GPT-4.1 er OpenAIs model uden særskilt ræsonneringstrin til efterlevelse af instruktioner og værktøjskald med bred viden på tværs af fagområder. Den modtager tekst og billeder og returnerer tekst uden et dedikeret ræsonneringstrin. Dens store kontekst er nyttig, når opgaven er klart defineret, men det relevante materiale spænder over omfattende dokumenter eller kode. Angiv den ønskede handling, det kildemateriale, den gælder for, og formen på det endelige resultat.
Ved dokumentbehandling skal du adskille instruktionerne fra materialet med overskrifter eller andre tydelige grænser. Mærk dokumenterne, og bevar de identifikatorer, som svaret skal henvise til. Definer felterne til udtræk, kriterierne til sammenligning eller målgruppe og længde til en omskrivning. Et eksempel på output kan være en kravtabel med kildeplaceringer, en opsummering organiseret efter et angivet sæt spørgsmål eller en struktureret post, der skelner mellem manglende oplysninger og en udtrykkelig værdi.
Til programmering skal du levere de relevante filer, den ønskede ændring og den adfærd, der skal bevares. Bed om det faktiske resultat, du har brug for: en revideret funktion, en komplet fil, foreslåede værktøjsargumenter eller en forklaring af den berørte logik. Eksempler kan afklare en formateringsregel eller et grænsetilfælde, men skal følge samme krav som den rigtige opgave. OpenAIs promptvejledning fremhæver direkte instruktioner, roller, kildegrænser og repræsentative eksempler frem for at antage, at en lang prompt automatisk er præcis.
Den præcise GPT-4.1-specifikation angiver et kontekstvindue på 1.047.576 tokens, et maksimalt output på 32.768 tokens og en vidensgrænse den 1. juni 2024. Den store inputkontekst indebærer ikke et lige så stort output, så en anmodning om at omskrive omfattende materiale skal angive den del og det endelige resultat, der er brug for. Bevar tilstrækkelig plads til svaret, og lever aktuelle oplysninger, når opgaven afhænger af fakta efter vidensgrænsen. Den dokumenterede modeltype for GPT-4.1 er chat; indstillinger for ræsonneringsindsats fra nyere ræsonneringsmodeller er ikke en del af denne profil.
OpenAI dokumenterer grænsefladerne Chat Completions, Responses, Assistants og Batch samt grænseflader til finjustering for GPT-4.1. De opførte funktioner omfatter streaming, Structured Outputs, funktionskald, filuploads, billedinput, web- og filsøgning, finjustering og promptcaching. Dens værktøjer omfatter kodefortolkning, billedgenerering og MCP-forbindelser samt søgning og funktioner. Modellens eget output er tekst, mens et værktøj kan returnere et separat resultat eller en observation. Definer formålet og argumenterne for en handling i applikationen, og brug det faktisk returnerede resultat; en modelgenereret anmodning bekræfter ikke, at en ekstern handling er gennemført.
En særlig funktion er Predicted Outputs i OpenAIs Chat Completions-grænseflade. Når det meste af et ønsket tekst- eller koderesultat allerede er kendt, kan det eksisterende indhold leveres som en forudsigelse for at hjælpe med at gendanne det komplette resultat med en lille ændring. Lever eksempelvis en aktuel fil, og bed om en nøje afgrænset omdøbning af en egenskab med bevarelse af den omgivende kode. Forudsigelsen er forventet outputindhold, ikke en instruktion eller en garanti for, at de uændrede dele fortsat er korrekte. Undersøg det gendannede resultat mod den ønskede ændring og det oprindelige materiale.
Predicted Outputs har sine egne kompatibilitetsgrænser. OpenAI dokumenterer brug med kun tekst, uden lydinput eller lydoutput og uden funktionskald i den pågældende anmodning. Funktionen understøtter ikke flere valg med n større end 1, logaritmiske sandsynligheder, positive strafværdier for forekomst eller hyppighed af tokens eller parameteren max_completion_tokens. Hold denne arbejdsgang til gendannelse adskilt fra en opgave, der kræver værktøjskald. Forudsigelsestekst kan matche dele af outputtet, og leverandøren rapporterer accepterede og afviste forudsigelsestokens; en uegnet forudsigelse kan blive delvist ubrugt, så funktionen garanterer ikke en bestemt hastighedsforbedring eller et bestemt resultat.
Til almindelige opgaver med efterlevelse af instruktioner er et nyttigt GPT-4.1-resultat et dokument eller et koderesultat, der følger en defineret kontrakt, et udtræk med udtrykkelige felter eller en værktøjsanmodning, hvis argumenter passer til den leverede handling. Til en lille ændring af en stort set uændret fil giver arbejdsgangen med forudsagt output en mere specifik måde at forberede det forventede resultat på. Bevar i begge tilfælde det kildemateriale, der er nødvendigt for at kontrollere svaret, og gør tvetydighed tydelig. Modellens kontekstkapacitet og værktøjer understøtter arbejdsgangen; opgavebeskrivelsen afgør stadig, hvad et komplet, brugbart svar indeholder.
", "aboutText": "GPT-4.1 er OpenAIs model uden særskilt ræsonneringstrin til efterlevelse af instruktioner og værktøjskald med bred viden på tværs af fagområder. Den modtager tekst og billeder og returnerer tekst uden et dedikeret ræsonneringstrin. Dens store kontekst er nyttig, når opgaven er klart defineret, men det relevante materiale spænder over omfattende dokumenter eller kode. Angiv den ønskede handling, det kildemateriale, den gælder for, og formen på det endelige resultat.\n\nVed dokumentbehandling skal du adskille instruktionerne fra materialet med overskrifter eller andre tydelige grænser. Mærk dokumenterne, og bevar de identifikatorer, som svaret skal henvise til. Definer felterne til udtræk, kriterierne til sammenligning eller målgruppe og længde til en omskrivning. Et eksempel på output kan være en kravtabel med kildeplaceringer, en opsummering organiseret efter et angivet sæt spørgsmål eller en struktureret post, der skelner mellem manglende oplysninger og en udtrykkelig værdi.\n\nTil programmering skal du levere de relevante filer, den ønskede ændring og den adfærd, der skal bevares. Bed om det faktiske resultat, du har brug for: en revideret funktion, en komplet fil, foreslåede værktøjsargumenter eller en forklaring af den berørte logik. Eksempler kan afklare en formateringsregel eller et grænsetilfælde, men skal følge samme krav som den rigtige opgave. OpenAIs promptvejledning fremhæver direkte instruktioner, roller, kildegrænser og repræsentative eksempler frem for at antage, at en lang prompt automatisk er præcis.\n\nDen præcise GPT-4.1-specifikation angiver et kontekstvindue på 1.047.576 tokens, et maksimalt output på 32.768 tokens og en vidensgrænse den 1. juni 2024. Den store inputkontekst indebærer ikke et lige så stort output, så en anmodning om at omskrive omfattende materiale skal angive den del og det endelige resultat, der er brug for. Bevar tilstrækkelig plads til svaret, og lever aktuelle oplysninger, når opgaven afhænger af fakta efter vidensgrænsen. Den dokumenterede modeltype for GPT-4.1 er chat; indstillinger for ræsonneringsindsats fra nyere ræsonneringsmodeller er ikke en del af denne profil.\n\nOpenAI dokumenterer grænsefladerne Chat Completions, Responses, Assistants og Batch samt grænseflader til finjustering for GPT-4.1. De opførte funktioner omfatter streaming, Structured Outputs, funktionskald, filuploads, billedinput, web- og filsøgning, finjustering og promptcaching. Dens værktøjer omfatter kodefortolkning, billedgenerering og MCP-forbindelser samt søgning og funktioner. Modellens eget output er tekst, mens et værktøj kan returnere et separat resultat eller en observation. Definer formålet og argumenterne for en handling i applikationen, og brug det faktisk returnerede resultat; en modelgenereret anmodning bekræfter ikke, at en ekstern handling er gennemført.\n\nEn særlig funktion er Predicted Outputs i OpenAIs Chat Completions-grænseflade. Når det meste af et ønsket tekst- eller koderesultat allerede er kendt, kan det eksisterende indhold leveres som en forudsigelse for at hjælpe med at gendanne det komplette resultat med en lille ændring. Lever eksempelvis en aktuel fil, og bed om en nøje afgrænset omdøbning af en egenskab med bevarelse af den omgivende kode. Forudsigelsen er forventet outputindhold, ikke en instruktion eller en garanti for, at de uændrede dele fortsat er korrekte. Undersøg det gendannede resultat mod den ønskede ændring og det oprindelige materiale.\n\nPredicted Outputs har sine egne kompatibilitetsgrænser. OpenAI dokumenterer brug med kun tekst, uden lydinput eller lydoutput og uden funktionskald i den pågældende anmodning. Funktionen understøtter ikke flere valg med n større end 1, logaritmiske sandsynligheder, positive strafværdier for forekomst eller hyppighed af tokens eller parameteren max_completion_tokens. Hold denne arbejdsgang til gendannelse adskilt fra en opgave, der kræver værktøjskald. Forudsigelsestekst kan matche dele af outputtet, og leverandøren rapporterer accepterede og afviste forudsigelsestokens; en uegnet forudsigelse kan blive delvist ubrugt, så funktionen garanterer ikke en bestemt hastighedsforbedring eller et bestemt resultat.\n\nTil almindelige opgaver med efterlevelse af instruktioner er et nyttigt GPT-4.1-resultat et dokument eller et koderesultat, der følger en defineret kontrakt, et udtræk med udtrykkelige felter eller en værktøjsanmodning, hvis argumenter passer til den leverede handling. Til en lille ændring af en stort set uændret fil giver arbejdsgangen med forudsagt output en mere specifik måde at forberede det forventede resultat på. Bevar i begge tilfælde det kildemateriale, der er nødvendigt for at kontrollere svaret, og gør tvetydighed tydelig. Modellens kontekstkapacitet og værktøjer understøtter arbejdsgangen; opgavebeskrivelsen afgør stadig, hvad et komplet, brugbart svar indeholder.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "cc0684205ac7b2608837241e262a00f1a8a799d9f75222442bfbc3092c73fc36", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/gpt-4.1:batchOpenAI GPT-4.1 er en model uden særskilt ræsonneringstrin til præcis efterlevelse af instruktioner, programmering og værktøjskald. Den modtager tekst og billeder og returnerer tekst med et stort kontekstvindue, Structured Outputs og Predicted Outputs til gendannelse af tekst eller kode, der stort set er uændret.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-4.1 er OpenAIs model uden særskilt ræsonneringstrin til efterlevelse af instruktioner og værktøjskald med bred viden på tværs af fagområder. Den modtager tekst og billeder og returnerer tekst uden et dedikeret ræsonneringstrin. Dens store kontekst er nyttig, når opgaven er klart defineret, men det relevante materiale spænder over omfattende dokumenter eller kode. Angiv den ønskede handling, det kildemateriale, den gælder for, og formen på det endelige resultat.
Ved dokumentbehandling skal du adskille instruktionerne fra materialet med overskrifter eller andre tydelige grænser. Mærk dokumenterne, og bevar de identifikatorer, som svaret skal henvise til. Definer felterne til udtræk, kriterierne til sammenligning eller målgruppe og længde til en omskrivning. Et eksempel på output kan være en kravtabel med kildeplaceringer, en opsummering organiseret efter et angivet sæt spørgsmål eller en struktureret post, der skelner mellem manglende oplysninger og en udtrykkelig værdi.
Til programmering skal du levere de relevante filer, den ønskede ændring og den adfærd, der skal bevares. Bed om det faktiske resultat, du har brug for: en revideret funktion, en komplet fil, foreslåede værktøjsargumenter eller en forklaring af den berørte logik. Eksempler kan afklare en formateringsregel eller et grænsetilfælde, men skal følge samme krav som den rigtige opgave. OpenAIs promptvejledning fremhæver direkte instruktioner, roller, kildegrænser og repræsentative eksempler frem for at antage, at en lang prompt automatisk er præcis.
Den præcise GPT-4.1-specifikation angiver et kontekstvindue på 1.047.576 tokens, et maksimalt output på 32.768 tokens og en vidensgrænse den 1. juni 2024. Den store inputkontekst indebærer ikke et lige så stort output, så en anmodning om at omskrive omfattende materiale skal angive den del og det endelige resultat, der er brug for. Bevar tilstrækkelig plads til svaret, og lever aktuelle oplysninger, når opgaven afhænger af fakta efter vidensgrænsen. Den dokumenterede modeltype for GPT-4.1 er chat; indstillinger for ræsonneringsindsats fra nyere ræsonneringsmodeller er ikke en del af denne profil.
OpenAI dokumenterer grænsefladerne Chat Completions, Responses, Assistants og Batch samt grænseflader til finjustering for GPT-4.1. De opførte funktioner omfatter streaming, Structured Outputs, funktionskald, filuploads, billedinput, web- og filsøgning, finjustering og promptcaching. Dens værktøjer omfatter kodefortolkning, billedgenerering og MCP-forbindelser samt søgning og funktioner. Modellens eget output er tekst, mens et værktøj kan returnere et separat resultat eller en observation. Definer formålet og argumenterne for en handling i applikationen, og brug det faktisk returnerede resultat; en modelgenereret anmodning bekræfter ikke, at en ekstern handling er gennemført.
En særlig funktion er Predicted Outputs i OpenAIs Chat Completions-grænseflade. Når det meste af et ønsket tekst- eller koderesultat allerede er kendt, kan det eksisterende indhold leveres som en forudsigelse for at hjælpe med at gendanne det komplette resultat med en lille ændring. Lever eksempelvis en aktuel fil, og bed om en nøje afgrænset omdøbning af en egenskab med bevarelse af den omgivende kode. Forudsigelsen er forventet outputindhold, ikke en instruktion eller en garanti for, at de uændrede dele fortsat er korrekte. Undersøg det gendannede resultat mod den ønskede ændring og det oprindelige materiale.
Predicted Outputs har sine egne kompatibilitetsgrænser. OpenAI dokumenterer brug med kun tekst, uden lydinput eller lydoutput og uden funktionskald i den pågældende anmodning. Funktionen understøtter ikke flere valg med n større end 1, logaritmiske sandsynligheder, positive strafværdier for forekomst eller hyppighed af tokens eller parameteren max_completion_tokens. Hold denne arbejdsgang til gendannelse adskilt fra en opgave, der kræver værktøjskald. Forudsigelsestekst kan matche dele af outputtet, og leverandøren rapporterer accepterede og afviste forudsigelsestokens; en uegnet forudsigelse kan blive delvist ubrugt, så funktionen garanterer ikke en bestemt hastighedsforbedring eller et bestemt resultat.
Til almindelige opgaver med efterlevelse af instruktioner er et nyttigt GPT-4.1-resultat et dokument eller et koderesultat, der følger en defineret kontrakt, et udtræk med udtrykkelige felter eller en værktøjsanmodning, hvis argumenter passer til den leverede handling. Til en lille ændring af en stort set uændret fil giver arbejdsgangen med forudsagt output en mere specifik måde at forberede det forventede resultat på. Bevar i begge tilfælde det kildemateriale, der er nødvendigt for at kontrollere svaret, og gør tvetydighed tydelig. Modellens kontekstkapacitet og værktøjer understøtter arbejdsgangen; opgavebeskrivelsen afgør stadig, hvad et komplet, brugbart svar indeholder.
POST /v1/batchestexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrævet | Værdier og grænser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-4.1:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltcompletion_window | Typestring | KravValgfrit | Værdier og grænser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfrit | Værdier og grænser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfrit | Værdier og grænser openai/gpt-4.1:batch, openai/gpt-4.1 | Standard— |
Feltprovider.only | Typestring[] | KravValgfrit | Værdier og grænser openai | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfrit | Værdier og grænser false, null | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktendpoint, model, requests |
Parametermaterial_types | Kontrakttext |
Parameterrepresentation | Kontraktrequests[] direkte i anmodningen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parameterfile_material | KontraktDen kaldende part kan læse det faktiske JSONL-indhold i UTF-8 lokalt ind i requests[]. Der angives hverken purpose til upload, input_file_id eller en filreference. Hvis kundematerialet mangler eller er tomt, stoppes forberedelsen før POST. |
Parameterserialization_order | Kontraktendpoint, model, provider (hvis angivet), completion_window (hvis angivet), requests til sidst |
Parameteroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontraktAnmodningsindhold for Chat Completions med tekst i den dokumenterede inline Batch-struktur. |
Livscyklus: asynchronous
GET /v1/batches/{operation_id} · det faktiske response.id fra den oprindelige oprettelse; samme bruger/nøgle/gruppe
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.002 / 1K tokens Output · Outputtokens $0.008 / 1K tokens Input · Cachelæsning $0.0005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.002 / 1K tokens Output · Outputtokens $0.008 / 1K tokens Input · Cachelæsning $0.0005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-4.1:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-4.1:batch', 'openai/gpt-4.1']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4.1:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON direkte i results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Gem hele den oprindelige status i JSON, hvert resultat/custom_id og det fulde svar- eller fejlindhold. Gem færdige results[] som JSONL uden filtrering.
Gem det oprindelige operations-ID. 503 result_pending_check har X-Should-Retry:false; send aldrig en oprindelig batch igen, hvis dens udfald er ukendt.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldig dokumenteret inline-struktur, dublerede nøgler, ugyldig elementidentitet eller konflikt med modellens konfigurerede funktioner. | Næste trinRet de angivne felter, før du sender en ny anmodning. |
Svar401 · authentication_error | BetingelseUgyldig API-nøgle. | Næste trinBrug den godkendte Ailoot-nøgle. |
Svar403 · permission_error | BetingelseBatch-gruppen er ikke tilgængelig. | Næste trinKontrollér nøglens/gruppens adgangsrettigheder. |
Svar422 · invalid_request_error | BetingelseBatch afregnes via saldoen; oprettelse via et abonnement afvises. | Næste trinBrug den godkendte gruppe med saldoafregning. |
Svar422 · price_unavailable | BetingelseDer kan ikke beregnes en pris for Batch-inputtet. | Næste trinGem svaret; brug det dokumenterede input for API-familien. |
Svar402 · billing_error | BetingelseReservationen til Batch er ikke tilgængelig. | Næste trinAfklar adgangen, før du sender en ny anmodning. |
Svar503 · price_unavailable | BetingelsePrisen for Batch-metoden eller de native satser er ikke tilgængelige. | Næste trinGem svaret; erstat ikke priserne med andre priser. |
Svar503 · api_error | BetingelseDen præcise leverandørrute er ikke tilgængelig. | Næste trinGem svaret, så ruten kan repareres. |
Svar503 · result_pending_check | BetingelseDet oprindelige resultat skal kontrolleres; X-Should-Retry:false. | Næste trinGem det oprindelige operation_id/id, og læs dets status; gentag aldrig den oprindelige POST. |
Svar404 · not_found | BetingelseOperationen til Batch-status findes ikke eller tilhører en anden identitet. | Næste trinBrug det nøjagtige oprindelige id og samme bruger/nøgle/gruppe. |
Ailoot Ultra openai/gpt-4.1:batch
Brug metodestierne vist ovenfor.