GPT-4o es el modelo GPT versátil de OpenAI para comprensión de texto e imágenes, redacción y trabajo con aplicaciones. La «o» significa «omni», mientras que este modelo documentado acepta texto e imágenes y devuelve texto, incluido Structured Outputs. Una solicitud práctica puede combinar unas instrucciones escritas con fotografías, capturas de pantalla o páginas de documentos y pedir una explicación clara, un entregable editado o campos definidos para otra etapa de una aplicación.
Para un informe, proporciona los documentos de origen y la decisión que debe fundamentar el informe. Identifica las fechas, las unidades y las etiquetas de las pruebas pertinentes y solicita una comparación que separe observaciones, suposiciones e información ausente. Para una tarea visual, señala el objeto, el gráfico o el estado de la interfaz relevante e incluye el contexto circundante. Para un cambio de código, proporciona el código afectado, el comportamiento deseado y las restricciones que deben mantenerse intactas. Son formas concretas de utilizar las capacidades de texto e imagen del modelo sin depender de que las instrucciones textuales den a entender toda la tarea.
El perfil actual de GPT-4o de OpenAI 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 proveedor enumera por separado varias versiones fechadas de GPT-4o. La conversación, el material de entrada y la respuesta generada comparten el presupuesto de contexto, por lo que un conjunto grande de documentos sigue necesitando organización y espacio para su entregable final. Los hechos que cambien o procedan de un sistema privado deben proporcionarse directamente u obtenerse mediante una herramienta configurada explícitamente.
La guía de visión admite PNG, JPEG, WebP y GIF no animados. GPT-4o admite los niveles de detalle de imagen low, high y auto; high y auto utilizan procesamiento por bloques. Amplía las etiquetas pequeñas, mantén el texto en la orientación correcta y conserva la leyenda o el diagrama circundante al interpretar un gráfico. Las limitaciones documentadas incluyen localización espacial precisa, recuentos aproximados de objetos, algunas escrituras no latinas y vistas panorámicas o de ojo de pez. El modelo también puede describir incorrectamente una imagen, por lo que debes conservar la fuente y solicitar las observaciones concretas que respaldan una interpretación. 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 entrada de archivos de OpenAI proporciona a un modelo con capacidad de visión tanto el texto extraído como las imágenes de las páginas de PDF. Los documentos ofimáticos que no sean PDF aportan texto extraído en lugar de sus gráficos incrustados, y el procesamiento de hojas de cálculo se enriquece con, como máximo, las primeras 1.000 filas de cada hoja. Cada archivo debe tener menos de 50 MB, con un límite total de 50 MB por solicitud. Chat Completions admite partes de archivos PDF; el flujo Responses documentado acepta formatos de archivo adicionales. Elige una representación PDF cuando la fidelidad visual importe y mantén visibles los identificadores de las fuentes en el resultado.
La transmisión en continuo puede devolver la respuesta a medida que se genera. Structured Outputs limita una respuesta completada al subconjunto admitido de JSON Schema, por lo que resulta útil para extracción documental o un objeto de aplicación con campos definidos. El modo JSON solo se ocupa de la validez de JSON. Define los tipos esperados, los valores permitidos y el tratamiento de la falta de pruebas y gestiona por separado los rechazos explícitos o las respuestas incompletas. Un esquema no establece si un valor es factualmente correcto, por lo que los campos solicitados deben seguir siendo trazables hasta el material proporcionado.
El proveedor admite llamadas a funciones, búsqueda en la web, búsqueda en archivos, interpretación de código y conexiones MCP. Las funciones personalizadas necesitan descripciones claras y esquemas de argumentos; la aplicación ejecuta la acción solicitada y devuelve su resultado para el siguiente paso del modelo. GPT-4o también puede dirigir una herramienta independiente de generación de imágenes en un flujo Responses configurado. Una imagen creada por una herramienta es un elemento independiente, mientras que la respuesta nativa documentada de GPT-4o es texto. La explicación final de un agente debe utilizar observaciones obtenidas o calculadas realmente, en lugar de tratar una llamada a herramienta propuesta como una operación completada.
Predicted Outputs está disponible para GPT-4o al regenerar texto o código cuyo contenido se conoce en gran medida, con pequeños cambios. Proporciona el contenido existente y una modificación precisa e inspecciona el entregable devuelto. Este flujo exclusivamente textual no se combina con llamadas a funciones y excluye logprobs, max_completion_tokens y otros controles. Una solicitud basada en herramientas es una opción independiente cuando la respuesta depende de información nueva obtenida de una operación externa.
OpenAI documenta ajuste fino para GPT-4o y su guía de optimización identifica específicamente la versión del 6 de agosto de 2024 para ajuste fino de visión con ejemplos de imágenes. Ese flujo de personalización específico de una versión es independiente de una solicitud normal al alias del modelo. Para redacción, análisis o extracción habituales, empieza con unas instrucciones útiles y un ejemplo de la salida deseada. Una intervención posterior puede resolver un hecho ausente, revisar un campo o refinar el mismo entregable conservando las pruebas y las restricciones de la tarea.
", "aboutText": "GPT-4o es el modelo GPT versátil de OpenAI para comprensión de texto e imágenes, redacción y trabajo con aplicaciones. La «o» significa «omni», mientras que este modelo documentado acepta texto e imágenes y devuelve texto, incluido Structured Outputs. Una solicitud práctica puede combinar unas instrucciones escritas con fotografías, capturas de pantalla o páginas de documentos y pedir una explicación clara, un entregable editado o campos definidos para otra etapa de una aplicación.\n\nPara un informe, proporciona los documentos de origen y la decisión que debe fundamentar el informe. Identifica las fechas, las unidades y las etiquetas de las pruebas pertinentes y solicita una comparación que separe observaciones, suposiciones e información ausente. Para una tarea visual, señala el objeto, el gráfico o el estado de la interfaz relevante e incluye el contexto circundante. Para un cambio de código, proporciona el código afectado, el comportamiento deseado y las restricciones que deben mantenerse intactas. Son formas concretas de utilizar las capacidades de texto e imagen del modelo sin depender de que las instrucciones textuales den a entender toda la tarea.\n\nEl perfil actual de GPT-4o de OpenAI 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 proveedor enumera por separado varias versiones fechadas de GPT-4o. La conversación, el material de entrada y la respuesta generada comparten el presupuesto de contexto, por lo que un conjunto grande de documentos sigue necesitando organización y espacio para su entregable final. Los hechos que cambien o procedan de un sistema privado deben proporcionarse directamente u obtenerse mediante una herramienta configurada explícitamente.\n\nLa guía de visión admite PNG, JPEG, WebP y GIF no animados. GPT-4o admite los niveles de detalle de imagen low, high y auto; high y auto utilizan procesamiento por bloques. Amplía las etiquetas pequeñas, mantén el texto en la orientación correcta y conserva la leyenda o el diagrama circundante al interpretar un gráfico. Las limitaciones documentadas incluyen localización espacial precisa, recuentos aproximados de objetos, algunas escrituras no latinas y vistas panorámicas o de ojo de pez. El modelo también puede describir incorrectamente una imagen, por lo que debes conservar la fuente y solicitar las observaciones concretas que respaldan una interpretación. 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 entrada de archivos de OpenAI proporciona a un modelo con capacidad de visión tanto el texto extraído como las imágenes de las páginas de PDF. Los documentos ofimáticos que no sean PDF aportan texto extraído en lugar de sus gráficos incrustados, y el procesamiento de hojas de cálculo se enriquece con, como máximo, las primeras 1.000 filas de cada hoja. Cada archivo debe tener menos de 50 MB, con un límite total de 50 MB por solicitud. Chat Completions admite partes de archivos PDF; el flujo Responses documentado acepta formatos de archivo adicionales. Elige una representación PDF cuando la fidelidad visual importe y mantén visibles los identificadores de las fuentes en el resultado.\n\nLa transmisión en continuo puede devolver la respuesta a medida que se genera. Structured Outputs limita una respuesta completada al subconjunto admitido de JSON Schema, por lo que resulta útil para extracción documental o un objeto de aplicación con campos definidos. El modo JSON solo se ocupa de la validez de JSON. Define los tipos esperados, los valores permitidos y el tratamiento de la falta de pruebas y gestiona por separado los rechazos explícitos o las respuestas incompletas. Un esquema no establece si un valor es factualmente correcto, por lo que los campos solicitados deben seguir siendo trazables hasta el material proporcionado.\n\nEl proveedor admite llamadas a funciones, búsqueda en la web, búsqueda en archivos, interpretación de código y conexiones MCP. Las funciones personalizadas necesitan descripciones claras y esquemas de argumentos; la aplicación ejecuta la acción solicitada y devuelve su resultado para el siguiente paso del modelo. GPT-4o también puede dirigir una herramienta independiente de generación de imágenes en un flujo Responses configurado. Una imagen creada por una herramienta es un elemento independiente, mientras que la respuesta nativa documentada de GPT-4o es texto. La explicación final de un agente debe utilizar observaciones obtenidas o calculadas realmente, en lugar de tratar una llamada a herramienta propuesta como una operación completada.\n\nPredicted Outputs está disponible para GPT-4o al regenerar texto o código cuyo contenido se conoce en gran medida, con pequeños cambios. Proporciona el contenido existente y una modificación precisa e inspecciona el entregable devuelto. Este flujo exclusivamente textual no se combina con llamadas a funciones y excluye logprobs, max_completion_tokens y otros controles. Una solicitud basada en herramientas es una opción independiente cuando la respuesta depende de información nueva obtenida de una operación externa.\n\nOpenAI documenta ajuste fino para GPT-4o y su guía de optimización identifica específicamente la versión del 6 de agosto de 2024 para ajuste fino de visión con ejemplos de imágenes. Ese flujo de personalización específico de una versión es independiente de una solicitud normal al alias del modelo. Para redacción, análisis o extracción habituales, empieza con unas instrucciones útiles y un ejemplo de la salida deseada. Una intervención posterior puede resolver un hecho ausente, revisar un campo o refinar el mismo entregable conservando las pruebas y las restricciones de la tarea.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9aeee96be7c7b3276040aee68bbf0826bc375f0a8b08af14dba3fb79694afd51", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "openai/gpt-4o:batchGPT-4o combina comprensión de texto e imágenes con redacción, programación, Structured Outputs y herramientas de la aplicación. Utilízalo para desarrollar una respuesta basada en pruebas, interpretar material visual o devolver campos definidos a partir de un conjunto amplio de fuentes.
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 es el modelo GPT versátil de OpenAI para comprensión de texto e imágenes, redacción y trabajo con aplicaciones. La «o» significa «omni», mientras que este modelo documentado acepta texto e imágenes y devuelve texto, incluido Structured Outputs. Una solicitud práctica puede combinar unas instrucciones escritas con fotografías, capturas de pantalla o páginas de documentos y pedir una explicación clara, un entregable editado o campos definidos para otra etapa de una aplicación.
Para un informe, proporciona los documentos de origen y la decisión que debe fundamentar el informe. Identifica las fechas, las unidades y las etiquetas de las pruebas pertinentes y solicita una comparación que separe observaciones, suposiciones e información ausente. Para una tarea visual, señala el objeto, el gráfico o el estado de la interfaz relevante e incluye el contexto circundante. Para un cambio de código, proporciona el código afectado, el comportamiento deseado y las restricciones que deben mantenerse intactas. Son formas concretas de utilizar las capacidades de texto e imagen del modelo sin depender de que las instrucciones textuales den a entender toda la tarea.
El perfil actual de GPT-4o de OpenAI 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 proveedor enumera por separado varias versiones fechadas de GPT-4o. La conversación, el material de entrada y la respuesta generada comparten el presupuesto de contexto, por lo que un conjunto grande de documentos sigue necesitando organización y espacio para su entregable final. Los hechos que cambien o procedan de un sistema privado deben proporcionarse directamente u obtenerse mediante una herramienta configurada explícitamente.
La guía de visión admite PNG, JPEG, WebP y GIF no animados. GPT-4o admite los niveles de detalle de imagen low, high y auto; high y auto utilizan procesamiento por bloques. Amplía las etiquetas pequeñas, mantén el texto en la orientación correcta y conserva la leyenda o el diagrama circundante al interpretar un gráfico. Las limitaciones documentadas incluyen localización espacial precisa, recuentos aproximados de objetos, algunas escrituras no latinas y vistas panorámicas o de ojo de pez. El modelo también puede describir incorrectamente una imagen, por lo que debes conservar la fuente y solicitar las observaciones concretas que respaldan una interpretación. 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 entrada de archivos de OpenAI proporciona a un modelo con capacidad de visión tanto el texto extraído como las imágenes de las páginas de PDF. Los documentos ofimáticos que no sean PDF aportan texto extraído en lugar de sus gráficos incrustados, y el procesamiento de hojas de cálculo se enriquece con, como máximo, las primeras 1.000 filas de cada hoja. Cada archivo debe tener menos de 50 MB, con un límite total de 50 MB por solicitud. Chat Completions admite partes de archivos PDF; el flujo Responses documentado acepta formatos de archivo adicionales. Elige una representación PDF cuando la fidelidad visual importe y mantén visibles los identificadores de las fuentes en el resultado.
La transmisión en continuo puede devolver la respuesta a medida que se genera. Structured Outputs limita una respuesta completada al subconjunto admitido de JSON Schema, por lo que resulta útil para extracción documental o un objeto de aplicación con campos definidos. El modo JSON solo se ocupa de la validez de JSON. Define los tipos esperados, los valores permitidos y el tratamiento de la falta de pruebas y gestiona por separado los rechazos explícitos o las respuestas incompletas. Un esquema no establece si un valor es factualmente correcto, por lo que los campos solicitados deben seguir siendo trazables hasta el material proporcionado.
El proveedor admite llamadas a funciones, búsqueda en la web, búsqueda en archivos, interpretación de código y conexiones MCP. Las funciones personalizadas necesitan descripciones claras y esquemas de argumentos; la aplicación ejecuta la acción solicitada y devuelve su resultado para el siguiente paso del modelo. GPT-4o también puede dirigir una herramienta independiente de generación de imágenes en un flujo Responses configurado. Una imagen creada por una herramienta es un elemento independiente, mientras que la respuesta nativa documentada de GPT-4o es texto. La explicación final de un agente debe utilizar observaciones obtenidas o calculadas realmente, en lugar de tratar una llamada a herramienta propuesta como una operación completada.
Predicted Outputs está disponible para GPT-4o al regenerar texto o código cuyo contenido se conoce en gran medida, con pequeños cambios. Proporciona el contenido existente y una modificación precisa e inspecciona el entregable devuelto. Este flujo exclusivamente textual no se combina con llamadas a funciones y excluye logprobs, max_completion_tokens y otros controles. Una solicitud basada en herramientas es una opción independiente cuando la respuesta depende de información nueva obtenida de una operación externa.
OpenAI documenta ajuste fino para GPT-4o y su guía de optimización identifica específicamente la versión del 6 de agosto de 2024 para ajuste fino de visión con ejemplos de imágenes. Ese flujo de personalización específico de una versión es independiente de una solicitud normal al alias del modelo. Para redacción, análisis o extracción habituales, empieza con unas instrucciones útiles y un ejemplo de la salida deseada. Una intervención posterior puede resolver un hecho ausente, revisar un campo o refinar el mismo entregable conservando las pruebas y las restricciones de la tarea.
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: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:batch, openai/gpt-4o | 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 la propia solicitud; cada elemento tiene custom_id y body |
Parámetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parámetrofile_material | ContratoEl cliente puede leer localmente el JSONL real en UTF-8 e incorporarlo a requests[]. No se utiliza purpose de carga, input_file_id ni ninguna referencia 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 Chat Completions de texto incluidos directamente en el contenedor Batch documentado. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id real de la respuesta de creación original; 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 $0.0025 / 1K tokens Salida · Tokens de salida $0.01 / 1K tokens Entrada · Lectura de caché $0.00125 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 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 $0.0025 / 1K tokens Salida · Tokens de salida $0.01 / 1K tokens Entrada · Lectura de caché $0.00125 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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: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:batch', 'openai/gpt-4o']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4o: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 incluido directamente
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 resultado y su custom_id, y el cuerpo completo de la respuesta o del error. Guarda los results[] completados como JSONL sin filtrarlos.
Conserva el ID de la operación original. 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado se desconoce.
| 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 | CondiciónEl contenedor documentado con contenido incluido directamente no es válido, hay claves duplicadas, la identidad de un elemento no es válida o existe un conflicto con las capacidades configuradas del modelo. | Siguiente pasoCorrige los campos indicados antes de cualquier nuevo envío. |
Respuesta401 · authentication_error | CondiciónClave API no válida. | Siguiente pasoUsa la clave Ailoot autorizada. |
Respuesta403 · permission_error | CondiciónGrupo de Batch no disponible. | Siguiente pasoComprueba los permisos de la clave y del grupo. |
Respuesta422 · invalid_request_error | CondiciónBatch se factura con cargo al saldo; se rechaza su creación con una suscripción. | Siguiente pasoUsa el grupo autorizado que se factura con cargo al saldo. |
Respuesta422 · price_unavailable | CondiciónNo se puede calcular el presupuesto de 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 la admisión antes de enviar 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 comprobación; 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:batch
Usa las rutas de método indicadas arriba.