GPT Chat Latest 是 OpenAI 以 Chat Latest 記載、定期更新的 Instant 模型選項，指向 ChatGPT 使用的最新 Instant 模型。它接收文字和圖片並產生文字。這個會變動的名稱描述的是底層模型持續更新的聊天選項，而非固定日期的模型版本。
有用的對話始於一項具體工作。請提供草稿和目標讀者，要求更清楚地解釋某個段落，或附上螢幕截圖並針對特定元素提問。一個編輯任務示例是將粗略說明改寫成給同事的短訊息，同時保留必要名稱和事實。下一輪請指出要修改的段落和修改原因，例如語氣、長度或缺少的解釋。
進行圖片對話時，請讓視覺證據清晰可讀，並說明用途。螢幕截圖可支援針對可見介面狀態的提問；圖表可支援解釋某種關係的請求。請加入圖片本身未提供的文字背景。要求相關觀察及與問題相連的解釋，而非描述每個可見細節。
OpenAI 目前的 Chat Latest 規格列出 400,000 token 的上下文視窗、最多 272,000 token 的輸入，以及最多 128,000 token 的輸出。文件中的知識截止日為 2026年4月20日。這些是此聊天選項公布的特性，而底層模型定期更新。請依相關上下文和輸出限制安排資料與所需答案，並保留後續提問所需的重要事實。
開發者列出串流、Structured Outputs、函式呼叫和圖片輸入，並提供 Responses 與 Chat Completions 介面。文件中的工具包括網頁與檔案搜尋、圖片生成、程式碼解譯和 MCP 連線。結構化回應指定回傳資訊的形式；工具請求則指定另一項操作。應用程式公開自己的操作、回傳實際工具結果，並決定如何向使用者呈現產生的文字或其他成果。
請定義希望從對話取得的結果：回覆、改寫的文件段落、視覺範例的解釋，或行動清單。針對結構化任務，請指定欄位，並說明如何處理缺少的資訊。針對編輯任務，請指出讀者、必要事實和可接受的語氣。有用的最終回應是可對照原始資料審閱的具體版本；後續訊息可修改某項細節，同時讓任務目的保持明確。
", "aboutText": "GPT Chat Latest 是 OpenAI 以 Chat Latest 記載、定期更新的 Instant 模型選項，指向 ChatGPT 使用的最新 Instant 模型。它接收文字和圖片並產生文字。這個會變動的名稱描述的是底層模型持續更新的聊天選項，而非固定日期的模型版本。\n\n有用的對話始於一項具體工作。請提供草稿和目標讀者，要求更清楚地解釋某個段落，或附上螢幕截圖並針對特定元素提問。一個編輯任務示例是將粗略說明改寫成給同事的短訊息，同時保留必要名稱和事實。下一輪請指出要修改的段落和修改原因，例如語氣、長度或缺少的解釋。\n\n進行圖片對話時，請讓視覺證據清晰可讀，並說明用途。螢幕截圖可支援針對可見介面狀態的提問；圖表可支援解釋某種關係的請求。請加入圖片本身未提供的文字背景。要求相關觀察及與問題相連的解釋，而非描述每個可見細節。\n\nOpenAI 目前的 Chat Latest 規格列出 400,000 token 的上下文視窗、最多 272,000 token 的輸入，以及最多 128,000 token 的輸出。文件中的知識截止日為 2026年4月20日。這些是此聊天選項公布的特性，而底層模型定期更新。請依相關上下文和輸出限制安排資料與所需答案，並保留後續提問所需的重要事實。\n\n開發者列出串流、Structured Outputs、函式呼叫和圖片輸入，並提供 Responses 與 Chat Completions 介面。文件中的工具包括網頁與檔案搜尋、圖片生成、程式碼解譯和 MCP 連線。結構化回應指定回傳資訊的形式；工具請求則指定另一項操作。應用程式公開自己的操作、回傳實際工具結果，並決定如何向使用者呈現產生的文字或其他成果。\n\n請定義希望從對話取得的結果：回覆、改寫的文件段落、視覺範例的解釋，或行動清單。針對結構化任務，請指定欄位，並說明如何處理缺少的資訊。針對編輯任務，請指出讀者、必要事實和可接受的語氣。有用的最終回應是可對照原始資料審閱的具體版本；後續訊息可修改某項細節，同時讓任務目的保持明確。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Refine a colleague's rough explanation\n\nRewrite this for a colleague who is new to the process: 'The first file is source data. The second file is cleaned data. We corrected duplicate rows but left missing values empty. Use cleaned data for the report and keep source data for checking.' Make the relationship between the two files clear in at most 65 words.One clear paragraph preserving file roles, duplicate handling and the treatment of missing values.The rewrite keeps missing values empty and tells the colleague to use cleaned data while retaining the source for checks.openai/gpt-chat-latestOpenAI 定期更新的 Instant 聊天選項，適合圍繞文字和圖片進行對話。提供草稿、問題或視覺範例，再透過對話修改產生的解釋、編輯後段落或簡短回應。
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 Chat Latest 是 OpenAI 以 Chat Latest 記載、定期更新的 Instant 模型選項，指向 ChatGPT 使用的最新 Instant 模型。它接收文字和圖片並產生文字。這個會變動的名稱描述的是底層模型持續更新的聊天選項，而非固定日期的模型版本。
有用的對話始於一項具體工作。請提供草稿和目標讀者，要求更清楚地解釋某個段落，或附上螢幕截圖並針對特定元素提問。一個編輯任務示例是將粗略說明改寫成給同事的短訊息，同時保留必要名稱和事實。下一輪請指出要修改的段落和修改原因，例如語氣、長度或缺少的解釋。
進行圖片對話時，請讓視覺證據清晰可讀，並說明用途。螢幕截圖可支援針對可見介面狀態的提問；圖表可支援解釋某種關係的請求。請加入圖片本身未提供的文字背景。要求相關觀察及與問題相連的解釋，而非描述每個可見細節。
OpenAI 目前的 Chat Latest 規格列出 400,000 token 的上下文視窗、最多 272,000 token 的輸入，以及最多 128,000 token 的輸出。文件中的知識截止日為 2026年4月20日。這些是此聊天選項公布的特性，而底層模型定期更新。請依相關上下文和輸出限制安排資料與所需答案，並保留後續提問所需的重要事實。
開發者列出串流、Structured Outputs、函式呼叫和圖片輸入，並提供 Responses 與 Chat Completions 介面。文件中的工具包括網頁與檔案搜尋、圖片生成、程式碼解譯和 MCP 連線。結構化回應指定回傳資訊的形式；工具請求則指定另一項操作。應用程式公開自己的操作、回傳實際工具結果，並決定如何向使用者呈現產生的文字或其他成果。
請定義希望從對話取得的結果：回覆、改寫的文件段落、視覺範例的解釋，或行動清單。針對結構化任務，請指定欄位，並說明如何處理缺少的資訊。針對編輯任務，請指出讀者、必要事實和可接受的語氣。有用的最終回應是可對照原始資料審閱的具體版本；後續訊息可修改某項細節，同時讓任務目的保持明確。
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 openai/gpt-chat-latest | 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。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.01 / 1K Token 輸出 · 輸出 Token $0.06 / 1K Token 輸入 · 讀取快取 $0.001 / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.01 / 1K Token 輸出 · 輸出 Token $0.06 / 1K Token 輸入 · 讀取快取 $0.001 / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-chat-latest", "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-chat-latest',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-chat-latest',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 openai/gpt-chat-latest
請使用上方列出的 API 方法路徑。
openai/gpt-chat-latestOpenAI 定期更新的 Instant 聊天選項，適合圍繞文字和圖片進行對話。提供草稿、問題或視覺範例，再透過對話修改產生的解釋、編輯後段落或簡短回應。
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 Chat Latest 是 OpenAI 以 Chat Latest 記載、定期更新的 Instant 模型選項，指向 ChatGPT 使用的最新 Instant 模型。它接收文字和圖片並產生文字。這個會變動的名稱描述的是底層模型持續更新的聊天選項，而非固定日期的模型版本。
有用的對話始於一項具體工作。請提供草稿和目標讀者，要求更清楚地解釋某個段落，或附上螢幕截圖並針對特定元素提問。一個編輯任務示例是將粗略說明改寫成給同事的短訊息，同時保留必要名稱和事實。下一輪請指出要修改的段落和修改原因，例如語氣、長度或缺少的解釋。
進行圖片對話時，請讓視覺證據清晰可讀，並說明用途。螢幕截圖可支援針對可見介面狀態的提問；圖表可支援解釋某種關係的請求。請加入圖片本身未提供的文字背景。要求相關觀察及與問題相連的解釋，而非描述每個可見細節。
OpenAI 目前的 Chat Latest 規格列出 400,000 token 的上下文視窗、最多 272,000 token 的輸入，以及最多 128,000 token 的輸出。文件中的知識截止日為 2026年4月20日。這些是此聊天選項公布的特性，而底層模型定期更新。請依相關上下文和輸出限制安排資料與所需答案，並保留後續提問所需的重要事實。
開發者列出串流、Structured Outputs、函式呼叫和圖片輸入，並提供 Responses 與 Chat Completions 介面。文件中的工具包括網頁與檔案搜尋、圖片生成、程式碼解譯和 MCP 連線。結構化回應指定回傳資訊的形式；工具請求則指定另一項操作。應用程式公開自己的操作、回傳實際工具結果，並決定如何向使用者呈現產生的文字或其他成果。
請定義希望從對話取得的結果：回覆、改寫的文件段落、視覺範例的解釋，或行動清單。針對結構化任務，請指定欄位，並說明如何處理缺少的資訊。針對編輯任務，請指出讀者、必要事實和可接受的語氣。有用的最終回應是可對照原始資料審閱的具體版本；後續訊息可修改某項細節，同時讓任務目的保持明確。
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 openai/gpt-chat-latest | 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。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.01 / 1K Token 輸出 · 輸出 Token $0.06 / 1K Token 輸入 · 讀取快取 $0.001 / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.01 / 1K Token 輸出 · 輸出 Token $0.06 / 1K Token 輸入 · 讀取快取 $0.001 / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "openai/gpt-chat-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-chat-latest', '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-chat-latest', '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 openai/gpt-chat-latest
請使用上方列出的 API 方法路徑。
英文技術範例
Refine a colleague's rough explanation\n\nRewrite this for a colleague who is new to the process: 'The first file is source data. The second file is cleaned data. We corrected duplicate rows but left missing values empty. Use cleaned data for the report and keep source data for checking.' Make the relationship between the two files clear in at most 65 words.One clear paragraph preserving file roles, duplicate handling and the treatment of missing values.The rewrite keeps missing values empty and tells the colleague to use cleaned data while retaining the source for checks.