Source: https://ailoot.ai/models/es/openai-o3-u003a-batch/ Canonical: https://ailoot.ai/models/es/openai-o3-u003a-batch/ Language: es # OpenAI: o3 (batch) [Markdown](https://ailoot.ai/models/es/openai-o3-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/es/openai-o3-u003a-batch/facts.json) ## [OpenAI: o3 (batch)](https://ailoot.ai/models/es/openai-o3-u003a-batch/) OpenAI o3 es un modelo de razonamiento para trabajo de varios pasos en matemáticas, ciencia, código e imágenes. Devuelve texto y admite respuestas estructuradas y uso de herramientas, por lo que resulta útil para investigar un problema técnico y generar una explicación basada en evidencias o una propuesta de solución. - [**Ailoot Ultra · Procesamiento por lotes** `POST /v1/batches` `openai/o3:batch`](https://ailoot.ai/models/es/openai-o3-u003a-batch/#method-0) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. o3 es el modelo de razonamiento general de la serie o de OpenAI para tareas complejas. El fabricante destaca las matemáticas, la ciencia, la programación, el razonamiento visual, la redacción técnica y el seguimiento de instrucciones. Acepta texto e imágenes y produce texto, de modo que una tarea puede combinar un problema escrito, código y un diagrama, en lugar de tratar cada fuente como una pregunta aislada. El resultado previsto es una respuesta meditada a un problema de varios pasos, con la información necesaria para evaluarla. Para una pregunta matemática o científica, proporciona el problema completo, las definiciones, las cantidades conocidas, las unidades y las restricciones. Indica si necesitas una derivación, un resultado numérico, una comparación de hipótesis o una explicación para un público concreto. Un ejemplo de instrucciones de salida sería identificar los supuestos relevantes, presentar la solución con sus unidades y explicar qué hechos proporcionados la sustentan. Pide una explicación útil en la respuesta final; los tokens de razonamiento interno de OpenAI no se exponen como la traza bruta del trabajo del modelo. Para tareas de software, proporciona el código pertinente, el comportamiento esperado y el fallo observado, incluido el error exacto o la entrada que lo revela. Pide a o3 que relacione los síntomas con una causa plausible y proponga un cambio concreto con una explicación. Una tarea visual puede incluir un diagrama, una captura de pantalla o un resultado representado en un gráfico: identifica la pregunta y las etiquetas o la zona importantes, conserva una escala legible y pide una conclusión vinculada a lo que realmente se ve. Estos pasos de preparación dan al modelo un problema definido y una salida concreta, en lugar de una petición ilimitada de examinarlo todo. OpenAI indica una ventana de contexto de 200.000 tokens, una salida máxima de 100.000 tokens y una fecha de corte de conocimientos del 1 de junio de 2024. El razonamiento interno utiliza capacidad de contexto y de salida junto con la respuesta visible. Por tanto, la salida máxima no promete 100.000 tokens de respuesta visible, y el contexto no es un límite adicional independiente de salida. Deja espacio después del material de entrada para el análisis y el resultado solicitado. La guía de razonamiento del fabricante describe respuestas incompletas cuando se alcanza un límite de contexto o de salida; esto puede ocurrir antes de que aparezca una respuesta visible. La especificación exacta de o3 documenta las interfaces Chat Completions, Responses y Batch, junto con las respuestas en flujo, Structured Outputs, las llamadas a funciones, la carga de archivos, la entrada de imágenes, la búsqueda en archivos y el almacenamiento de la entrada en caché. Sus herramientas documentadas incluyen búsqueda en la web y en archivos, interpretación de código, generación de imágenes y conexiones MCP. Un resultado de búsqueda o un cálculo aportan evidencias adicionales para la tarea, mientras que una llamada a función solicita una operación a la aplicación que rodea al modelo. Mantén las evidencias devueltas asociadas a la pregunta que responden y distingue una acción propuesta de un resultado confirmado. La salida del propio modelo sigue siendo texto incluso cuando una herramienta de generación de imágenes crea un resultado separado. Las recomendaciones de razonamiento de OpenAI favorecen instrucciones sencillas y directas, con límites claros entre las instrucciones y el material de origen. Indica el objetivo, las restricciones y el formato de respuesta requerido, en lugar de dictar el proceso de pensamiento privado del modelo. Utiliza ejemplos cuando aclaren un formato difícil o una regla de decisión y mantén esos ejemplos coherentes con los requisitos reales. Para un documento técnico largo, identifica las secciones y pide los pasajes o las relaciones pertinentes para una pregunta concreta; para una revisión de código, especifica el comportamiento y el riesgo que quieres investigar. Un resultado útil de o3 puede ser una explicación técnica desarrollada, el análisis de un diagrama, una corrección de código documentada o una comparación basada en el material proporcionado. Explicita los supuestos sin fundamento y la información ausente, y comprueba los cálculos decisivos o el comportamiento del código frente al problema original. Su fecha de corte de conocimientos implica que los hechos recientes necesitan material proporcionado o una herramienta de información adecuada. Las evidencias claras, un criterio explícito de finalización y espacio de salida suficiente ayudan a convertir una tarea amplia de razonamiento en un resultado que otra persona pueda examinar y utilizar. **Ailoot Ultra · Procesamiento por lotes** `POST /v1/batches` `openai/o3:batch` [`openai/o3:batch`](https://ailoot.ai/models/es/#m=openai%2Fo3%3Abatch&route=Ultra&caller=openai%2Fo3%3Abatch&fmt=batches) OpenAI /`openai/o3:batch` ### Primeros pasos OpenAI o3 es un modelo de razonamiento para trabajo de varios pasos en matemáticas, ciencia, código e imágenes. Devuelve texto y admite respuestas estructuradas y uso de herramientas, por lo que resulta útil para investigar un problema técnico y generar una explicación basada en evidencias o una propuesta de solución. Entradas aceptadas Texto Resultados Texto ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Procesamiento por lotes** `POST /v1/batches` Tipos de entrada `text` Tipos de salida `text` Formato de salida JSON de results\[\].response.body incluido directamente | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`endpoint` | Tipo`string` | RequisitoObligatorio | Valores y límites /v1/chat/completions | Predeterminado— | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites openai/o3:batch | Predeterminado— | | Campo`requests` | Tipo`batch_item[]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— | | Campo`requests[].custom_id` | Tipo`string` | RequisitoObligatorio | Valores y límites | Predeterminado— | | Campo`requests[].body.messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites | Predeterminado— | | Campo`completion_window` | Tipo`string` | RequisitoOpcional | Valores y límites 24h | Predeterminado— | | Campo`provider` | Tipo`object\|null` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`requests[].body.model` | Tipo`string` | RequisitoOpcional | Valores y límites openai/o3:batch, openai/o3 | Predeterminado— | | Campo`provider.only` | Tipo`string[]` | RequisitoOpcional | Valores y límites openai | Predeterminado— | | Campo`provider.allow_fallbacks` | Tipo`boolean\|null` | RequisitoOpcional | Valores y límites false, null | Predeterminado— | Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratoendpoint, model, requests | | Parámetro`material_types` | Contratotext | | Parámetro`representation` | Contratorequests\[\] en la propia solicitud; cada elemento tiene custom\_id y body | | Parámetro`request_endpoint_profile` | Contrato/v1/chat/completions | | Parámetro`file_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. | | Parámetro`serialization_order` | Contratoendpoint, model, provider (si se proporciona), completion\_window (si se proporciona), requests al final | | Parámetro`optional_controls` | Contratoprovider.only, provider.allow\_fallbacks, completion\_window | | Parámetro`schema_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 ### Planes Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo rápido Sin especificar Cuando se selecciona el modo rápido Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (default) Precios de caché explícita No habilitado Cuando se solicita caché explícita #### Tarifas de Ailoot #### Precios por configuración 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 **$0.002** / 1K tokens Salida · Tokens de salida **$0.008** / 1K tokens Entrada · Lectura de caché **$0.0005** / 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 **$0.002** / 1K tokens Salida · Tokens de salida **$0.008** / 1K tokens Entrada · Lectura de caché **$0.0005** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Procesamiento por lotes curl · ejemplo de prueba conservadoPython HTTP · JSONL real del clientePython · guarda cada resultado completado ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json from pathlib import Path body=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/o3:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}') Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8") PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json ``` ```python import json, os from pathlib import Path from urllib.request import Request, urlopen def prepare_requests(customer_path): path = Path(customer_path) if not path.is_file(): raise ValueError("Customer JSONL file is missing") items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()] if not items: raise ValueError("Customer JSONL contains no requests") ids = set() for item in items: if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body") cid = item["custom_id"] if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique") ids.add(cid) if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages") supplied_model = item["body"].get("model") if supplied_model is not None and supplied_model not in ['openai/o3:batch', 'openai/o3']: raise ValueError("body.model must be an exact documented caller or wire ID") return {"endpoint":"/v1/chat/completions", "model":"openai/o3:batch", "requests":items} if __name__ == "__main__": material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "") if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file") body = prepare_requests(material) key = os.environ.get("AILOOT_API_KEY", "") if not key: raise SystemExit("Set AILOOT_API_KEY") request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST") with urlopen(request) as response: raw = response.read() Path("batch-create-response.json").write_bytes(raw) print(raw.decode("utf-8")) ``` ```python import json from pathlib import Path raw = Path("batch-status-response.json").read_bytes() response = json.loads(raw) if response.get("status") != "completed": raise SystemExit("Keep the original operation; read its status without resubmitting") results = response.get("results") if not isinstance(results, list) or not results: raise SystemExit("Preserve the original response; completed results are missing") Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8") # Preserve batch-status-response.json with aggregate usage and every result/error. ``` ### Recibir y guardar resultados #### Ailoot Ultra · Procesamiento por lotes JSON de results\[\].response.body incluido directamente - `GET /v1/batches/{operation_id}` ##### Consultar el estado de la tarea curl · estado de la operación original ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" BATCH_OPERATION_ID="$(python3 - <<'PY_ID' import json from pathlib import Path from urllib.parse import quote response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8")) operation = response.get("id") if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit") print(quote(operation, safe="")) PY_ID )" curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json ``` ##### Conserva todos los resultados completados Conserva 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. ##### Si es necesario revisar la respuesta original 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. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`results[].custom_id` | Tipostring | | Campo`results[].response.body.choices[].message.content` | Tipostring\|null | | Campo`results[].error` | Tipoobject\|null | | Campo`usage` | Tipoobject\|null | | Campo`id` | Tipostring | | Campo`model` | Tipostring | | Campo`endpoint` | Tipostring | | Campo`status` | Tipostring | | Campo`request_counts` | Tipoobject | | Campo`results[].id` | Tipostring | | Campo`results[].response.status_code` | Tipointeger | | Campo`results[].response.request_id` | Tipostring | Errores y siguientes pasos | 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. | ### Alias #### Alias del modelo **Ailoot Ultra** [`openai/o3:batch`](https://ailoot.ai/models/es/#m=openai%2Fo3%3Abatch&route=Ultra&caller=openai%2Fo3%3Abatch&fmt=batches) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`openai/o3:batch`](https://ailoot.ai/models/es/#m=openai%2Fo3%3Abatch&route=Ultra&caller=openai%2Fo3%3Abatch&fmt=batches) FAQ · OpenAI: o3 (batch) ¿Qué entradas y resultados están disponibles? `POST /v1/batches` · `openai/o3:batch`: `text` → `text` ¿Qué campos utiliza la solicitud? `POST /v1/batches` · `openai/o3:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider` ¿Qué límites se aplican? `POST /v1/batches` · `openai/o3:batch`: `requests.min_items`: `1` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.