GPT-6 Astra Pro bezeichnet OpenAIs GPT-6 Astra mit Pro-Reasoning. Das Basismodell Astra ist für anspruchsvolles Reasoning, Programmierung, Forschung, Computernutzung und fachliche Aufgaben ausgelegt. Es nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort, während der Reasoning-Aufwand den Umfang der Analyse innerhalb des gewählten Ausführungsmodus steuert. Pro ändert den Ausführungsmodus; GPT-6 Astra bleibt das zugrunde liegende Modell.
Die Astra-Veröffentlichung des Herstellers beschreibt Arbeitsabläufe, die relevantes Material in Dokumente, Tabellenkalkulationen, Präsentationen und Analysen überführen. Sie betont das Befolgen von Vorlagen sowie von Schreib- oder Gestaltungsvorgaben und die Auswahl des für die Aufgabe relevanten Kontexts. Stellen Sie für ein fachliches Dokument das Quellenmaterial, die Vorlagenanforderungen und die Entscheidung bereit, die der Leser treffen muss. Eine beispielhafte Anfrage besteht darin, zwei Sammlungen von Projektanforderungen abzugleichen und eine Kurzvorlage zu erstellen, die vereinbarte Fakten, widersprüchliche Belege und die Bedingungen für eine Empfehlung trennt.
Legen Sie für technische oder wissenschaftliche Aufgaben das Ziel, die zu prüfenden Belege und das Abschlusskriterium fest. Eine Programmieraufgabe kann das erforderliche Verhalten, zugehörige Dateien und Bedingungen enthalten; eine Forschungsaufgabe kann die Frage und die Kriterien zur Bewertung des bereitgestellten Materials enthalten. Astras dokumentierte Fähigkeiten zur Computernutzung und zum Browsen verbinden die Entscheidungen des Modells mit einer Umgebung, die die entsprechenden Werkzeuge bereitstellt. Die tatsächlichen Ausgaben der Umgebung liefern Belege für den nächsten Schritt und sind von den vorgeschlagenen Aktionen des Modells zu unterscheiden.
OpenAIs GPT-6 Astra-Spezifikation nennt ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token und eine maximale Ausgabe von 128.000 Token; der Wissensstand ist der 30. April 2026. Die Einstellungen für den Reasoning-Aufwand sind low, medium, high, xhigh und max; none wird nicht unterstützt. Reasoning-Token und sichtbares Ergebnis beanspruchen beide Kontextplatz. OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität vertretbar sind; Modus und Aufwand bleiben unabhängige Einstellungen.
Für das Basismodell werden Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche genannt. Funktionsaufrufe nutzen die Responses-Schnittstelle des Herstellers. Der GPT-6-Leitfaden beschreibt außerdem asynchrone Werkzeugabläufe und das Steuern eines laufenden Gesprächszugs. Anwendungen führen ihre eigenen Vorgänge aus, verwalten ausstehende Arbeit und liefern die daraus entstehenden Informationen zurück; die eigene Ausgabe des Modells bleibt Text, auch wenn ein separates Werkzeug ein anderes Ergebnis erzeugt.
Die Astra-Veröffentlichung beschreibt das Anpassen an neue Anforderungen bei gleichzeitiger Beachtung des übergeordneten Ziels. Sie unterscheidet außerdem defensive Codeprüfung und Patches von der fortgeschrittenen Entwicklung von Exploits, die das Modell ablehnen kann, und beschreibt automatische Prüfungen, die eine Aufgabe unterbrechen können. Richten Sie eine Anfrage am beabsichtigten Ergebnis, den erlaubten Arbeiten und den Belegen aus, statt zusätzliches Reasoning als Ersatz für fehlendes Quellenmaterial zu betrachten. Ein nützliches Endergebnis benennt die Schlussfolgerung oder vorgeschlagene Änderung, ihre Grundlage in den bereitgestellten Informationen und jede Frage, die die Entscheidung wesentlich verändern würde.
", "aboutText": "GPT-6 Astra Pro bezeichnet OpenAIs GPT-6 Astra mit Pro-Reasoning. Das Basismodell Astra ist für anspruchsvolles Reasoning, Programmierung, Forschung, Computernutzung und fachliche Aufgaben ausgelegt. Es nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort, während der Reasoning-Aufwand den Umfang der Analyse innerhalb des gewählten Ausführungsmodus steuert. Pro ändert den Ausführungsmodus; GPT-6 Astra bleibt das zugrunde liegende Modell.\n\nDie Astra-Veröffentlichung des Herstellers beschreibt Arbeitsabläufe, die relevantes Material in Dokumente, Tabellenkalkulationen, Präsentationen und Analysen überführen. Sie betont das Befolgen von Vorlagen sowie von Schreib- oder Gestaltungsvorgaben und die Auswahl des für die Aufgabe relevanten Kontexts. Stellen Sie für ein fachliches Dokument das Quellenmaterial, die Vorlagenanforderungen und die Entscheidung bereit, die der Leser treffen muss. Eine beispielhafte Anfrage besteht darin, zwei Sammlungen von Projektanforderungen abzugleichen und eine Kurzvorlage zu erstellen, die vereinbarte Fakten, widersprüchliche Belege und die Bedingungen für eine Empfehlung trennt.\n\nLegen Sie für technische oder wissenschaftliche Aufgaben das Ziel, die zu prüfenden Belege und das Abschlusskriterium fest. Eine Programmieraufgabe kann das erforderliche Verhalten, zugehörige Dateien und Bedingungen enthalten; eine Forschungsaufgabe kann die Frage und die Kriterien zur Bewertung des bereitgestellten Materials enthalten. Astras dokumentierte Fähigkeiten zur Computernutzung und zum Browsen verbinden die Entscheidungen des Modells mit einer Umgebung, die die entsprechenden Werkzeuge bereitstellt. Die tatsächlichen Ausgaben der Umgebung liefern Belege für den nächsten Schritt und sind von den vorgeschlagenen Aktionen des Modells zu unterscheiden.\n\nOpenAIs GPT-6 Astra-Spezifikation nennt ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token und eine maximale Ausgabe von 128.000 Token; der Wissensstand ist der 30. April 2026. Die Einstellungen für den Reasoning-Aufwand sind low, medium, high, xhigh und max; none wird nicht unterstützt. Reasoning-Token und sichtbares Ergebnis beanspruchen beide Kontextplatz. OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität vertretbar sind; Modus und Aufwand bleiben unabhängige Einstellungen.\n\nFür das Basismodell werden Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche genannt. Funktionsaufrufe nutzen die Responses-Schnittstelle des Herstellers. Der GPT-6-Leitfaden beschreibt außerdem asynchrone Werkzeugabläufe und das Steuern eines laufenden Gesprächszugs. Anwendungen führen ihre eigenen Vorgänge aus, verwalten ausstehende Arbeit und liefern die daraus entstehenden Informationen zurück; die eigene Ausgabe des Modells bleibt Text, auch wenn ein separates Werkzeug ein anderes Ergebnis erzeugt.\n\nDie Astra-Veröffentlichung beschreibt das Anpassen an neue Anforderungen bei gleichzeitiger Beachtung des übergeordneten Ziels. Sie unterscheidet außerdem defensive Codeprüfung und Patches von der fortgeschrittenen Entwicklung von Exploits, die das Modell ablehnen kann, und beschreibt automatische Prüfungen, die eine Aufgabe unterbrechen können. Richten Sie eine Anfrage am beabsichtigten Ergebnis, den erlaubten Arbeiten und den Belegen aus, statt zusätzliches Reasoning als Ersatz für fehlendes Quellenmaterial zu betrachten. Ein nützliches Endergebnis benennt die Schlussfolgerung oder vorgeschlagene Änderung, ihre Grundlage in den bereitgestellten Informationen und jede Frage, die die Entscheidung wesentlich verändern würde.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3c58611295165a0b0e537b77aa713b4740adfafd8c73cf030e005eceab7008ac", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-at", "methods": [ { "html": "openai/gpt-6-astra-pro:batchGPT-6 Astra mit Pro-Reasoning für anspruchsvolle Forschung, Programmierung und fachliche Aufgaben. Im Pro-Modus leistet das Modell vor der endgültigen Antwort zusätzliche Arbeit; das Basismodell nimmt Text und Bilder entgegen und unterstützt mehrstufige Aufgaben in einer Umgebung mit Werkzeuganbindung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-6 Astra Pro bezeichnet OpenAIs GPT-6 Astra mit Pro-Reasoning. Das Basismodell Astra ist für anspruchsvolles Reasoning, Programmierung, Forschung, Computernutzung und fachliche Aufgaben ausgelegt. Es nimmt Text und Bilder entgegen und erzeugt Text. Im Pro-Modus leistet das Modell zusätzliche Arbeit zur Entwicklung der endgültigen Antwort, während der Reasoning-Aufwand den Umfang der Analyse innerhalb des gewählten Ausführungsmodus steuert. Pro ändert den Ausführungsmodus; GPT-6 Astra bleibt das zugrunde liegende Modell.
Die Astra-Veröffentlichung des Herstellers beschreibt Arbeitsabläufe, die relevantes Material in Dokumente, Tabellenkalkulationen, Präsentationen und Analysen überführen. Sie betont das Befolgen von Vorlagen sowie von Schreib- oder Gestaltungsvorgaben und die Auswahl des für die Aufgabe relevanten Kontexts. Stellen Sie für ein fachliches Dokument das Quellenmaterial, die Vorlagenanforderungen und die Entscheidung bereit, die der Leser treffen muss. Eine beispielhafte Anfrage besteht darin, zwei Sammlungen von Projektanforderungen abzugleichen und eine Kurzvorlage zu erstellen, die vereinbarte Fakten, widersprüchliche Belege und die Bedingungen für eine Empfehlung trennt.
Legen Sie für technische oder wissenschaftliche Aufgaben das Ziel, die zu prüfenden Belege und das Abschlusskriterium fest. Eine Programmieraufgabe kann das erforderliche Verhalten, zugehörige Dateien und Bedingungen enthalten; eine Forschungsaufgabe kann die Frage und die Kriterien zur Bewertung des bereitgestellten Materials enthalten. Astras dokumentierte Fähigkeiten zur Computernutzung und zum Browsen verbinden die Entscheidungen des Modells mit einer Umgebung, die die entsprechenden Werkzeuge bereitstellt. Die tatsächlichen Ausgaben der Umgebung liefern Belege für den nächsten Schritt und sind von den vorgeschlagenen Aktionen des Modells zu unterscheiden.
OpenAIs GPT-6 Astra-Spezifikation nennt ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token und eine maximale Ausgabe von 128.000 Token; der Wissensstand ist der 30. April 2026. Die Einstellungen für den Reasoning-Aufwand sind low, medium, high, xhigh und max; none wird nicht unterstützt. Reasoning-Token und sichtbares Ergebnis beanspruchen beide Kontextplatz. OpenAI dokumentiert Pro in der Responses API für schwierige Aufgaben, bei denen zusätzliche Latenz und Modellaktivität vertretbar sind; Modus und Aufwand bleiben unabhängige Einstellungen.
Für das Basismodell werden Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Werkzeuge zur Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung, MCP-Verbindungen und Werkzeugsuche genannt. Funktionsaufrufe nutzen die Responses-Schnittstelle des Herstellers. Der GPT-6-Leitfaden beschreibt außerdem asynchrone Werkzeugabläufe und das Steuern eines laufenden Gesprächszugs. Anwendungen führen ihre eigenen Vorgänge aus, verwalten ausstehende Arbeit und liefern die daraus entstehenden Informationen zurück; die eigene Ausgabe des Modells bleibt Text, auch wenn ein separates Werkzeug ein anderes Ergebnis erzeugt.
Die Astra-Veröffentlichung beschreibt das Anpassen an neue Anforderungen bei gleichzeitiger Beachtung des übergeordneten Ziels. Sie unterscheidet außerdem defensive Codeprüfung und Patches von der fortgeschrittenen Entwicklung von Exploits, die das Modell ablehnen kann, und beschreibt automatische Prüfungen, die eine Aufgabe unterbrechen können. Richten Sie eine Anfrage am beabsichtigten Ergebnis, den erlaubten Arbeiten und den Belegen aus, statt zusätzliches Reasoning als Ersatz für fehlendes Quellenmaterial zu betrachten. Ein nützliches Endergebnis benennt die Schlussfolgerung oder vorgeschlagene Änderung, ihre Grundlage in den bereitgestellten Informationen und jede Frage, die die Entscheidung wesentlich verändern würde.
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-6-astra-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-6-astra-pro:batch, openai/gpt-6-astra-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 $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.05 / 1K Tokens Eingabe · Cache lesen $0.001 / 1K Tokens Eingabe · In Cache schreiben $0.0125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich272 000 | Gebühr Eingabe · Eingabetoken $0.01 / 1K Tokens Ausgabe · Ausgabetoken $0.05 / 1K Tokens Eingabe · Cache lesen $0.001 / 1K Tokens Eingabe · In Cache schreiben $0.0125 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als272 000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.02 / 1K Tokens Ausgabe · Ausgabetoken $0.075 / 1K Tokens Eingabe · Cache lesen $0.002 / 1K Tokens Eingabe · In Cache schreiben $0.025 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-6-astra-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-6-astra-pro:batch', 'openai/gpt-6-astra-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-6-astra-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-6-astra-pro:batch
Verwenden Sie die oben angezeigten Methodenpfade.