Source: https://ailoot.ai/models/fr/openai-gpt-4o-mini-u003a-batch/ Canonical: https://ailoot.ai/models/fr/openai-gpt-4o-mini-u003a-batch/ Language: fr # OpenAI: GPT-4o-mini (batch) [Markdown](https://ailoot.ai/models/fr/openai-gpt-4o-mini-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/fr/openai-gpt-4o-mini-u003a-batch/facts.json) ## [OpenAI: GPT-4o-mini (batch)](https://ailoot.ai/models/fr/openai-gpt-4o-mini-u003a-batch/) GPT-4o Mini traite les tâches ciblées de texte et d’image, notamment l’extraction documentaire, les réponses concises et les appels d’outils applicatifs. Son contexte de 128 000 tokens et Structured Outputs permettent des processus répétables avec un résultat clairement défini. - [**Ailoot Ultra · Traitement par lots** `POST /v1/batches` `openai/gpt-4o-mini:batch`](https://ailoot.ai/models/fr/openai-gpt-4o-mini-u003a-batch/#method-0) À propos du modèle Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous. GPT-4o Mini est le petit modèle d’OpenAI de la famille GPT-4o pour les travaux ciblés. Il accepte du texte et des images et produit du texte, notamment avec Structured Outputs. Son rôle est utile lorsqu’une application nécessite une réponse concise à une demande bien spécifiée : extraire des champs, élaborer une réponse à partir des références fournies ou effectuer une étape délimitée dans un processus plus vaste. Pour une réponse d’assistance, fournissez le message reçu, les extraits de politique pertinents et les faits déjà établis dans la conversation. Demandez une proposition de réponse courte et identifiez les informations encore nécessaires de la part de l’expéditeur. Pour une extraction documentaire, définissez les champs, expliquez comment traiter les valeurs manquantes et préservez un libellé reliant chaque résultat à sa source. La même approche peut produire une classification, un passage modifié ou une explication d’une petite modification de code sans traiter le modèle comme un substitut à la logique environnante de l’application. Le fournisseur indique une fenêtre de contexte de 128 000 tokens, une sortie maximale de 16 384 tokens et une date limite des connaissances au 1er octobre 2023. Les sources, la conversation et la sortie générée occupent ensemble ce contexte. Gardez visibles les faits antérieurs significatifs et précisez le livrable final requis. GPT-4o Mini est un petit modèle distinct, et non un mode de longueur de sortie de GPT-4o complet ; son identité et ses capacités propres doivent guider la tâche, même lorsque les deux modèles partagent des spécifications. Les images peuvent fournir une capture d’écran, une page de document, une photographie ou un schéma. Le processus de vision d’OpenAI accepte PNG, JPEG, WebP et les GIF non animés, avec un niveau de détail low, high ou auto pour cette famille. Le niveau de détail plus élevé suit le traitement d’image par tuiles du fournisseur. Gardez les libellés importants lisibles et à l’endroit et expliquez quelle partie de l’image doit éclairer la réponse. Les relations spatiales fines, les décomptes exacts d’objets, les projections d’images inhabituelles et certains textes non latins constituent des difficultés documentées. Une question ciblée facilite la comparaison de la réponse visuelle avec les preuves d’origine. Dans le processus de vision documenté d’OpenAI, la charge utile totale de la requête est limitée à 512 MB et une requête peut inclure jusqu’à 1 500 images ; les images et le texte doivent également tenir dans le contexte du modèle. Le processus de fichiers du fournisseur transmet le texte extrait et les images des pages des PDF aux modèles capables de vision. Les autres fichiers bureautiques et textuels apportent le texte extrait ; leurs images et graphiques intégrés nécessitent donc une représentation PDF lorsque ces visuels importent. L’enrichissement des feuilles de calcul utilise jusqu’aux 1 000 premières lignes de chaque feuille. Chaque fichier doit faire moins de 50 MB, avec une allocation totale de 50 MB par requête. Chat Completions accepte les parties de fichier PDF ; le processus Responses documenté accepte un ensemble plus large de formats de fichiers. Préservez les identifiants de page, de ligne ou de section dans les éléments utilisés pour l’extraction. La diffusion en continu renvoie le texte progressivement. Structured Outputs contraint une réponse terminée au sous-ensemble pris en charge de JSON Schema, tandis qu’une demande de mode JSON garantit seulement un JSON valide. Nommez les champs requis et les valeurs autorisées, y compris une représentation explicite de l’absence de preuves. Les applications doivent traiter séparément les refus et les réponses incomplètes. Un schéma peut rendre le livrable adapté à l’étape suivante, mais les valeurs doivent toujours refléter la source réelle plutôt qu’une complétion inventée d’un champ vide. GPT-4o Mini prend en charge l’appel de fonctions et les processus du fournisseur axés sur les outils, avec la recherche sur le Web, la recherche dans les fichiers, l’interprétation de code et les connexions MCP. Décrivez une fonction disponible, laissez l’application exécuter l’opération demandée et renvoyer son observation avant que le modèle élabore une réponse suivante. OpenAI prend également en charge un outil distinct de génération d’images dans le processus Responses configuré. Les images produites par cet outil constituent des livrables distincts ; la sortie native documentée du modèle reste textuelle. La recherche et l’utilisation d’outils sont des activités configurées, et non une preuve que chaque réponse a consulté des informations actuelles. Predicted Outputs permet de régénérer un document ou un fichier de code largement connu avec une petite modification. Fournissez le contenu précédent et la modification précise, puis comparez le livrable obtenu à cette demande. Le parcours de prédiction prend uniquement en charge le texte et ne se combine pas avec l’appel de fonctions ; logprobs, max\_completion\_tokens et plusieurs autres contrôles sont également exclus. Une requête ordinaire utilisant des outils constitue un autre parcours lorsque la réponse dépend d’une recherche ou d’un calcul récent. OpenAI documente l’ajustement fin pour ce modèle et décrit l’utilisation des sorties d’un modèle plus grand pour enseigner une tâche spécialisée à un plus petit modèle GPT-4o Mini. Ce processus de distillation produit un modèle personnalisé ; il ne change pas l’identité d’une réponse Mini ordinaire. Pour une requête ordinaire, établissez la tâche et le format de sortie avec des exemples clairs, puis utilisez un échange suivant ciblé pour réviser le même résultat. Un livrable final utile reste relié aux faits sources, au lecteur visé et à l’étape de l’application qui l’utilise. **Ailoot Ultra · Traitement par lots** `POST /v1/batches` `openai/gpt-4o-mini:batch` [`openai/gpt-4o-mini:batch`](https://ailoot.ai/models/fr/#m=openai%2Fgpt-4o-mini%3Abatch&route=Ultra&caller=openai%2Fgpt-4o-mini%3Abatch&fmt=batches) OpenAI /`openai/gpt-4o-mini:batch` ### Premiers pas GPT-4o Mini traite les tâches ciblées de texte et d’image, notamment l’extraction documentaire, les réponses concises et les appels d’outils applicatifs. Son contexte de 128 000 tokens et Structured Outputs permettent des processus répétables avec un résultat clairement défini. Entrées acceptées Texte Résultats Texte ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · Traitement par lots** `POST /v1/batches` Types d’entrée `text` Types de sortie `text` Format de sortie JSON results\[\].response.body intégré | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`endpoint` | Type`string` | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites openai/gpt-4o-mini:batch | Par défaut— | | Champ`requests` | Type`batch_item[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— | | Champ`requests[].custom_id` | Type`string` | ExigenceObligatoire | Valeurs et limites | Par défaut— | | Champ`requests[].body.messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites | Par défaut— | | Champ`completion_window` | Type`string` | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— | | Champ`provider` | Type`object\|null` | ExigenceFacultatif | Valeurs et limites | Par défaut— | | Champ`requests[].body.model` | Type`string` | ExigenceFacultatif | Valeurs et limites openai/gpt-4o-mini:batch, openai/gpt-4o-mini | Par défaut— | | Champ`provider.only` | Type`string[]` | ExigenceFacultatif | Valeurs et limites openai | Par défaut— | | Champ`provider.allow_fallbacks` | Type`boolean\|null` | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— | Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`content_type` | Contratapplication/json | | Paramètre`required` | Contratendpoint, model, requests | | Paramètre`material_types` | Contrattext | | Paramètre`representation` | Contratrequests\[\] intégré ; chaque élément comporte custom\_id et body | | Paramètre`request_endpoint_profile` | Contrat/v1/chat/completions | | Paramètre`file_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. | | Paramètre`serialization_order` | Contratendpoint, model, provider (si fourni), completion\_window (si fourni), requests en dernier | | Paramètre`optional_controls` | Contratprovider.only, provider.allow\_fallbacks, completion\_window | | Paramètre`schema_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 ### Tarifs Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée. Mode rapide Non précisé Lorsque le mode rapide est sélectionné Mode Flex Non précisé Lorsque le mode flex est sélectionné Effort de raisonnement maximal Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default) Tarification du cache explicite Non activé Lorsqu’un cache explicite est demandé #### Tarifs Ailoot #### Prix par configuration 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 **$0.00015** / 1K tokens Sortie · Tokens en sortie **$0.0006** / 1K tokens Entrée · Lecture du cache **$0.000075** / 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 **$0.00015** / 1K tokens Sortie · Tokens en sortie **$0.0006** / 1K tokens Entrée · Lecture du cache **$0.000075** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · Traitement par lots curl · jeu de données de référence conservéPython HTTP · données JSONL réelles du clientPython · enregistrer chaque résultat finalisé ```bash set -eu : "${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/gpt-4o-mini: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/gpt-4o-mini:batch', 'openai/gpt-4o-mini']: raise ValueError("body.model must be an exact documented caller or wire ID") return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-4o-mini: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. ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · Traitement par lots JSON results\[\].response.body intégré - `GET /v1/batches/{operation_id}` ##### Vérifier l’état de la tâche curl · état de l’opération d’origine ```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 ``` ##### Conserver tous les résultats terminés Conservez 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. ##### Si la réponse d’origine doit être vérifiée 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. Champs de la réponse | Champ | Type | | --- | --- | | Champ`results[].custom_id` | Typestring | | Champ`results[].response.body.choices[].message.content` | Typestring\|null | | Champ`results[].error` | Typeobject\|null | | Champ`usage` | Typeobject\|null | | Champ`id` | Typestring | | Champ`model` | Typestring | | Champ`endpoint` | Typestring | | Champ`status` | Typestring | | Champ`request_counts` | Typeobject | | Champ`results[].id` | Typestring | | Champ`results[].response.status_code` | Typeinteger | | Champ`results[].response.request_id` | Typestring | Erreurs et étapes suivantes | 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. | ### Alias #### Alias du modèle **Ailoot Ultra** [`openai/gpt-4o-mini:batch`](https://ailoot.ai/models/fr/#m=openai%2Fgpt-4o-mini%3Abatch&route=Ultra&caller=openai%2Fgpt-4o-mini%3Abatch&fmt=batches) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`openai/gpt-4o-mini:batch`](https://ailoot.ai/models/fr/#m=openai%2Fgpt-4o-mini%3Abatch&route=Ultra&caller=openai%2Fgpt-4o-mini%3Abatch&fmt=batches) FAQ · OpenAI: GPT-4o-mini (batch) Quelles entrées et quels résultats sont disponibles ? `POST /v1/batches` · `openai/gpt-4o-mini:batch`: `text` → `text` Quels champs la requête utilise-t-elle ? `POST /v1/batches` · `openai/gpt-4o-mini:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider` Quelles limites s’appliquent ? `POST /v1/batches` · `openai/gpt-4o-mini:batch`: `requests.min_items`: `1` Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application. ## L’entreprise et son portefeuille de projets L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. ## Achetez des tokens à prix réduit. Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens. Abonnement Choisissez une offre à tarif réduit pour vos requêtes régulières. Code promo jusqu’à 50% Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours. Dépenses dans l’historique Modèle, tokens et montant sont enregistrés pour chaque requête. [Choisir un abonnement](https://ailoot.ai/docs/fr/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr/) ## Connectez l’API au produit que vous vendez. SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur. Application commerciale Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service. Licence revendeur Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente. Documents sur le site L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion. [Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.