GPT-4.1 est le modèle d’OpenAI sans étape de raisonnement dédiée pour le suivi des instructions et l’appel d’outils, avec de vastes connaissances dans de nombreux domaines. Il accepte du texte et des images et renvoie du texte sans étape de raisonnement dédiée. Son grand contexte est utile lorsque la tâche est clairement définie, mais que les éléments pertinents couvrent des documents volumineux ou du code. Précisez l’opération souhaitée, le contenu source auquel elle s’applique et la forme du résultat final.
Pour traiter des documents, séparez les instructions du contenu à l’aide de titres ou d’autres délimitations claires. Identifiez les documents et conservez les identifiants auxquels la réponse doit faire référence. Définissez les champs à extraire, les critères de comparaison ou le public et la longueur d’une réécriture. Un exemple de résultat peut être un tableau d’exigences avec leurs emplacements dans les sources, une synthèse organisée selon un ensemble de questions précis ou une fiche structurée distinguant une information manquante d’une valeur explicite.
Pour programmer, fournissez les fichiers pertinents, la modification demandée et le comportement à conserver. Demandez le résultat concret dont vous avez besoin : une fonction révisée, un fichier complet, des arguments d’outil proposés ou une explication de la logique concernée. Les exemples peuvent clarifier une règle de mise en forme ou un cas limite, mais doivent respecter les mêmes exigences que la tâche réelle. Les recommandations d’OpenAI pour les prompts privilégient les instructions directes, les rôles, les délimitations des sources et les exemples représentatifs, plutôt que de supposer qu’un long prompt est automatiquement précis.
La spécification exacte de GPT-4.1 indique une fenêtre de contexte de 1 047 576 tokens, une sortie maximale de 32 768 tokens et une date limite des connaissances au 1er juin 2024. Un grand contexte d’entrée n’implique pas une sortie aussi grande : une demande de réécriture d’un contenu volumineux doit donc préciser la partie concernée et le résultat final attendu. Gardez suffisamment de place pour la réponse et fournissez des informations actuelles lorsque la tâche dépend de faits postérieurs à cette date limite. Le type de modèle documenté pour GPT-4.1 est chat ; les réglages d’effort de raisonnement des modèles de raisonnement plus récents ne font pas partie de ce profil.
OpenAI documente pour GPT-4.1 les interfaces Chat Completions, Responses, Assistants, Batch et d’ajustement fin. Les fonctionnalités répertoriées comprennent le streaming, Structured Outputs, l’appel de fonctions, l’envoi de fichiers, les images en entrée, la recherche sur le Web et dans les fichiers, l’ajustement fin et la mise en cache des prompts. Ses outils comprennent l’interprétation de code, la génération d’images et les connexions MCP, ainsi que la recherche et les fonctions. La sortie propre du modèle est du texte, tandis qu’un outil peut renvoyer un résultat ou une observation distincts. Définissez l’objectif et les arguments d’une opération de l’application et utilisez son résultat effectivement renvoyé ; une demande générée par le modèle ne confirme pas qu’une opération externe a été exécutée.
Predicted Outputs, dans l’interface Chat Completions d’OpenAI, est une fonctionnalité particulière. Lorsque l’essentiel du résultat textuel ou du code souhaité est déjà connu, le contenu existant peut être fourni comme prédiction pour aider à régénérer le résultat complet avec une petite modification. Fournissez par exemple un fichier actuel et demandez un renommage de propriété précisément délimité en conservant le code environnant. La prédiction est le contenu de sortie attendu, et non une instruction ni une garantie que les parties inchangées resteront correctes. Examinez le résultat régénéré au regard de la modification demandée et du contenu d’origine.
Predicted Outputs possède ses propres limites de compatibilité. OpenAI documente un usage uniquement textuel, sans entrée ni sortie audio et sans appel de fonctions dans cette requête. La fonctionnalité ne prend pas en charge plusieurs choix avec n supérieur à 1, les probabilités logarithmiques, les pénalités positives de présence ou de fréquence, ni le paramètre max_completion_tokens. Distinguez ce processus de régénération d’une tâche nécessitant des appels d’outils. Le texte de prédiction peut correspondre à certaines parties de la sortie, et le fournisseur indique les tokens de prédiction acceptés et rejetés ; une prédiction inadaptée peut rester partiellement inutilisée. La fonctionnalité ne garantit donc ni une accélération donnée ni un résultat particulier.
Pour les tâches courantes de suivi des instructions, un résultat utile de GPT-4.1 est un document ou du code respectant un contrat défini, une extraction avec des champs explicites ou une demande d’outil dont les arguments correspondent à l’opération fournie. Pour une petite modification d’un fichier en grande partie inchangé, le processus de sortie prédite offre un moyen plus spécifique de préparer le résultat attendu. Dans les deux cas, conservez le contenu source nécessaire pour vérifier la réponse et rendez les ambiguïtés explicites. La capacité de contexte et les outils du modèle soutiennent le processus ; la consigne de la tâche détermine toujours ce que doit contenir une réponse complète et exploitable.
", "aboutText": "GPT-4.1 est le modèle d’OpenAI sans étape de raisonnement dédiée pour le suivi des instructions et l’appel d’outils, avec de vastes connaissances dans de nombreux domaines. Il accepte du texte et des images et renvoie du texte sans étape de raisonnement dédiée. Son grand contexte est utile lorsque la tâche est clairement définie, mais que les éléments pertinents couvrent des documents volumineux ou du code. Précisez l’opération souhaitée, le contenu source auquel elle s’applique et la forme du résultat final.\n\nPour traiter des documents, séparez les instructions du contenu à l’aide de titres ou d’autres délimitations claires. Identifiez les documents et conservez les identifiants auxquels la réponse doit faire référence. Définissez les champs à extraire, les critères de comparaison ou le public et la longueur d’une réécriture. Un exemple de résultat peut être un tableau d’exigences avec leurs emplacements dans les sources, une synthèse organisée selon un ensemble de questions précis ou une fiche structurée distinguant une information manquante d’une valeur explicite.\n\nPour programmer, fournissez les fichiers pertinents, la modification demandée et le comportement à conserver. Demandez le résultat concret dont vous avez besoin : une fonction révisée, un fichier complet, des arguments d’outil proposés ou une explication de la logique concernée. Les exemples peuvent clarifier une règle de mise en forme ou un cas limite, mais doivent respecter les mêmes exigences que la tâche réelle. Les recommandations d’OpenAI pour les prompts privilégient les instructions directes, les rôles, les délimitations des sources et les exemples représentatifs, plutôt que de supposer qu’un long prompt est automatiquement précis.\n\nLa spécification exacte de GPT-4.1 indique une fenêtre de contexte de 1 047 576 tokens, une sortie maximale de 32 768 tokens et une date limite des connaissances au 1er juin 2024. Un grand contexte d’entrée n’implique pas une sortie aussi grande : une demande de réécriture d’un contenu volumineux doit donc préciser la partie concernée et le résultat final attendu. Gardez suffisamment de place pour la réponse et fournissez des informations actuelles lorsque la tâche dépend de faits postérieurs à cette date limite. Le type de modèle documenté pour GPT-4.1 est chat ; les réglages d’effort de raisonnement des modèles de raisonnement plus récents ne font pas partie de ce profil.\n\nOpenAI documente pour GPT-4.1 les interfaces Chat Completions, Responses, Assistants, Batch et d’ajustement fin. Les fonctionnalités répertoriées comprennent le streaming, Structured Outputs, l’appel de fonctions, l’envoi de fichiers, les images en entrée, la recherche sur le Web et dans les fichiers, l’ajustement fin et la mise en cache des prompts. Ses outils comprennent l’interprétation de code, la génération d’images et les connexions MCP, ainsi que la recherche et les fonctions. La sortie propre du modèle est du texte, tandis qu’un outil peut renvoyer un résultat ou une observation distincts. Définissez l’objectif et les arguments d’une opération de l’application et utilisez son résultat effectivement renvoyé ; une demande générée par le modèle ne confirme pas qu’une opération externe a été exécutée.\n\nPredicted Outputs, dans l’interface Chat Completions d’OpenAI, est une fonctionnalité particulière. Lorsque l’essentiel du résultat textuel ou du code souhaité est déjà connu, le contenu existant peut être fourni comme prédiction pour aider à régénérer le résultat complet avec une petite modification. Fournissez par exemple un fichier actuel et demandez un renommage de propriété précisément délimité en conservant le code environnant. La prédiction est le contenu de sortie attendu, et non une instruction ni une garantie que les parties inchangées resteront correctes. Examinez le résultat régénéré au regard de la modification demandée et du contenu d’origine.\n\nPredicted Outputs possède ses propres limites de compatibilité. OpenAI documente un usage uniquement textuel, sans entrée ni sortie audio et sans appel de fonctions dans cette requête. La fonctionnalité ne prend pas en charge plusieurs choix avec n supérieur à 1, les probabilités logarithmiques, les pénalités positives de présence ou de fréquence, ni le paramètre max_completion_tokens. Distinguez ce processus de régénération d’une tâche nécessitant des appels d’outils. Le texte de prédiction peut correspondre à certaines parties de la sortie, et le fournisseur indique les tokens de prédiction acceptés et rejetés ; une prédiction inadaptée peut rester partiellement inutilisée. La fonctionnalité ne garantit donc ni une accélération donnée ni un résultat particulier.\n\nPour les tâches courantes de suivi des instructions, un résultat utile de GPT-4.1 est un document ou du code respectant un contrat défini, une extraction avec des champs explicites ou une demande d’outil dont les arguments correspondent à l’opération fournie. Pour une petite modification d’un fichier en grande partie inchangé, le processus de sortie prédite offre un moyen plus spécifique de préparer le résultat attendu. Dans les deux cas, conservez le contenu source nécessaire pour vérifier la réponse et rendez les ambiguïtés explicites. La capacité de contexte et les outils du modèle soutiennent le processus ; la consigne de la tâche détermine toujours ce que doit contenir une réponse complète et exploitable.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e1b0e071c3f1a16c3b9e94f85a41ccaee9dd44fc68d896dfbb39c5893a1e37a0", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "openai/gpt-4.1:batchOpenAI GPT-4.1 est un modèle sans étape de raisonnement dédiée, conçu pour suivre précisément les instructions, programmer et appeler des outils. Il accepte du texte et des images et renvoie du texte, avec une grande fenêtre de contexte, Structured Outputs et Predicted Outputs pour régénérer du texte ou du code en grande partie inchangé.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-4.1 est le modèle d’OpenAI sans étape de raisonnement dédiée pour le suivi des instructions et l’appel d’outils, avec de vastes connaissances dans de nombreux domaines. Il accepte du texte et des images et renvoie du texte sans étape de raisonnement dédiée. Son grand contexte est utile lorsque la tâche est clairement définie, mais que les éléments pertinents couvrent des documents volumineux ou du code. Précisez l’opération souhaitée, le contenu source auquel elle s’applique et la forme du résultat final.
Pour traiter des documents, séparez les instructions du contenu à l’aide de titres ou d’autres délimitations claires. Identifiez les documents et conservez les identifiants auxquels la réponse doit faire référence. Définissez les champs à extraire, les critères de comparaison ou le public et la longueur d’une réécriture. Un exemple de résultat peut être un tableau d’exigences avec leurs emplacements dans les sources, une synthèse organisée selon un ensemble de questions précis ou une fiche structurée distinguant une information manquante d’une valeur explicite.
Pour programmer, fournissez les fichiers pertinents, la modification demandée et le comportement à conserver. Demandez le résultat concret dont vous avez besoin : une fonction révisée, un fichier complet, des arguments d’outil proposés ou une explication de la logique concernée. Les exemples peuvent clarifier une règle de mise en forme ou un cas limite, mais doivent respecter les mêmes exigences que la tâche réelle. Les recommandations d’OpenAI pour les prompts privilégient les instructions directes, les rôles, les délimitations des sources et les exemples représentatifs, plutôt que de supposer qu’un long prompt est automatiquement précis.
La spécification exacte de GPT-4.1 indique une fenêtre de contexte de 1 047 576 tokens, une sortie maximale de 32 768 tokens et une date limite des connaissances au 1er juin 2024. Un grand contexte d’entrée n’implique pas une sortie aussi grande : une demande de réécriture d’un contenu volumineux doit donc préciser la partie concernée et le résultat final attendu. Gardez suffisamment de place pour la réponse et fournissez des informations actuelles lorsque la tâche dépend de faits postérieurs à cette date limite. Le type de modèle documenté pour GPT-4.1 est chat ; les réglages d’effort de raisonnement des modèles de raisonnement plus récents ne font pas partie de ce profil.
OpenAI documente pour GPT-4.1 les interfaces Chat Completions, Responses, Assistants, Batch et d’ajustement fin. Les fonctionnalités répertoriées comprennent le streaming, Structured Outputs, l’appel de fonctions, l’envoi de fichiers, les images en entrée, la recherche sur le Web et dans les fichiers, l’ajustement fin et la mise en cache des prompts. Ses outils comprennent l’interprétation de code, la génération d’images et les connexions MCP, ainsi que la recherche et les fonctions. La sortie propre du modèle est du texte, tandis qu’un outil peut renvoyer un résultat ou une observation distincts. Définissez l’objectif et les arguments d’une opération de l’application et utilisez son résultat effectivement renvoyé ; une demande générée par le modèle ne confirme pas qu’une opération externe a été exécutée.
Predicted Outputs, dans l’interface Chat Completions d’OpenAI, est une fonctionnalité particulière. Lorsque l’essentiel du résultat textuel ou du code souhaité est déjà connu, le contenu existant peut être fourni comme prédiction pour aider à régénérer le résultat complet avec une petite modification. Fournissez par exemple un fichier actuel et demandez un renommage de propriété précisément délimité en conservant le code environnant. La prédiction est le contenu de sortie attendu, et non une instruction ni une garantie que les parties inchangées resteront correctes. Examinez le résultat régénéré au regard de la modification demandée et du contenu d’origine.
Predicted Outputs possède ses propres limites de compatibilité. OpenAI documente un usage uniquement textuel, sans entrée ni sortie audio et sans appel de fonctions dans cette requête. La fonctionnalité ne prend pas en charge plusieurs choix avec n supérieur à 1, les probabilités logarithmiques, les pénalités positives de présence ou de fréquence, ni le paramètre max_completion_tokens. Distinguez ce processus de régénération d’une tâche nécessitant des appels d’outils. Le texte de prédiction peut correspondre à certaines parties de la sortie, et le fournisseur indique les tokens de prédiction acceptés et rejetés ; une prédiction inadaptée peut rester partiellement inutilisée. La fonctionnalité ne garantit donc ni une accélération donnée ni un résultat particulier.
Pour les tâches courantes de suivi des instructions, un résultat utile de GPT-4.1 est un document ou du code respectant un contrat défini, une extraction avec des champs explicites ou une demande d’outil dont les arguments correspondent à l’opération fournie. Pour une petite modification d’un fichier en grande partie inchangé, le processus de sortie prédite offre un moyen plus spécifique de préparer le résultat attendu. Dans les deux cas, conservez le contenu source nécessaire pour vérifier la réponse et rendez les ambiguïtés explicites. La capacité de contexte et les outils du modèle soutiennent le processus ; la consigne de la tâche détermine toujours ce que doit contenir une réponse complète et exploitable.
POST /v1/batchestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champendpoint | Typestring | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— |
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/gpt-4.1:batch | Par défaut— |
Champrequests | Typebatch_item[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champrequests[].custom_id | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champrequests[].body.messages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champcompletion_window | Typestring | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— |
Champprovider | Typeobject|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champrequests[].body.model | Typestring | ExigenceFacultatif | Valeurs et limites openai/gpt-4.1:batch, openai/gpt-4.1 | Par défaut— |
Champprovider.only | Typestring[] | ExigenceFacultatif | Valeurs et limites openai | Par défaut— |
Champprovider.allow_fallbacks | Typeboolean|null | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratendpoint, model, requests |
Paramètrematerial_types | Contrattext |
Paramètrerepresentation | Contratrequests[] intégré ; chaque élément comporte custom_id et body |
Paramètrerequest_endpoint_profile | Contrat/v1/chat/completions |
Paramètrefile_material | ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST. |
Paramètreserialization_order | Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier |
Paramètreoptional_controls | Contratprovider.only, provider.allow_fallbacks, completion_window |
Paramètreschema_scope | ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée. |
Cycle de vie : asynchronous
GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.002 / 1K tokens Sortie · Tokens en sortie $0.008 / 1K tokens Entrée · Lecture du cache $0.0005 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.002 / 1K tokens Sortie · Tokens en sortie $0.008 / 1K tokens Entrée · Lecture du cache $0.0005 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-4.1:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-4.1:batch', 'openai/gpt-4.1']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4.1: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 results[].response.body intégré
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\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.
Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.
| Champ | Type |
|---|---|
Champresults[].custom_id | Typestring |
Champresults[].response.body.choices[].message.content | Typestring|null |
Champresults[].error | Typeobject|null |
Champusage | Typeobject|null |
Champid | Typestring |
Champmodel | Typestring |
Champendpoint | Typestring |
Champstatus | Typestring |
Champrequest_counts | Typeobject |
Champresults[].id | Typestring |
Champresults[].response.status_code | Typeinteger |
Champresults[].response.request_id | Typestring |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle. | Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission. |
Réponse401 · authentication_error | ConditionClé API invalide. | Étape suivanteUtilisez la clé Ailoot autorisée. |
Réponse403 · permission_error | ConditionGroupe de traitement par lots indisponible. | Étape suivanteVérifiez les droits d’accès de la clé/du groupe. |
Réponse422 · invalid_request_error | ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée. | Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde. |
Réponse422 · price_unavailable | ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots. | Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille. |
Réponse402 · billing_error | ConditionRéserve pour le traitement par lots indisponible. | Étape suivanteRéglez les conditions d’admission avant une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne substituez pas d’autres prix. |
Réponse503 · api_error | ConditionRoute exacte du fournisseur indisponible. | Étape suivanteConservez la réponse pour réparer la route. |
Réponse503 · result_pending_check | ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false. | Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine. |
Réponse404 · not_found | ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité. | Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe. |
Ailoot Ultra openai/gpt-4.1:batch
Utilisez les chemins de méthode indiqués ci-dessus.