GPT-5.5 er OpenAI’s flagskibsmodel til ræsonnering ved komplekst professionelt arbejde og programmering. Den accepterer tekst og billeder og returnerer tekst og kombinerer analyse med værktøjsbrug, når en opgave kræver oplysninger eller handlinger ud over den leverede prompt. OpenAI’s vejledning fremhæver at arbejde ud fra et klart resultat: forklar det ønskede resultat, de begrænsninger, der skal overholdes, den dokumentation, der skal bruges, og den betingelse, som afslutter opgaven.
Ved en omfattende softwareændring skal det relevante materiale fra kodearkivet, den aktuelle adfærd, den ønskede adfærd og acceptkriterierne leveres. Angiv, hvad der må ændres, og hvad der skal forblive kompatibelt. Et nyttigt ønsket resultat er en foreslået ændring, en forklaring på den berørte adfærd og dokumentation fra eventuelle kontroller, der faktisk blev udført. Ved en dokumenttung opgave skal kildedokumenterne mærkes, og der skal bedes om et svar organiseret ud fra den beslutning, der skal træffes, med hver konklusion knyttet til den leverede dokumentation og uafklarede spørgsmål adskilt fra fastslåede fakta.
GPT-5.5 understøtter ræsonneringsindsatsen none, low, medium, high og xhigh med medium som standard. OpenAI anbefaler at overveje low før none, når en hurtigt reagerende arbejdsgang stadig kræver planlægning, søgning eller flere værktøjskald. None er egnet til direkte opgaver, som ikke kræver denne ræsonneringsproces. Højere indsats er ikke automatisk bedre: modstridende krav, åben værktøjsadgang eller en uklar stopregel kan føre til unødvendig søgning og overanalyse. Vælg indsats til den faktiske opgave, og gør det forventede endelige resultat og kriteriet for færdiggørelse tydelige.
Producenten angiver et kontekstvindue på 1.050.000 tokens og et maksimalt output på 128.000 tokens med en vidensgrænse den 1. december 2025. Konteksten rummer samtalen, leveret materiale og genereret indhold; den er ikke en separat kvote, der kan lægges til det maksimale output. Intern ræsonnering bruger også tokens og outputkapacitet. En stor kildesamling skal derfor organiseres ud fra spørgsmålet med vigtige identifikatorer, enheder og dokumentgrænser bevaret og tilstrækkelig plads til ræsonneringen og det endelige svar.
Billedhåndtering adskiller sig fra tidligere standardindstillinger. I OpenAI’s vejledning til GPT-5.5 bruger en ikke angivet billeddetaljeindstilling eller værdien auto adfærden for original og bevarer billedet uden skalering, når det holder sig inden for både det angivne budget på 10.240.000 pixels og den maksimale dimension på 6.000 pixels. En udtrykkeligt valgt indstilling high bevarer detaljer inden for både det angivne budget på 2.500.000 pixels og den maksimale dimension på 2.048 pixels; low nedskalerer billeder med en dimension på over 512 pixels mere aggressivt. Det er billedbehandlingsindstillinger, ikke en garanti for, at enhver upload accepteres. Ved et screenshot, diagram eller en side skal området og spørgsmålet angives, et læseligt billede leveres, og den ønskede observation eller fortolkning efterspørges frem for en ubegrænset beskrivelse.
OpenAI dokumenterer grænsefladerne Responses, Chat Completions og Batch med streaming, Structured Outputs, funktionskald, filuploads, billedinput, fil- og websøgning samt promptcaching. Det dokumenterede værktøjssæt omfatter også værktøjssøgning, billedgenerering, kodefortolkning, hostet shell, patchoperationer, skills, computerbrug og MCP. Beskriv hvert applikationsværktøjs formål, argumenter, bivirkninger og returnerede oplysninger. En anmodning om at kalde en applikationsfunktion kræver, at applikationen udfører operationen og returnerer dens faktiske resultat; et genereret handlingsforslag er ikke dokumentation for, at handlingen fandt sted. Modellens egen outputmodalitet forbliver tekst, mens et værktøj til billedgenerering kan producere et separat resultat.
Ved længere interaktioner skal de oplysninger, der er nødvendige for at skelne foreløbigt arbejde fra et færdigt svar, bevares. OpenAI’s vejledning beskriver assistentens faseværdier for commentary og final-svar: applikationer, der manuelt genafspiller assistentelementer, skal bevare deres oprindelige faseværdier, mens sammenkædning via producentens previous-response-mekanisme bevarer denne tilstand automatisk. For det synlige svar skal ønsket længde, tone og struktur indstilles udtrykkeligt. GPT-5.5 bruger som standard en kort, direkte stil, og tekstens detaljeringsgrad er som standard medium; et kompakt resultat kan anmode om en lavere detaljeringsgrad uden at fjerne krævet dokumentation eller nødvendige forbehold.
Et nyttigt endeligt resultat kan være en revideret fil med en fokuseret forklaring af ændringen, et beslutningsnotat forankret i navngivne dokumenter eller et struktureret udtræk med manglende værdier tydeligt markeret. Lever fakta, der skal være aktuelle, frem for at stole på modellens vidensgrænse, og sammenlign væsentlige udsagn med det oprindelige materiale. Klare dokumentationsregler, afgrænsede værktøjer og udtrykkelige stopbetingelser hjælper GPT-5.5 med at færdiggøre en omfattende opgave og samtidig holde resultatet forståeligt og efterprøvbart.
", "aboutText": "GPT-5.5 er OpenAI’s flagskibsmodel til ræsonnering ved komplekst professionelt arbejde og programmering. Den accepterer tekst og billeder og returnerer tekst og kombinerer analyse med værktøjsbrug, når en opgave kræver oplysninger eller handlinger ud over den leverede prompt. OpenAI’s vejledning fremhæver at arbejde ud fra et klart resultat: forklar det ønskede resultat, de begrænsninger, der skal overholdes, den dokumentation, der skal bruges, og den betingelse, som afslutter opgaven.\n\nVed en omfattende softwareændring skal det relevante materiale fra kodearkivet, den aktuelle adfærd, den ønskede adfærd og acceptkriterierne leveres. Angiv, hvad der må ændres, og hvad der skal forblive kompatibelt. Et nyttigt ønsket resultat er en foreslået ændring, en forklaring på den berørte adfærd og dokumentation fra eventuelle kontroller, der faktisk blev udført. Ved en dokumenttung opgave skal kildedokumenterne mærkes, og der skal bedes om et svar organiseret ud fra den beslutning, der skal træffes, med hver konklusion knyttet til den leverede dokumentation og uafklarede spørgsmål adskilt fra fastslåede fakta.\n\nGPT-5.5 understøtter ræsonneringsindsatsen none, low, medium, high og xhigh med medium som standard. OpenAI anbefaler at overveje low før none, når en hurtigt reagerende arbejdsgang stadig kræver planlægning, søgning eller flere værktøjskald. None er egnet til direkte opgaver, som ikke kræver denne ræsonneringsproces. Højere indsats er ikke automatisk bedre: modstridende krav, åben værktøjsadgang eller en uklar stopregel kan føre til unødvendig søgning og overanalyse. Vælg indsats til den faktiske opgave, og gør det forventede endelige resultat og kriteriet for færdiggørelse tydelige.\n\nProducenten angiver et kontekstvindue på 1.050.000 tokens og et maksimalt output på 128.000 tokens med en vidensgrænse den 1. december 2025. Konteksten rummer samtalen, leveret materiale og genereret indhold; den er ikke en separat kvote, der kan lægges til det maksimale output. Intern ræsonnering bruger også tokens og outputkapacitet. En stor kildesamling skal derfor organiseres ud fra spørgsmålet med vigtige identifikatorer, enheder og dokumentgrænser bevaret og tilstrækkelig plads til ræsonneringen og det endelige svar.\n\nBilledhåndtering adskiller sig fra tidligere standardindstillinger. I OpenAI’s vejledning til GPT-5.5 bruger en ikke angivet billeddetaljeindstilling eller værdien auto adfærden for original og bevarer billedet uden skalering, når det holder sig inden for både det angivne budget på 10.240.000 pixels og den maksimale dimension på 6.000 pixels. En udtrykkeligt valgt indstilling high bevarer detaljer inden for både det angivne budget på 2.500.000 pixels og den maksimale dimension på 2.048 pixels; low nedskalerer billeder med en dimension på over 512 pixels mere aggressivt. Det er billedbehandlingsindstillinger, ikke en garanti for, at enhver upload accepteres. Ved et screenshot, diagram eller en side skal området og spørgsmålet angives, et læseligt billede leveres, og den ønskede observation eller fortolkning efterspørges frem for en ubegrænset beskrivelse.\n\nOpenAI dokumenterer grænsefladerne Responses, Chat Completions og Batch med streaming, Structured Outputs, funktionskald, filuploads, billedinput, fil- og websøgning samt promptcaching. Det dokumenterede værktøjssæt omfatter også værktøjssøgning, billedgenerering, kodefortolkning, hostet shell, patchoperationer, skills, computerbrug og MCP. Beskriv hvert applikationsværktøjs formål, argumenter, bivirkninger og returnerede oplysninger. En anmodning om at kalde en applikationsfunktion kræver, at applikationen udfører operationen og returnerer dens faktiske resultat; et genereret handlingsforslag er ikke dokumentation for, at handlingen fandt sted. Modellens egen outputmodalitet forbliver tekst, mens et værktøj til billedgenerering kan producere et separat resultat.\n\nVed længere interaktioner skal de oplysninger, der er nødvendige for at skelne foreløbigt arbejde fra et færdigt svar, bevares. OpenAI’s vejledning beskriver assistentens faseværdier for commentary og final-svar: applikationer, der manuelt genafspiller assistentelementer, skal bevare deres oprindelige faseværdier, mens sammenkædning via producentens previous-response-mekanisme bevarer denne tilstand automatisk. For det synlige svar skal ønsket længde, tone og struktur indstilles udtrykkeligt. GPT-5.5 bruger som standard en kort, direkte stil, og tekstens detaljeringsgrad er som standard medium; et kompakt resultat kan anmode om en lavere detaljeringsgrad uden at fjerne krævet dokumentation eller nødvendige forbehold.\n\nEt nyttigt endeligt resultat kan være en revideret fil med en fokuseret forklaring af ændringen, et beslutningsnotat forankret i navngivne dokumenter eller et struktureret udtræk med manglende værdier tydeligt markeret. Lever fakta, der skal være aktuelle, frem for at stole på modellens vidensgrænse, og sammenlign væsentlige udsagn med det oprindelige materiale. Klare dokumentationsregler, afgrænsede værktøjer og udtrykkelige stopbetingelser hjælper GPT-5.5 med at færdiggøre en omfattende opgave og samtidig holde resultatet forståeligt og efterprøvbart.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "6d4fb09d3329ace295b53ea3e9488421517e7d7f51446292cffe18f5787d7928", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/gpt-5.5:batchOpenAI’s GPT-5.5 håndterer komplekst professionelt arbejde og programmering med tekst- og billedinput, konfigurerbar ræsonnering og et bredt værktøjssæt. Dens store kontekst understøtter arbejde på tværs af omfattende kildemateriale og et klart, opgavespecifikt tekstresultat.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT-5.5 er OpenAI’s flagskibsmodel til ræsonnering ved komplekst professionelt arbejde og programmering. Den accepterer tekst og billeder og returnerer tekst og kombinerer analyse med værktøjsbrug, når en opgave kræver oplysninger eller handlinger ud over den leverede prompt. OpenAI’s vejledning fremhæver at arbejde ud fra et klart resultat: forklar det ønskede resultat, de begrænsninger, der skal overholdes, den dokumentation, der skal bruges, og den betingelse, som afslutter opgaven.
Ved en omfattende softwareændring skal det relevante materiale fra kodearkivet, den aktuelle adfærd, den ønskede adfærd og acceptkriterierne leveres. Angiv, hvad der må ændres, og hvad der skal forblive kompatibelt. Et nyttigt ønsket resultat er en foreslået ændring, en forklaring på den berørte adfærd og dokumentation fra eventuelle kontroller, der faktisk blev udført. Ved en dokumenttung opgave skal kildedokumenterne mærkes, og der skal bedes om et svar organiseret ud fra den beslutning, der skal træffes, med hver konklusion knyttet til den leverede dokumentation og uafklarede spørgsmål adskilt fra fastslåede fakta.
GPT-5.5 understøtter ræsonneringsindsatsen none, low, medium, high og xhigh med medium som standard. OpenAI anbefaler at overveje low før none, når en hurtigt reagerende arbejdsgang stadig kræver planlægning, søgning eller flere værktøjskald. None er egnet til direkte opgaver, som ikke kræver denne ræsonneringsproces. Højere indsats er ikke automatisk bedre: modstridende krav, åben værktøjsadgang eller en uklar stopregel kan føre til unødvendig søgning og overanalyse. Vælg indsats til den faktiske opgave, og gør det forventede endelige resultat og kriteriet for færdiggørelse tydelige.
Producenten angiver et kontekstvindue på 1.050.000 tokens og et maksimalt output på 128.000 tokens med en vidensgrænse den 1. december 2025. Konteksten rummer samtalen, leveret materiale og genereret indhold; den er ikke en separat kvote, der kan lægges til det maksimale output. Intern ræsonnering bruger også tokens og outputkapacitet. En stor kildesamling skal derfor organiseres ud fra spørgsmålet med vigtige identifikatorer, enheder og dokumentgrænser bevaret og tilstrækkelig plads til ræsonneringen og det endelige svar.
Billedhåndtering adskiller sig fra tidligere standardindstillinger. I OpenAI’s vejledning til GPT-5.5 bruger en ikke angivet billeddetaljeindstilling eller værdien auto adfærden for original og bevarer billedet uden skalering, når det holder sig inden for både det angivne budget på 10.240.000 pixels og den maksimale dimension på 6.000 pixels. En udtrykkeligt valgt indstilling high bevarer detaljer inden for både det angivne budget på 2.500.000 pixels og den maksimale dimension på 2.048 pixels; low nedskalerer billeder med en dimension på over 512 pixels mere aggressivt. Det er billedbehandlingsindstillinger, ikke en garanti for, at enhver upload accepteres. Ved et screenshot, diagram eller en side skal området og spørgsmålet angives, et læseligt billede leveres, og den ønskede observation eller fortolkning efterspørges frem for en ubegrænset beskrivelse.
OpenAI dokumenterer grænsefladerne Responses, Chat Completions og Batch med streaming, Structured Outputs, funktionskald, filuploads, billedinput, fil- og websøgning samt promptcaching. Det dokumenterede værktøjssæt omfatter også værktøjssøgning, billedgenerering, kodefortolkning, hostet shell, patchoperationer, skills, computerbrug og MCP. Beskriv hvert applikationsværktøjs formål, argumenter, bivirkninger og returnerede oplysninger. En anmodning om at kalde en applikationsfunktion kræver, at applikationen udfører operationen og returnerer dens faktiske resultat; et genereret handlingsforslag er ikke dokumentation for, at handlingen fandt sted. Modellens egen outputmodalitet forbliver tekst, mens et værktøj til billedgenerering kan producere et separat resultat.
Ved længere interaktioner skal de oplysninger, der er nødvendige for at skelne foreløbigt arbejde fra et færdigt svar, bevares. OpenAI’s vejledning beskriver assistentens faseværdier for commentary og final-svar: applikationer, der manuelt genafspiller assistentelementer, skal bevare deres oprindelige faseværdier, mens sammenkædning via producentens previous-response-mekanisme bevarer denne tilstand automatisk. For det synlige svar skal ønsket længde, tone og struktur indstilles udtrykkeligt. GPT-5.5 bruger som standard en kort, direkte stil, og tekstens detaljeringsgrad er som standard medium; et kompakt resultat kan anmode om en lavere detaljeringsgrad uden at fjerne krævet dokumentation eller nødvendige forbehold.
Et nyttigt endeligt resultat kan være en revideret fil med en fokuseret forklaring af ændringen, et beslutningsnotat forankret i navngivne dokumenter eller et struktureret udtræk med manglende værdier tydeligt markeret. Lever fakta, der skal være aktuelle, frem for at stole på modellens vidensgrænse, og sammenlign væsentlige udsagn med det oprindelige materiale. Klare dokumentationsregler, afgrænsede værktøjer og udtrykkelige stopbetingelser hjælper GPT-5.5 med at færdiggøre en omfattende opgave og samtidig holde resultatet forståeligt og efterprøvbart.
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-5.5: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-5.5:batch, openai/gpt-5.5 | 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 $0.005 / 1K tokens Output · Outputtokens $0.03 / 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 med272.000 | Beløb Input · Inputtokens $0.005 / 1K tokens Output · Outputtokens $0.03 / 1K tokens Input · Cachelæsning $0.0005 / 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 $0.01 / 1K tokens Output · Outputtokens $0.045 / 1K tokens Input · Cachelæsning $0.001 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${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-5.5: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-5.5:batch', 'openai/gpt-5.5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.5: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-5.5:batch
Brug metodestierne vist ovenfor.