FrançaisTutorial

Comment accéder à GPT-5 et GPT-5.2 via l’API - Guide complet pour les développeurs

Apprenez à accéder aux derniers modèles GPT-5, GPT-5.2 et o3-pro d’OpenAI via une API unifiée. Guide étape par étape avec des exemples en Python, Node.

Crazyrouter Team

23 janvier 2026 / 803 vues

Comment accéder à GPT-5 et GPT-5.2 via l’API - Guide complet pour les développeurs

Crazyrouter

Open API Playground Open image tool Read the docs Check live pricing

OpenAI a publié ses modèles les plus puissants à ce jour : GPT-5, GPT-5.2, et le modèle orienté raisonnement o3-pro. Ce guide vous montre comment accéder à ces modèles de pointe via l’API unifiée de Crazyrouter.

Modèles OpenAI pris en charge#

Crazyrouter donne accès à l’ensemble de la gamme de modèles OpenAI :

Model	Input ($/1M tokens)	Output ($/1M tokens)	Best For
gpt-5.2	$1.75	$14.00	Latest flagship, complex tasks
gpt-5.2-pro	$3.50	$28.00	Enhanced reasoning
gpt-5	$1.25	$10.00	General tasks
gpt-5-pro	$2.50	$20.00	Advanced analysis
gpt-5-mini	$0.25	$2.00	Cost-effective
gpt-5-nano	$0.05	$0.40	High-volume tasks
o3-pro	$20.00	$80.00	Complex reasoning
o3-mini	$1.10	$4.40	Efficient reasoning
o4-mini	$1.10	$4.40	Latest reasoning model

Démarrage rapide#

1. Obtenez votre clé d’API#

Rendez-vous sur la Console Crazyrouter
Allez dans « Token Management »
Cliquez sur « Create Token »
Copiez votre clé d’API (commence par sk-)

2. Faites votre première requête#

Avec Python (recommandé)#

python

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://ai.crazyrouter.us/v1",
    default_headers={
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"
    }
)

response = client.chat.completions.create(
    model="gpt-5.2",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Explain quantum computing in simple terms."}
    ],
    temperature=0.7,
    max_tokens=1000
)

print(response.choices[0].message.content)

Avec Node.js#

javascript

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'sk-your-api-key',
  baseURL: 'https://ai.crazyrouter.us/v1',
  defaultHeaders: {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
  }
});

async function main() {
  const response = await client.chat.completions.create({
    model: 'gpt-5.2',
    messages: [
      { role: 'system', content: 'You are a helpful assistant.' },
      { role: 'user', content: 'Explain quantum computing in simple terms.' }
    ],
    temperature: 0.7
  });

  console.log(response.choices[0].message.content);
}

main();

Avec curl#

bash

curl https://ai.crazyrouter.us/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36" \
  -d '{
    "model": "gpt-5.2",
    "messages": [{"role": "user", "content": "Hello, GPT-5.2!"}],
    "temperature": 0.7
  }'

Réponses en streaming#

Pour une sortie en temps réel, activez le streaming :

python

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://ai.crazyrouter.us/v1",
    default_headers={
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"
    }
)

stream = client.chat.completions.create(
    model="gpt-5.2",
    messages=[{"role": "user", "content": "Write a short story about AI."}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Utilisation des modèles de raisonnement (o3-pro)#

Le modèle o3-pro excelle dans les tâches de raisonnement complexes :

python

response = client.chat.completions.create(
    model="o3-pro",
    messages=[
        {"role": "user", "content": "Solve this step by step: If a train travels 120 miles in 2 hours, then stops for 30 minutes, then travels another 90 miles in 1.5 hours, what is the average speed for the entire journey including the stop?"}
    ]
)

print(response.choices[0].message.content)

Modèles GPT-5 Codex#

Pour les tâches de génération de code, utilisez les modèles codex spécialisés :

python

response = client.chat.completions.create(
    model="gpt-5-codex",
    messages=[
        {"role": "user", "content": "Write a Python function to implement binary search"}
    ]
)

Variantes codex disponibles : gpt-5-codex, gpt-5-codex-high, gpt-5-codex-medium, gpt-5-codex-low, gpt-5.2-codex

Bonnes pratiques#

Choisissez le bon modèle : utilisez gpt-5-nano pour les tâches simples, gpt-5.2 pour les tâches complexes
Définissez une température appropriée : plus faible (0,1–0,3) pour les tâches factuelles, plus élevée (0,7–1,0) pour les tâches créatives
Utilisez le streaming : pour une meilleure expérience utilisateur dans les applications de chat
Gérez les erreurs avec soin : implémentez une logique de nouvelle tentative en cas de limites de taux