GPT-5.4 nano er OpenAI’s kompakte model i GPT-5.4-klassen til enkle opgaver med stor behandlingsvolumen. Producenten fremhæver klassifikation, dataudtræk, rangordning og understøttende subagentarbejde. Den accepterer tekst og billeder og producerer tekst. Det giver nano en fokuseret rolle i en større proces: gennemfør en defineret operation, og returnér de oplysninger, som næste trin har brug for.
Ved klassifikation skal de tilladte kategorier, den regel, der adskiller dem, og det forventede resultatformat leveres. En eksempelopgave er at identificere en anmodnings emne og de fakta, der begrunder kategorien. Medtag eksempler, når de tydeliggør en vanskelig grænse, og angiv, hvordan en anmodning, der ikke passer i de tilgængelige kategorier, skal repræsenteres. Et nyttigt resultat er kategorien sammen med en kort begrundelse knyttet til det leverede materiale.
Ved udtræk skal felterne og deres definitioner angives frem for at bede om enhver potentielt interessant detalje. Skriftligt materiale eller et billede af en side kan leveres sammen med en angivelse af de krævede værdier. Bevar navne og enheder, der påvirker betydningen, og skeln mellem et manglende felt og en værdi udledt af den omgivende tekst. Ved rangordning skal kandidaterne og kriteriet leveres, hvorefter den ordnede liste med den relevante dokumentation for hver placering efterspørges.
OpenAI’s specifikation for GPT-5.4 nano angiver et kontekstvindue på 400.000 tokens, et maksimalt input på 272.000 tokens og et maksimalt output på 128.000 tokens med en vidensgrænse den 31. august 2025. Den understøtter ræsonneringsindsatsen none, low, medium, high og xhigh; none er standard. Den valgte indsats og ønskede svarlængde skal passe til opgaven. Når ræsonnering bruges, skal der være plads til analyse såvel som det synlige resultat.
Producenten dokumenterer grænsefladerne Responses, Chat Completions og Batch sammen med streaming, Structured Outputs, funktionskald, web- og filsøgning, filinput, billedinput og promptcaching. Dens værktøjssæt omfatter billedgenerering, kodefortolkning, hostede shell- og patchoperationer, skills og MCP-forbindelser. En applikation stiller sine operationer til rådighed og returnerer deres faktiske resultater. Et struktureret svar beskriver outputtets form; en funktionsanmodning beskriver en handling, som et værktøj skal udføre.
I en arbejdsgang med flere faser skal nano have en afgrænset understøttende opgave og et klart kriterium for færdiggørelse. Udtræk for eksempel de krævede fakta fra flere beskeder, og send derefter disse fakta til næste fase for en bredere beslutning. Kontrollér de returnerede felter mod det oprindelige input, og præcisér reglen, når en kategorigrænse er uklar. En kort kategori, et sæt værdier, en rangordnet liste eller foreslåede værktøjsargumenter er et nyttigt endeligt resultat, når formålet og kildedokumentationen forbliver tydelige.
", "aboutText": "GPT-5.4 nano er OpenAI’s kompakte model i GPT-5.4-klassen til enkle opgaver med stor behandlingsvolumen. Producenten fremhæver klassifikation, dataudtræk, rangordning og understøttende subagentarbejde. Den accepterer tekst og billeder og producerer tekst. Det giver nano en fokuseret rolle i en større proces: gennemfør en defineret operation, og returnér de oplysninger, som næste trin har brug for.\n\nVed klassifikation skal de tilladte kategorier, den regel, der adskiller dem, og det forventede resultatformat leveres. En eksempelopgave er at identificere en anmodnings emne og de fakta, der begrunder kategorien. Medtag eksempler, når de tydeliggør en vanskelig grænse, og angiv, hvordan en anmodning, der ikke passer i de tilgængelige kategorier, skal repræsenteres. Et nyttigt resultat er kategorien sammen med en kort begrundelse knyttet til det leverede materiale.\n\nVed udtræk skal felterne og deres definitioner angives frem for at bede om enhver potentielt interessant detalje. Skriftligt materiale eller et billede af en side kan leveres sammen med en angivelse af de krævede værdier. Bevar navne og enheder, der påvirker betydningen, og skeln mellem et manglende felt og en værdi udledt af den omgivende tekst. Ved rangordning skal kandidaterne og kriteriet leveres, hvorefter den ordnede liste med den relevante dokumentation for hver placering efterspørges.\n\nOpenAI’s specifikation for GPT-5.4 nano angiver et kontekstvindue på 400.000 tokens, et maksimalt input på 272.000 tokens og et maksimalt output på 128.000 tokens med en vidensgrænse den 31. august 2025. Den understøtter ræsonneringsindsatsen none, low, medium, high og xhigh; none er standard. Den valgte indsats og ønskede svarlængde skal passe til opgaven. Når ræsonnering bruges, skal der være plads til analyse såvel som det synlige resultat.\n\nProducenten dokumenterer grænsefladerne Responses, Chat Completions og Batch sammen med streaming, Structured Outputs, funktionskald, web- og filsøgning, filinput, billedinput og promptcaching. Dens værktøjssæt omfatter billedgenerering, kodefortolkning, hostede shell- og patchoperationer, skills og MCP-forbindelser. En applikation stiller sine operationer til rådighed og returnerer deres faktiske resultater. Et struktureret svar beskriver outputtets form; en funktionsanmodning beskriver en handling, som et værktøj skal udføre.\n\nI en arbejdsgang med flere faser skal nano have en afgrænset understøttende opgave og et klart kriterium for færdiggørelse. Udtræk for eksempel de krævede fakta fra flere beskeder, og send derefter disse fakta til næste fase for en bredere beslutning. Kontrollér de returnerede felter mod det oprindelige input, og præcisér reglen, når en kategorigrænse er uklar. En kort kategori, et sæt værdier, en rangordnet liste eller foreslåede værktøjsargumenter er et nyttigt endeligt resultat, når formålet og kildedokumentationen forbliver tydelige.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "11038d233ce57a12b37b67cbda5709ee90a48471bc7132b75ef3de2f1c138e88", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/gpt-5.4-nano:batchEn kompakt GPT-5.4-model til klassifikation, dataudtræk, rangordning og enklere understøttende agentopgaver. Den accepterer tekst og billeder og returnerer tekst med Structured Outputs og funktionskald blandt producentens dokumenterede funktioner.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-5.4 nano er OpenAI’s kompakte model i GPT-5.4-klassen til enkle opgaver med stor behandlingsvolumen. Producenten fremhæver klassifikation, dataudtræk, rangordning og understøttende subagentarbejde. Den accepterer tekst og billeder og producerer tekst. Det giver nano en fokuseret rolle i en større proces: gennemfør en defineret operation, og returnér de oplysninger, som næste trin har brug for.
Ved klassifikation skal de tilladte kategorier, den regel, der adskiller dem, og det forventede resultatformat leveres. En eksempelopgave er at identificere en anmodnings emne og de fakta, der begrunder kategorien. Medtag eksempler, når de tydeliggør en vanskelig grænse, og angiv, hvordan en anmodning, der ikke passer i de tilgængelige kategorier, skal repræsenteres. Et nyttigt resultat er kategorien sammen med en kort begrundelse knyttet til det leverede materiale.
Ved udtræk skal felterne og deres definitioner angives frem for at bede om enhver potentielt interessant detalje. Skriftligt materiale eller et billede af en side kan leveres sammen med en angivelse af de krævede værdier. Bevar navne og enheder, der påvirker betydningen, og skeln mellem et manglende felt og en værdi udledt af den omgivende tekst. Ved rangordning skal kandidaterne og kriteriet leveres, hvorefter den ordnede liste med den relevante dokumentation for hver placering efterspørges.
OpenAI’s specifikation for GPT-5.4 nano angiver et kontekstvindue på 400.000 tokens, et maksimalt input på 272.000 tokens og et maksimalt output på 128.000 tokens med en vidensgrænse den 31. august 2025. Den understøtter ræsonneringsindsatsen none, low, medium, high og xhigh; none er standard. Den valgte indsats og ønskede svarlængde skal passe til opgaven. Når ræsonnering bruges, skal der være plads til analyse såvel som det synlige resultat.
Producenten dokumenterer grænsefladerne Responses, Chat Completions og Batch sammen med streaming, Structured Outputs, funktionskald, web- og filsøgning, filinput, billedinput og promptcaching. Dens værktøjssæt omfatter billedgenerering, kodefortolkning, hostede shell- og patchoperationer, skills og MCP-forbindelser. En applikation stiller sine operationer til rådighed og returnerer deres faktiske resultater. Et struktureret svar beskriver outputtets form; en funktionsanmodning beskriver en handling, som et værktøj skal udføre.
I en arbejdsgang med flere faser skal nano have en afgrænset understøttende opgave og et klart kriterium for færdiggørelse. Udtræk for eksempel de krævede fakta fra flere beskeder, og send derefter disse fakta til næste fase for en bredere beslutning. Kontrollér de returnerede felter mod det oprindelige input, og præcisér reglen, når en kategorigrænse er uklar. En kort kategori, et sæt værdier, en rangordnet liste eller foreslåede værktøjsargumenter er et nyttigt endeligt resultat, når formålet og kildedokumentationen forbliver tydelige.
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-5.4-nano: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-5.4-nano:batch, openai/gpt-5.4-nano | 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 $0.0002 / 1K tokens Output · Outputtokens $0.00125 / 1K tokens Input · Cachelæsning $0.00002 / 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 $0.0002 / 1K tokens Output · Outputtokens $0.00125 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${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-5.4-nano: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-5.4-nano:batch', 'openai/gpt-5.4-nano']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.4-nano: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-5.4-nano:batch
Brug metodestierne vist ovenfor.