Modelle

OpenAI: gpt-oss-120b (batch)

Markdown · JSON

OpenAI: gpt-oss-120b (batch)

OpenAIs größeres gpt-oss-Modell mit offenen Gewichten nutzt eine Mixture-of-Experts-Architektur für Reasoning bei Text-, Programmier- und Agentenaufgaben. Es unterstützt die Reasoning-Stufen low, medium und high, Funktionsaufrufe und Structured Outputs in einer Umgebung mit angebundenen Werkzeugen.

Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

gpt-oss-120b ist OpenAIs größeres Sprachmodell mit offenen Gewichten für vielseitiges Reasoning, Programmierung und Agentenaufgaben. Es nimmt Text entgegen und erzeugt Text. Der Hersteller nennt insgesamt 117 Milliarden Parameter und 5,1 Milliarden aktive Parameter pro Token in einer Mixture-of-Experts-Architektur. Dies ist die 120b-Edition der Familie, getrennt von gpt-oss-20b und den spezialisierten Safeguard-Modellen.

Die Veröffentlichung beschreibt einen überwiegend englischsprachigen, ausschließlich textbasierten Trainingsdatensatz mit Schwerpunkt auf MINT, Programmierung und Allgemeinwissen. Ein beispielhafter Auftrag besteht darin, einen Algorithmus anhand seines Codes und der genannten Bedingungen zu analysieren: wichtige Zusammenhänge erklären, mögliche Ansätze vergleichen und einen konkreten Implementierungsvorschlag erstellen. Stellen Sie für eine Entscheidung zu einem Dokument das Material und die Kriterien bereit und fordern Sie anschließend eine Schlussfolgerung an, die sich auf die bereitgestellten Belege stützt.

OpenAIs veröffentlichte Architektur besitzt 36 Schichten, 128 Experten und vier aktive Experten pro Token. Die ursprüngliche Veröffentlichung verwendet MXFP4 für die Mixture-of-Experts-Gewichte und beschreibt den Betrieb des Modells auf einer einzelnen GPU mit 80 GB Speicher. OpenAI veröffentlicht die Gewichte unter Apache 2.0 und unterstützt die Feinabstimmung für spezialisierte Anwendungsfälle. Dies sind Eigenschaften des veröffentlichten Modells und Formats des Herstellers, keine Beschreibung der konkreten Bereitstellung einer Anwendung.

Die Modelldokumentation nennt ein Kontextfenster von 131.072 Token und eine maximale erzeugte Ausgabe von 131.072 Token bei einem Wissensstand bis zum 1. Juni 2024. Eingabe, Reasoning und Ausgabe müssen in den verfügbaren Kontext passen. Die unterstützten Reasoning-Stufen sind low, medium und high. Damit kann eine Aufgabe eine kurze Dialogantwort oder eine gründlichere Analyse anfordern. OpenAI verlangt das Harmony-Format, das interne Analyse und abschließende Antwort trennt. Laut Hersteller ist die ungefilterte Analyse für die Verwendung durch Entwickler vorgesehen, nicht zur direkten Anzeige für Endnutzer.

Der Hersteller dokumentiert Funktionsaufrufe, Webnavigation, Python-Codeausführung über Werkzeuge und Structured Outputs. Die Modellkarte nennt außerdem Streaming sowie Funktionen, Codeinterpretation, MCP- und Suchmöglichkeiten in der dokumentierten Werkzeugumgebung. Anwendungen stellen Operationen bereit, führen ihre Aktionen aus und liefern tatsächliche Ergebnisse zurück. Eine Berechnung oder Recherche kann so zum Beleg für einen weiteren Reasoning-Schritt werden, während eine vorgeschlagene Werkzeuganforderung von einer bereits ausgeführten Operation getrennt bleibt.

Bereiten Sie ein klares Ziel, Definitionen und das nützliche fertige Ergebnis vor: eine Erklärung, einen Codevorschlag, eine Formel oder eine strukturierte Sammlung von Feststellungen. Benennen Sie, welche Fakten bei einer Umwandlung erhalten bleiben müssen und wie fehlende Informationen dargestellt werden sollen. Eine nützliche abschließende Antwort verknüpft ihre Schlussfolgerung mit den bereitgestellten Bedingungen und tatsächlichen Werkzeugergebnissen. Übernehmen Sie für eine Folgeanfrage die wichtigen Belege und die noch zu treffende Entscheidung in die nächste Anfrage.

Ailoot Ultra · Stapelverarbeitung POST /v1/batches openai/gpt-oss-120b:batch

openai/gpt-oss-120b:batch

OpenAI /openai/gpt-oss-120b:batch

Start

OpenAIs größeres gpt-oss-Modell mit offenen Gewichten nutzt eine Mixture-of-Experts-Architektur für Reasoning bei Text-, Programmier- und Agentenaufgaben. Es unterstützt die Reasoning-Stufen low, medium und high, Funktionsaufrufe und Structured Outputs in einer Umgebung mit angebundenen Werkzeugen.

Zulässige Eingaben
Text
Ergebnisse
Text

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Stapelverarbeitung POST /v1/batches
Eingabetypen
text
Ausgabetypen
text
Ausgabeformat
eingebettetes JSON unter results[].response.body
FeldTypAnforderungWerte und LimitsStandard
FeldendpointTypstringAnforderungErforderlichWerte und Limits
/v1/chat/completions
Standard—
FeldmodelTypstringAnforderungErforderlichWerte und Limits
openai/gpt-oss-120b:batch
Standard—
FeldrequestsTypbatch_item[]AnforderungErforderlichWerte und Limits
Mindestanzahl Elemente: 1
Standard—
Feldrequests[].custom_idTypstringAnforderungErforderlichWerte und LimitsStandard—
Feldrequests[].body.messagesTypmessage[]AnforderungErforderlichWerte und LimitsStandard—
Feldcompletion_windowTypstringAnforderungOptionalWerte und Limits
24h
Standard—
FeldproviderTypobject|nullAnforderungOptionalWerte und LimitsStandard—
Feldrequests[].body.modelTypstringAnforderungOptionalWerte und Limits
openai/gpt-oss-120b:batch, openai/gpt-oss-120b
Standard—
Feldprovider.onlyTypstring[]AnforderungOptionalWerte und Limits
deepinfra/bf16
Standard—
Feldprovider.allow_fallbacksTypboolean|nullAnforderungOptionalWerte und Limits
false, null
Standard—
Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragendpoint, model, requests
Parametermaterial_typesVertragtext
ParameterrepresentationVertrageingebettete requests[]; jedes Element enthält custom_id und body
Parameterrequest_endpoint_profileVertrag/v1/chat/completions
Parameterfile_materialVertragDer 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_orderVertragendpoint, model, provider (falls angegeben), completion_window (falls angegeben), requests als letztes Feld
Parameteroptional_controlsVertragprovider.only, provider.allow_fallbacks, completion_window
Parameterschema_scopeVertragAnfragekörper 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

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Preise für explizites Caching
Nicht aktiviert Wenn explizites Caching angefordert wird

Ailoot-Tarife

Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

KonfigurationTarifstaffelKontexttoken, mehr alsKontexttoken, bis einschließlichGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifKontexttoken, mehr als—Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.0000592 / 1K Token
Ausgabe · Ausgabetoken $0.000272 / 1K Token
Eingabe · Cache-Lesen — / 1K Token
Eingabe · Cache-Schreiben — / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token
KonfigurationAnfragelängenstufe 1Tarifstaffel—Kontexttoken, mehr als0Kontexttoken, bis einschließlichKeine ObergrenzeGebühr
Eingabe · Eingabetoken $0.0000592 / 1K Token
Ausgabe · Ausgabetoken $0.000272 / 1K Token
Eingabe · Cache-Lesen — / 1K Token
Eingabe · Cache-Schreiben — / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token

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 →

Beispielanfragen

Ailoot Ultra · Stapelverarbeitung

curl · gespeicherte BeispieldatenPython HTTP · tatsächliche JSONL-Daten des KundenPython · jedes fertiggestellte Ergebnis speichern
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-oss-120b:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
        supplied_model = item["body"].get("model")
        if supplied_model is not None and supplied_model not in ['openai/gpt-oss-120b:batch', 'openai/gpt-oss-120b']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-oss-120b:batch", "requests":items}

if __name__ == "__main__":
    material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
    if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
    body = prepare_requests(material)
    key = os.environ.get("AILOOT_API_KEY", "")
    if not key: raise SystemExit("Set AILOOT_API_KEY")
    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")
    with urlopen(request) as response:
        raw = response.read()
        Path("batch-create-response.json").write_bytes(raw)
        print(raw.decode("utf-8"))
import json
from pathlib import Path
raw = Path("batch-status-response.json").read_bytes()
response = json.loads(raw)
if response.get("status") != "completed":
    raise SystemExit("Keep the original operation; read its status without resubmitting")
results = response.get("results")
if not isinstance(results, list) or not results:
    raise SystemExit("Preserve the original response; completed results are missing")
Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8")
# Preserve batch-status-response.json with aggregate usage and every result/error.

Ergebnisse abrufen und speichern

Ailoot Ultra · Stapelverarbeitung

eingebettetes JSON unter results[].response.body

  • GET /v1/batches/{operation_id}
Auftragsstatus prüfen
curl · Status des ursprünglichen Vorgangs
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json
Alle fertiggestellten Ergebnisse aufbewahren

Bewahren 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.

Wenn die ursprüngliche Antwort geprüft werden muss

Die ursprüngliche Vorgangs-ID beibehalten. Bei 503 result_pending_check gilt X-Should-Retry:false; einen ursprünglichen Batch mit unbekanntem Ausgang niemals erneut einreichen.

Antwortfelder
FeldTyp
Feldresults[].custom_idTypstring
Feldresults[].response.body.choices[].message.contentTypstring|null
Feldresults[].errorTypobject|null
FeldusageTypobject|null
FeldidTypstring
FeldmodelTypstring
FeldendpointTypstring
FeldstatusTypstring
Feldrequest_countsTypobject
Feldresults[].idTypstring
Feldresults[].response.status_codeTypinteger
Feldresults[].response.request_idTypstring
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungUngültige 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_errorBedingungUngültiger API-Schlüssel.Nächster SchrittDen autorisierten Ailoot-Schlüssel verwenden.
Antwort403 · permission_errorBedingungGruppe für Stapelverarbeitung nicht verfügbar.Nächster SchrittDie Berechtigung des Schlüssels bzw. der Gruppe prüfen.
Antwort422 · invalid_request_errorBedingungStapelverarbeitung wird über das Guthaben abgerechnet; die Erstellung über ein Abonnement wird abgelehnt.Nächster SchrittDie autorisierte Gruppe mit Guthabenabrechnung verwenden.
Antwort422 · price_unavailableBedingungFür die Batch-Eingabe kann kein Preisangebot erstellt werden.Nächster SchrittAntwort aufbewahren; die dokumentierte Eingabe der API-Familie verwenden.
Antwort402 · billing_errorBedingungReservierung für Stapelverarbeitung nicht verfügbar.Nächster SchrittDie Zulassung klären, bevor eine neue Anfrage gestellt wird.
Antwort503 · price_unavailableBedingungMethodenpreis bzw. native Tarife für Stapelverarbeitung nicht verfügbar.Nächster SchrittAntwort aufbewahren; keine anderen Preise einsetzen.
Antwort503 · api_errorBedingungDie genaue Anbieterroute ist nicht verfügbar.Nächster SchrittAntwort zur Reparatur der Route aufbewahren.
Antwort503 · result_pending_checkBedingungDas 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_foundBedingungDer 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.

Aliasnamen

Modellaliasnamen

Ailoot Ultra openai/gpt-oss-120b:batch

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

openai/gpt-oss-120b:batch

FAQ · OpenAI: gpt-oss-120b (batch)
Welche Eingaben und Ergebnisse sind verfügbar?

POST /v1/batches · openai/gpt-oss-120b:batch: text → text

Welche Felder verwendet die Anfrage?

POST /v1/batches · openai/gpt-oss-120b:batch: endpoint, model, requests, completion_window, provider

Welche Grenzen gelten?

POST /v1/batches · openai/gpt-oss-120b:batch: requests.min_items: 1

Weitere Details

Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung.

Das Unternehmen und sein Projektportfolio

Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe.

Tokens mit Rabatt kaufen.

Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf.

Abo
Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen.
Aktionscode bis 50%
Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet.
Ausgaben in der Historie
Modell, Tokens und Betrag werden für jede Anfrage gespeichert.

Abo wählen · Modellpreise ansehen

Verbinden Sie die API mit dem Produkt, das Sie verkaufen.

SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an.

Kommerzielle Anwendung
Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes.
Reseller-Lizenz
Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an.
Dokumente auf der Website
Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich.

Reseller-Lizenz anfordern · Offizielles Angebot und Lizenzvertrag