。它與較大的 Search Preview 版本，以及通用 GPT-4o mini 對話，保留不同身分。
專用 Chat Completions 流程會在回應前執行搜尋。實際用途是範圍明確的參考問題，例如尋找公開規格、解釋近期公告，或比較少量公開說明。定義要尋找什麼，以及哪些區別重要。重複研究時，保留相同問題結構與要求章節，讓結果能跨主題比較。
結果包含附文內來源引用的文字，以及識別頁面與回應相關區段的引用註記。開發商要求向使用者呈現網頁資訊時，讓來源參考可見且可點擊。因此，簡短摘要也能保留陳述與支持素材之間的連結。
公開設定接受並回傳文字。上下文視窗為 128,000 個 token，最大輸出為 16,384 個 token，文件記載的知識截止日為 2023 年 10 月 1 日。圖片、音訊與影片不在支援的輸入模態內。模型卡列出串流與 Structured Outputs 為支援功能；不支援任意函式呼叫、微調或預測輸出。
舊版搜尋模型介面有特定功能界線。它不提供較新通用搜尋工具的網域篩選、完整來源清單控制、即時存取控制或回傳 token 額度。搜尋內建於回應路徑，而不是從應用程式定義的工具集合中選擇的函式。因此，預定任務是具有清楚輸出要求、以網頁為依據的文字查詢。
對使用 Ailoot API 的助理，要求符合問題的精簡成品，例如參考筆記、已陳述特性的比較，或簡短研究大綱。相關時，指定期間、地區與標準，並指出哪些事實需要明確來源支持。整理範圍明確的問題與附引用結果時，Preview 標籤讓這個小型搜尋版本保持區別。
", "aboutText": "GPT-4o Mini Search Preview 是 OpenAI 專為網頁搜尋問題設計的小型模型。開發商訓練它理解文字搜尋請求、擷取相關網頁資訊並建立文字答案。模型卡強調其為快速、小型的搜尋模型。它與較大的 Search Preview 版本，以及通用 GPT-4o mini 對話，保留不同身分。\n\n專用 Chat Completions 流程會在回應前執行搜尋。實際用途是範圍明確的參考問題，例如尋找公開規格、解釋近期公告，或比較少量公開說明。定義要尋找什麼，以及哪些區別重要。重複研究時，保留相同問題結構與要求章節，讓結果能跨主題比較。\n\n結果包含附文內來源引用的文字，以及識別頁面與回應相關區段的引用註記。開發商要求向使用者呈現網頁資訊時，讓來源參考可見且可點擊。因此，簡短摘要也能保留陳述與支持素材之間的連結。\n\n公開設定接受並回傳文字。上下文視窗為 128,000 個 token，最大輸出為 16,384 個 token，文件記載的知識截止日為 2023 年 10 月 1 日。圖片、音訊與影片不在支援的輸入模態內。模型卡列出串流與 Structured Outputs 為支援功能；不支援任意函式呼叫、微調或預測輸出。\n\n舊版搜尋模型介面有特定功能界線。它不提供較新通用搜尋工具的網域篩選、完整來源清單控制、即時存取控制或回傳 token 額度。搜尋內建於回應路徑，而不是從應用程式定義的工具集合中選擇的函式。因此，預定任務是具有清楚輸出要求、以網頁為依據的文字查詢。\n\n對使用 Ailoot API 的助理，要求符合問題的精簡成品，例如參考筆記、已陳述特性的比較，或簡短研究大綱。相關時，指定期間、地區與標準，並指出哪些事實需要明確來源支持。整理範圍明確的問題與附引用結果時，Preview 標籤讓這個小型搜尋版本保持區別。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Find an authoritative format reference\n\nFind the official public specification for the PNG image format. Prepare a short reference note identifying the specification publisher, the purpose of PNG and the part explaining lossless compression. Cite the pages supporting those points with clickable references. Distinguish what the specification states from any explanatory summary you add.A concise reference note with authoritative source links attached to the supported claims.Check that references lead to the specification publisher and support the compression description.gpt-4o-mini-search-previewGPT-4o Mini Search Preview 是 OpenAI 用於處理需以網頁資訊為依據的問題並產出精簡研究結果的小型文字模型。它在回答前搜尋、回傳引用，並在 128,000 個 token 的上下文內支援結構化輸出。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-4o Mini Search Preview 是 OpenAI 專為網頁搜尋問題設計的小型模型。開發商訓練它理解文字搜尋請求、擷取相關網頁資訊並建立文字答案。模型卡強調其為快速、小型的搜尋模型。它與較大的 Search Preview 版本，以及通用 GPT-4o mini 對話，保留不同身分。
專用 Chat Completions 流程會在回應前執行搜尋。實際用途是範圍明確的參考問題，例如尋找公開規格、解釋近期公告，或比較少量公開說明。定義要尋找什麼，以及哪些區別重要。重複研究時，保留相同問題結構與要求章節，讓結果能跨主題比較。
結果包含附文內來源引用的文字，以及識別頁面與回應相關區段的引用註記。開發商要求向使用者呈現網頁資訊時，讓來源參考可見且可點擊。因此，簡短摘要也能保留陳述與支持素材之間的連結。
公開設定接受並回傳文字。上下文視窗為 128,000 個 token，最大輸出為 16,384 個 token，文件記載的知識截止日為 2023 年 10 月 1 日。圖片、音訊與影片不在支援的輸入模態內。模型卡列出串流與 Structured Outputs 為支援功能；不支援任意函式呼叫、微調或預測輸出。
舊版搜尋模型介面有特定功能界線。它不提供較新通用搜尋工具的網域篩選、完整來源清單控制、即時存取控制或回傳 token 額度。搜尋內建於回應路徑，而不是從應用程式定義的工具集合中選擇的函式。因此，預定任務是具有清楚輸出要求、以網頁為依據的文字查詢。
對使用 Ailoot API 的助理，要求符合問題的精簡成品，例如參考筆記、已陳述特性的比較，或簡短研究大綱。相關時，指定期間、地區與標準，並指出哪些事實需要明確來源支持。整理範圍明確的問題與附引用結果時，Preview 標籤讓這個小型搜尋版本保持區別。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gpt-4o-mini-search-preview | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0003 / 1K Token 輸出 · 輸出 Token $0.0012 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-4o-mini-search-preview", "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='gpt-4o-mini-search-preview',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='gpt-4o-mini-search-preview',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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra gpt-4o-mini-search-preview
請使用上方列出的 API 方法路徑。
gpt-4o-mini-search-previewGPT-4o Mini Search Preview 是 OpenAI 用於處理需以網頁資訊為依據的問題並產出精簡研究結果的小型文字模型。它在回答前搜尋、回傳引用，並在 128,000 個 token 的上下文內支援結構化輸出。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
GPT-4o Mini Search Preview 是 OpenAI 專為網頁搜尋問題設計的小型模型。開發商訓練它理解文字搜尋請求、擷取相關網頁資訊並建立文字答案。模型卡強調其為快速、小型的搜尋模型。它與較大的 Search Preview 版本，以及通用 GPT-4o mini 對話，保留不同身分。
專用 Chat Completions 流程會在回應前執行搜尋。實際用途是範圍明確的參考問題，例如尋找公開規格、解釋近期公告，或比較少量公開說明。定義要尋找什麼，以及哪些區別重要。重複研究時，保留相同問題結構與要求章節，讓結果能跨主題比較。
結果包含附文內來源引用的文字，以及識別頁面與回應相關區段的引用註記。開發商要求向使用者呈現網頁資訊時，讓來源參考可見且可點擊。因此，簡短摘要也能保留陳述與支持素材之間的連結。
公開設定接受並回傳文字。上下文視窗為 128,000 個 token，最大輸出為 16,384 個 token，文件記載的知識截止日為 2023 年 10 月 1 日。圖片、音訊與影片不在支援的輸入模態內。模型卡列出串流與 Structured Outputs 為支援功能；不支援任意函式呼叫、微調或預測輸出。
舊版搜尋模型介面有特定功能界線。它不提供較新通用搜尋工具的網域篩選、完整來源清單控制、即時存取控制或回傳 token 額度。搜尋內建於回應路徑，而不是從應用程式定義的工具集合中選擇的函式。因此，預定任務是具有清楚輸出要求、以網頁為依據的文字查詢。
對使用 Ailoot API 的助理，要求符合問題的精簡成品，例如參考筆記、已陳述特性的比較，或簡短研究大綱。相關時，指定期間、地區與標準，並指出哪些事實需要明確來源支持。整理範圍明確的問題與附引用結果時，Preview 標籤讓這個小型搜尋版本保持區別。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gpt-4o-mini-search-preview | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0003 / 1K Token 輸出 · 輸出 Token $0.0012 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "gpt-4o-mini-search-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4o-mini-search-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gpt-4o-mini-search-preview', '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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra gpt-4o-mini-search-preview
請使用上方列出的 API 方法路徑。
英文技術範例
Find an authoritative format reference\n\nFind the official public specification for the PNG image format. Prepare a short reference note identifying the specification publisher, the purpose of PNG and the part explaining lossless compression. Cite the pages supporting those points with clickable references. Distinguish what the specification states from any explanatory summary you add.A concise reference note with authoritative source links attached to the supported claims.Check that references lead to the specification publisher and support the compression description.