GPT-5.4 nano est le modèle compact d’OpenAI de la classe GPT-5.4 pour les tâches simples à fort volume. Le fabricant met en avant la classification, l’extraction de données, le classement et les travaux d’appui de sous-agents. Il accepte du texte et des images et produit du texte. Cela donne à nano un rôle ciblé dans un processus plus vaste : terminer une opération définie et renvoyer les informations nécessaires à l’étape suivante.
Pour une classification, fournissez les catégories autorisées, la règle qui les distingue et le format attendu du résultat. Une tâche peut par exemple consister à identifier le sujet d’une demande et les faits qui justifient la catégorie. Incluez des exemples lorsqu’ils clarifient une limite difficile et précisez comment représenter une demande qui ne correspond pas aux catégories disponibles. Un résultat utile est la catégorie accompagnée d’une brève justification reliée aux éléments fournis.
Pour une extraction, précisez les champs et leurs définitions plutôt que de demander tous les détails potentiellement intéressants. Vous pouvez fournir des documents écrits ou l’image d’une page et identifier les valeurs requises. Préservez les noms et les unités qui influent sur le sens et distinguez un champ manquant d’une valeur déduite du texte environnant. Pour un classement, fournissez les candidats et le critère, puis demandez la liste ordonnée avec les preuves pertinentes pour chaque position.
La spécification GPT-5.4 nano d’OpenAI indique une fenêtre de contexte de 400 000 tokens, une entrée maximale de 272 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite des connaissances au 31 août 2025. Le modèle prend en charge les efforts de raisonnement none, low, medium, high et xhigh ; none est la valeur par défaut. L’effort sélectionné et la longueur de réponse demandée doivent convenir à la tâche. Lorsque le raisonnement est utilisé, prévoyez de la place pour l’analyse ainsi que pour le résultat visible.
Le fournisseur documente les interfaces Responses, Chat Completions et Batch, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, la recherche sur le Web et dans les fichiers, les fichiers en entrée, les images en entrée et la mise en cache des prompts. Son ensemble d’outils comprend la génération d’images, l’interprétation de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences et les connexions MCP. Une application expose ses opérations et renvoie leurs résultats réels. Une réponse structurée décrit la forme de la sortie ; une demande d’appel de fonction décrit une action qu’un outil doit effectuer.
Dans un processus en plusieurs phases, confiez à nano une tâche d’appui délimitée et un critère d’achèvement clair. Par exemple, extrayez les faits requis de plusieurs messages, puis transmettez ces faits à l’étape suivante pour une décision plus large. Vérifiez les champs renvoyés au regard de l’entrée d’origine et affinez la règle lorsque la limite entre catégories est peu claire. Une catégorie concise, un ensemble de valeurs, une liste classée ou des arguments d’outils proposés constituent un livrable final utile lorsque son objectif et les preuves sources restent explicites.
", "aboutText": "GPT-5.4 nano est le modèle compact d’OpenAI de la classe GPT-5.4 pour les tâches simples à fort volume. Le fabricant met en avant la classification, l’extraction de données, le classement et les travaux d’appui de sous-agents. Il accepte du texte et des images et produit du texte. Cela donne à nano un rôle ciblé dans un processus plus vaste : terminer une opération définie et renvoyer les informations nécessaires à l’étape suivante.\n\nPour une classification, fournissez les catégories autorisées, la règle qui les distingue et le format attendu du résultat. Une tâche peut par exemple consister à identifier le sujet d’une demande et les faits qui justifient la catégorie. Incluez des exemples lorsqu’ils clarifient une limite difficile et précisez comment représenter une demande qui ne correspond pas aux catégories disponibles. Un résultat utile est la catégorie accompagnée d’une brève justification reliée aux éléments fournis.\n\nPour une extraction, précisez les champs et leurs définitions plutôt que de demander tous les détails potentiellement intéressants. Vous pouvez fournir des documents écrits ou l’image d’une page et identifier les valeurs requises. Préservez les noms et les unités qui influent sur le sens et distinguez un champ manquant d’une valeur déduite du texte environnant. Pour un classement, fournissez les candidats et le critère, puis demandez la liste ordonnée avec les preuves pertinentes pour chaque position.\n\nLa spécification GPT-5.4 nano d’OpenAI indique une fenêtre de contexte de 400 000 tokens, une entrée maximale de 272 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite des connaissances au 31 août 2025. Le modèle prend en charge les efforts de raisonnement none, low, medium, high et xhigh ; none est la valeur par défaut. L’effort sélectionné et la longueur de réponse demandée doivent convenir à la tâche. Lorsque le raisonnement est utilisé, prévoyez de la place pour l’analyse ainsi que pour le résultat visible.\n\nLe fournisseur documente les interfaces Responses, Chat Completions et Batch, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, la recherche sur le Web et dans les fichiers, les fichiers en entrée, les images en entrée et la mise en cache des prompts. Son ensemble d’outils comprend la génération d’images, l’interprétation de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences et les connexions MCP. Une application expose ses opérations et renvoie leurs résultats réels. Une réponse structurée décrit la forme de la sortie ; une demande d’appel de fonction décrit une action qu’un outil doit effectuer.\n\nDans un processus en plusieurs phases, confiez à nano une tâche d’appui délimitée et un critère d’achèvement clair. Par exemple, extrayez les faits requis de plusieurs messages, puis transmettez ces faits à l’étape suivante pour une décision plus large. Vérifiez les champs renvoyés au regard de l’entrée d’origine et affinez la règle lorsque la limite entre catégories est peu claire. Une catégorie concise, un ensemble de valeurs, une liste classée ou des arguments d’outils proposés constituent un livrable final utile lorsque son objectif et les preuves sources restent explicites.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "baf9996972612b1acb354a4c2e25c30098a1c153e77b7d11df6ac974342306ee", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "openai/gpt-5.4-nano:batchUn modèle compact GPT-5.4 pour la classification, l’extraction de données, le classement et les tâches d’appui plus simples des agents. Il accepte du texte et des images et renvoie du texte, avec Structured Outputs et l’appel de fonctions dans l’ensemble de fonctionnalités documenté du fournisseur.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.4 nano est le modèle compact d’OpenAI de la classe GPT-5.4 pour les tâches simples à fort volume. Le fabricant met en avant la classification, l’extraction de données, le classement et les travaux d’appui de sous-agents. Il accepte du texte et des images et produit du texte. Cela donne à nano un rôle ciblé dans un processus plus vaste : terminer une opération définie et renvoyer les informations nécessaires à l’étape suivante.
Pour une classification, fournissez les catégories autorisées, la règle qui les distingue et le format attendu du résultat. Une tâche peut par exemple consister à identifier le sujet d’une demande et les faits qui justifient la catégorie. Incluez des exemples lorsqu’ils clarifient une limite difficile et précisez comment représenter une demande qui ne correspond pas aux catégories disponibles. Un résultat utile est la catégorie accompagnée d’une brève justification reliée aux éléments fournis.
Pour une extraction, précisez les champs et leurs définitions plutôt que de demander tous les détails potentiellement intéressants. Vous pouvez fournir des documents écrits ou l’image d’une page et identifier les valeurs requises. Préservez les noms et les unités qui influent sur le sens et distinguez un champ manquant d’une valeur déduite du texte environnant. Pour un classement, fournissez les candidats et le critère, puis demandez la liste ordonnée avec les preuves pertinentes pour chaque position.
La spécification GPT-5.4 nano d’OpenAI indique une fenêtre de contexte de 400 000 tokens, une entrée maximale de 272 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite des connaissances au 31 août 2025. Le modèle prend en charge les efforts de raisonnement none, low, medium, high et xhigh ; none est la valeur par défaut. L’effort sélectionné et la longueur de réponse demandée doivent convenir à la tâche. Lorsque le raisonnement est utilisé, prévoyez de la place pour l’analyse ainsi que pour le résultat visible.
Le fournisseur documente les interfaces Responses, Chat Completions et Batch, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, la recherche sur le Web et dans les fichiers, les fichiers en entrée, les images en entrée et la mise en cache des prompts. Son ensemble d’outils comprend la génération d’images, l’interprétation de code, l’exécution de commandes dans un environnement hébergé et l’application de correctifs, les compétences et les connexions MCP. Une application expose ses opérations et renvoie leurs résultats réels. Une réponse structurée décrit la forme de la sortie ; une demande d’appel de fonction décrit une action qu’un outil doit effectuer.
Dans un processus en plusieurs phases, confiez à nano une tâche d’appui délimitée et un critère d’achèvement clair. Par exemple, extrayez les faits requis de plusieurs messages, puis transmettez ces faits à l’étape suivante pour une décision plus large. Vérifiez les champs renvoyés au regard de l’entrée d’origine et affinez la règle lorsque la limite entre catégories est peu claire. Une catégorie concise, un ensemble de valeurs, une liste classée ou des arguments d’outils proposés constituent un livrable final utile lorsque son objectif et les preuves sources restent explicites.
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-5.4-nano: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-5.4-nano:batch, openai/gpt-5.4-nano | 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 $0.0002 / 1K tokens Sortie · Tokens en sortie $0.00125 / 1K tokens Entrée · Lecture du cache $0.00002 / 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 $0.0002 / 1K tokens Sortie · Tokens en sortie $0.00125 / 1K tokens Entrée · Lecture du cache $0.00002 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-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 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-5.4-nano:batch
Utilisez les chemins de méthode indiqués ci-dessus.