GPT-5.5 Pro ist OpenAIs separate Pro-Edition von GPT-5.5. Sie nutzt zusätzliche Rechenleistung, um schwierige Fragen zu bearbeiten und eine eingehendere Antwort zu entwickeln. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Seine Identität als benanntes Pro-Modell unterscheidet sich von der Auswahl des Pro-Ausführungsmodus auf einem GPT-5.6- oder GPT-6-Basismodell.
Die Veröffentlichung zur GPT-5.5-Familie beschreibt Programmierung, Forschung, Datenanalyse und dokumentenreiche fachliche Aufgaben. Sie beschreibt Pro ausdrücklich als Wahl für anspruchsvolle Fragen und umfassendere, strukturierte Ergebnisse. Eine beispielhafte Aufgabe besteht darin, mehrere Projektdokumente abzugleichen, voneinander abhängige Anforderungen zu ermitteln und eine Empfehlung mit ausdrücklich benannten Bedingungen zu entwickeln. Stellen Sie für Code das beabsichtigte Verhalten, die vorhandene Implementierung und die Bedingungen bereit, die eine vorgeschlagene Änderung bewahren muss.
OpenAI nennt für GPT-5.5 Pro ein Kontextfenster von 1.050.000 Token und eine maximale Ausgabe von 128.000 Token; der dokumentierte Wissensstand ist der 1. Dezember 2025. Die Einstellungen für den Reasoning-Aufwand sind medium, high und xhigh; high ist der Standardwert. Das Reasoning beansprucht neben der sichtbaren Antwort Tokenplatz. Eine lange fachliche Anfrage sollte daher die relevanten Belege enthalten und Raum für die Analyse des Modells und das Endergebnis lassen.
Der Hersteller dokumentiert GPT-5.5 Pro für Responses-Anfragen, auch über Batch, um vor der Antwort mehrere Interaktionsschritte des Modells zu unterstützen. Schwierige Anfragen können mehrere Minuten dauern. OpenAI empfiehlt die Ausführung im Hintergrund für lang laufende Aufgaben: Die Anwendung erhält eine Antwortkennung, verfolgt den Status der Anfrage und ruft das abgeschlossene Ergebnis ab. Verwenden Sie diesen Arbeitsablauf, um eine lange Anfrage bis zu ihrem abgeschlossenen Ergebnis zu verfolgen.
Die Modellkarte nennt Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Bildeingaben und MCP-Unterstützung. Ihre Werkzeuge umfassen außerdem einen Code-Interpreter und eine gehostete Shell. Die Anwendung stellt die Arbeitsumgebung bereit und führt ihre Vorgänge aus. Sie liefert deren tatsächliche Ergebnisse zurück, damit das Modell fortfahren kann. Ein vorgeschlagenes Programm, eine angeforderte Handlung und das Ergebnis einer ausgeführten Handlung sollten bei der Vorbereitung der endgültigen Antwort als unterschiedliche Ergebnisse behandelt werden.
Geben Sie dem Modell eine klare Frage, das Quellenmaterial und ein Abschlusskriterium vor. Fordern Sie für eine technische Analyse die betroffenen Abhängigkeiten, den vorgeschlagenen Ansatz und die zu seiner Prüfung nötigen Belege an. Benennen Sie für eine Entscheidung auf Grundlage von Dokumenten die Vergleichskriterien und verlangen Sie, dass bereitgestellte Fakten, Schlussfolgerung und offene Bedingungen unterscheidbar bleiben. Wenn ein Bild wesentliche Belege liefert, verweisen Sie auf das relevante Detail. Ein nützliches Endergebnis ist eine konkrete Entscheidungsvorlage, ein Codevorschlag oder eine analytische Erklärung, die mit dem von Ihnen bereitgestellten Material und Ziel verbunden ist.
", "aboutText": "GPT-5.5 Pro ist OpenAIs separate Pro-Edition von GPT-5.5. Sie nutzt zusätzliche Rechenleistung, um schwierige Fragen zu bearbeiten und eine eingehendere Antwort zu entwickeln. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Seine Identität als benanntes Pro-Modell unterscheidet sich von der Auswahl des Pro-Ausführungsmodus auf einem GPT-5.6- oder GPT-6-Basismodell.\n\nDie Veröffentlichung zur GPT-5.5-Familie beschreibt Programmierung, Forschung, Datenanalyse und dokumentenreiche fachliche Aufgaben. Sie beschreibt Pro ausdrücklich als Wahl für anspruchsvolle Fragen und umfassendere, strukturierte Ergebnisse. Eine beispielhafte Aufgabe besteht darin, mehrere Projektdokumente abzugleichen, voneinander abhängige Anforderungen zu ermitteln und eine Empfehlung mit ausdrücklich benannten Bedingungen zu entwickeln. Stellen Sie für Code das beabsichtigte Verhalten, die vorhandene Implementierung und die Bedingungen bereit, die eine vorgeschlagene Änderung bewahren muss.\n\nOpenAI nennt für GPT-5.5 Pro ein Kontextfenster von 1.050.000 Token und eine maximale Ausgabe von 128.000 Token; der dokumentierte Wissensstand ist der 1. Dezember 2025. Die Einstellungen für den Reasoning-Aufwand sind medium, high und xhigh; high ist der Standardwert. Das Reasoning beansprucht neben der sichtbaren Antwort Tokenplatz. Eine lange fachliche Anfrage sollte daher die relevanten Belege enthalten und Raum für die Analyse des Modells und das Endergebnis lassen.\n\nDer Hersteller dokumentiert GPT-5.5 Pro für Responses-Anfragen, auch über Batch, um vor der Antwort mehrere Interaktionsschritte des Modells zu unterstützen. Schwierige Anfragen können mehrere Minuten dauern. OpenAI empfiehlt die Ausführung im Hintergrund für lang laufende Aufgaben: Die Anwendung erhält eine Antwortkennung, verfolgt den Status der Anfrage und ruft das abgeschlossene Ergebnis ab. Verwenden Sie diesen Arbeitsablauf, um eine lange Anfrage bis zu ihrem abgeschlossenen Ergebnis zu verfolgen.\n\nDie Modellkarte nennt Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Bildeingaben und MCP-Unterstützung. Ihre Werkzeuge umfassen außerdem einen Code-Interpreter und eine gehostete Shell. Die Anwendung stellt die Arbeitsumgebung bereit und führt ihre Vorgänge aus. Sie liefert deren tatsächliche Ergebnisse zurück, damit das Modell fortfahren kann. Ein vorgeschlagenes Programm, eine angeforderte Handlung und das Ergebnis einer ausgeführten Handlung sollten bei der Vorbereitung der endgültigen Antwort als unterschiedliche Ergebnisse behandelt werden.\n\nGeben Sie dem Modell eine klare Frage, das Quellenmaterial und ein Abschlusskriterium vor. Fordern Sie für eine technische Analyse die betroffenen Abhängigkeiten, den vorgeschlagenen Ansatz und die zu seiner Prüfung nötigen Belege an. Benennen Sie für eine Entscheidung auf Grundlage von Dokumenten die Vergleichskriterien und verlangen Sie, dass bereitgestellte Fakten, Schlussfolgerung und offene Bedingungen unterscheidbar bleiben. Wenn ein Bild wesentliche Belege liefert, verweisen Sie auf das relevante Detail. Ein nützliches Endergebnis ist eine konkrete Entscheidungsvorlage, ein Codevorschlag oder eine analytische Erklärung, die mit dem von Ihnen bereitgestellten Material und Ziel verbunden ist.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "20f86604baf9fc7a3ae4d810a286c8a47f1b340cd98dffaa98769803ae7dcc3e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-at", "methods": [ { "html": "openai/gpt-5.5-pro:batchDie separate Edition GPT-5.5 Pro nutzt zusätzliche Rechenleistung für schwieriges Reasoning und fachliche Analysen. Sie nimmt Text und Bilder entgegen und entwickelt ein Textergebnis über die Responses-Schnittstelle des Herstellers, einschließlich Batch-Anfragen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.5 Pro ist OpenAIs separate Pro-Edition von GPT-5.5. Sie nutzt zusätzliche Rechenleistung, um schwierige Fragen zu bearbeiten und eine eingehendere Antwort zu entwickeln. Das Modell nimmt Text und Bilder entgegen und erzeugt Text. Seine Identität als benanntes Pro-Modell unterscheidet sich von der Auswahl des Pro-Ausführungsmodus auf einem GPT-5.6- oder GPT-6-Basismodell.
Die Veröffentlichung zur GPT-5.5-Familie beschreibt Programmierung, Forschung, Datenanalyse und dokumentenreiche fachliche Aufgaben. Sie beschreibt Pro ausdrücklich als Wahl für anspruchsvolle Fragen und umfassendere, strukturierte Ergebnisse. Eine beispielhafte Aufgabe besteht darin, mehrere Projektdokumente abzugleichen, voneinander abhängige Anforderungen zu ermitteln und eine Empfehlung mit ausdrücklich benannten Bedingungen zu entwickeln. Stellen Sie für Code das beabsichtigte Verhalten, die vorhandene Implementierung und die Bedingungen bereit, die eine vorgeschlagene Änderung bewahren muss.
OpenAI nennt für GPT-5.5 Pro ein Kontextfenster von 1.050.000 Token und eine maximale Ausgabe von 128.000 Token; der dokumentierte Wissensstand ist der 1. Dezember 2025. Die Einstellungen für den Reasoning-Aufwand sind medium, high und xhigh; high ist der Standardwert. Das Reasoning beansprucht neben der sichtbaren Antwort Tokenplatz. Eine lange fachliche Anfrage sollte daher die relevanten Belege enthalten und Raum für die Analyse des Modells und das Endergebnis lassen.
Der Hersteller dokumentiert GPT-5.5 Pro für Responses-Anfragen, auch über Batch, um vor der Antwort mehrere Interaktionsschritte des Modells zu unterstützen. Schwierige Anfragen können mehrere Minuten dauern. OpenAI empfiehlt die Ausführung im Hintergrund für lang laufende Aufgaben: Die Anwendung erhält eine Antwortkennung, verfolgt den Status der Anfrage und ruft das abgeschlossene Ergebnis ab. Verwenden Sie diesen Arbeitsablauf, um eine lange Anfrage bis zu ihrem abgeschlossenen Ergebnis zu verfolgen.
Die Modellkarte nennt Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Bildeingaben und MCP-Unterstützung. Ihre Werkzeuge umfassen außerdem einen Code-Interpreter und eine gehostete Shell. Die Anwendung stellt die Arbeitsumgebung bereit und führt ihre Vorgänge aus. Sie liefert deren tatsächliche Ergebnisse zurück, damit das Modell fortfahren kann. Ein vorgeschlagenes Programm, eine angeforderte Handlung und das Ergebnis einer ausgeführten Handlung sollten bei der Vorbereitung der endgültigen Antwort als unterschiedliche Ergebnisse behandelt werden.
Geben Sie dem Modell eine klare Frage, das Quellenmaterial und ein Abschlusskriterium vor. Fordern Sie für eine technische Analyse die betroffenen Abhängigkeiten, den vorgeschlagenen Ansatz und die zu seiner Prüfung nötigen Belege an. Benennen Sie für eine Entscheidung auf Grundlage von Dokumenten die Vergleichskriterien und verlangen Sie, dass bereitgestellte Fakten, Schlussfolgerung und offene Bedingungen unterscheidbar bleiben. Wenn ein Bild wesentliche Belege liefert, verweisen Sie auf das relevante Detail. Ein nützliches Endergebnis ist eine konkrete Entscheidungsvorlage, ein Codevorschlag oder eine analytische Erklärung, die mit dem von Ihnen bereitgestellten Material und Ziel verbunden ist.
POST /v1/batchestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldendpoint | Typstring | AnforderungErforderlich | Werte und Limits /v1/chat/completions | Standard— |
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits openai/gpt-5.5-pro:batch | Standard— |
Feldrequests | Typbatch_item[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldrequests[].custom_id | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldrequests[].body.messages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldcompletion_window | Typstring | AnforderungOptional | Werte und Limits 24h | Standard— |
Feldprovider | Typobject|null | AnforderungOptional | Werte und Limits | Standard— |
Feldrequests[].body.model | Typstring | AnforderungOptional | Werte und Limits openai/gpt-5.5-pro:batch, openai/gpt-5.5-pro | Standard— |
Feldprovider.only | Typstring[] | AnforderungOptional | Werte und Limits openai | Standard— |
Feldprovider.allow_fallbacks | Typboolean|null | AnforderungOptional | Werte und Limits false, null | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragendpoint, model, requests |
Parametermaterial_types | Vertragtext |
Parameterrepresentation | Vertrageingebettete requests[]; jedes Element enthält custom_id und body |
Parameterrequest_endpoint_profile | Vertrag/v1/chat/completions |
Parameterfile_material | VertragDer Aufrufer kann tatsächliches UTF-8-JSONL lokal in requests[] einlesen. Es werden weder ein Upload-Zweck noch input_file_id oder eine Dateireferenz verwendet. Fehlendes oder leeres Kundenmaterial stoppt die Vorbereitung vor POST. |
Parameterserialization_order | Vertragendpoint, model, provider (falls angegeben), completion_window (falls angegeben), requests als letztes Feld |
Parameteroptional_controls | Vertragprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | VertragAnfragekörper für Text Chat Completions in der dokumentierten Inline-Batch-Struktur. |
Lebenszyklus: asynchronous
GET /v1/batches/{operation_id} · die tatsächliche response.id der ursprünglichen Erstellungsantwort; derselbe Nutzer/Schlüssel/dieselbe Gruppe
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.03 / 1K Tokens Ausgabe · Ausgabetoken $0.18 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.03 / 1K Tokens Ausgabe · Ausgabetoken $0.18 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.06 / 1K Tokens Ausgabe · Ausgabetoken $0.27 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-pro: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-pro:batch', 'openai/gpt-5.5-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.5-pro: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.\neingebettetes JSON unter 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\nBewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Das vollständige ursprüngliche Status-JSON, jedes Ergebnis/jede custom_id und den vollständigen Antwort- oder Fehlerkörper aufbewahren. Abgeschlossene results[] ohne Filterung als JSONL speichern.
Die ursprüngliche Vorgangs-ID beibehalten. Bei 503 result_pending_check gilt X-Should-Retry:false; einen ursprünglichen Batch mit unbekanntem Ausgang niemals erneut einreichen.
| Feld | Typ |
|---|---|
Feldresults[].custom_id | Typstring |
Feldresults[].response.body.choices[].message.content | Typstring|null |
Feldresults[].error | Typobject|null |
Feldusage | Typobject|null |
Feldid | Typstring |
Feldmodel | Typstring |
Feldendpoint | Typstring |
Feldstatus | Typstring |
Feldrequest_counts | Typobject |
Feldresults[].id | Typstring |
Feldresults[].response.status_code | Typinteger |
Feldresults[].response.request_id | Typstring |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungUngültige Struktur der dokumentierten Inline-Einbettung, doppelte Schlüssel, ungültige Identitätsangaben zu einem Element oder ein Konflikt mit den konfigurierten Modellfähigkeiten. | Nächster SchrittDie angegebenen Felder vor jeder neuen Einreichung korrigieren. |
Antwort401 · authentication_error | BedingungUngültiger API-Schlüssel. | Nächster SchrittDen autorisierten Ailoot-Schlüssel verwenden. |
Antwort403 · permission_error | BedingungGruppe für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Berechtigung des Schlüssels bzw. der Gruppe prüfen. |
Antwort422 · invalid_request_error | BedingungStapelverarbeitung wird über das Guthaben abgerechnet; die Erstellung über ein Abonnement wird abgelehnt. | Nächster SchrittDie autorisierte Gruppe mit Guthabenabrechnung verwenden. |
Antwort422 · price_unavailable | BedingungFür die Batch-Eingabe kann kein Preisangebot erstellt werden. | Nächster SchrittAntwort aufbewahren; die dokumentierte Eingabe der API-Familie verwenden. |
Antwort402 · billing_error | BedingungReservierung für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Zulassung klären, bevor eine neue Anfrage gestellt wird. |
Antwort503 · price_unavailable | BedingungMethodenpreis bzw. native Tarife für Stapelverarbeitung nicht verfügbar. | Nächster SchrittAntwort aufbewahren; keine anderen Preise einsetzen. |
Antwort503 · api_error | BedingungDie genaue Anbieterroute ist nicht verfügbar. | Nächster SchrittAntwort zur Reparatur der Route aufbewahren. |
Antwort503 · result_pending_check | BedingungDas ursprüngliche Ergebnis muss geprüft werden; X-Should-Retry:false. | Nächster SchrittDie ursprüngliche operation_id/id beibehalten und ihren Status lesen; den ursprünglichen POST niemals wiederholen. |
Antwort404 · not_found | BedingungDer Batch-Vorgang, dessen Status abgefragt wird, ist nicht vorhanden oder gehört einer anderen Identität. | Nächster SchrittDie genaue ursprüngliche id und denselben Nutzer/Schlüssel/dieselbe Gruppe verwenden. |
Ailoot Ultra openai/gpt-5.5-pro:batch
Verwenden Sie die oben angezeigten Methodenpfade.