GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.
Beschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.
Die Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.
Bei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.
Die vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.
", "aboutText": "GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.\n\nBeschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.\n\nDie Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.\n\nBei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.\n\nOpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.\n\nDie vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a6d04f293b7cfef1d31150bd93e2daed52bd8d518e41440a462bc4fd54ce0d00", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "openai/gpt-5.4-mini:batchEine kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben mit hohem Aufkommen. Sie nimmt Text und Bilder entgegen und kann eine Änderung entwickeln, einen Oberflächen-Screenshot interpretieren oder eine enger umrissene Aufgabe innerhalb eines grösseren Arbeitsablaufs abschliessen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
GPT-5.4 Mini ist OpenAIs kompakte GPT-5.4-Edition für Programmierung, Computernutzung und unterstützende Agentenaufgaben. Sie überträgt die Fähigkeiten der Familie auf ein Modell, das für klar umrissene Aufgaben mit hohem Aufkommen ausgelegt ist. Die Eingaben sind Text und Bilder, die Ausgabe ist Text. Der Hersteller beschreibt Aufgaben wie gezielte Änderungen, die Orientierung in einer Codebasis, Fehlersuche und die Interpretation von Oberflächen-Screenshots.
Beschreiben Sie für eine Programmieranfrage das umzusetzende Verhalten, stellen Sie die relevanten Dateien oder Auszüge bereit und benennen Sie die Bedingungen, die die Änderung bewahren muss. Eine beispielhafte Aufgabe besteht darin, den Projektteil zu finden, der eine bestimmte Eingabe verarbeitet, eine gezielte Änderung vorzuschlagen und ihre Verhaltensprüfung zu benennen. Halten Sie den Umfang der Aufgabe ausdrücklich fest, damit eine lokale Änderung mit den relevanten Abhängigkeiten verbunden bleibt und nicht zu einer sachfremden Überarbeitung wird.
Die Veröffentlichung des Herstellers beschreibt Mini ausserdem als unterstützendes Modell in einem grösseren Agentensystem. Eine enger umrissene Aufgabe könnte das Durchsuchen einer Codebasis, das Prüfen einer grossen Datei oder das Verarbeiten unterstützender Dokumente sein, während eine andere Stufe die Koordination und abschliessende Beurteilung übernimmt. Geben Sie dieser Aufgabe eine eigene Eingabe, ein Abschlusskriterium und ein Ausgabeformat vor. Ein nützliches Ergebnis ist die Erkenntnis, ihre Fundstelle im bereitgestellten Material und jede Unsicherheit, die die nächste Stufe klären muss.
Bei der Computernutzung betont die Veröffentlichung die Interpretation von Screenshots informationsreicher Oberflächen. Stellen Sie den aktuellen visuellen Zustand, das Ziel des Nutzers und die relevanten Bedingungen bereit. Das Modell kann eine Handlung vorschlagen oder erklären, was der Screenshot zeigt, während die angebundene Umgebung den Vorgang ausführt und den daraus entstehenden Zustand zurückgibt. Halten Sie das tatsächliche Werkzeugergebnis von einer lediglich vorgeschlagenen Handlung getrennt.
OpenAIs Spezifikation nennt ein Kontextfenster von 400’000 Token, eine maximale Eingabe von 272’000 Token und eine maximale Ausgabe von 128’000 Token; der Wissensstand ist der 31. August 2025. Die Einstellungen für den Reasoning-Aufwand sind none, low, medium, high und xhigh; none ist der Standardwert. Für das Modell werden die Schnittstellen Responses, Chat Completions und Batch, Streaming, Structured Outputs, Funktionsaufrufe, Web- und Dateisuche, Datei- und Bildeingaben sowie Prompt-Caching genannt.
Die vom Hersteller genannten Werkzeuge umfassen Werkzeugsuche, Bilderzeugung, Codeinterpretation, gehostete Shell- und Patch-Vorgänge, Skills, Computernutzung und MCP-Verbindungen. Die Anwendung stellt die verfügbaren Vorgänge bereit und liefert ihre tatsächlichen Ergebnisse zurück. Fordern Sie für eine endgültige Antwort die Änderung oder Erkenntnis, die relevanten Belege und die nächste Handlung an. Ein vorgeschlagener Patch, ein gezieltes Review oder eine knappe Oberflächenerklärung ist ein nützliches Ergebnis, wenn es mit der genauen Aufgabe verbunden ist und anhand der bereitgestellten Quelle oder des Bildschirms geprüft werden kann.
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-5.4-mini: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-5.4-mini:batch, openai/gpt-5.4-mini | 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 $0.00075 / 1K Tokens Ausgabe · Ausgabetoken $0.0045 / 1K Tokens Eingabe · Cache lesen $0.000075 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00075 / 1K Tokens Ausgabe · Ausgabetoken $0.0045 / 1K Tokens Eingabe · Cache lesen $0.000075 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-5.4-mini:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.4-mini:batch', 'openai/gpt-5.4-mini']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.4-mini: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-5.4-mini:batch
Verwenden Sie die oben angezeigten Methodenpfade.