GPT-4o Mini es el modelo pequeño de OpenAI de la familia GPT-4o para trabajo concreto. Acepta texto e imágenes y produce texto, incluido Structured Outputs. Su función resulta útil cuando una aplicación necesita una respuesta concisa a una solicitud bien especificada: extraer campos, desarrollar una respuesta a partir de referencias proporcionadas o realizar un paso acotado dentro de un proceso más amplio.
Para una respuesta de soporte, proporciona el mensaje recibido, los fragmentos pertinentes de las políticas y los hechos ya establecidos en la conversación. Solicita una propuesta de respuesta breve e identifica la información que aún se necesita del remitente. Para extracción documental, define los campos, explica cómo tratar los valores ausentes y conserva una etiqueta que vincule cada resultado con su fuente. El mismo enfoque puede producir una clasificación, un pasaje editado o una explicación de un cambio pequeño de código sin tratar al modelo como sustituto de la lógica que rodea a la aplicación.
El proveedor indica una ventana de contexto de 128,000 tokens, una salida máxima de 16,384 tokens y una fecha límite de conocimientos del 1 de octubre de 2023. El material de origen, la conversación y la salida generada ocupan juntos ese contexto. Mantén visibles los hechos anteriores importantes e indica el entregable final requerido. GPT-4o Mini es un modelo pequeño independiente, no un modo de extensión de salida de GPT-4o completo; su identidad y sus capacidades propias deben orientar la tarea incluso cuando ambos modelos compartan especificaciones.
Las imágenes pueden aportar una captura de pantalla, una página de documento, una fotografía o un diagrama. El flujo de visión de OpenAI admite PNG, JPEG, WebP y GIF no animados, con detalle low, high o auto para esta familia. Un detalle mayor utiliza el procesamiento de imágenes por bloques del proveedor. Mantén las etiquetas importantes legibles y en la orientación correcta y explica qué parte de la imagen debe orientar la respuesta. Las relaciones espaciales precisas, los recuentos exactos de objetos, las proyecciones de imagen inusuales y algunos textos no latinos son dificultades documentadas. Una pregunta concreta facilita comparar una respuesta visual con las pruebas originales. En el flujo de visión documentado de OpenAI, el tamaño 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.
El flujo de archivos del proveedor transmite texto extraído e imágenes de las páginas de PDF a modelos con capacidad de visión. Otros archivos ofimáticos y de texto aportan texto extraído, por lo que sus imágenes y gráficos incrustados necesitan una representación PDF cuando esos elementos visuales importen. El enriquecimiento de hojas de cálculo utiliza, como máximo, las primeras 1,000 filas de cada hoja. Cada archivo debe tener menos de 50 MB, con un límite combinado de 50 MB por solicitud. Chat Completions admite partes de archivos PDF; el flujo Responses documentado acepta un conjunto más amplio de formatos de archivo. Conserva los identificadores de página, fila o sección en el material que utilices para extracción.
La transmisión en continuo devuelve texto de forma incremental. Structured Outputs limita una respuesta completada al subconjunto admitido de JSON Schema, mientras que una solicitud de modo JSON solo garantiza JSON válido. Indica los campos requeridos y los valores permitidos, incluida una representación explícita de la falta de pruebas. Las aplicaciones deben tratar por separado los rechazos y las respuestas incompletas. Un esquema puede hacer que el entregable sea adecuado para la siguiente etapa, pero los valores deben seguir reflejando la fuente real, sin rellenar de forma inventada un campo vacío.
GPT-4o Mini admite llamadas a funciones y los flujos del proveedor orientados a herramientas, con búsqueda en la web, búsqueda en archivos, interpretación de código y conexiones MCP. Describe una función disponible, deja que la aplicación ejecute la operación solicitada y devuelva su observación antes de que el modelo desarrolle una respuesta posterior. OpenAI también admite una herramienta independiente de generación de imágenes en el flujo Responses configurado. Las imágenes producidas por esa herramienta son elementos independientes; la salida nativa documentada del modelo sigue siendo texto. La búsqueda y el uso de herramientas son actividades configuradas, no pruebas de que todas las respuestas hayan consultado información actual.
Predicted Outputs permite regenerar un documento o archivo de código cuyo contenido se conoce en gran medida con un cambio pequeño. Proporciona el contenido anterior y la edición precisa y compara el entregable resultante con esa solicitud. El flujo de predicción solo admite texto y no se combina con llamadas a funciones; logprobs, max_completion_tokens y otros controles también están excluidos. Una solicitud normal que utiliza herramientas sigue un flujo distinto cuando la respuesta depende de una consulta o un cálculo nuevos.
OpenAI documenta ajuste fino para este modelo y describe el uso de las salidas de un modelo más grande para enseñar una tarea especializada a un modelo GPT-4o Mini más pequeño. Este flujo de destilación produce un modelo personalizado; no cambia la identidad de una respuesta normal de Mini. Para una solicitud normal, establece la tarea y el formato de salida con ejemplos claros y utiliza una intervención posterior concreta para revisar el mismo resultado. Un entregable final útil sigue vinculado con los hechos de origen, el lector previsto y el paso de la aplicación que lo utiliza.
", "aboutText": "GPT-4o Mini es el modelo pequeño de OpenAI de la familia GPT-4o para trabajo concreto. Acepta texto e imágenes y produce texto, incluido Structured Outputs. Su función resulta útil cuando una aplicación necesita una respuesta concisa a una solicitud bien especificada: extraer campos, desarrollar una respuesta a partir de referencias proporcionadas o realizar un paso acotado dentro de un proceso más amplio.\n\nPara una respuesta de soporte, proporciona el mensaje recibido, los fragmentos pertinentes de las políticas y los hechos ya establecidos en la conversación. Solicita una propuesta de respuesta breve e identifica la información que aún se necesita del remitente. Para extracción documental, define los campos, explica cómo tratar los valores ausentes y conserva una etiqueta que vincule cada resultado con su fuente. El mismo enfoque puede producir una clasificación, un pasaje editado o una explicación de un cambio pequeño de código sin tratar al modelo como sustituto de la lógica que rodea a la aplicación.\n\nEl proveedor indica una ventana de contexto de 128,000 tokens, una salida máxima de 16,384 tokens y una fecha límite de conocimientos del 1 de octubre de 2023. El material de origen, la conversación y la salida generada ocupan juntos ese contexto. Mantén visibles los hechos anteriores importantes e indica el entregable final requerido. GPT-4o Mini es un modelo pequeño independiente, no un modo de extensión de salida de GPT-4o completo; su identidad y sus capacidades propias deben orientar la tarea incluso cuando ambos modelos compartan especificaciones.\n\nLas imágenes pueden aportar una captura de pantalla, una página de documento, una fotografía o un diagrama. El flujo de visión de OpenAI admite PNG, JPEG, WebP y GIF no animados, con detalle low, high o auto para esta familia. Un detalle mayor utiliza el procesamiento de imágenes por bloques del proveedor. Mantén las etiquetas importantes legibles y en la orientación correcta y explica qué parte de la imagen debe orientar la respuesta. Las relaciones espaciales precisas, los recuentos exactos de objetos, las proyecciones de imagen inusuales y algunos textos no latinos son dificultades documentadas. Una pregunta concreta facilita comparar una respuesta visual con las pruebas originales. En el flujo de visión documentado de OpenAI, el tamaño 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\nEl flujo de archivos del proveedor transmite texto extraído e imágenes de las páginas de PDF a modelos con capacidad de visión. Otros archivos ofimáticos y de texto aportan texto extraído, por lo que sus imágenes y gráficos incrustados necesitan una representación PDF cuando esos elementos visuales importen. El enriquecimiento de hojas de cálculo utiliza, como máximo, las primeras 1,000 filas de cada hoja. Cada archivo debe tener menos de 50 MB, con un límite combinado de 50 MB por solicitud. Chat Completions admite partes de archivos PDF; el flujo Responses documentado acepta un conjunto más amplio de formatos de archivo. Conserva los identificadores de página, fila o sección en el material que utilices para extracción.\n\nLa transmisión en continuo devuelve texto de forma incremental. Structured Outputs limita una respuesta completada al subconjunto admitido de JSON Schema, mientras que una solicitud de modo JSON solo garantiza JSON válido. Indica los campos requeridos y los valores permitidos, incluida una representación explícita de la falta de pruebas. Las aplicaciones deben tratar por separado los rechazos y las respuestas incompletas. Un esquema puede hacer que el entregable sea adecuado para la siguiente etapa, pero los valores deben seguir reflejando la fuente real, sin rellenar de forma inventada un campo vacío.\n\nGPT-4o Mini admite llamadas a funciones y los flujos del proveedor orientados a herramientas, con búsqueda en la web, búsqueda en archivos, interpretación de código y conexiones MCP. Describe una función disponible, deja que la aplicación ejecute la operación solicitada y devuelva su observación antes de que el modelo desarrolle una respuesta posterior. OpenAI también admite una herramienta independiente de generación de imágenes en el flujo Responses configurado. Las imágenes producidas por esa herramienta son elementos independientes; la salida nativa documentada del modelo sigue siendo texto. La búsqueda y el uso de herramientas son actividades configuradas, no pruebas de que todas las respuestas hayan consultado información actual.\n\nPredicted Outputs permite regenerar un documento o archivo de código cuyo contenido se conoce en gran medida con un cambio pequeño. Proporciona el contenido anterior y la edición precisa y compara el entregable resultante con esa solicitud. El flujo de predicción solo admite texto y no se combina con llamadas a funciones; logprobs, max_completion_tokens y otros controles también están excluidos. Una solicitud normal que utiliza herramientas sigue un flujo distinto cuando la respuesta depende de una consulta o un cálculo nuevos.\n\nOpenAI documenta ajuste fino para este modelo y describe el uso de las salidas de un modelo más grande para enseñar una tarea especializada a un modelo GPT-4o Mini más pequeño. Este flujo de destilación produce un modelo personalizado; no cambia la identidad de una respuesta normal de Mini. Para una solicitud normal, establece la tarea y el formato de salida con ejemplos claros y utiliza una intervención posterior concreta para revisar el mismo resultado. Un entregable final útil sigue vinculado con los hechos de origen, el lector previsto y el paso de la aplicación que lo utiliza.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a70a815941cdf4d465be2fcd19472fba69a7d679b3e4a1e75d5af7ef68fd1a90", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "openai/gpt-4o-mini:batchGPT-4o Mini aborda tareas concretas de texto e imagen, incluidas extracción documental, respuestas concisas y llamadas a herramientas de la aplicación. Su contexto de 128,000 tokens y Structured Outputs permiten flujos repetibles con un resultado claramente definido.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-4o Mini es el modelo pequeño de OpenAI de la familia GPT-4o para trabajo concreto. Acepta texto e imágenes y produce texto, incluido Structured Outputs. Su función resulta útil cuando una aplicación necesita una respuesta concisa a una solicitud bien especificada: extraer campos, desarrollar una respuesta a partir de referencias proporcionadas o realizar un paso acotado dentro de un proceso más amplio.
Para una respuesta de soporte, proporciona el mensaje recibido, los fragmentos pertinentes de las políticas y los hechos ya establecidos en la conversación. Solicita una propuesta de respuesta breve e identifica la información que aún se necesita del remitente. Para extracción documental, define los campos, explica cómo tratar los valores ausentes y conserva una etiqueta que vincule cada resultado con su fuente. El mismo enfoque puede producir una clasificación, un pasaje editado o una explicación de un cambio pequeño de código sin tratar al modelo como sustituto de la lógica que rodea a la aplicación.
El proveedor indica una ventana de contexto de 128,000 tokens, una salida máxima de 16,384 tokens y una fecha límite de conocimientos del 1 de octubre de 2023. El material de origen, la conversación y la salida generada ocupan juntos ese contexto. Mantén visibles los hechos anteriores importantes e indica el entregable final requerido. GPT-4o Mini es un modelo pequeño independiente, no un modo de extensión de salida de GPT-4o completo; su identidad y sus capacidades propias deben orientar la tarea incluso cuando ambos modelos compartan especificaciones.
Las imágenes pueden aportar una captura de pantalla, una página de documento, una fotografía o un diagrama. El flujo de visión de OpenAI admite PNG, JPEG, WebP y GIF no animados, con detalle low, high o auto para esta familia. Un detalle mayor utiliza el procesamiento de imágenes por bloques del proveedor. Mantén las etiquetas importantes legibles y en la orientación correcta y explica qué parte de la imagen debe orientar la respuesta. Las relaciones espaciales precisas, los recuentos exactos de objetos, las proyecciones de imagen inusuales y algunos textos no latinos son dificultades documentadas. Una pregunta concreta facilita comparar una respuesta visual con las pruebas originales. En el flujo de visión documentado de OpenAI, el tamaño 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.
El flujo de archivos del proveedor transmite texto extraído e imágenes de las páginas de PDF a modelos con capacidad de visión. Otros archivos ofimáticos y de texto aportan texto extraído, por lo que sus imágenes y gráficos incrustados necesitan una representación PDF cuando esos elementos visuales importen. El enriquecimiento de hojas de cálculo utiliza, como máximo, las primeras 1,000 filas de cada hoja. Cada archivo debe tener menos de 50 MB, con un límite combinado de 50 MB por solicitud. Chat Completions admite partes de archivos PDF; el flujo Responses documentado acepta un conjunto más amplio de formatos de archivo. Conserva los identificadores de página, fila o sección en el material que utilices para extracción.
La transmisión en continuo devuelve texto de forma incremental. Structured Outputs limita una respuesta completada al subconjunto admitido de JSON Schema, mientras que una solicitud de modo JSON solo garantiza JSON válido. Indica los campos requeridos y los valores permitidos, incluida una representación explícita de la falta de pruebas. Las aplicaciones deben tratar por separado los rechazos y las respuestas incompletas. Un esquema puede hacer que el entregable sea adecuado para la siguiente etapa, pero los valores deben seguir reflejando la fuente real, sin rellenar de forma inventada un campo vacío.
GPT-4o Mini admite llamadas a funciones y los flujos del proveedor orientados a herramientas, con búsqueda en la web, búsqueda en archivos, interpretación de código y conexiones MCP. Describe una función disponible, deja que la aplicación ejecute la operación solicitada y devuelva su observación antes de que el modelo desarrolle una respuesta posterior. OpenAI también admite una herramienta independiente de generación de imágenes en el flujo Responses configurado. Las imágenes producidas por esa herramienta son elementos independientes; la salida nativa documentada del modelo sigue siendo texto. La búsqueda y el uso de herramientas son actividades configuradas, no pruebas de que todas las respuestas hayan consultado información actual.
Predicted Outputs permite regenerar un documento o archivo de código cuyo contenido se conoce en gran medida con un cambio pequeño. Proporciona el contenido anterior y la edición precisa y compara el entregable resultante con esa solicitud. El flujo de predicción solo admite texto y no se combina con llamadas a funciones; logprobs, max_completion_tokens y otros controles también están excluidos. Una solicitud normal que utiliza herramientas sigue un flujo distinto cuando la respuesta depende de una consulta o un cálculo nuevos.
OpenAI documenta ajuste fino para este modelo y describe el uso de las salidas de un modelo más grande para enseñar una tarea especializada a un modelo GPT-4o Mini más pequeño. Este flujo de destilación produce un modelo personalizado; no cambia la identidad de una respuesta normal de Mini. Para una solicitud normal, establece la tarea y el formato de salida con ejemplos claros y utiliza una intervención posterior concreta para revisar el mismo resultado. Un entregable final útil sigue vinculado con los hechos de origen, el lector previsto y el paso de la aplicación que lo utiliza.
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-4o-mini: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-4o-mini:batch, openai/gpt-4o-mini | 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 $0.00015 / 1K tokens Salida · Tokens de salida $0.0006 / 1K tokens Entrada · Lectura de caché $0.000075 / 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 $0.00015 / 1K tokens Salida · Tokens de salida $0.0006 / 1K tokens Entrada · Lectura de caché $0.000075 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-4o-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-4o-mini:batch', 'openai/gpt-4o-mini']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4o-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.\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-4o-mini:batch
Usa las rutas de método indicadas arriba.