GPT-5.6 Terra ist OpenAIs ausgewogenes Modell innerhalb der GPT-5.6-Familie. Der Hersteller setzt seine Aufgabenrolle in Beziehung zur mini-Stufe früherer GPT-5-Familien, während Terra sein eigenes benanntes Profil behält. Es verarbeitet Text und Bilder und gibt Text zurück, etwa eine Erklärung, einen Entwurf, einen Codevorschlag oder einen strukturierten analytischen Datensatz.
Stellen Sie das Ausgangsmaterial, die Frage und die Kriterien für eine Schlussfolgerung bereit. Ein praktischer Auftrag lautet: „Vergleiche diese Anforderungen mit dem Vorschlag, benenne jede Abweichung und gib die belegende Passage, die Folge und die offene Frage zurück.“ Kennzeichnen Sie die Dokumente und bewahren Sie Begriffe oder Einheiten, die ihre Bedeutung beeinflussen. Das Ergebnis sollte zeigen, was das Material belegt und was eine Annahme bleibt.
Legen Sie für Schreibaufgaben Zielgruppe, Ton und die Fakten fest, die erhalten bleiben müssen. Benennen Sie für eine Überarbeitung die zu ändernde Passage und die zu bewahrende Bedeutung. Geben Sie für eine Programmieraufgabe die relevante Implementierung, den beobachteten Fehler und das erforderliche Verhalten an. Ein klar abgegrenztes Ergebnis ist nützlicher als die allgemeine Aufforderung, eine nicht näher bestimmte Materialsammlung zu verbessern.
Das Modell unterstützt die Reasoning-Effort-Stufen none, low, medium, high, xhigh und max; der Standard ist medium. Effort steuert die Analysetiefe, während der Standard- oder Pro-Modus eine separate Ausführungsentscheidung ist. Die Vorgaben für das Endergebnis bleiben bei jeder Einstellung wichtig: Geben Sie die Antwortsprache, erforderliche Felder und die Kriterien für den Abschluss an.
OpenAI beschreibt, dass verfügbare frühere Reasoning-Inhalte standardmäßig in nachfolgende GPT-5.6-Gesprächsrunden übernommen werden; für unterstützte Abläufe gibt es eine Kontextsteuerung. Das kann eine fortlaufende Analyse unterstützen, während beibehaltenes Material weiterhin Kontext belegt. Halten Sie bestätigte Fakten und neue Beobachtungen von vorläufigen Zwischenschlüssen unterscheidbar.
Terras veröffentlichter Kontext beträgt 1.050.000 Token, mit bis zu 922.000 Eingabetoken und bis zu 128.000 Ausgabetoken. Sein Wissensstand endet am 16. Februar 2026. Quellen, Verlauf, Werkzeugergebnisse, Reasoning und die sichtbare Antwort benötigen gemeinsam Platz. Reservieren Sie Raum für ein vollständiges Endergebnis und prüfen Sie unvollständige Antworten, bevor Sie eine Aufgabe als abgeschlossen behandeln.
Bewahren Sie bei visuellem Material lesbaren Text, Beschriftungen und den umgebenden Kontext. Fordern Sie die Antwort auf, das Bilddetail zu benennen, das eine Schlussfolgerung stützt. Das Modell verarbeitet Text und Bilder zu Text; gerenderte Medien oder ausgeführte Anwendungsaktionen sind andere Ergebnisse.
Der Hersteller führt Funktionsaufrufe, Structured Outputs und Streaming auf, außerdem Web- und Dateisuche, Werkzeuge zur Bildgenerierung, einen Code-Interpreter, Shell- und Patch-Operationen, Skills, Computerbedienung, MCP-Verbindungen und Werkzeugsuche. Die umgebende Anwendung führt die ausgewählten Operationen aus und gibt Beobachtungen zurück, damit das Modell fortfahren kann.
Geben Sie Funktionen präzise Zwecke und Parameterschemata. Definieren Sie für einen strukturierten Datensatz jedes Feld und die Darstellung fehlender Belege; vergleichen Sie anschließend die zurückgegebenen Werte mit der Quelle. Eine formatgerechte Antwort beweist für sich genommen weder Abruf noch Ausführung oder Validierung.
Ein nützliches Endergebnis ist ein prüfbarer Entwurf, Quellenvergleich, Codevorschlag oder Datensatz, der mit den Anforderungen und Beobachtungen der Aufgabe verbunden ist. Verwenden Sie bei der Vorbereitung der Aufgabe Terras unterstützte Reasoning-Einstellungen und Grenzen; Sol und GPT-6 haben eigene Profile.
", "aboutText": "GPT-5.6 Terra ist OpenAIs ausgewogenes Modell innerhalb der GPT-5.6-Familie. Der Hersteller setzt seine Aufgabenrolle in Beziehung zur mini-Stufe früherer GPT-5-Familien, während Terra sein eigenes benanntes Profil behält. Es verarbeitet Text und Bilder und gibt Text zurück, etwa eine Erklärung, einen Entwurf, einen Codevorschlag oder einen strukturierten analytischen Datensatz.\n\n### Analyse mit einem festgelegten Ergebnis\n\nStellen Sie das Ausgangsmaterial, die Frage und die Kriterien für eine Schlussfolgerung bereit. Ein praktischer Auftrag lautet: „Vergleiche diese Anforderungen mit dem Vorschlag, benenne jede Abweichung und gib die belegende Passage, die Folge und die offene Frage zurück.“ Kennzeichnen Sie die Dokumente und bewahren Sie Begriffe oder Einheiten, die ihre Bedeutung beeinflussen. Das Ergebnis sollte zeigen, was das Material belegt und was eine Annahme bleibt.\n\nLegen Sie für Schreibaufgaben Zielgruppe, Ton und die Fakten fest, die erhalten bleiben müssen. Benennen Sie für eine Überarbeitung die zu ändernde Passage und die zu bewahrende Bedeutung. Geben Sie für eine Programmieraufgabe die relevante Implementierung, den beobachteten Fehler und das erforderliche Verhalten an. Ein klar abgegrenztes Ergebnis ist nützlicher als die allgemeine Aufforderung, eine nicht näher bestimmte Materialsammlung zu verbessern.\n\n### Reasoning-Tiefe und Modus\n\nDas Modell unterstützt die Reasoning-Effort-Stufen none, low, medium, high, xhigh und max; der Standard ist medium. Effort steuert die Analysetiefe, während der Standard- oder Pro-Modus eine separate Ausführungsentscheidung ist. Die Vorgaben für das Endergebnis bleiben bei jeder Einstellung wichtig: Geben Sie die Antwortsprache, erforderliche Felder und die Kriterien für den Abschluss an.\n\nOpenAI beschreibt, dass verfügbare frühere Reasoning-Inhalte standardmäßig in nachfolgende GPT-5.6-Gesprächsrunden übernommen werden; für unterstützte Abläufe gibt es eine Kontextsteuerung. Das kann eine fortlaufende Analyse unterstützen, während beibehaltenes Material weiterhin Kontext belegt. Halten Sie bestätigte Fakten und neue Beobachtungen von vorläufigen Zwischenschlüssen unterscheidbar.\n\n### Eingabe- und Ausgabegrenzen\n\nTerras veröffentlichter Kontext beträgt 1.050.000 Token, mit bis zu 922.000 Eingabetoken und bis zu 128.000 Ausgabetoken. Sein Wissensstand endet am 16. Februar 2026. Quellen, Verlauf, Werkzeugergebnisse, Reasoning und die sichtbare Antwort benötigen gemeinsam Platz. Reservieren Sie Raum für ein vollständiges Endergebnis und prüfen Sie unvollständige Antworten, bevor Sie eine Aufgabe als abgeschlossen behandeln.\n\nBewahren Sie bei visuellem Material lesbaren Text, Beschriftungen und den umgebenden Kontext. Fordern Sie die Antwort auf, das Bilddetail zu benennen, das eine Schlussfolgerung stützt. Das Modell verarbeitet Text und Bilder zu Text; gerenderte Medien oder ausgeführte Anwendungsaktionen sind andere Ergebnisse.\n\n### Werkzeuge und strukturierte Ergebnisse\n\nDer Hersteller führt Funktionsaufrufe, Structured Outputs und Streaming auf, außerdem Web- und Dateisuche, Werkzeuge zur Bildgenerierung, einen Code-Interpreter, Shell- und Patch-Operationen, Skills, Computerbedienung, MCP-Verbindungen und Werkzeugsuche. Die umgebende Anwendung führt die ausgewählten Operationen aus und gibt Beobachtungen zurück, damit das Modell fortfahren kann.\n\nGeben Sie Funktionen präzise Zwecke und Parameterschemata. Definieren Sie für einen strukturierten Datensatz jedes Feld und die Darstellung fehlender Belege; vergleichen Sie anschließend die zurückgegebenen Werte mit der Quelle. Eine formatgerechte Antwort beweist für sich genommen weder Abruf noch Ausführung oder Validierung.\n\nEin nützliches Endergebnis ist ein prüfbarer Entwurf, Quellenvergleich, Codevorschlag oder Datensatz, der mit den Anforderungen und Beobachtungen der Aufgabe verbunden ist. Verwenden Sie bei der Vorbereitung der Aufgabe Terras unterstützte Reasoning-Einstellungen und Grenzen; Sol und GPT-6 haben eigene Profile.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "fd65360c79ce3e3bccf1d178da422b20ed72bcecffa286b3aafae10c3fdaa092", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-at", "methods": [ { "html": "openai/gpt-5.6-terra:batchGPT-5.6 Terra ist OpenAIs ausgewogenes Reasoning-Modell für Analyse, Entwürfe und mehrstufige Assistenz. Es verwendet Text und Bilder für Erklärungen, Code oder strukturierte Befunde, mit einstellbarem Aufwand und einem Herstellerkontext von 1.050.000 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.6 Terra ist OpenAIs ausgewogenes Modell innerhalb der GPT-5.6-Familie. Der Hersteller setzt seine Aufgabenrolle in Beziehung zur mini-Stufe früherer GPT-5-Familien, während Terra sein eigenes benanntes Profil behält. Es verarbeitet Text und Bilder und gibt Text zurück, etwa eine Erklärung, einen Entwurf, einen Codevorschlag oder einen strukturierten analytischen Datensatz.
Stellen Sie das Ausgangsmaterial, die Frage und die Kriterien für eine Schlussfolgerung bereit. Ein praktischer Auftrag lautet: „Vergleiche diese Anforderungen mit dem Vorschlag, benenne jede Abweichung und gib die belegende Passage, die Folge und die offene Frage zurück.“ Kennzeichnen Sie die Dokumente und bewahren Sie Begriffe oder Einheiten, die ihre Bedeutung beeinflussen. Das Ergebnis sollte zeigen, was das Material belegt und was eine Annahme bleibt.
Legen Sie für Schreibaufgaben Zielgruppe, Ton und die Fakten fest, die erhalten bleiben müssen. Benennen Sie für eine Überarbeitung die zu ändernde Passage und die zu bewahrende Bedeutung. Geben Sie für eine Programmieraufgabe die relevante Implementierung, den beobachteten Fehler und das erforderliche Verhalten an. Ein klar abgegrenztes Ergebnis ist nützlicher als die allgemeine Aufforderung, eine nicht näher bestimmte Materialsammlung zu verbessern.
Das Modell unterstützt die Reasoning-Effort-Stufen none, low, medium, high, xhigh und max; der Standard ist medium. Effort steuert die Analysetiefe, während der Standard- oder Pro-Modus eine separate Ausführungsentscheidung ist. Die Vorgaben für das Endergebnis bleiben bei jeder Einstellung wichtig: Geben Sie die Antwortsprache, erforderliche Felder und die Kriterien für den Abschluss an.
OpenAI beschreibt, dass verfügbare frühere Reasoning-Inhalte standardmäßig in nachfolgende GPT-5.6-Gesprächsrunden übernommen werden; für unterstützte Abläufe gibt es eine Kontextsteuerung. Das kann eine fortlaufende Analyse unterstützen, während beibehaltenes Material weiterhin Kontext belegt. Halten Sie bestätigte Fakten und neue Beobachtungen von vorläufigen Zwischenschlüssen unterscheidbar.
Terras veröffentlichter Kontext beträgt 1.050.000 Token, mit bis zu 922.000 Eingabetoken und bis zu 128.000 Ausgabetoken. Sein Wissensstand endet am 16. Februar 2026. Quellen, Verlauf, Werkzeugergebnisse, Reasoning und die sichtbare Antwort benötigen gemeinsam Platz. Reservieren Sie Raum für ein vollständiges Endergebnis und prüfen Sie unvollständige Antworten, bevor Sie eine Aufgabe als abgeschlossen behandeln.
Bewahren Sie bei visuellem Material lesbaren Text, Beschriftungen und den umgebenden Kontext. Fordern Sie die Antwort auf, das Bilddetail zu benennen, das eine Schlussfolgerung stützt. Das Modell verarbeitet Text und Bilder zu Text; gerenderte Medien oder ausgeführte Anwendungsaktionen sind andere Ergebnisse.
Der Hersteller führt Funktionsaufrufe, Structured Outputs und Streaming auf, außerdem Web- und Dateisuche, Werkzeuge zur Bildgenerierung, einen Code-Interpreter, Shell- und Patch-Operationen, Skills, Computerbedienung, MCP-Verbindungen und Werkzeugsuche. Die umgebende Anwendung führt die ausgewählten Operationen aus und gibt Beobachtungen zurück, damit das Modell fortfahren kann.
Geben Sie Funktionen präzise Zwecke und Parameterschemata. Definieren Sie für einen strukturierten Datensatz jedes Feld und die Darstellung fehlender Belege; vergleichen Sie anschließend die zurückgegebenen Werte mit der Quelle. Eine formatgerechte Antwort beweist für sich genommen weder Abruf noch Ausführung oder Validierung.
Ein nützliches Endergebnis ist ein prüfbarer Entwurf, Quellenvergleich, Codevorschlag oder Datensatz, der mit den Anforderungen und Beobachtungen der Aufgabe verbunden ist. Verwenden Sie bei der Vorbereitung der Aufgabe Terras unterstützte Reasoning-Einstellungen und Grenzen; Sol und GPT-6 haben eigene Profile.
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-5.6-terra: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-5.6-terra:batch, openai/gpt-5.6-terra | 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 $0.002 / 1K Tokens Ausgabe · Ausgabetoken $0.012 / 1K Tokens Eingabe · Cache lesen $0.0002 / 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 $0.002 / 1K Tokens Ausgabe · Ausgabetoken $0.012 / 1K Tokens Eingabe · Cache lesen $0.0002 / 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 $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.018 / 1K Tokens Eingabe · Cache lesen $0.0004 / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-5.6-terra: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-5.6-terra:batch', 'openai/gpt-5.6-terra']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.6-terra: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-5.6-terra:batch
Verwenden Sie die oben angezeigten Methodenpfade.