GPT-5.5 est le modèle phare de raisonnement d’OpenAI pour les travaux professionnels complexes et la programmation. Il accepte du texte et des images et renvoie du texte, en combinant l’analyse et l’utilisation d’outils lorsqu’une tâche exige des informations ou des actions au-delà du prompt fourni. Les recommandations d’OpenAI mettent l’accent sur un résultat clairement défini : expliquez le résultat nécessaire, les contraintes à respecter, les preuves à utiliser et la condition qui termine la tâche.
Pour une modification logicielle substantielle, fournissez les éléments pertinents du dépôt, le comportement actuel, le comportement souhaité et les critères d’acceptation. Identifiez ce qui peut changer et ce qui doit rester compatible. Un résultat utile à demander comprend une proposition de modification, une explication du comportement concerné et les preuves issues des vérifications réellement exécutées. Pour une tâche riche en documents, identifiez les documents sources et demandez une réponse organisée autour de la décision à prendre, chaque conclusion étant reliée aux preuves fournies et les questions non résolues étant séparées des faits établis.
GPT-5.5 prend en charge les efforts de raisonnement none, low, medium, high et xhigh, avec medium par défaut. OpenAI recommande d’envisager low avant none lorsqu’un processus réactif nécessite tout de même de la planification, de la recherche ou plusieurs appels d’outils. none convient aux tâches directes qui ne nécessitent pas ce processus de raisonnement. Un effort supérieur n’est pas automatiquement meilleur : des exigences contradictoires, un accès aux outils sans limites précises ou une règle d’arrêt peu claire peuvent entraîner des recherches et une réflexion inutiles. Choisissez l’effort pour la tâche réelle et explicitez le livrable final attendu et le critère d’achèvement.
Le fournisseur indique une fenêtre de contexte de 1 050 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite des connaissances au 1er décembre 2025. Le contexte accueille la conversation, les éléments fournis et le contenu généré ; ce n’est pas une allocation distincte à ajouter à la sortie maximale. Le raisonnement interne consomme lui aussi des tokens et de la capacité de sortie. Une vaste collection de sources doit donc être organisée autour de la question, en préservant les identifiants importants, les unités et les limites entre documents, et en laissant suffisamment de place pour le raisonnement et la réponse finale.
Le traitement des images diffère des valeurs par défaut antérieures. Dans les recommandations d’OpenAI pour GPT-5.5, un réglage de détail d’image non défini ou auto utilise le comportement original, qui préserve l’image sans redimensionnement lorsqu’elle respecte à la fois le budget indiqué de 10 240 000 pixels et la dimension maximale de 6 000 pixels. Un réglage high explicitement sélectionné préserve les détails dans les limites conjointes du budget indiqué de 2 500 000 pixels et de la dimension maximale de 2 048 pixels ; low redimensionne plus fortement les images dont une dimension dépasse 512 pixels. Il s’agit de réglages de traitement des images, et non d’une garantie d’acceptation de tous les téléversements. Pour une capture d’écran, un schéma ou une page, identifiez la zone et la question, fournissez une image lisible et demandez l’observation ou l’interprétation nécessaire plutôt qu’une description sans limites.
OpenAI documente les interfaces Responses, Chat Completions et Batch, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, le téléversement de fichiers, les images en entrée, la recherche dans les fichiers et sur le Web et la mise en cache des prompts. L’ensemble d’outils documenté comprend également la recherche d’outils, la génération d’images, l’interprétation de code, l’exécution de commandes dans un environnement hébergé, l’application de correctifs, les compétences, l’utilisation de l’ordinateur et MCP. Décrivez l’objectif, les arguments, les effets de bord et les informations renvoyées par chaque outil de l’application. Une demande d’appel d’une fonction applicative nécessite que l’application exécute l’opération et renvoie son résultat réel ; une proposition d’action générée ne prouve pas que l’action a eu lieu. La modalité de sortie propre du modèle reste textuelle, tandis qu’un outil de génération d’images peut produire un livrable distinct.
Pour les interactions longues, préservez les informations permettant de distinguer les travaux intermédiaires d’une réponse terminée. Le guide d’OpenAI décrit les valeurs de phase de l’assistant commentary et final pour les commentaires et les réponses finales : les applications qui rejouent manuellement les éléments de l’assistant doivent conserver leurs valeurs de phase d’origine, tandis que l’enchaînement par le mécanisme du fournisseur fondé sur la réponse précédente préserve automatiquement cet état. Pour la réponse visible, définissez explicitement la longueur, le ton et la structure souhaités. GPT-5.5 adopte par défaut un style concis et direct, et la verbosité du texte vaut medium par défaut ; un résultat compact peut demander une verbosité plus faible sans supprimer les preuves ou réserves requises.
Un livrable final utile peut être un fichier révisé avec une explication ciblée de la modification, une note de décision fondée sur des documents nommés ou une extraction structurée dont les valeurs manquantes sont clairement signalées. Fournissez les faits qui doivent être à jour plutôt que de vous appuyer sur la date limite des connaissances du modèle et comparez les affirmations importantes aux sources d’origine. Des règles de preuve claires, des outils délimités et des conditions d’arrêt explicites aident GPT-5.5 à terminer une tâche substantielle tout en gardant le résultat compréhensible et vérifiable.
", "aboutText": "GPT-5.5 est le modèle phare de raisonnement d’OpenAI pour les travaux professionnels complexes et la programmation. Il accepte du texte et des images et renvoie du texte, en combinant l’analyse et l’utilisation d’outils lorsqu’une tâche exige des informations ou des actions au-delà du prompt fourni. Les recommandations d’OpenAI mettent l’accent sur un résultat clairement défini : expliquez le résultat nécessaire, les contraintes à respecter, les preuves à utiliser et la condition qui termine la tâche.\n\nPour une modification logicielle substantielle, fournissez les éléments pertinents du dépôt, le comportement actuel, le comportement souhaité et les critères d’acceptation. Identifiez ce qui peut changer et ce qui doit rester compatible. Un résultat utile à demander comprend une proposition de modification, une explication du comportement concerné et les preuves issues des vérifications réellement exécutées. Pour une tâche riche en documents, identifiez les documents sources et demandez une réponse organisée autour de la décision à prendre, chaque conclusion étant reliée aux preuves fournies et les questions non résolues étant séparées des faits établis.\n\nGPT-5.5 prend en charge les efforts de raisonnement none, low, medium, high et xhigh, avec medium par défaut. OpenAI recommande d’envisager low avant none lorsqu’un processus réactif nécessite tout de même de la planification, de la recherche ou plusieurs appels d’outils. none convient aux tâches directes qui ne nécessitent pas ce processus de raisonnement. Un effort supérieur n’est pas automatiquement meilleur : des exigences contradictoires, un accès aux outils sans limites précises ou une règle d’arrêt peu claire peuvent entraîner des recherches et une réflexion inutiles. Choisissez l’effort pour la tâche réelle et explicitez le livrable final attendu et le critère d’achèvement.\n\nLe fournisseur indique une fenêtre de contexte de 1 050 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite des connaissances au 1er décembre 2025. Le contexte accueille la conversation, les éléments fournis et le contenu généré ; ce n’est pas une allocation distincte à ajouter à la sortie maximale. Le raisonnement interne consomme lui aussi des tokens et de la capacité de sortie. Une vaste collection de sources doit donc être organisée autour de la question, en préservant les identifiants importants, les unités et les limites entre documents, et en laissant suffisamment de place pour le raisonnement et la réponse finale.\n\nLe traitement des images diffère des valeurs par défaut antérieures. Dans les recommandations d’OpenAI pour GPT-5.5, un réglage de détail d’image non défini ou auto utilise le comportement original, qui préserve l’image sans redimensionnement lorsqu’elle respecte à la fois le budget indiqué de 10 240 000 pixels et la dimension maximale de 6 000 pixels. Un réglage high explicitement sélectionné préserve les détails dans les limites conjointes du budget indiqué de 2 500 000 pixels et de la dimension maximale de 2 048 pixels ; low redimensionne plus fortement les images dont une dimension dépasse 512 pixels. Il s’agit de réglages de traitement des images, et non d’une garantie d’acceptation de tous les téléversements. Pour une capture d’écran, un schéma ou une page, identifiez la zone et la question, fournissez une image lisible et demandez l’observation ou l’interprétation nécessaire plutôt qu’une description sans limites.\n\nOpenAI documente les interfaces Responses, Chat Completions et Batch, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, le téléversement de fichiers, les images en entrée, la recherche dans les fichiers et sur le Web et la mise en cache des prompts. L’ensemble d’outils documenté comprend également la recherche d’outils, la génération d’images, l’interprétation de code, l’exécution de commandes dans un environnement hébergé, l’application de correctifs, les compétences, l’utilisation de l’ordinateur et MCP. Décrivez l’objectif, les arguments, les effets de bord et les informations renvoyées par chaque outil de l’application. Une demande d’appel d’une fonction applicative nécessite que l’application exécute l’opération et renvoie son résultat réel ; une proposition d’action générée ne prouve pas que l’action a eu lieu. La modalité de sortie propre du modèle reste textuelle, tandis qu’un outil de génération d’images peut produire un livrable distinct.\n\nPour les interactions longues, préservez les informations permettant de distinguer les travaux intermédiaires d’une réponse terminée. Le guide d’OpenAI décrit les valeurs de phase de l’assistant commentary et final pour les commentaires et les réponses finales : les applications qui rejouent manuellement les éléments de l’assistant doivent conserver leurs valeurs de phase d’origine, tandis que l’enchaînement par le mécanisme du fournisseur fondé sur la réponse précédente préserve automatiquement cet état. Pour la réponse visible, définissez explicitement la longueur, le ton et la structure souhaités. GPT-5.5 adopte par défaut un style concis et direct, et la verbosité du texte vaut medium par défaut ; un résultat compact peut demander une verbosité plus faible sans supprimer les preuves ou réserves requises.\n\nUn livrable final utile peut être un fichier révisé avec une explication ciblée de la modification, une note de décision fondée sur des documents nommés ou une extraction structurée dont les valeurs manquantes sont clairement signalées. Fournissez les faits qui doivent être à jour plutôt que de vous appuyer sur la date limite des connaissances du modèle et comparez les affirmations importantes aux sources d’origine. Des règles de preuve claires, des outils délimités et des conditions d’arrêt explicites aident GPT-5.5 à terminer une tâche substantielle tout en gardant le résultat compréhensible et vérifiable.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "50416ecf22f0ce8b2067f94e577526a4b951cb42ca0369ac27dcaa7a81436116", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "openai/gpt-5.5:batchGPT-5.5 d’OpenAI traite les travaux professionnels complexes et la programmation avec du texte et des images en entrée, un raisonnement configurable et un vaste ensemble d’outils. Son grand contexte permet de travailler sur des sources substantielles et de renvoyer un résultat textuel clair adapté à la tâche.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
GPT-5.5 est le modèle phare de raisonnement d’OpenAI pour les travaux professionnels complexes et la programmation. Il accepte du texte et des images et renvoie du texte, en combinant l’analyse et l’utilisation d’outils lorsqu’une tâche exige des informations ou des actions au-delà du prompt fourni. Les recommandations d’OpenAI mettent l’accent sur un résultat clairement défini : expliquez le résultat nécessaire, les contraintes à respecter, les preuves à utiliser et la condition qui termine la tâche.
Pour une modification logicielle substantielle, fournissez les éléments pertinents du dépôt, le comportement actuel, le comportement souhaité et les critères d’acceptation. Identifiez ce qui peut changer et ce qui doit rester compatible. Un résultat utile à demander comprend une proposition de modification, une explication du comportement concerné et les preuves issues des vérifications réellement exécutées. Pour une tâche riche en documents, identifiez les documents sources et demandez une réponse organisée autour de la décision à prendre, chaque conclusion étant reliée aux preuves fournies et les questions non résolues étant séparées des faits établis.
GPT-5.5 prend en charge les efforts de raisonnement none, low, medium, high et xhigh, avec medium par défaut. OpenAI recommande d’envisager low avant none lorsqu’un processus réactif nécessite tout de même de la planification, de la recherche ou plusieurs appels d’outils. none convient aux tâches directes qui ne nécessitent pas ce processus de raisonnement. Un effort supérieur n’est pas automatiquement meilleur : des exigences contradictoires, un accès aux outils sans limites précises ou une règle d’arrêt peu claire peuvent entraîner des recherches et une réflexion inutiles. Choisissez l’effort pour la tâche réelle et explicitez le livrable final attendu et le critère d’achèvement.
Le fournisseur indique une fenêtre de contexte de 1 050 000 tokens et une sortie maximale de 128 000 tokens, avec une date limite des connaissances au 1er décembre 2025. Le contexte accueille la conversation, les éléments fournis et le contenu généré ; ce n’est pas une allocation distincte à ajouter à la sortie maximale. Le raisonnement interne consomme lui aussi des tokens et de la capacité de sortie. Une vaste collection de sources doit donc être organisée autour de la question, en préservant les identifiants importants, les unités et les limites entre documents, et en laissant suffisamment de place pour le raisonnement et la réponse finale.
Le traitement des images diffère des valeurs par défaut antérieures. Dans les recommandations d’OpenAI pour GPT-5.5, un réglage de détail d’image non défini ou auto utilise le comportement original, qui préserve l’image sans redimensionnement lorsqu’elle respecte à la fois le budget indiqué de 10 240 000 pixels et la dimension maximale de 6 000 pixels. Un réglage high explicitement sélectionné préserve les détails dans les limites conjointes du budget indiqué de 2 500 000 pixels et de la dimension maximale de 2 048 pixels ; low redimensionne plus fortement les images dont une dimension dépasse 512 pixels. Il s’agit de réglages de traitement des images, et non d’une garantie d’acceptation de tous les téléversements. Pour une capture d’écran, un schéma ou une page, identifiez la zone et la question, fournissez une image lisible et demandez l’observation ou l’interprétation nécessaire plutôt qu’une description sans limites.
OpenAI documente les interfaces Responses, Chat Completions et Batch, avec la diffusion en continu, Structured Outputs, l’appel de fonctions, le téléversement de fichiers, les images en entrée, la recherche dans les fichiers et sur le Web et la mise en cache des prompts. L’ensemble d’outils documenté comprend également la recherche d’outils, la génération d’images, l’interprétation de code, l’exécution de commandes dans un environnement hébergé, l’application de correctifs, les compétences, l’utilisation de l’ordinateur et MCP. Décrivez l’objectif, les arguments, les effets de bord et les informations renvoyées par chaque outil de l’application. Une demande d’appel d’une fonction applicative nécessite que l’application exécute l’opération et renvoie son résultat réel ; une proposition d’action générée ne prouve pas que l’action a eu lieu. La modalité de sortie propre du modèle reste textuelle, tandis qu’un outil de génération d’images peut produire un livrable distinct.
Pour les interactions longues, préservez les informations permettant de distinguer les travaux intermédiaires d’une réponse terminée. Le guide d’OpenAI décrit les valeurs de phase de l’assistant commentary et final pour les commentaires et les réponses finales : les applications qui rejouent manuellement les éléments de l’assistant doivent conserver leurs valeurs de phase d’origine, tandis que l’enchaînement par le mécanisme du fournisseur fondé sur la réponse précédente préserve automatiquement cet état. Pour la réponse visible, définissez explicitement la longueur, le ton et la structure souhaités. GPT-5.5 adopte par défaut un style concis et direct, et la verbosité du texte vaut medium par défaut ; un résultat compact peut demander une verbosité plus faible sans supprimer les preuves ou réserves requises.
Un livrable final utile peut être un fichier révisé avec une explication ciblée de la modification, une note de décision fondée sur des documents nommés ou une extraction structurée dont les valeurs manquantes sont clairement signalées. Fournissez les faits qui doivent être à jour plutôt que de vous appuyer sur la date limite des connaissances du modèle et comparez les affirmations importantes aux sources d’origine. Des règles de preuve claires, des outils délimités et des conditions d’arrêt explicites aident GPT-5.5 à terminer une tâche substantielle tout en gardant le résultat compréhensible et vérifiable.
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-5.5: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-5.5:batch, openai/gpt-5.5 | 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 $0.005 / 1K tokens Sortie · Tokens en sortie $0.03 / 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 incluse272'000 | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.03 / 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 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de272'000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.01 / 1K tokens Sortie · Tokens en sortie $0.045 / 1K tokens Entrée · Lecture du cache $0.001 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-5.5: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-5.5:batch', 'openai/gpt-5.5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.5: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-5.5:batch
Utilisez les chemins de méthode indiqués ci-dessus.