GPT-5-Codex 是 OpenAI 針對 Codex 及類似程式設計環境中的代理式軟體工程最佳化的 GPT-5 版本。訓練目標包括建立專案、實作功能與測試、除錯、重構既有程式碼庫及檢閱變更。真實程式設計任務的強化學習發展出遵循指示、程式碼風格與反覆驗證能力。預期環境是可存取專案上下文與開發工具的程式設計助理。
模型會調整分配給任務的推理量。小型、定義清楚的變更可透過互動交流處理，而複雜重構可能涉及持續分析與重複實作步驟。這種適應性行為將對話與執行連結：代理檢查專案、提出變更、接收環境結果，並持續朝指定成果工作。
程式碼檢閱是其專長中的獨立部分。OpenAI 描述的檢閱者會檢查程式碼庫與依賴項、將提議變更連結預期行為，並透過程式碼執行與測試調查正確性。有用的輸出是針對重要缺陷與受影響程式碼的精確解釋，而不是只看差異外觀提出評論。專案檔案與工具結果提供分析所需證據。
視覺輸入支援前端工作。截圖、線框圖與圖解可以傳達預定介面或觀察到的問題。在提供瀏覽器與截圖工具的環境中，代理可以檢查實作，並將建置成果與提供的視覺目標對照。這些流程仰賴環境協助：模型解讀資訊並選擇動作，而應用程式提供工具並執行。
公開模型規格列出文字與圖片輸入、文字輸出、400,000 個 token 的上下文視窗，以及最多 128,000 個輸出 token。它支援推理 token、串流、函式呼叫與結構化輸出。OpenAI 透過 Responses 介面記載這個模型，並將無版本名稱標為會更新的模型標籤。文件記載的知識截止日為 2024 年 9 月 30 日。音訊與影片不在列出的輸入模態中；這個設定不支援微調與 Predicted Outputs。
系統卡補充文件將模型訓練與產品控制分開。模型受訓抵抗在程式設計素材中遇到的提示注入指示。工作區隔離、網路權限與核准規則屬於代理環境。當助理讀取外部文件或執行指令時，這項區別很重要：應用程式定義存取範圍，其輸出則記錄實際發生的操作。
對使用 Ailoot API 的程式設計助理，先提供要達成的行為、相關檔案與清楚完成標準。適合的任務可以要求協同變更、受影響依賴項的解釋，以及驗證結果所需的檢查。提供目前專案指示與有用視覺範例，再要求可檢閱的成果，例如變更後程式碼、缺陷分析或經測試的實作計畫。
", "aboutText": "GPT-5-Codex 是 OpenAI 針對 Codex 及類似程式設計環境中的代理式軟體工程最佳化的 GPT-5 版本。訓練目標包括建立專案、實作功能與測試、除錯、重構既有程式碼庫及檢閱變更。真實程式設計任務的強化學習發展出遵循指示、程式碼風格與反覆驗證能力。預期環境是可存取專案上下文與開發工具的程式設計助理。\n\n模型會調整分配給任務的推理量。小型、定義清楚的變更可透過互動交流處理，而複雜重構可能涉及持續分析與重複實作步驟。這種適應性行為將對話與執行連結：代理檢查專案、提出變更、接收環境結果，並持續朝指定成果工作。\n\n程式碼檢閱是其專長中的獨立部分。OpenAI 描述的檢閱者會檢查程式碼庫與依賴項、將提議變更連結預期行為，並透過程式碼執行與測試調查正確性。有用的輸出是針對重要缺陷與受影響程式碼的精確解釋，而不是只看差異外觀提出評論。專案檔案與工具結果提供分析所需證據。\n\n視覺輸入支援前端工作。截圖、線框圖與圖解可以傳達預定介面或觀察到的問題。在提供瀏覽器與截圖工具的環境中，代理可以檢查實作，並將建置成果與提供的視覺目標對照。這些流程仰賴環境協助：模型解讀資訊並選擇動作，而應用程式提供工具並執行。\n\n公開模型規格列出文字與圖片輸入、文字輸出、400,000 個 token 的上下文視窗，以及最多 128,000 個輸出 token。它支援推理 token、串流、函式呼叫與結構化輸出。OpenAI 透過 Responses 介面記載這個模型，並將無版本名稱標為會更新的模型標籤。文件記載的知識截止日為 2024 年 9 月 30 日。音訊與影片不在列出的輸入模態中；這個設定不支援微調與 Predicted Outputs。\n\n系統卡補充文件將模型訓練與產品控制分開。模型受訓抵抗在程式設計素材中遇到的提示注入指示。工作區隔離、網路權限與核准規則屬於代理環境。當助理讀取外部文件或執行指令時，這項區別很重要：應用程式定義存取範圍，其輸出則記錄實際發生的操作。\n\n對使用 Ailoot API 的程式設計助理，先提供要達成的行為、相關檔案與清楚完成標準。適合的任務可以要求協同變更、受影響依賴項的解釋，以及驗證結果所需的檢查。提供目前專案指示與有用視覺範例，再要求可檢閱的成果，例如變更後程式碼、缺陷分析或經測試的實作計畫。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Fix a mutation during iteration\n\nPatch this Python function: 'def remove_empty(items):\n for value in items:\n if value == '': items.remove(value)\n return items'. Requirement: return a new list without empty strings and leave the original unchanged. Provide the function and tests covering adjacent empty strings, no empty strings and an empty list. Explain why the original skipped values.A replacement function, three focused tests and one sentence about modifying a list during iteration.Adjacent empty strings are all removed from the result while the input list retains its original contents.gpt-5-codex-highGPT-5-Codex 是 OpenAI 用於代理式軟體工程的 GPT-5 版本，可在具工具的環境中實作功能、除錯、重構及檢閱程式碼。它將文字與圖片輸入結合適應性推理，以及 400,000 個 token 的上下文。
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-5-Codex 是 OpenAI 針對 Codex 及類似程式設計環境中的代理式軟體工程最佳化的 GPT-5 版本。訓練目標包括建立專案、實作功能與測試、除錯、重構既有程式碼庫及檢閱變更。真實程式設計任務的強化學習發展出遵循指示、程式碼風格與反覆驗證能力。預期環境是可存取專案上下文與開發工具的程式設計助理。
模型會調整分配給任務的推理量。小型、定義清楚的變更可透過互動交流處理，而複雜重構可能涉及持續分析與重複實作步驟。這種適應性行為將對話與執行連結：代理檢查專案、提出變更、接收環境結果，並持續朝指定成果工作。
程式碼檢閱是其專長中的獨立部分。OpenAI 描述的檢閱者會檢查程式碼庫與依賴項、將提議變更連結預期行為，並透過程式碼執行與測試調查正確性。有用的輸出是針對重要缺陷與受影響程式碼的精確解釋，而不是只看差異外觀提出評論。專案檔案與工具結果提供分析所需證據。
視覺輸入支援前端工作。截圖、線框圖與圖解可以傳達預定介面或觀察到的問題。在提供瀏覽器與截圖工具的環境中，代理可以檢查實作，並將建置成果與提供的視覺目標對照。這些流程仰賴環境協助：模型解讀資訊並選擇動作，而應用程式提供工具並執行。
公開模型規格列出文字與圖片輸入、文字輸出、400,000 個 token 的上下文視窗，以及最多 128,000 個輸出 token。它支援推理 token、串流、函式呼叫與結構化輸出。OpenAI 透過 Responses 介面記載這個模型，並將無版本名稱標為會更新的模型標籤。文件記載的知識截止日為 2024 年 9 月 30 日。音訊與影片不在列出的輸入模態中；這個設定不支援微調與 Predicted Outputs。
系統卡補充文件將模型訓練與產品控制分開。模型受訓抵抗在程式設計素材中遇到的提示注入指示。工作區隔離、網路權限與核准規則屬於代理環境。當助理讀取外部文件或執行指令時，這項區別很重要：應用程式定義存取範圍，其輸出則記錄實際發生的操作。
對使用 Ailoot API 的程式設計助理，先提供要達成的行為、相關檔案與清楚完成標準。適合的任務可以要求協同變更、受影響依賴項的解釋，以及驗證結果所需的檢查。提供目前專案指示與有用視覺範例，再要求可檢閱的成果，例如變更後程式碼、缺陷分析或經測試的實作計畫。
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-5-codex-high | 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 $0.0025 / 1K Token 輸出 · 輸出 Token $0.02 / 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-5-codex-high", "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-5-codex-high',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-5-codex-high',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-5-codex-high
請使用上方列出的 API 方法路徑。
gpt-5-codex-highGPT-5-Codex 是 OpenAI 用於代理式軟體工程的 GPT-5 版本，可在具工具的環境中實作功能、除錯、重構及檢閱程式碼。它將文字與圖片輸入結合適應性推理，以及 400,000 個 token 的上下文。
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-5-Codex 是 OpenAI 針對 Codex 及類似程式設計環境中的代理式軟體工程最佳化的 GPT-5 版本。訓練目標包括建立專案、實作功能與測試、除錯、重構既有程式碼庫及檢閱變更。真實程式設計任務的強化學習發展出遵循指示、程式碼風格與反覆驗證能力。預期環境是可存取專案上下文與開發工具的程式設計助理。
模型會調整分配給任務的推理量。小型、定義清楚的變更可透過互動交流處理，而複雜重構可能涉及持續分析與重複實作步驟。這種適應性行為將對話與執行連結：代理檢查專案、提出變更、接收環境結果，並持續朝指定成果工作。
程式碼檢閱是其專長中的獨立部分。OpenAI 描述的檢閱者會檢查程式碼庫與依賴項、將提議變更連結預期行為，並透過程式碼執行與測試調查正確性。有用的輸出是針對重要缺陷與受影響程式碼的精確解釋，而不是只看差異外觀提出評論。專案檔案與工具結果提供分析所需證據。
視覺輸入支援前端工作。截圖、線框圖與圖解可以傳達預定介面或觀察到的問題。在提供瀏覽器與截圖工具的環境中，代理可以檢查實作，並將建置成果與提供的視覺目標對照。這些流程仰賴環境協助：模型解讀資訊並選擇動作，而應用程式提供工具並執行。
公開模型規格列出文字與圖片輸入、文字輸出、400,000 個 token 的上下文視窗，以及最多 128,000 個輸出 token。它支援推理 token、串流、函式呼叫與結構化輸出。OpenAI 透過 Responses 介面記載這個模型，並將無版本名稱標為會更新的模型標籤。文件記載的知識截止日為 2024 年 9 月 30 日。音訊與影片不在列出的輸入模態中；這個設定不支援微調與 Predicted Outputs。
系統卡補充文件將模型訓練與產品控制分開。模型受訓抵抗在程式設計素材中遇到的提示注入指示。工作區隔離、網路權限與核准規則屬於代理環境。當助理讀取外部文件或執行指令時，這項區別很重要：應用程式定義存取範圍，其輸出則記錄實際發生的操作。
對使用 Ailoot API 的程式設計助理，先提供要達成的行為、相關檔案與清楚完成標準。適合的任務可以要求協同變更、受影響依賴項的解釋，以及驗證結果所需的檢查。提供目前專案指示與有用視覺範例，再要求可檢閱的成果，例如變更後程式碼、缺陷分析或經測試的實作計畫。
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-5-codex-high | 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 $0.0025 / 1K Token 輸出 · 輸出 Token $0.02 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "gpt-5-codex-high",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-codex-high', '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-codex-high', '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-5-codex-high
請使用上方列出的 API 方法路徑。
英文技術範例
Fix a mutation during iteration\n\nPatch this Python function: 'def remove_empty(items):\n for value in items:\n if value == '': items.remove(value)\n return items'. Requirement: return a new list without empty strings and leave the original unchanged. Provide the function and tests covering adjacent empty strings, no empty strings and an empty list. Explain why the original skipped values.A replacement function, three focused tests and one sentence about modifying a list during iteration.Adjacent empty strings are all removed from the result while the input list retains its original contents.