gpt-5-codex
Réseau Neuronal
Caractéristiques
- Entrée
- texte, images, documents
- Sortie
- texte
- Taille du contexte
- 400 000 tokens
- Longueur maximale de la réponse
- 4 096 tokens
- Niveaux de raisonnement
- faible, moyen, élevé
- Fonctionnalités
- raisonnement, appel de fonctions
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Invite d'image
(par 1K tokens)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gpt-5-codex',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gpt-5-codex',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Comment ça marche gpt-5-codex?
Questions fréquentes sur gpt-5-codex
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
Il s'agit d'un modèle OpenAI axé sur le code : écrire une fonction, analyser un projet inconnu, refactoriser un module, trouver la cause d'une erreur. Le contexte de 400 000 jetons permet de charger de nombreux fichiers et la documentation en une seule fois. Il accepte les images et les documents, il convient donc aussi bien aux captures d'écran d'erreurs qu'aux spécifications techniques.
La limite d'une réponse est de 4096 jetons, ce qui correspond environ à quelques pages de texte ou à un fichier de code conséquent. Pour un refactoring important ou une longue documentation, divisez le travail en plusieurs parties et poursuivez dans la même discussion : le contexte de 400 000 jetons est suffisant pour que le modèle se souvienne de tout ce qui précède.
Oui, avant de répondre, le modèle construit une chaîne de raisonnement interne — cela est visible sur les tâches impliquant la logique, les algorithmes et le débogage. La profondeur de réflexion et le niveau de détail de la réponse peuvent être ajustés via les paramètres d'effort et de détail, permettant de choisir l'équilibre entre vitesse et qualité de la solution. Cela fonctionne de la même manière dans le chat BotHub et via l'API.
Oui, l'appel de fonctions et la sortie structurée en JSON sont pris en charge : le modèle décide lui-même quand faire appel à votre outil et renvoie une réponse selon le schéma défini. C'est pratique pour les agents et les intégrations, et l'API BotHub compatible avec OpenAI permet de passer à un autre modèle sans réécrire le code.
Selon nos données, les images et les documents sont acceptés en entrée : envoyez une capture d'écran d'interface, un schéma, un diagramme ou un fichier de spécifications et demandez une analyse. L'audio et la vidéo ne figurent pas dans la liste des formats pris en charge — pour ceux-ci, il existe des modèles de transcription et de reconnaissance distincts dans le catalogue BotHub.
Les langues ne sont pas spécifiées dans les données du modèle, nous ne promettons donc rien de concret — il est plus simple de tester sur votre propre tâche : formulez une requête et comparez le résultat avec un autre modèle dans la même fenêtre. L'interface BotHub est en russe, le paiement se fait par cartes russes, aucun VPN ni carte étrangère n'est nécessaire.