GPT-5.4 er OpenAI’s generelle ræsonneringsmodel til komplekst professionelt arbejde. Lanceringen samler programmering, ræsonnering og agentarbejdsgange med dokument-, regnearks- og præsentationsopgaver. Den accepterer tekst og billeder og producerer tekst. Producenten dokumenterer også indbygget computerbrug for modellen i et tilsluttet arbejdsmiljø.
Ved vidensarbejde skal det relevante materiale, den tiltænkte målgruppe og kravene til det endelige resultat leveres. En eksempelopgave er at omsætte flere projektdokumenter til et beslutningsoplæg med de leverede fakta, forholdene mellem dem og de betingelser, der understøtter en anbefaling. En regnearks- eller præsentationsopgave kræver også kildedata og den struktur eller skabelon, resultatet skal følge. Miljøets værktøjer opretter eller redigerer de faktiske filer; modellens skriftlige svar forklarer eller styrer arbejdet.
Ved programmering skal den tilsigtede adfærd, relaterede projektfiler og de begrænsninger, ændringen skal bevare, leveres. Bed om en foreslået implementering eller en fokuseret gennemgang knyttet til denne adfærd. Lanceringen beskriver længere arbejdsgange, der kombinerer værktøjsbrug, gentagen forbedring af et resultat og kontrol af det. Ved visuelle opgaver eller computerbrug skal det faktiske screenshot eller referencemateriale og målet leveres. Modellen kan fortolke skærmen og vælge en operation; det tilsluttede miljø udfører handlingen og returnerer den nye tilstand.
OpenAI’s specifikation for GPT-5.4 angiver et kontekstvindue på 1.050.000 tokens og et maksimalt output på 128.000 tokens med en vidensgrænse den 31. august 2025. Dens valgmuligheder for ræsonneringsindsats er none, low, medium, high og xhigh; none er standard. Konteksten rummer det leverede materiale, relevante værktøjsresultater og ræsonnering samt det endelige svar. Hold opgavens definitioner og succeskriterier tydelige, især når flere trin afhænger af tidligere dokumentation.
Producenten angiver grænsefladerne Responses, Chat Completions og Batch, streaming, Structured Outputs, funktionskald, fil- og billedinput, web- og filsøgning samt promptcaching. Dens værktøjer omfatter billedgenerering, kodefortolkning, hostede shell- og patchoperationer, skills, computerbrug, MCP-forbindelser og værktøjssøgning. Lanceringen forklarer værktøjssøgning som at finde en nødvendig værktøjsdefinition, når den bliver relevant, frem for at kræve hver fuldstændig definition i den indledende kontekst. Applikationen håndterer sine operationer og leverer de faktiske resultater.
Lanceringen af modellen beskriver også forbedret dokumentfortolkning og visuel forståelse i høj opløsning samt bredere professionelle opgaver, som kombinerer oplysninger fra flere webkilder. Forbered læsbare input, og angiv de detaljer, der har betydning for spørgsmålet. Vælg et konkret endeligt resultat og dokumentation for at kontrollere det: den foreslåede ændring og berørte adfærd, et struktureret sæt konklusioner eller et dokument, som følger de leverede krav. Skeln mellem resultatet af en færdig værktøjshandling og et trin, som stadig skal udføres, så det endelige resultat er nyttigt til at fortsætte arbejdet.
", "aboutText": "GPT-5.4 er OpenAI’s generelle ræsonneringsmodel til komplekst professionelt arbejde. Lanceringen samler programmering, ræsonnering og agentarbejdsgange med dokument-, regnearks- og præsentationsopgaver. Den accepterer tekst og billeder og producerer tekst. Producenten dokumenterer også indbygget computerbrug for modellen i et tilsluttet arbejdsmiljø.\n\nVed vidensarbejde skal det relevante materiale, den tiltænkte målgruppe og kravene til det endelige resultat leveres. En eksempelopgave er at omsætte flere projektdokumenter til et beslutningsoplæg med de leverede fakta, forholdene mellem dem og de betingelser, der understøtter en anbefaling. En regnearks- eller præsentationsopgave kræver også kildedata og den struktur eller skabelon, resultatet skal følge. Miljøets værktøjer opretter eller redigerer de faktiske filer; modellens skriftlige svar forklarer eller styrer arbejdet.\n\nVed programmering skal den tilsigtede adfærd, relaterede projektfiler og de begrænsninger, ændringen skal bevare, leveres. Bed om en foreslået implementering eller en fokuseret gennemgang knyttet til denne adfærd. Lanceringen beskriver længere arbejdsgange, der kombinerer værktøjsbrug, gentagen forbedring af et resultat og kontrol af det. Ved visuelle opgaver eller computerbrug skal det faktiske screenshot eller referencemateriale og målet leveres. Modellen kan fortolke skærmen og vælge en operation; det tilsluttede miljø udfører handlingen og returnerer den nye tilstand.\n\nOpenAI’s specifikation for GPT-5.4 angiver et kontekstvindue på 1.050.000 tokens og et maksimalt output på 128.000 tokens med en vidensgrænse den 31. august 2025. Dens valgmuligheder for ræsonneringsindsats er none, low, medium, high og xhigh; none er standard. Konteksten rummer det leverede materiale, relevante værktøjsresultater og ræsonnering samt det endelige svar. Hold opgavens definitioner og succeskriterier tydelige, især når flere trin afhænger af tidligere dokumentation.\n\nProducenten angiver grænsefladerne Responses, Chat Completions og Batch, streaming, Structured Outputs, funktionskald, fil- og billedinput, web- og filsøgning samt promptcaching. Dens værktøjer omfatter billedgenerering, kodefortolkning, hostede shell- og patchoperationer, skills, computerbrug, MCP-forbindelser og værktøjssøgning. Lanceringen forklarer værktøjssøgning som at finde en nødvendig værktøjsdefinition, når den bliver relevant, frem for at kræve hver fuldstændig definition i den indledende kontekst. Applikationen håndterer sine operationer og leverer de faktiske resultater.\n\nLanceringen af modellen beskriver også forbedret dokumentfortolkning og visuel forståelse i høj opløsning samt bredere professionelle opgaver, som kombinerer oplysninger fra flere webkilder. Forbered læsbare input, og angiv de detaljer, der har betydning for spørgsmålet. Vælg et konkret endeligt resultat og dokumentation for at kontrollere det: den foreslåede ændring og berørte adfærd, et struktureret sæt konklusioner eller et dokument, som følger de leverede krav. Skeln mellem resultatet af en færdig værktøjshandling og et trin, som stadig skal udføres, så det endelige resultat er nyttigt til at fortsætte arbejdet.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f3bd6ca6a12f6ebe2d35c25b6afec673689367674d6821d0506fd7871f98aae0", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/gpt-5.4:batchGPT-5.4 kombinerer ræsonnering, programmering, visuel forståelse og indbygget computerbrug til komplekst professionelt arbejde. Lever tekst, billeder og en klar opgavebeskrivelse for at udvikle dokumenter, kode eller et resultat i flere trin i et miljø med tilsluttede værktøjer.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-5.4 er OpenAI’s generelle ræsonneringsmodel til komplekst professionelt arbejde. Lanceringen samler programmering, ræsonnering og agentarbejdsgange med dokument-, regnearks- og præsentationsopgaver. Den accepterer tekst og billeder og producerer tekst. Producenten dokumenterer også indbygget computerbrug for modellen i et tilsluttet arbejdsmiljø.
Ved vidensarbejde skal det relevante materiale, den tiltænkte målgruppe og kravene til det endelige resultat leveres. En eksempelopgave er at omsætte flere projektdokumenter til et beslutningsoplæg med de leverede fakta, forholdene mellem dem og de betingelser, der understøtter en anbefaling. En regnearks- eller præsentationsopgave kræver også kildedata og den struktur eller skabelon, resultatet skal følge. Miljøets værktøjer opretter eller redigerer de faktiske filer; modellens skriftlige svar forklarer eller styrer arbejdet.
Ved programmering skal den tilsigtede adfærd, relaterede projektfiler og de begrænsninger, ændringen skal bevare, leveres. Bed om en foreslået implementering eller en fokuseret gennemgang knyttet til denne adfærd. Lanceringen beskriver længere arbejdsgange, der kombinerer værktøjsbrug, gentagen forbedring af et resultat og kontrol af det. Ved visuelle opgaver eller computerbrug skal det faktiske screenshot eller referencemateriale og målet leveres. Modellen kan fortolke skærmen og vælge en operation; det tilsluttede miljø udfører handlingen og returnerer den nye tilstand.
OpenAI’s specifikation for GPT-5.4 angiver et kontekstvindue på 1.050.000 tokens og et maksimalt output på 128.000 tokens med en vidensgrænse den 31. august 2025. Dens valgmuligheder for ræsonneringsindsats er none, low, medium, high og xhigh; none er standard. Konteksten rummer det leverede materiale, relevante værktøjsresultater og ræsonnering samt det endelige svar. Hold opgavens definitioner og succeskriterier tydelige, især når flere trin afhænger af tidligere dokumentation.
Producenten angiver grænsefladerne Responses, Chat Completions og Batch, streaming, Structured Outputs, funktionskald, fil- og billedinput, web- og filsøgning samt promptcaching. Dens værktøjer omfatter billedgenerering, kodefortolkning, hostede shell- og patchoperationer, skills, computerbrug, MCP-forbindelser og værktøjssøgning. Lanceringen forklarer værktøjssøgning som at finde en nødvendig værktøjsdefinition, når den bliver relevant, frem for at kræve hver fuldstændig definition i den indledende kontekst. Applikationen håndterer sine operationer og leverer de faktiske resultater.
Lanceringen af modellen beskriver også forbedret dokumentfortolkning og visuel forståelse i høj opløsning samt bredere professionelle opgaver, som kombinerer oplysninger fra flere webkilder. Forbered læsbare input, og angiv de detaljer, der har betydning for spørgsmålet. Vælg et konkret endeligt resultat og dokumentation for at kontrollere det: den foreslåede ændring og berørte adfærd, et struktureret sæt konklusioner eller et dokument, som følger de leverede krav. Skeln mellem resultatet af en færdig værktøjshandling og et trin, som stadig skal udføres, så det endelige resultat er nyttigt til at fortsætte arbejdet.
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: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:batch, openai/gpt-5.4 | 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 $0.0025 / 1K tokens Output · Outputtokens $0.015 / 1K tokens Input · Cachelæsning $0.00025 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med272.000 | Beløb Input · Inputtokens $0.0025 / 1K tokens Output · Outputtokens $0.015 / 1K tokens Input · Cachelæsning $0.00025 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 2 | Takstplan— | Konteksttokens, mere end272.000 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.005 / 1K tokens Output · Outputtokens $0.0225 / 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-5.4: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:batch', 'openai/gpt-5.4']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.4: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:batch
Brug metodestierne vist ovenfor.