GPT-5.4 nano es el modelo compacto de OpenAI de la clase GPT-5.4 para tareas sencillas de gran volumen. El fabricante destaca clasificación, extracción de datos, ordenación y trabajo de apoyo de subagentes. Acepta texto e imágenes y produce texto. Esto da a nano una función concreta dentro de un proceso más amplio: completar una operación definida y devolver la información que necesita el siguiente paso.
Para clasificación, proporciona las categorías permitidas, la regla que las distingue y el formato de resultado esperado. Un ejemplo de tarea consiste en identificar el tema de una solicitud y los hechos que justifican la categoría. Incluye ejemplos cuando aclaren un límite difícil e indica cómo representar una solicitud que no encaje en las categorías disponibles. Un resultado útil es la categoría junto con una justificación breve vinculada al material proporcionado.
Para extracción, especifica los campos y sus definiciones en lugar de solicitar todos los detalles que puedan resultar interesantes. Puedes proporcionar material escrito o una imagen de una página e identificar los valores requeridos. Conserva los nombres y las unidades que afectan al significado y distingue un campo ausente de un valor inferido del texto circundante. Para ordenación, proporciona los candidatos y el criterio y solicita la lista ordenada con las pruebas pertinentes para cada posición.
La especificación de GPT-5.4 nano de OpenAI indica una ventana de contexto de 400,000 tokens, una entrada máxima de 272,000 tokens y una salida máxima de 128,000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Admite los esfuerzos de razonamiento none, low, medium, high y xhigh; none es el valor predeterminado. El esfuerzo seleccionado y la extensión de la respuesta solicitada deben ajustarse a la tarea. Cuando se utilice razonamiento, reserva espacio para el análisis además del resultado visible.
El proveedor documenta las interfaces Responses, Chat Completions y Batch, junto con transmisión en continuo, Structured Outputs, llamadas a funciones, búsqueda en la web y en archivos, entradas de archivos, entrada de imágenes y almacenamiento de la entrada en caché. Su conjunto de herramientas incluye generación de imágenes, interpretación de código, ejecución de comandos en un entorno alojado, aplicación de parches, habilidades y conexiones MCP. Una aplicación ofrece sus operaciones y devuelve sus resultados reales. Una respuesta estructurada describe la forma de la salida; una solicitud de llamada a función describe una acción que debe realizar una herramienta.
En un flujo con varias etapas, asigna a nano una tarea de apoyo acotada y un criterio de finalización claro. Por ejemplo, extrae los hechos requeridos de varios mensajes y pásalos a la siguiente etapa para una decisión más amplia. Comprueba los campos devueltos frente a la entrada original y refina la regla cuando un límite entre categorías no esté claro. Una categoría concisa, un conjunto de valores, una lista ordenada o unos argumentos de herramientas propuestos constituyen un entregable final útil cuando su propósito y las pruebas de origen siguen siendo explícitos.
", "aboutText": "GPT-5.4 nano es el modelo compacto de OpenAI de la clase GPT-5.4 para tareas sencillas de gran volumen. El fabricante destaca clasificación, extracción de datos, ordenación y trabajo de apoyo de subagentes. Acepta texto e imágenes y produce texto. Esto da a nano una función concreta dentro de un proceso más amplio: completar una operación definida y devolver la información que necesita el siguiente paso.\n\nPara clasificación, proporciona las categorías permitidas, la regla que las distingue y el formato de resultado esperado. Un ejemplo de tarea consiste en identificar el tema de una solicitud y los hechos que justifican la categoría. Incluye ejemplos cuando aclaren un límite difícil e indica cómo representar una solicitud que no encaje en las categorías disponibles. Un resultado útil es la categoría junto con una justificación breve vinculada al material proporcionado.\n\nPara extracción, especifica los campos y sus definiciones en lugar de solicitar todos los detalles que puedan resultar interesantes. Puedes proporcionar material escrito o una imagen de una página e identificar los valores requeridos. Conserva los nombres y las unidades que afectan al significado y distingue un campo ausente de un valor inferido del texto circundante. Para ordenación, proporciona los candidatos y el criterio y solicita la lista ordenada con las pruebas pertinentes para cada posición.\n\nLa especificación de GPT-5.4 nano de OpenAI indica una ventana de contexto de 400,000 tokens, una entrada máxima de 272,000 tokens y una salida máxima de 128,000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Admite los esfuerzos de razonamiento none, low, medium, high y xhigh; none es el valor predeterminado. El esfuerzo seleccionado y la extensión de la respuesta solicitada deben ajustarse a la tarea. Cuando se utilice razonamiento, reserva espacio para el análisis además del resultado visible.\n\nEl proveedor documenta las interfaces Responses, Chat Completions y Batch, junto con transmisión en continuo, Structured Outputs, llamadas a funciones, búsqueda en la web y en archivos, entradas de archivos, entrada de imágenes y almacenamiento de la entrada en caché. Su conjunto de herramientas incluye generación de imágenes, interpretación de código, ejecución de comandos en un entorno alojado, aplicación de parches, habilidades y conexiones MCP. Una aplicación ofrece sus operaciones y devuelve sus resultados reales. Una respuesta estructurada describe la forma de la salida; una solicitud de llamada a función describe una acción que debe realizar una herramienta.\n\nEn un flujo con varias etapas, asigna a nano una tarea de apoyo acotada y un criterio de finalización claro. Por ejemplo, extrae los hechos requeridos de varios mensajes y pásalos a la siguiente etapa para una decisión más amplia. Comprueba los campos devueltos frente a la entrada original y refina la regla cuando un límite entre categorías no esté claro. Una categoría concisa, un conjunto de valores, una lista ordenada o unos argumentos de herramientas propuestos constituyen un entregable final útil cuando su propósito y las pruebas de origen siguen siendo explícitos.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2e5c5a87a5daff9619c619995c96f7dae03771b7bd191d32b949876635525014", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "openai/gpt-5.4-nano:batchUn modelo GPT-5.4 compacto para clasificación, extracción de datos, ordenación y tareas de apoyo más sencillas de agentes. Acepta texto e imágenes y devuelve texto, con Structured Outputs y llamadas a funciones en el conjunto de características documentado por el proveedor.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GPT-5.4 nano es el modelo compacto de OpenAI de la clase GPT-5.4 para tareas sencillas de gran volumen. El fabricante destaca clasificación, extracción de datos, ordenación y trabajo de apoyo de subagentes. Acepta texto e imágenes y produce texto. Esto da a nano una función concreta dentro de un proceso más amplio: completar una operación definida y devolver la información que necesita el siguiente paso.
Para clasificación, proporciona las categorías permitidas, la regla que las distingue y el formato de resultado esperado. Un ejemplo de tarea consiste en identificar el tema de una solicitud y los hechos que justifican la categoría. Incluye ejemplos cuando aclaren un límite difícil e indica cómo representar una solicitud que no encaje en las categorías disponibles. Un resultado útil es la categoría junto con una justificación breve vinculada al material proporcionado.
Para extracción, especifica los campos y sus definiciones en lugar de solicitar todos los detalles que puedan resultar interesantes. Puedes proporcionar material escrito o una imagen de una página e identificar los valores requeridos. Conserva los nombres y las unidades que afectan al significado y distingue un campo ausente de un valor inferido del texto circundante. Para ordenación, proporciona los candidatos y el criterio y solicita la lista ordenada con las pruebas pertinentes para cada posición.
La especificación de GPT-5.4 nano de OpenAI indica una ventana de contexto de 400,000 tokens, una entrada máxima de 272,000 tokens y una salida máxima de 128,000 tokens, con fecha límite de conocimientos del 31 de agosto de 2025. Admite los esfuerzos de razonamiento none, low, medium, high y xhigh; none es el valor predeterminado. El esfuerzo seleccionado y la extensión de la respuesta solicitada deben ajustarse a la tarea. Cuando se utilice razonamiento, reserva espacio para el análisis además del resultado visible.
El proveedor documenta las interfaces Responses, Chat Completions y Batch, junto con transmisión en continuo, Structured Outputs, llamadas a funciones, búsqueda en la web y en archivos, entradas de archivos, entrada de imágenes y almacenamiento de la entrada en caché. Su conjunto de herramientas incluye generación de imágenes, interpretación de código, ejecución de comandos en un entorno alojado, aplicación de parches, habilidades y conexiones MCP. Una aplicación ofrece sus operaciones y devuelve sus resultados reales. Una respuesta estructurada describe la forma de la salida; una solicitud de llamada a función describe una acción que debe realizar una herramienta.
En un flujo con varias etapas, asigna a nano una tarea de apoyo acotada y un criterio de finalización claro. Por ejemplo, extrae los hechos requeridos de varios mensajes y pásalos a la siguiente etapa para una decisión más amplia. Comprueba los campos devueltos frente a la entrada original y refina la regla cuando un límite entre categorías no esté claro. Una categoría concisa, un conjunto de valores, una lista ordenada o unos argumentos de herramientas propuestos constituyen un entregable final útil cuando su propósito y las pruebas de origen siguen siendo explícitos.
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-5.4-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-5.4-nano:batch, openai/gpt-5.4-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 $0.0002 / 1K tokens Salida · Tokens de salida $0.00125 / 1K tokens Entrada · Lectura de caché $0.00002 / 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.00125 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-5.4-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-5.4-nano:batch', 'openai/gpt-5.4-nano']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.4-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-5.4-nano:batch
Usa las rutas de método indicadas arriba.