GPT-4.1 Nano es el miembro más rápido de la familia GPT-4.1 de OpenAI, diseñado para seguir instrucciones y llamar a herramientas sin una etapa separada de razonamiento. Acepta texto e imágenes y genera texto. Nano encaja en una operación bien definida en la que la aplicación necesita una respuesta compacta, un conjunto de campos o la siguiente solicitud de herramienta, en lugar de una investigación extensa.
Un ejemplo útil consiste en clasificar mensajes entrantes según un conjunto de categorías proporcionado. Explica cada categoría, muestra cómo representar los mensajes ambiguos o fuera de alcance y pide la categoría junto con la frase de la fuente que la respalda. Para extraer información, define los nombres de los campos, los valores permitidos y el tratamiento de la información ausente. Para una tarea breve de escritura, proporciona los hechos y pide el fragmento concreto que necesita la siguiente etapa de la aplicación. Los ejemplos y las restricciones deben ser lo bastante pequeños para seguir siendo claros incluso cuando la colección de fuentes sea amplia.
El proveedor indica una ventana de contexto de 1,047,576 tokens, una salida máxima de 32,768 tokens y conocimientos actualizados hasta el 1 de junio de 2024. Estas especificaciones coinciden con la ventana de GPT-4.1 Mini, manteniendo la identidad propia de Nano y su función orientada a responder con rapidez. Etiqueta los documentos y las secciones de la conversación, incluye solo el contexto pertinente para la operación y reserva espacio para la respuesta completa. Los resultados de recuperación de información o el texto de referencia proporcionado pueden aportar hechos más recientes que los conocimientos aprendidos por el modelo.
Nano admite transmisión en flujo y Structured Outputs. Una respuesta final limitada por un esquema cumple un propósito distinto al de una llamada a función: una proporciona a la aplicación un resultado completo, mientras que la otra le pide realizar una operación. Structured Outputs admite un subconjunto de JSON Schema; define las propiedades obligatorias y una representación clara de los valores desconocidos. Gestiona por separado los rechazos y las respuestas incompletas, y comprueba los valores extraídos frente a la entrada en lugar de equiparar una estructura válida con una conclusión correcta.
El conjunto de herramientas documentado incluye llamadas a funciones, búsqueda en archivos, interpretación de código, conexiones MCP y una herramienta independiente de generación de imágenes. La aplicación proporciona descripciones y esquemas de las herramientas, ejecuta funciones personalizadas y devuelve sus resultados reales. Para la versión de Nano del 14 de abril de 2025, OpenAI recomienda expresamente desactivar las llamadas paralelas a herramientas porque el modelo puede solicitar la misma herramienta varias veces en un turno. Es una consideración de ejecución específica de esa versión, no un motivo para interpretar varias llamadas propuestas como acciones completadas.
La entrada de imágenes añade pruebas visuales a una tarea de texto, como leer una etiqueta visible o describir el estado mostrado en una captura de pantalla. Utiliza imágenes compatibles en PNG, JPEG, WebP o GIF no animado, mantén el texto legible y explica qué observación importa. La guía de visión señala dificultades con texto pequeño o girado, relaciones espaciales precisas, recuentos de objetos y algunos sistemas de escritura no latinos. Proporciona contexto alrededor cuando un recorte aislado vuelva ambigua una etiqueta o un diagrama. La propia respuesta de Nano es texto; una herramienta de generación de imágenes devuelve su propio resultado independiente. En el proceso de visión documentado de OpenAI, el contenido total de la solicitud está limitado a 512 MB y una solicitud puede incluir hasta 1,500 imágenes; las imágenes y el texto también deben caber en el contexto del modelo.
En el proceso de archivos del proveedor, un modelo con capacidad de visión recibe tanto el texto extraído como imágenes de las páginas de los PDF. Otros formatos de documento aportan texto extraído, y la ampliación de hojas de cálculo considera como máximo las primeras 1,000 filas por hoja. Un archivo debe ocupar menos de 50 MB, con un límite total de 50 MB para el conjunto de la solicitud. Chat Completions admite partes de archivos PDF, mientras que el proceso documentado de Responses acepta tipos de archivo adicionales. Los gráficos incrustados en documentos que no sean PDF no se transmiten como contenido de imagen, por lo que una representación PDF resulta útil cuando las pruebas visuales importan.
OpenAI documenta el almacenamiento de la entrada en caché para Nano y Predicted Outputs para la serie GPT-4.1 Nano. La caché de entrada reutiliza un prefijo de entrada apto en el servicio del proveedor. Predicted Outputs, en cambio, proporciona texto de salida ya conocido en gran medida para una edición, como revisar un documento o archivo de código conservando sus partes sin cambios. La vía de predicción funciona solo con texto y excluye las llamadas a funciones, logprobs y max_completion_tokens, entre otros controles. Elige la vía adecuada para la operación real y mantén su resultado asociado con la fuente original.
El proveedor también documenta ajuste fino supervisado y optimización directa de preferencias para la versión de GPT-4.1 Nano identificada por nombre. Los ejemplos de entrenamiento y las respuestas preferidas frente a las rechazadas adaptan un modelo a una tarea recurrente; son distintos del contexto proporcionado a una solicitud habitual. Para una etapa práctica de extracción o clasificación, empieza con categorías claras, ejemplos y un formato final explícito, y comprueba después si los campos devueltos conservan los hechos que utilizará la siguiente etapa.
", "aboutText": "GPT-4.1 Nano es el miembro más rápido de la familia GPT-4.1 de OpenAI, diseñado para seguir instrucciones y llamar a herramientas sin una etapa separada de razonamiento. Acepta texto e imágenes y genera texto. Nano encaja en una operación bien definida en la que la aplicación necesita una respuesta compacta, un conjunto de campos o la siguiente solicitud de herramienta, en lugar de una investigación extensa.\n\nUn ejemplo útil consiste en clasificar mensajes entrantes según un conjunto de categorías proporcionado. Explica cada categoría, muestra cómo representar los mensajes ambiguos o fuera de alcance y pide la categoría junto con la frase de la fuente que la respalda. Para extraer información, define los nombres de los campos, los valores permitidos y el tratamiento de la información ausente. Para una tarea breve de escritura, proporciona los hechos y pide el fragmento concreto que necesita la siguiente etapa de la aplicación. Los ejemplos y las restricciones deben ser lo bastante pequeños para seguir siendo claros incluso cuando la colección de fuentes sea amplia.\n\nEl proveedor indica una ventana de contexto de 1,047,576 tokens, una salida máxima de 32,768 tokens y conocimientos actualizados hasta el 1 de junio de 2024. Estas especificaciones coinciden con la ventana de GPT-4.1 Mini, manteniendo la identidad propia de Nano y su función orientada a responder con rapidez. Etiqueta los documentos y las secciones de la conversación, incluye solo el contexto pertinente para la operación y reserva espacio para la respuesta completa. Los resultados de recuperación de información o el texto de referencia proporcionado pueden aportar hechos más recientes que los conocimientos aprendidos por el modelo.\n\nNano admite transmisión en flujo y Structured Outputs. Una respuesta final limitada por un esquema cumple un propósito distinto al de una llamada a función: una proporciona a la aplicación un resultado completo, mientras que la otra le pide realizar una operación. Structured Outputs admite un subconjunto de JSON Schema; define las propiedades obligatorias y una representación clara de los valores desconocidos. Gestiona por separado los rechazos y las respuestas incompletas, y comprueba los valores extraídos frente a la entrada en lugar de equiparar una estructura válida con una conclusión correcta.\n\nEl conjunto de herramientas documentado incluye llamadas a funciones, búsqueda en archivos, interpretación de código, conexiones MCP y una herramienta independiente de generación de imágenes. La aplicación proporciona descripciones y esquemas de las herramientas, ejecuta funciones personalizadas y devuelve sus resultados reales. Para la versión de Nano del 14 de abril de 2025, OpenAI recomienda expresamente desactivar las llamadas paralelas a herramientas porque el modelo puede solicitar la misma herramienta varias veces en un turno. Es una consideración de ejecución específica de esa versión, no un motivo para interpretar varias llamadas propuestas como acciones completadas.\n\nLa entrada de imágenes añade pruebas visuales a una tarea de texto, como leer una etiqueta visible o describir el estado mostrado en una captura de pantalla. Utiliza imágenes compatibles en PNG, JPEG, WebP o GIF no animado, mantén el texto legible y explica qué observación importa. La guía de visión señala dificultades con texto pequeño o girado, relaciones espaciales precisas, recuentos de objetos y algunos sistemas de escritura no latinos. Proporciona contexto alrededor cuando un recorte aislado vuelva ambigua una etiqueta o un diagrama. La propia respuesta de Nano es texto; una herramienta de generación de imágenes devuelve su propio resultado independiente. En el proceso de visión documentado de OpenAI, el contenido total de la solicitud está limitado a 512 MB y una solicitud puede incluir hasta 1,500 imágenes; las imágenes y el texto también deben caber en el contexto del modelo.\n\nEn el proceso de archivos del proveedor, un modelo con capacidad de visión recibe tanto el texto extraído como imágenes de las páginas de los PDF. Otros formatos de documento aportan texto extraído, y la ampliación de hojas de cálculo considera como máximo las primeras 1,000 filas por hoja. Un archivo debe ocupar menos de 50 MB, con un límite total de 50 MB para el conjunto de la solicitud. Chat Completions admite partes de archivos PDF, mientras que el proceso documentado de Responses acepta tipos de archivo adicionales. Los gráficos incrustados en documentos que no sean PDF no se transmiten como contenido de imagen, por lo que una representación PDF resulta útil cuando las pruebas visuales importan.\n\nOpenAI documenta el almacenamiento de la entrada en caché para Nano y Predicted Outputs para la serie GPT-4.1 Nano. La caché de entrada reutiliza un prefijo de entrada apto en el servicio del proveedor. Predicted Outputs, en cambio, proporciona texto de salida ya conocido en gran medida para una edición, como revisar un documento o archivo de código conservando sus partes sin cambios. La vía de predicción funciona solo con texto y excluye las llamadas a funciones, logprobs y max_completion_tokens, entre otros controles. Elige la vía adecuada para la operación real y mantén su resultado asociado con la fuente original.\n\nEl proveedor también documenta ajuste fino supervisado y optimización directa de preferencias para la versión de GPT-4.1 Nano identificada por nombre. Los ejemplos de entrenamiento y las respuestas preferidas frente a las rechazadas adaptan un modelo a una tarea recurrente; son distintos del contexto proporcionado a una solicitud habitual. Para una etapa práctica de extracción o clasificación, empieza con categorías claras, ejemplos y un formato final explícito, y comprueba después si los campos devueltos conservan los hechos que utilizará la siguiente etapa.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "1cc48774bff92b0d89647c380ede2f57ef9c90d206d376d22c5e561304c29b6b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "openai/gpt-4.1-nano:batchGPT-4.1 Nano es el miembro compacto y ágil de la familia GPT-4.1 para tareas de texto e imágenes definidas con precisión. Su amplio contexto, Structured Outputs y las llamadas a funciones permiten clasificar, extraer información y realizar pasos concretos de la aplicación.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-4.1 Nano es el miembro más rápido de la familia GPT-4.1 de OpenAI, diseñado para seguir instrucciones y llamar a herramientas sin una etapa separada de razonamiento. Acepta texto e imágenes y genera texto. Nano encaja en una operación bien definida en la que la aplicación necesita una respuesta compacta, un conjunto de campos o la siguiente solicitud de herramienta, en lugar de una investigación extensa.
Un ejemplo útil consiste en clasificar mensajes entrantes según un conjunto de categorías proporcionado. Explica cada categoría, muestra cómo representar los mensajes ambiguos o fuera de alcance y pide la categoría junto con la frase de la fuente que la respalda. Para extraer información, define los nombres de los campos, los valores permitidos y el tratamiento de la información ausente. Para una tarea breve de escritura, proporciona los hechos y pide el fragmento concreto que necesita la siguiente etapa de la aplicación. Los ejemplos y las restricciones deben ser lo bastante pequeños para seguir siendo claros incluso cuando la colección de fuentes sea amplia.
El proveedor indica una ventana de contexto de 1,047,576 tokens, una salida máxima de 32,768 tokens y conocimientos actualizados hasta el 1 de junio de 2024. Estas especificaciones coinciden con la ventana de GPT-4.1 Mini, manteniendo la identidad propia de Nano y su función orientada a responder con rapidez. Etiqueta los documentos y las secciones de la conversación, incluye solo el contexto pertinente para la operación y reserva espacio para la respuesta completa. Los resultados de recuperación de información o el texto de referencia proporcionado pueden aportar hechos más recientes que los conocimientos aprendidos por el modelo.
Nano admite transmisión en flujo y Structured Outputs. Una respuesta final limitada por un esquema cumple un propósito distinto al de una llamada a función: una proporciona a la aplicación un resultado completo, mientras que la otra le pide realizar una operación. Structured Outputs admite un subconjunto de JSON Schema; define las propiedades obligatorias y una representación clara de los valores desconocidos. Gestiona por separado los rechazos y las respuestas incompletas, y comprueba los valores extraídos frente a la entrada en lugar de equiparar una estructura válida con una conclusión correcta.
El conjunto de herramientas documentado incluye llamadas a funciones, búsqueda en archivos, interpretación de código, conexiones MCP y una herramienta independiente de generación de imágenes. La aplicación proporciona descripciones y esquemas de las herramientas, ejecuta funciones personalizadas y devuelve sus resultados reales. Para la versión de Nano del 14 de abril de 2025, OpenAI recomienda expresamente desactivar las llamadas paralelas a herramientas porque el modelo puede solicitar la misma herramienta varias veces en un turno. Es una consideración de ejecución específica de esa versión, no un motivo para interpretar varias llamadas propuestas como acciones completadas.
La entrada de imágenes añade pruebas visuales a una tarea de texto, como leer una etiqueta visible o describir el estado mostrado en una captura de pantalla. Utiliza imágenes compatibles en PNG, JPEG, WebP o GIF no animado, mantén el texto legible y explica qué observación importa. La guía de visión señala dificultades con texto pequeño o girado, relaciones espaciales precisas, recuentos de objetos y algunos sistemas de escritura no latinos. Proporciona contexto alrededor cuando un recorte aislado vuelva ambigua una etiqueta o un diagrama. La propia respuesta de Nano es texto; una herramienta de generación de imágenes devuelve su propio resultado independiente. En el proceso de visión documentado de OpenAI, el contenido total de la solicitud está limitado a 512 MB y una solicitud puede incluir hasta 1,500 imágenes; las imágenes y el texto también deben caber en el contexto del modelo.
En el proceso de archivos del proveedor, un modelo con capacidad de visión recibe tanto el texto extraído como imágenes de las páginas de los PDF. Otros formatos de documento aportan texto extraído, y la ampliación de hojas de cálculo considera como máximo las primeras 1,000 filas por hoja. Un archivo debe ocupar menos de 50 MB, con un límite total de 50 MB para el conjunto de la solicitud. Chat Completions admite partes de archivos PDF, mientras que el proceso documentado de Responses acepta tipos de archivo adicionales. Los gráficos incrustados en documentos que no sean PDF no se transmiten como contenido de imagen, por lo que una representación PDF resulta útil cuando las pruebas visuales importan.
OpenAI documenta el almacenamiento de la entrada en caché para Nano y Predicted Outputs para la serie GPT-4.1 Nano. La caché de entrada reutiliza un prefijo de entrada apto en el servicio del proveedor. Predicted Outputs, en cambio, proporciona texto de salida ya conocido en gran medida para una edición, como revisar un documento o archivo de código conservando sus partes sin cambios. La vía de predicción funciona solo con texto y excluye las llamadas a funciones, logprobs y max_completion_tokens, entre otros controles. Elige la vía adecuada para la operación real y mantén su resultado asociado con la fuente original.
El proveedor también documenta ajuste fino supervisado y optimización directa de preferencias para la versión de GPT-4.1 Nano identificada por nombre. Los ejemplos de entrenamiento y las respuestas preferidas frente a las rechazadas adaptan un modelo a una tarea recurrente; son distintos del contexto proporcionado a una solicitud habitual. Para una etapa práctica de extracción o clasificación, empieza con categorías claras, ejemplos y un formato final explícito, y comprueba después si los campos devueltos conservan los hechos que utilizará la siguiente etapa.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObligatorio | Valores y límites /v1/chat/completions | Predeterminado— |
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites openai/gpt-4.1-nano:batch | Predeterminado— |
Camporequests | Tipobatch_item[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Camporequests[].custom_id | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores y límites 24h | Predeterminado— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores y límites openai/gpt-4.1-nano:batch, openai/gpt-4.1-nano | Predeterminado— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores y límites openai | Predeterminado— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores y límites false, null | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratoendpoint, model, requests |
Parámetromaterial_types | Contratotext |
Parámetrorepresentation | Contratorequests[] en línea; cada elemento tiene custom_id y body |
Parámetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parámetrofile_material | ContratoQuien realiza la llamada puede leer localmente el JSONL UTF-8 real e incorporarlo a requests[]. No se utiliza el campo purpose para cargas, ni input_file_id ni referencias a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST. |
Parámetroserialization_order | Contratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final |
Parámetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parámetroschema_scope | ContratoCuerpos de solicitudes de texto de Chat Completions dentro de la estructura Batch en línea documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · El response.id real de la respuesta de creación original; el mismo usuario, clave y grupo
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0001 / 1K tokens Salida · Tokens de salida $0.0004 / 1K tokens Entrada · Lectura de caché $0.000025 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0001 / 1K tokens Salida · Tokens de salida $0.0004 / 1K tokens Entrada · Lectura de caché $0.000025 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-4.1-nano: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-4.1-nano:batch', 'openai/gpt-4.1-nano']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4.1-nano: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.\nJSON de results[].response.body en línea
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\nConserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el JSON completo del estado original, cada result/custom_id y el cuerpo completo de la respuesta o del error. Guarda results[] completados como JSONL sin filtrar.
Conserva el ID de la operación original. La respuesta 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado sea desconocido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónLa estructura en línea documentada no es válida, hay claves duplicadas, existe un problema con la identidad de los elementos o hay un conflicto entre las capacidades configuradas del modelo. | Siguiente pasoCorrige los campos indicados antes de realizar cualquier nuevo envío. |
Respuesta401 · authentication_error | CondiciónClave de API no válida. | Siguiente pasoUsa la clave de Ailoot autorizada. |
Respuesta403 · permission_error | CondiciónGrupo de Batch no disponible. | Siguiente pasoVerifica los permisos de la clave y el grupo. |
Respuesta422 · invalid_request_error | CondiciónBatch usa facturación contra saldo; se rechazan las solicitudes de creación con una suscripción. | Siguiente pasoUsa el grupo autorizado con facturación contra saldo. |
Respuesta422 · price_unavailable | CondiciónNo se puede cotizar la entrada de Batch. | Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia. |
Respuesta402 · billing_error | CondiciónReserva de Batch no disponible. | Siguiente pasoResuelve los requisitos de admisión antes de realizar una nueva solicitud. |
Respuesta503 · price_unavailable | CondiciónPrecio del método Batch o tarifas nativas no disponibles. | Siguiente pasoConserva la respuesta; no sustituyas los precios. |
Respuesta503 · api_error | CondiciónLa ruta exacta del proveedor no está disponible. | Siguiente pasoConserva la respuesta para reparar la ruta. |
Respuesta503 · result_pending_check | CondiciónEl resultado original requiere una revisión; X-Should-Retry:false. | Siguiente pasoConserva el operation_id/id original y consulta su estado; nunca repitas el POST original. |
Respuesta404 · not_found | CondiciónLa operación de consulta de estado de Batch no existe o pertenece a otra identidad. | Siguiente pasoUsa el id original exacto y el mismo usuario, clave y grupo. |
Ailoot Ultra openai/gpt-4.1-nano:batch
Usa las rutas de método indicadas arriba.